圖像去模糊的方法、裝置和設備與流程
2023-10-27 15:20:22
本發明實施例涉及圖像處理技術，尤其涉及一種圖像去模糊方法、裝置和設備。
背景技術：
隨著計算機技術的發展，所興起的數字圖像處理技術是通過計算機對圖像進行去噪聲、增強、復原、分割等處理的方法。在實際拍攝照片的過程中，由於相機的抖動或者是物體的運動，拍攝的圖片經常會出現運動模糊，尤其是在環境光線比較暗、快門時間長的情況下，圖像模糊的機率會大大提升。另外，當在暗光環境下拍攝具有可反光平面的物體時，畫面中會同時出現物體(背景層)和反光層。這樣就會造成在很多情況下，一副圖片即出現了運動模糊也帶有反光的情況，因此，對於這類圖片的清晰還原，成為目前技術人員攻關的重要課題。
現有技術中，圖像的去模糊算法是Xu&Jia在2010年的ECCV會議文章「Two-Phase Kernel Estimation for Robust Motion Deblurring」被提出的，具體為：從圖像金字塔的最底層出發，多尺度(multi-scale)從小到大的迭代優化圖像的運動模糊核，然後使用ISD技術對所估計得到的運動模糊核進行進一步的優化，最後基於估計得到的運動模糊核，採用快速TV-L1反卷積算法反卷積之後得到清晰的結果圖。
上述運動模糊核估計的過程中，需要選取圖像中最強的邊緣，並根據這些最強的邊緣估計出運動模糊核。但是，對於運動模糊且帶有反光的圖片，圖中部分最強的邊緣隸屬於背景層，但也有部分最強的邊緣屬於反光層，即這些強邊緣並不是由一種模糊核產生的，而現有技術的圖像去模糊方法是基於圖片中沒有反光的先驗條件進行的，因而在帶有反光層的圖像中，這種先驗條件是不成立的，故而，現有技術的圖像去模糊方法無法得到準確的結果。
技術實現要素：
本發明實施例提供一種圖像去模糊方法、裝置和設備，用以解決現有技術在對帶有反光層的圖像進行去模糊時，得到的去模糊結果準確性低的技術問題。
第一方面，本發明實施例提供一種圖像去模糊的方法，包括：
獲取待處理圖像的背景層的模糊核和反光層的模糊核；
根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR；其中，所述B為待處理圖像的像素矩陣，所述KB為所述背景層的模糊核，所述KR為所述反光層的模糊核，所述Ki為KB或者KR，所述Li為LB或者LR，所述αl為表徵原始清晰圖像的梯度分布程度的因子，所述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子。
本發明實施例提供的圖像去模糊的方法，通過獲取待處理圖像的背景層的模糊核和反光層的模糊核，然後根據公式確定待處理圖像的背景層LB和待處理圖像的反光層LR，從而還原出清晰度滿足用戶要求的圖像。由於本發明實施例中分別考慮了待處理圖像的背景層的模糊核和反光層的模糊核，並且基於這兩個模糊核採用上述公式1同時進行背景層和反光層的分離和去模糊，不僅提高了圖像去模糊的準確度，也使得還原出的圖像更加清晰。
在一種可能的設計中，所述獲取待處理圖像的背景層的模糊核和反光層的模糊核，具體包括：
對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'；
根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB；其中，所述0<λk≤1；
根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR。
在一種可能的設計中，所述對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'，具體包括：
根據公式對所述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊；其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換；
根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類；其中，所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊；
根據所述第一聚類得到所述第一背景層LB'；
根據所述第二聚類得到所述第一反光層LR'。
在一種可能的設計中，所述μd＝1和μl＝1e-1。
本發明實施例提供的圖像去模糊的方法，通過對待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'，然後根據公式和第一背景層LB'，獲取背景層的模糊核KB，以及根據公式和第一反光層LR'，獲取反光層的模糊核KR，進而根據上述公式1確定待處理圖像的背景層LB和待處理圖像的反光層，從而還原出清晰度滿足用戶要求的圖像。本發明實施例確定的背景層的模糊核KB和反光層的模糊核KR的收斂程度較高，使得背景層和反光層的分離效果較好，另外，由於本發明實施例中分別考慮了待處理圖像的背景層的模糊核和反光層的模糊核，並且基於這兩個模糊核採用上述公式1同時進行背景層和反光層的分離和去模糊，不僅提高了圖像去模糊的準確度，也使得還原出的圖像更加清晰。
在一種可能的設計中，所述根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB，以及，根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR，具體包括：
步驟A：根據公式和所述第一背景層LB'，獲取所述背景層的第一初始化模糊核KB'；以及，根據公式和所述第一反光層LR'，獲取所述反光層的第二初始化模糊核KR'；
步驟B：根據公式所述第一初始化模糊核KB'和所述第二初始化模糊核KR'，確定第二背景層LB」和第二反光層LR」；其中，所述0<λl≤1；
步驟C：將所述第二背景層LB」作為新的第一背景層LB'，以及將所述第二反光層LR」作為新的第一反光層LR'，返回執行所述步驟A，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR。
在一種可能的設計中，所述αl等於0.8。
本發明實施例提供的圖像去模糊的方法，通過上述步驟A獲取所述背景層的第一初始化模糊核KB'和反光層的第二初始化模糊核KR'，然後通過上述步驟B確定第二背景層LB」和第二反光層LR」，之後將第二背景層LB」作為新的第一背景層LB'，以及將第二反光層LR」作為新的第一反光層LR'，返回執行上述步驟A，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為反光層的模糊核KR。本發明實施例的方法，通過多次迭代確定待處理圖像的背景層的模糊核KB和反光層的模糊核KR，使得所得到的兩個模糊核更加精確，進而大大提高了最終確定的待處理圖像的背景層LB和待處理圖像的反光層LR的準確度，也使得還原出的圖像更加清晰。
第二方面，本發明實施例提供一種圖像去模糊的裝置，包括：
獲取模塊，用於獲取待處理圖像的背景層的模糊核和反光層的模糊核；
確定模塊，用於根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR；其中，所述B為待處理圖像的像素矩陣，所述KB為所述背景層的模糊核，所述KR為所述反光層的模糊核，所述Ki為KB或者KR，所述Li為LB或者LR，所述αl為表徵原始清晰圖像的梯度分布程度的因子，所述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子。
在一種可能的設計中，所述獲取模塊，包括：
聚類單元，用於對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'；
獲取單元，用於根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB；以及，根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR；其中，所述0<λk≤1。
在一種可能的設計中，所述獲取單元，具體用於根據公式和所述第一背景層LB'，獲取所述背景層的第一初始化模糊核KB'；以及，根據公式和所述第一反光層LR'，獲取所述反光層的第二初始化模糊核KR'；並根據公式所述第一初始化模糊核KB'和所述第二初始化模糊核KR'，確定第二背景層LB」和第二反光層LR」，並將所述第二背景層LB」作為新的第一背景層LB'，以及將所述第二反光層LR」作為新的第一反光層LR'，返回確定新的第一初始化模糊核KB'和新的第二初始化模糊核KR'，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR；其中，所述0<λl≤1。
在一種可能的設計中，所述αl等於0.8。
在一種可能的設計中，所述聚類單元，包括：
處理子單元，用於根據公式對所述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊；其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換；
聚類子單元，用於根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類；其中，所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊；
獲取子單元，用於根據所述第一聚類得到所述第一背景層LB'；以及，根據所述第二聚類得到所述第一反光層LR'。
在一種可能的設計中，所述μd＝1和μl＝1e-1。
上述第二方面以及第二方面的各可能的設計所提供的圖像去模糊的裝置，其有益效果可以參照上述第一方面以及第一方面的各可能的設計所帶來的有益效果，在此不再贅述。
第三方面，本發明實施例提供一種圖像去模糊設備，包括：輸入設備和處理器；
所述處理器，用於獲取所述輸入設備輸入的待處理圖像的背景層的模糊核和反光層的模糊核，並根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR；其中，所述B為待處理圖像的像素矩陣，所述KB為所述背景層的模糊核，所述KR為所述反光層的模糊核，所述Ki為KB或者KR，所述Li為LB或者LR，所述αl為表徵原始清晰圖像的梯度分布程度的因子，所述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子。
在一種可能的設計中，所述處理器，具體用於對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'，並根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB；以及，根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR；其中，所述0<λk≤1。
在一種可能的設計中，所述處理器，具體用於根據公式和所述第一背景層LB'，獲取所述背景層的第一初始化模糊核KB'；以及，根據公式和所述第一反光層LR'，獲取所述反光層的第二初始化模糊核KR'；並根據公式所述第一初始化模糊核KB'和所述第二初始化模糊核KR'，確定第二背景層LB」和第二反光層LR」，並將所述第二背景層LB」作為新的第一背景層LB'，以及將所述第二反光層LR」作為新的第一反光層LR'，返回確定新的第一初始化模糊核KB'和新的第二初始化模糊核KR'，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR；其中，所述0<λl≤1。
在一種可能的設計中，所述αl等於0.8。
在一種可能的設計中，所述處理器，具體用於根據公式對所述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊，並根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類；以及，根據所述第一聚類得到所述第一背景層LB'，並根據所述第二聚類得到所述第一反光層LR'；其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換；所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊。
在一種可能的設計中，所述μd＝1和μl＝1e-1。
上述第三方面以及第三方面的各可能的設計所提供的圖像去模糊設備，其有益效果可以參照上述第一方面以及第一方面的各可能的設計所帶來的有益效果，在此不再贅述。
附圖說明
圖1為本發明實施例提供的帶有反光的模糊圖像示意圖；
圖2為本發明實施例提供的圖像去模糊的方法實施例一的流程示意圖；
圖3為本發明實施例提供的圖像去模糊效果對比示意圖一；
圖4為本發明實施例提供的圖像去模糊效果對比示意圖二；
圖5為本發明實施例提供的圖像去模糊的方法實施例二的流程示意圖；
圖6為本發明實施例提供的圖像去模糊的方法實施例三的流程示意圖；
圖7為本發明實施例提供的圖像去模糊的方法實施例四的流程示意圖；
圖8為本發明實施例提供的圖像去模糊的裝置實施例一的結構示意圖；
圖9為本發明實施例提供的圖像去模糊的裝置實施例二的結構示意圖；
圖10為本發明實施例提供的圖像去模糊的裝置實施例三的結構示意圖；
圖11為本發明實施例提供的圖像去模糊設備的結構示意圖。
具體實施方式
本發明實施例提供的圖像去模糊的方法、裝置和設備，可以適用於在拍攝照片時，由於相機的抖動、物體的移動、物體具有反光面等造成拍攝圖片不滿足清晰度要求，從而需要進行圖像還原的場景。本發明實施例提供的圖像去模糊的方法，其可以適用於帶有反光的模糊圖像的還原，也可以適用於運動模糊的圖像進行還原，還可以僅帶有反光層的圖像的還原。當一幅待處理圖像既帶有運動模糊也帶有反光時，該圖像實際上包括了兩個圖層，分別為背景層和反光層，而對圖像去模糊或者對圖像進行還原實際上是將這兩個混合的圖層進行分離，並且對這兩個圖層分別進行去模糊的過程。下述實施例中的待處理圖像以既帶有運動模糊也帶有反光的圖像為例來進行說明。
本發明實施例涉及的圖像處理設備，可以為具有圖像處理功能的計算機、移動終端等設備，該移動終端可以為用戶的手機、平板電腦、個人數字助理等，本發明實施例對圖像處理設備的具體類型並不做限定，只要其能夠對不滿足清晰度要求的圖像進行去模糊即可。
現有技術在對運動模糊圖像進行去模糊的過程中，其需要選取圖像中最強的邊緣，並根據這些最強的邊緣估計出運動模糊核。但是，對於運動模糊且帶有反光的圖片，圖中部分最強的邊緣隸屬於背景層，但也有部分最強的邊緣屬於反光層，即這些強邊緣並不是由一種模糊核產生的，例如參見圖1所示的標記，這些標記中的「1#」標記的強邊緣隸屬於背景層，「2#」標記的強邊緣隸屬於反光層。但是，現有技術的圖像去模糊方法是基於圖片中沒有反光的先驗條件進行的，因而在帶有反光層的模糊圖像中，這種先驗條件是不成立的，故而，現有技術的圖像去模糊方法無法得到準確的結果。
因此，本發明實施例提供的圖像去模糊方法，旨在解決現有技術的如上技術問題。
下面以具體地實施例對本發明的技術方案進行詳細說明。下面這幾個具體的實施例可以相互結合，對於相同或相似的概念或過程可能在某些實施例中不再贅述。
圖2為本發明實施例提供的圖像去模糊的方法實施例一的流程示意圖。本實施例中，圖像處理設備基於下述圖像成像模型來分離背景層和反光層，該圖像成像模型為：B＝LB*KB+LR*KR+n；其中，LB為待估計的清晰的背景層(即希望分離出的清晰的背景層)，LR是待估計的清晰的反光層(即希望分離出的清晰的反光層)，KB是當前待處理圖像的背景層的模糊核，KR是當前待處理圖像的反光層的模糊核，B為實際拍攝到的帶有反光的模糊圖片(即待處理圖像)，n為噪聲。在該成像模型中，拍攝的圖片B為已知量，分離待處理圖像的背景層和反光層實際上就是求解上述圖像成像模型中的LB和LR的過程。
需要說明的是，上述圖像成像模型中，B在公式中實際上為待處理圖像的像素矩陣，上述KB、KR、LB、LR均是矩陣的形式。
如圖2所示，該方法包括如下步驟：
S101：獲取待處理圖像的背景層的模糊核和反光層的模糊核。
具體的，圖像處理設備在得到待處理圖像之後，確定待處理圖像為帶有反光的運動模糊圖像。圖像處理設備此時需要分別該待處理圖像的背景層的模糊核和反光層的模糊核。可選的，圖像處理設備可以從圖像金字塔的最底層出發，多尺度(multi-scale)從小到大的迭代優化待處理圖像的運動模糊核，然後使用ISD技術對所估計得到的運動模糊核進行進一步的優化，得到背景層的模糊核KB；可選的，圖像處理設備也可以採用對不同的圖層施加不同的先驗約束的方法來獲取反光層的模糊核KR。總之，本發明實施例對如何獲取待處理圖像的背景層的模糊核和反光層的模糊核的具體過程並不做限定，只要圖像處理設備在確定待處理圖像即具有背景層也具有反光層時，能夠分別考慮並獲取到這兩個圖層的模糊核即可。
S102：根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR。
具體的，當圖像處理設備得到背景層的模糊核KB和反光層的模糊核KR之後，圖像處理設備根據公式 (公式1)求解待處理圖像的背景層LB和待處理圖像的反光層LR，即在求解過程中使得公式1的等式右邊的值最小的LB和LR則為最終要得到的LB和LR。其中，其中，B為待處理圖像的像素矩陣，KB為S101獲得的背景層的模糊核，KR為上述S101獲得的反光層的模糊核，公式1中的Ki為KB或者KR，Li為LB或者LR，上述αl為表徵原始清晰圖像的梯度分布程度的因子，上述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子，上述是圖像沿著水平方向和豎直方向的微分算子。可選的，上述αl可以取0.8，使得背景層和反光層的分離效果更明顯；可選的，上述μd的取值可以為1，μl的取值可以為1e-1，使得最後還原出的清晰圖像的平滑程度更能滿足用戶要求。
需要說明的是，現有技術在進行圖像去模糊時，僅考慮圖像具有背景層的情況，即現有技術基於的是圖像沒有反光的先驗條件進行去模糊的，對於既有背景層也有反光層的圖像來說，現有技術的先驗條件並不成立，因此其無法準確還原既有背景層也有反光層的圖像；而本發明實施例中，基於上述圖像成像模型B＝LB*KB+LR*KR+n可以看出，本發明實施例的方法分別考慮了待處理圖像的背景層的模糊核和反光層的模糊核，並且基於這兩個模糊核採用上述公式1同時進行背景層和反光層的分離和去模糊，不僅提高了圖像去模糊的準確度，也使得還原出的圖像更加清晰。
為了更好的說明本發明實施例對圖像去模糊時的效果，可以參見圖3和圖4所示的還原效果對比圖，圖3中的(a)和圖4中的(a)為待處理圖像，圖3中的(b)(c)和圖4中的(b)(c)為現有技術中的圖像去模糊效果，圖3中的(d)和圖4中的(d)為採用本發明實施例的方法進行圖像去模糊的效果。
當然，本發明實施例提供的方法也適用於不帶有反光的圖像的去模糊，只要令圖像成像模型中的KR＝0即可。
本發明實施例提供的圖像去模糊的方法，通過獲取待處理圖像的背景層的模糊核和反光層的模糊核，然後根據公式確定待處理圖像的背景層LB和待處理圖像的反光層LR，從而還原出清晰度滿足用戶要求的圖像。由於本發明實施例中分別考慮了待處理圖像的背景層的模糊核和反光層的模糊核，並且基於這兩個模糊核採用上述公式1同時進行背景層和反光層的分離和去模糊，不僅提高了圖像去模糊的準確度，也使得還原出的圖像更加清晰。
圖5為本發明實施例提供的圖像去模糊的方法實施例二的流程示意圖。本實施例涉及的是圖像處理設備獲取待處理圖像的背景層的模糊核和反光層的模糊核的具體過程。在上述實施例的基礎上，進一步地，上述S101具體可以包括如下步驟：
S201：對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB′和第一反光層LR′。
具體的，當圖像處理設備獲取到待處理圖像，並確定該待處理圖像具有背景層和反光層之後，圖像處理設備對該待處理圖像的每個圖像塊進行聚類處理，即將待處理圖像中的屬於背景層的圖像塊和屬於反光層的圖像塊進行分類，具體的聚類算法本發明實施例對此並不做限定。
當圖像處理設備對待處理圖像的圖像塊進行聚類之後，得到背景層的圖像塊類和反光層的圖像塊類，其中，背景層的圖像塊類包括待處理圖像中隸屬於背景層的所有圖像塊，反光層的圖像塊類包括待處理圖像中隸屬於反光層的所有圖像塊。然後，圖像處理設備根據背景層的圖像塊類得到第一背景層LB'，以及根據反光層的圖像塊類得到第一反光層LR'。需要說明的是，第一背景層LB'為矩陣的形式，矩陣中的每一個元素為背景層的圖像塊類中每個圖像塊的像素值，第一反光層LR'也為矩陣的形式，矩陣中的每一個元素為反光層的圖像塊類中每個圖像塊的像素值。
可選的，圖6所示的實施例三提供了一種獲得第一背景層LB'和第一反光層LR'的可能的實施方式，如圖6所示，該方法包括：
S301：根據公式對上述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊。
其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換。
S302：根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類。
其中，所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊。
具體的，當圖像處理設備根據上述公式對上述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊之後，圖像處理設備採用公式確定任意兩個第一圖像塊之間的聚類距離，並根據每兩個第一圖像塊之間的聚類距離將上述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類。可選的，圖像處理設備可以設定一個聚類距離閾值，並設定聚類距離小於該閾值的第一圖像塊對應的原圖像塊(即未進行傅立葉變換的圖像塊)屬於第一聚類，聚類距離大於或者等於該閾值的第一圖像塊對應的原圖像塊(即未進行傅立葉變換的圖像塊)屬於第二聚類，總之，本發明實施例對如何根據聚類距離對待處理圖像的圖像塊進行聚類的具體設定並不做限定。
S303：根據所述第一聚類得到所述第一背景層LB′。
S304：根據所述第二聚類得到所述第一反光層LR′。
具體的，當圖像處理設備得到第一聚類和第二聚類之後，由於第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，第二聚類包括至少一個隸屬於背景層的圖像塊的像素值，因此，圖像處理設備可以根據該第一聚類得到第一背景層LB'，根據第二聚類得到第一反光層LR'。
S202：根據公式和所述第一背景層LB′，獲取所述背景層的模糊核KB。
其中，所述0<λk≤1。
S203：根據公式和所述第一反光層LR′，獲取所述反光層的模糊核KR。
具體的，本發明實施例在確定背景層的模糊核KB時，是在考慮了反光層的情況下確定的，即本發明實施例的圖像處理設備是基於總的公式(4)：來確定Ki的，其中，Ki為背景層的模糊核KB或者反光層的模糊核KR，所述0<λk≤1。
在求解Ki時，由上述公式4可以得到由於公式5中的數據保真項和正則項均是L2範數，因此可以利用傅立葉變換算法進行閉式求解，得到
因此，基於上述S201中圖像處理設備已經得到的第一背景層LB'和第一反光層LR'，圖像處理設備可以根據第一背景層LB'和獲取背景層的模糊核KB，同時也可以根據第一反光層LR'和公式獲取反光層的模糊核KR。
當圖像處理設備得到背景層的模糊核KB和反光層的模糊核KR之後，圖像處理設備就可以根據上述公式1計算得到清晰的待處理圖像的背景層LB和待處理圖像的反光層LR。
本發明實施例提供的圖像去模糊的方法，通過對待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'，然後根據公式和第一背景層LB'，獲取背景層的模糊核KB，以及根據公式和第一反光層LR'，獲取反光層的模糊核KR，進而根據上述公式1確定待處理圖像的背景層LB和待處理圖像的反光層，從而還原出清晰度滿足用戶要求的圖像。本發明實施例確定的背景層的模糊核KB和反光層的模糊核KR的收斂程度較高，使得背景層和反光層的分離效果較好，另外，由於本發明實施例中分別考慮了待處理圖像的背景層的模糊核和反光層的模糊核，並且基於這兩個模糊核採用上述公式1同時進行背景層和反光層的分離和去模糊，不僅提高了圖像去模糊的準確度，也使得還原出的圖像更加清晰。
圖7為本發明實施例提供的圖像去模糊的方法實施例四的流程示意圖。本實施例涉及的是圖像處理設備通過迭代的方式獲取待處理圖像的背景層的模糊核和反光層的模糊核，使得兩個模糊核收斂程度更好，背景層和反光層的分離和去模糊的效果更加明顯的具體過程。在上述實施例的基礎上，進一步地，上述S202和S203具體可以包括如下步驟：
步驟A：根據公式和所述第一背景層LB′，獲取所述背景層的第一初始化模糊核KB′；以及，根據公式和所述第一反光層LR′，獲取所述反光層的第二初始化模糊核KR′。
步驟B：根據公式所述第一初始化模糊核KB′和所述第二初始化模糊核KR′，確定第二背景層LB」和第二反光層LR」。
具體的，所述0<λl≤1。基於上述公式(4)可以獲知這裡的Ki即就是上述步驟A計算得到的第一初始化模糊核KB'和第二初始化模糊核KR'，等式左邊的Li為待求解的未知數，等式右邊的Li為該公式所針對的變量，等式左邊的Li的取值為能夠使得等式右邊最小化的數值，因此，為了和上述實施例中公式的參數標識進行區分，上述公式9具體可以寫成：這裡的X和Y替代了公式9等式右邊的變量，{LB」,LR」}替代了公式9等式左邊的未知數Li。
故而，當圖像處理設備獲取到待處理圖像的背景層的第一初始化模糊核KB'和反光層的第二初始化模糊核KR'之後，圖像處理設備根據公式10確定第二背景層LB」和第二反光層LR」。
步驟C：將所述第二背景層LB」作為新的第一背景層LB′，以及將所述第二反光層LR」作為新的第一反光層LR′，返回執行所述步驟A，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR。
具體的，當圖像處理設備根據第一初始化模糊核KB'、反光層的第二初始化模糊核KR'和上述公式10計算得到第二背景層LB」和第二反光層LR」之後，將該第二背景層LB」作為新的第一背景層LB'，以及將該第二反光層LR」作為新的第一反光層LR'，分別代入上述公式7和公式8，分別得到新的第一初始化模糊核KB'和新的第二初始化模糊核KR'，然後將該新的第一初始化模糊核KB'和新的第二初始化模糊核KR'又再次代入上述公式10，得到新的第二背景層LB」和新的第二反光層LR」，然後再次將該新的第二背景層LB」和新的第二反光層LR」作為新的第一背景層LB'和新的第一反光層LR'，依次循環，直到迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為待處理圖像的背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為待處理圖像的反光層的模糊核KR。
需要說明的是，上述公式10中的αl等於0.8，使得待處理圖像的背景層和反光層的分離效果更明顯，上述迭代過程具體採用的是迭代重加權最小二乘法(IRLS)求解的。
本發明實施例提供的圖像去模糊的方法，通過上述步驟A獲取所述背景層的第一初始化模糊核KB'和反光層的第二初始化模糊核KR'，然後通過上述步驟B確定第二背景層LB」和第二反光層LR」，之後將第二背景層LB」作為新的第一背景層LB'，以及將第二反光層LR」作為新的第一反光層LR'，返回執行上述步驟A，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為反光層的模糊核KR。本發明實施例的方法，通過多次迭代確定待處理圖像的背景層的模糊核KB和反光層的模糊核KR，使得所得到的兩個模糊核更加精確，進而大大提高了最終確定的待處理圖像的背景層LB和待處理圖像的反光層LR的準確度，也使得還原出的圖像更加清晰。
圖8為本發明實施例提供的圖像去模糊的裝置實施例一的結構示意圖。該圖像去模糊的裝置可以集成在上述圖像去模糊設備中，也可以是獨立的圖像去模糊設備，該圖像去模糊的裝置可以通過軟體、硬體或者軟硬結合的方式實現。如圖7所示，該裝置包括：獲取模塊11和確定模塊12。
具體的，獲取模塊11，用於獲取待處理圖像的背景層的模糊核和反光層的模糊核；
確定模塊12，用於根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR；其中，所述B為待處理圖像的像素矩陣，所述KB為所述背景層的模糊核，所述KR為所述反光層的模糊核，所述Ki為KB或者KR，所述Li為LB或者LR，所述αl為表徵原始清晰圖像的梯度分布程度的因子，所述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子。
本發明實施例提供的圖像去模糊的裝置，可以執行上述方法實施例，其實現原理和技術效果類似，在此不再贅述。
圖9為本發明實施例提供的圖像去模糊的裝置實施例二的結構示意圖。在上述圖8所示實施例的基礎上，進一步地，上述獲取模塊11可以包括：聚類單元111和獲取單元112。
具體的，聚類單元111，用於對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'；
獲取單元112，用於根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB；以及，根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR；其中，所述0<λk≤1。
進一步地，所述獲取單元112，具體用於根據公式和所述第一背景層LB'，獲取所述背景層的第一初始化模糊核KB'；以及，根據公式和所述第一反光層LR'，獲取所述反光層的第二初始化模糊核KR'；並根據公式所述第一初始化模糊核KB'和所述第二初始化模糊核KR'，確定第二背景層LB」和第二反光層LR」，並將所述第二背景層LB」作為新的第一背景層LB'，以及將所述第二反光層LR」作為新的第一反光層LR'，返回確定新的第一初始化模糊核KB'和新的第二初始化模糊核KR'，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR；其中，所述0<λl≤1。
可選的，所述αl等於0.8。
可選的，所述μd＝1和μl＝1e-1。
本發明實施例提供的圖像去模糊的裝置，可以執行上述方法實施例，其實現原理和技術效果類似，在此不再贅述。
圖10為本發明實施例提供的圖像去模糊的裝置實施例三的結構示意圖。在上述圖9所示實施例的基礎上，進一步地，上述聚類單元111具體可以包括：處理子單元201、聚類子單元202和獲取子單元203。
具體的，處理子單元201，用於根據公式對所述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊；其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換；
聚類子單元202，用於根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類；其中，所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊；
獲取子單元203，用於根據所述第一聚類得到所述第一背景層LB'；以及，根據所述第二聚類得到所述第一反光層LR'。
本發明實施例提供的圖像去模糊的裝置，可以執行上述方法實施例，其實現原理和技術效果類似，在此不再贅述。
圖11為本發明實施例提供的圖像去模糊設備的結構示意圖。如圖11所示，該圖像去模糊設備可以包括輸入設備20、處理器21，例如CPU、存儲器22和至少一個通信總線23。可選的，還可以包括顯示設備24。通信總線23用於實現元件之間的通信連接。存儲器22可能包含高速RAM存儲器，也可能還包括非易失性存儲器NVM，例如至少一個磁碟存儲器，存儲器22中可以存儲各種程序，用於完成各種處理功能以及實現本實施例的方法步驟；所述輸入設備20，用於向處理器21輸入待處理圖像。
具體的，在本實施例中，所述處理器21，用於獲取所述輸入設備20輸入的待處理圖像的背景層的模糊核和反光層的模糊核，並根據公式確定所述待處理圖像的背景層LB和所述待處理圖像的反光層LR；其中，所述B為待處理圖像的像素矩陣，所述KB為所述背景層的模糊核，所述KR為所述反光層的模糊核，所述Ki為KB或者KR，所述Li為LB或者LR，所述αl為表徵原始清晰圖像的梯度分布程度的因子，所述μd和μl為調整還原出的清晰圖像的平滑程度的調整因子。
進一步地，所述處理器21，具體用於對所述待處理圖像中的每個圖像塊進行聚類處理，得到第一背景層LB'和第一反光層LR'，並根據公式和所述第一背景層LB'，獲取所述背景層的模糊核KB；以及，根據公式和所述第一反光層LR'，獲取所述反光層的模糊核KR；其中，所述0<λk≤1。
更進一步地，所述處理器21，具體用於根據公式和所述第一背景層LB'，獲取所述背景層的第一初始化模糊核KB'；以及，根據公式和所述第一反光層LR'，獲取所述反光層的第二初始化模糊核KR'；並根據公式所述第一初始化模糊核KB'和所述第二初始化模糊核KR'，確定第二背景層LB」和第二反光層LR」，並將所述第二背景層LB」作為新的第一背景層LB'，以及將所述第二反光層LR」作為新的第一反光層LR'，返回確定新的第一初始化模糊核KB'和新的第二初始化模糊核KR'，直至迭代次數達到預設的次數為止，並將最後一次迭代時獲取的第一初始化模糊核作為所述背景層的模糊核KB，以及將最後一次迭代時獲取的第二初始化模糊核作為所述反光層的模糊核KR；其中，所述0<λl≤1。
可選的，所述αl等於0.8。
可選的，所述μd＝1和μl＝1e-1。
進一步地，所述處理器21，具體用於根據公式對所述待處理圖像中的每個圖像塊進行傅立葉變換，得到多個第一圖像塊，並根據公式確定任意兩個第一圖像塊之間的聚類距離，並根據所述聚類距離將所述待處理圖像的圖像塊進行聚類，得到第一聚類和第二聚類；以及，根據所述第一聚類得到所述第一背景層LB'，並根據所述第二聚類得到所述第一反光層LR'；其中，所述Px為所述待處理圖像的圖像塊，所述為5點拉普拉斯核的傅立葉變換；所述第一聚類包括至少一個隸屬於背景層的圖像塊的像素值，所述第二聚類包括至少一個隸屬於背景層的圖像塊的像素值；所述Py為所述待處理圖像的圖像塊。
本發明實施例提供的圖像去模糊設備，可以執行上述方法實施例，其實現原理和技術效果類似，在此不再贅述。
本領域普通技術人員可以理解：實現上述各方法實施例的全部或部分步驟可以通過程序指令相關的硬體來完成。前述的程序可以存儲於一計算機可讀取存儲介質中。該程序在執行時，執行包括上述各方法實施例的步驟；而前述的存儲介質包括：ROM、RAM、磁碟或者光碟等各種可以存儲程序代碼的介質。
最後應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍。