CN102222326B - 一种基于单张低分辨率的图像去模糊方法及装置 - Google Patents

Abstract

本发明提供了一种基于单张低分辨率的图像去模糊方法和装置，涉及图像处理技术领域。所述基于单张低分辨率的图像去模糊方法包括：对待处理图像进行滤波得到滤波图像；采用Laplace算子对所述滤波图像进行卷积得到梯度图像；根据邻域的梯度差值修正所述梯度图像；将所述待处理图像与修正后的所述梯度图像叠加得到锐化图像。应用本发明所述的基于单张低分辨率的图像去模糊方法和装置，能够在单张低分辨率图像的锐化过程中，既减少了梯度图像中平滑区域的噪声，又使物体的轮廓和细节损失较少，从而使图像的视觉效果得到较大改善。

Description

一种基于单张低分辨率的图像去模糊方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于单张低分辨率的图像去模糊方法及装置。

背景技术

高分辨率图像在现实生活中有十分广泛的用途。例如在数字电视领域，若能将数字电视(DTV)信号转化为高清晰度电视(HDTV)信号，可提高观众的视觉体验；在安全检测领域，虽然一般都会安装摄像头，但得到的图像非常模糊，高分辨率图像既能够协助平常的安全管理，又能够在发生案情时帮助警察办案。

近年来出现了各种提高图像分辨率、改善图像质量的方法，可分为两类：一类是基于多张低分辨率图像，首先通过估计旋转角度和偏移距离对图像进行校正，再利用插值、重建或学习等方式得到一幅分辨率较高、包含信息较多的图像。虽然这类方法可以获得较好的结果，但它们对于图像之间的运动参数有所限制；另一类是基于单张低分辨率图像，对其进行插值，由于它只需要低分辨率图像本身，因此适用性更广。

在实际中广泛采用的插值方法包括最邻近插值法、双线性插值法和双三次插值法，其中双三次插值法的放大效果最好，但这些插值方法均会造成图像的模糊。针对图像的模糊问题，一般需要对图像进行锐化，最常用的是采用Sobel算子和Laplace算子进行联合操作，增强被模糊了的细节，例如公告号为CN2626003Y的中国专利公开了一种图像去模糊方案。如图1所示，该方案具体包括以下步骤：

S1：对输入图像F(x，y)进行二阶微分，即Laplace变换得到图2(a)所示的梯度图像Laplace(F(x，y))以及对输入图像F(x，y)进行一阶微分，即Sobel变换得到图2(b)所示的梯度图像Sobel(F(x，y))；

S2：对一阶微分后的图像，即梯度图像Sobel(F(x，y))用加权均值滤波器进行平滑得到图2(c)所示的图像Average(F(x，y))，将所述图像Average(F(x，y))与二阶微分变换后的图像，即梯度图像Laplace(F(x，y))相乘得到图2(d)所示的掩蔽图像Coverage(F(x，y))；

二阶微分对孤立点有较强的响应，因此相比一阶微分会产生更多的噪声，特别是平滑区域的噪声非常明显。由于一阶微分在灰度斜坡或阶梯的响应比二阶微分强，但对噪声和小细节的响应比二阶微分弱，特别是通过均值滤波器后可进一步降低噪声。

S3：将所述掩蔽图像Coverage(F(x，y))与原始图像F(x，y)进行叠加就可得到并输出图2(e)所示的去模糊后的锐化图像G(x，y)。

采用上述图像去模糊方案既在灰度变化强的区域保留了细节，又在灰度变化相对平坦的区域减少了噪声。但这样的结果是以损失物体的部分轮廓和细节为代价而得到的。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是，针对上述缺陷，如何提供一种去模糊效果更好的基于单张低分辨率的图像去模糊方法及装置，能够在单张低分辨率图像的锐化过程中，既减少了梯度图像中平滑区域的噪声，又使物体的轮廓和细节损失较少，从而使图像的视觉效果得到较大改善。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于单张低分辨率的图像去模糊方法，包括：

步骤C、对待处理图像进行滤波得到滤波图像；

步骤D、采用Laplace算子对所述滤波图像进行卷积得到梯度图像；

步骤E、根据邻域的梯度差值修正所述梯度图像；

步骤F、将所述待处理图像与修正后的所述梯度图像叠加得到锐化图像。

其中，在所述步骤C之前，所述图像去模糊方法进一步包括：

步骤A、将RGB格式的原始图像转换为LAB格式的待处理图像；

在所述步骤F之后，所述图像去模糊方法进一步包括：

步骤G、将得到的锐化图像转换成RGB格式后输出。

其中，在步骤C之前，所述图像去模糊方法进一步包括：

步骤B、对所述待处理图像进行插值。

其中，在所述步骤B之前，所述图像去模糊方法进一步包括：

步骤A、将RGB格式的原始图像转换为LAB格式的待处理图像；

在所述步骤F之后，所述图像去模糊方法进一步包括：

步骤G、将得到的锐化图像转换成RGB格式后输出。

其中，所述步骤B具体包括：采用双三次插值法对所述待处理图像进行插值。

其中，所述步骤E包括：

步骤E1、将梯度值小于预定阈值的点的梯度值设为0；

步骤E2、计算梯度值不为0的点与其预定范围的邻域点的梯度差值；

步骤E3、计算梯度差值不为0的点的均值；

步骤E4、计算梯度值不为0的点的权重；

步骤E5、计算梯度值不为0的点修正后的梯度值。

其中，步骤C中所述滤波的方式为双边滤波。

本发明还提供了一种基于单张低分辨率的图像去模糊装置，包括：

图像滤波单元，用于对待处理图像进行滤波得到滤波图像；

梯度图像生成单元，采用Laplace算子对所述图像滤波单元生成的滤波图像进行卷积得到梯度图像；

梯度图像修正单元，用于根据邻域的梯度差值修正所述梯度图像生成单元生成的梯度图像；

图像叠加单元，用于将所述待处理图像与所述梯度图像修正单元修正后的梯度图像叠加得到锐化图像。

其中，所述基于单张低分辨率的图像去模糊装置进一步包括：

插值单元，用于对所述待处理图像进行插值后提供给所述图像滤波单元。

其中，所述基于单张低分辨率的图像去模糊装置进一步包括：

图像格式转换单元，用于将RGB格式的原始图像转换为LAB格式的待处理图像后提供给所述图像滤波单元或所述插值单元；

图像输出单元，用于将所述图像叠加单元得到的锐化图像转换成RGB格式后输出。

其中，所述梯度图像修正单元包括：

梯度值区分模块，用于将梯度值小于预定阈值的点的梯度值设为0；

邻域梯度差值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点与其预定范围的邻域点的梯度差值；

均值计算模块，用于计算所述邻域梯度差值计算模块得到的梯度差值不为0的点的均值；

权重计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点的权重；

梯度值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点修正后的梯度值。

(三)有益效果

本发明公开了一种基于单张低分辨率的图像去模糊方法及装置。根据本发明，在将输入的RGB图像转换为LAB格式来达到保留尽量宽阔的色域和丰富的色彩的目的后，采用标准的双三次插值法进行插值，利用双边滤波去除噪声和锐化边缘、根据Laplace算子计算梯度、根据邻域的梯度差值得到的权重修正梯度值来增强图像中物体的轮廓并降低平滑区域的噪声、将修正后的梯度图像与插值图像叠加得到锐化结果，最后转换回RGB格式输出，既能降低梯度图像中平滑区域的噪声，又使梯度图像中物体的轮廓和细节损失较少，达到了去除插值后图像模糊的目的。

附图说明

图1是现有技术中的基于单张低分辨率的图像去模糊方法的流程图；

图2(a)-图2(e)是图1中所述基于单张低分辨率的图像去模糊方法的效果示意图；

图3是本发明实施例所述的基于单张低分辨率的图像去模糊方法的流程图；

图4(a)-图4(f)是图3中所述的基于单张低分辨率的图像去模糊方法的效果示意图；

图5是本发明实施例所述的基于单张低分辨率的图像去模糊装置的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的核心思想是：首先将输入的RGB图像转换为LAB格式，保留尽量宽阔的色域和丰富的色彩；采用标准的双三次插值法进行插值得到一幅初始的高分辨率图像；然后通过对插值图像进行双边滤波去除噪声和锐化边缘、利用Laplace算子计算滤波后图像的梯度值得到边缘信息、根据邻域的梯度差值得到的权重修正梯度值，来增强图像中物体的轮廓并降低平滑区域的噪声，将修正后的梯度图像与插值图像叠加得到锐化结果；最后转换回RGB格式输出，从而达到去除插值图像模糊的目的。

如图3所示，本发明所述的基于单张低分辨率的图像去模糊方法包括：

步骤A、将如图4(a)所示的RGB格式的原始图像I_in转换为LAB格式的待处理图像I_lab。

Lab色彩模型由照度L(相当于亮度)和与色彩有关的a，b三个要素组成。它具有不依赖于设备和色域宽阔的优点，弥补了RGB色彩模型色彩分布不均的不足，在调整图像清晰度方面很有帮助。另外在Lab色彩模型下工作，速度与RGB差不多快。因此为了保留尽量宽阔的色域和丰富的色彩，本发明中将输入的RGB图像先转换为LAB格式，在Lab色彩模型下进行图像处理，图像处理完成后再转换成RGB进行显示。

步骤B、采用双三次插值法对LAB格式的待处理图像I_lab进行插值得到如图4(b)所示的插值后的待处理图像I_bcu。

如下式(1)所示：

$k\left(x\right)\left\{\begin{array}{cc}1-2{\left|x\right|}^2+{\left|x\right|}^3& \left|x\right|<1\\ 4-8\left|x\right|+5{\left|x\right|}^2-{\left|x\right|}^3& 1\&le;\left|x\right|<2\\ 0& \mathrm{otherwise}\end{array}\right.---\left(1\right)$

双三次插值法是按照立方形式的权重系数对采样点周围16个点的像素值进行插值，权重系数k取偏移量x的分段立方形式，图3(a)中输入的原始图像，转换为LAB格式后，用双三次插值法插值成原图的2*2倍，并转换回如图3(b)所示的RGB图像。可以发现插值后的图像变得模糊了，因此需要采用图像锐化的方法恢复丢失的细节。

由于双边滤波可以使图像的边缘更加锐利，在滤除图像噪声的同时尽量保持了图像的边缘，因此对插值图像双边滤波后再求梯度的结果优于直接对插值图像求梯度的结果。具体包括：

步骤C、对插值后的待处理图像I_bcu进行双边滤波得到如图4(c)所示的滤波图像I_bf；

双边滤波是将传统的Gauss滤波器的权系数优化成Gauss函数和图像的亮度信息乘积的形式，优化后的权系数再与图像作卷积运算。坐标位置在(x，y)处的中心点I_bcu(x，y)进行双边滤波后的像素值为I_bf(x，y)，由如下公式计算得到：

$I_{\mathrm{bf}}(x,y)=\underset{\mathrm{\&Delta;y}=-j}{\overset{j}{\mathrm{\&Sigma;}}}\underset{\mathrm{\&Delta;x}=-j}{\overset{j}{\mathrm{\&Sigma;}}}c(\mathrm{\&Delta;x},\mathrm{\&Delta;y})\&times;s(\mathrm{\&Delta;x},\mathrm{\&Delta;y})\&times;I_{\mathrm{bcu}}(x+\mathrm{\&Delta;x},y+\mathrm{\&Delta;y})/\mathrm{Nor}---\left(2\right)$

$\mathrm{Nor}=\underset{\mathrm{\&Delta;y}=-j}{\overset{j}{\mathrm{\&Sigma;}}}\underset{\mathrm{\&Delta;x}=-j}{\overset{j}{\mathrm{\&Sigma;}}}c(\mathrm{\&Delta;x},\mathrm{\&Delta;y})\&times;s(\mathrm{\&Delta;x},\mathrm{\&Delta;y})---\left(3\right)$

$c(\mathrm{\&Delta;x},\mathrm{\&Delta;y})=e^{-\frac{1}{2}\left(\frac{\mathrm{\&Delta;}{x}^2+\mathrm{\&Delta;}{y}^2}{{\mathrm{\&sigma;}}_d^2}\right)}---\left(4\right)$

$s(\mathrm{\&Delta;x},\mathrm{\&Delta;y})=e^{-\frac{1}{2}\left(\frac{{\left|\right|I_{\mathrm{bcu}}(x,y)-I_{\mathrm{bcu}}(x+\mathrm{\&Delta;x},y+\mathrm{\&Delta;y})\left|\right|}^2}{{\mathrm{\&sigma;}}_s^2}\right)---\left(5\right)}$

$\left|\right|I_{\mathrm{bcu}}(x,y)-I_{\mathrm{bcu}}(x+\mathrm{\&Delta;x},y+\mathrm{\&Delta;y})\left|\right|=\sqrt{{\left(\mathrm{\&Delta;L}\right)}^2+{\left(\mathrm{\&Delta;A}\right)}^2+{\left(\mathrm{\&Delta;B}\right)}^2}---\left(6\right)$

其中j是进行滤波的邻域范围，Nor是归一化因子，c(Δx，Δy)、s(Δx，Δy)分别描述了点I_bcu(x，y)与点I_bcu(x+Δx，y+Δy)之间的距离差异的影响和像素值差异的影响，σ_d是距离标准差，σ_s是像素值的标准差，ΔL、ΔA、ΔB分别是像素值的L、A、B特征分量的差异。

影响双边滤波结果的变量包括j、σ_d和σ_s，j越大则参与滤波的点越多，σ_d越大则距离影响的衰减速度越慢，得到的图像越模糊，但σ_s可以对σ_d的变化做出补偿，对像素值差异大于σ_s的像素其影响迅速降低，极大地保留了图像中边缘处的特征信息。

取参数j＝3、σ_d＝5、σ_s＝5对图像4(b)进行双边滤波，转换回RGB格式显示的结果如图4(c)所示，可以发现得到的图像边缘更加锐利，图像更加平滑。

步骤D、采用Laplace算子对所述滤波图像I_bf进行卷积得到梯度图像I_grad；

由于二阶微分对例如细线和孤立点等细节有较强的响应，因此形成增强细节的能力好一些，且在图像中灰度值变化相似时，点比线的响应强，线比阶梯的响应强。因此对增强图像细节来说，二阶微分比一阶微分好。

因此本发明中采用Laplace算子对滤波图像I_bf进行卷积即通过下式得到梯度图像I_grad：

I_grad＝f_laplace*I_bf        (7)

实际应用中是采用Laplace模板进行计算，步骤是将Laplace模板在图像中漫游，并将Laplace模板中心与图中某个像素重合，此像素与其邻域的像素的灰度值分别乘以Laplace模板中对应的值，相加得到的和即是我们所要求的值。其表达式如下式所示：

$R=\left[\begin{array}{ccc}f1& f2& f3\\ f4& f5& f6\\ f7& f8& f9\end{array}\right]*\left[\begin{array}{ccc}I1& I2& I3\\ I4& I5& I6\\ I7& I8& I9\end{array}\right]=f1I1+f2I2+...+f9I9=\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{f}_i{I}_i---\left(8\right)$

Laplace模板为：

$L=\left|\begin{array}{ccc}-1& -1& -1\\ -1& 8& -1\\ -1& -1& -1\end{array}\right|---\left(9\right)$

由于二阶微分对孤立点有较强的响应，因此在平滑区域的噪声非常明显。对比图4(d)所示的本发明得到的Laplace梯度图像和图2(a)所示的现有技术中直接对插值图像计算得到的Laplace梯度图像，图4(d)在平滑区域的噪声更少，且轮廓更清晰，但在左右塔顶及塔身的部分仍然存在噪声点。

步骤E、根据邻域的梯度差值修正所述梯度图像I_grad；

为了去除平滑区域的噪声，本发明中考虑邻域梯度的差异，赋予梯度点不同的权重，修正梯度值。本步骤具体包括：

步骤E1、将梯度值小于预定阈值的点的梯度值设为0；

在本步骤中，忽略梯度值极小的点的影响，可以将梯度值I_grad(x，y)的绝对值小于预定阈值T的点的梯度设为0，即：

$I_{\mathrm{grad}}(x,y)\left\{\begin{array}{cc}0& \left|I_{\mathrm{grad}}(x,y)\right|<T\\ I_{\mathrm{grad}}(x,y)& \left|I_{\mathrm{grad}}(x,y)\right|\&GreaterEqual;T\end{array}\right.---\left(10\right)$

步骤E2、计算梯度不为0的点(x，y)与其预定范围例如±k的邻域点的梯度差值dI(x，y)：

$\mathrm{dI}(x,y)=\frac{\underset{\mathrm{\&Delta;y}=-k}{\overset{k}{\mathrm{\&Sigma;}}}\underset{\mathrm{\&Delta;x}=-k}{\overset{k}{\mathrm{\&Sigma;}}}|I_{\mathrm{grad}}(x+\mathrm{\&Delta;x},y+\mathrm{\&Delta;y})-I_{\mathrm{grad}}(x,y)|}{k^2-1}---\left(11\right)$

步骤E3、计算梯度差值dI(x，y)不为0的点的均值m：

$m=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{dI}}_i}{n}---\left(12\right)$

其中n为图像中梯度差值dI不为0的点的数目。

步骤E4、计算梯度值不为0的点(x，y)的权重w(x，y)：

$w(x,y)=e^{1-\frac{m}{\mathrm{dI}(x,y)+\mathrm{\&delta;}}}---\left(13\right)$

其中δ为一个极小的正数，防止分母为0。

若该点的梯度差值小于梯度差值的均值m，则权重小于1，且梯度差值越小，权重衰减越快；若该点的梯度差值大于梯度差值的均值m，则权重大于1，且权重随梯度差值的增加缓慢上升直至e。

步骤E5、计算梯度值不为0的点(x，y)修正后的梯度值

${\tilde{I}}_{\mathrm{grad}}(x,y)=I_{\mathrm{grad}}(x,y)\&times;w(x,y)---\left(14\right)$

取参数T＝0.1、k＝3、δ＝0.001对图4(d)进行修正的结果如图4(e)所示，可以发现平滑区域的噪声得到了有效抑制。同时对比图2中采用Sobel算子和Laplace算子对双三次插值图像进行联合锐化得到的图2(d)，可以发现图4(e)中窗户的边缘更锐利清晰。

步骤F、将插值后的所述待处理图像I_bcu与修正后的所述梯度图像叠加得到锐化图像I_sharp：

$I_{\mathrm{sharp}}(x,y)=I_{\mathrm{bcu}}(x,y)+{\tilde{I}}_{\mathrm{grad}}(x,y)---\left(15\right)$

步骤G、将得到的锐化图像I_sharp转换成RGB格式后输出。

图4(f)为本发明的锐化输出结果，对比图2中采用Sobel算子和Laplace算子的锐化输出结果图2(e)，图2(e)在塔沿处过于锐化，泛黄变色得比较厉害，而图4(f)更贴近原始输入图像。

通过以上步骤，在将输入的RGB图像转换为LAB格式，来达到保留尽量宽阔的色域和丰富的色彩的目的后，采用标准的双三次插值法进行插值，利用双边滤波去除噪声和锐化边缘、根据Laplace算子计算梯度、根据邻域的梯度差值得到的权重修正梯度值，来增强图像中物体的轮廓并降低平滑区域的噪声，将修正后的梯度图像与插值图像叠加得到锐化结果；最后转换回RGB格式输出，既能降低梯度图像中平滑区域的噪声，又使梯度图像中物体的轮廓和细节损失较少，达到了去除插值后图像模糊的目的。

上述方法也同样适用于解决灰度图像插值后的模糊问题，取步骤B-步骤F即可，此时，公式(6)中LAB格式像素值的差异变为YUV格式亮度值的差异：

$\left|\right|I_{\mathrm{bcu}}(x,y)-I_{\mathrm{bcu}}(x+\mathrm{\&Delta;x},y+\mathrm{\&Delta;y})\left|\right|=\sqrt{{\left(\mathrm{\&Delta;Y}\right)}^2}---\left(16\right)$

其中，ΔY代表YUV分量中的亮度分量Y的差异。

更一般地，上述方法也可直接用于原始的彩色和灰度图像的模糊问题，增强模糊的细节，对彩色图像取步骤A、步骤C-步骤G，对灰度图像只取步骤C-步骤F即可。

如无特殊说明，上述各种步骤组合中的顺序均按照英文字母的顺序执行。

与本发明所述的基于单张低分辨率的图像去模糊方法相对应，本发明还提供了一种基于单张低分辨率的图像去模糊装置。

如图5所示，本发明的基于单张低分辨率的图像去模糊装置包括：图像滤波单元，用于对待处理图像进行双边滤波得到滤波图像；

梯度图像生成单元，采用Laplace算子对所述图像滤波单元生成的滤波图像进行卷积得到梯度图像；

梯度图像修正单元，用于根据邻域的梯度差值修正所述梯度图像生成单元生成的梯度图像；

图像叠加单元，用于将所述待处理图像与所述梯度图像修正单元修正后的梯度图像叠加得到锐化图像。

因此，本发明通过对待处理图像进行双边滤波去除噪声和锐化边缘、利用Laplace算子计算滤波后图像的梯度值得到边缘信息、根据邻域的梯度差值得到的权重修正梯度值，来增强图像中物体的轮廓并降低平滑区域的噪声，将修正后的梯度图像与待处理图像叠加得到锐化结果；从而达到去除待处理图像模糊的目的。

进一步地，所述基于单张低分辨率的图像去模糊装置还包括：

插值单元，用于对所述待处理图像进行插值后提供给所述图像滤波单元；

可以进一步地解决灰度图像插值后的模糊问题。

进一步地，所述基于单张低分辨率的图像去模糊装置还包括：

图像格式转换单元，用于将RGB格式的原始图像转换为LAB格式的待处理图像后提供给所述图像滤波单元或所述插值单元；

图像输出单元，用于将所述图像叠加单元得到的锐化图像转换成RGB格式后输出。

可以进一步解决原始或插值后的彩色图像的模糊问题。

所述梯度图像修正单元包括：

梯度值区分模块，用于将梯度值小于预定阈值的点的梯度值设为0；

邻域梯度差值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点与其预定范围的邻域点的梯度差值；

均值计算模块，用于计算所述邻域梯度差值计算模块得到的梯度差值不为0的点的均值；

权重计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点的权重；

梯度值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点修正后的梯度值。

综上所述，本发明公开了一种基于单张低分辨率的图像去模糊方法及装置，根据本发明，在将输入的RGB图像转换为LAB格式，来达到保留尽量宽阔的色域和丰富的色彩的目的后，采用标准的双三次插值法进行插值，利用双边滤波去除噪声和锐化边缘、根据Laplace算子计算梯度、根据邻域的梯度差值得到的权重修正梯度值，来增强图像中物体的轮廓并降低平滑区域的噪声，将修正后的梯度图像与插值图像叠加得到锐化结果；最后转换回RGB格式输出，从而达到去除插值图像模糊的目的，既能降低梯度图像中平滑区域的噪声，又使梯度图像中物体的轮廓和细节损失较少，达到了去除插值后图像模糊的目的。

本发明也同样适用于解决原始的彩色图像的模糊问题、原始的灰度图像的模糊问题以及灰度图像插值后的模糊问题。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求书限定。

Claims (10)

1.一种基于单张低分辨率的图像去模糊方法，其特征在于，包括：

步骤C、对待处理图像进行滤波得到滤波图像；

步骤D、采用Laplace算子对所述滤波图像进行卷积得到梯度图像；

步骤E、根据邻域的梯度差值修正所述梯度图像；和

步骤F、将所述待处理图像与修正后的所述梯度图像叠加得到锐化图像；

其中，所述步骤E包括：

步骤E1、将梯度值小于预定阈值的点的梯度值设为0；

步骤E2、计算梯度值不为0的点与其预定范围的邻域点的梯度差值；

步骤E3、计算梯度差值不为0的点的均值；

步骤E4、计算梯度值不为0的点的权重；和

步骤E5、根据梯度值不为0的点的权重修正其梯度值；

其中，利用下面的公式来计算梯度值不为0的点(x,y)的权重w(x,y)：

其中δ为一个极小的正数，防止分母为0；dI(x,y)为所述梯度不为0的点(x,y)与其预定范围邻域点的梯度差值；m为梯度差值dI(x,y)不为0的点的均值。

2.根据权利要求1所述的基于单张低分辨率的图像去模糊方法，其特征在于，在所述步骤C之前，进一步包括：

步骤A、将RGB格式的原始图像转换为LAB格式的待处理图像；

在所述步骤F之后，进一步包括：

步骤G、将得到的锐化图像转换成RGB格式后输出。 

3.根据权利要求1所述的基于单张低分辨率的图像去模糊方法，其特征在于，在步骤C之前，进一步包括：

步骤B、对所述待处理图像进行插值；

所述步骤C具体包括：对插值后的待处理图像进行滤波得到滤波图像。

4.根据权利要求3所述的基于单张低分辨率的图像去模糊方法，其特征在于，在所述步骤B之前，进一步包括：

步骤A、将RGB格式的原始图像转换为LAB格式的待处理图像；

在所述步骤F之后，进一步包括：

步骤G、将得到的锐化图像转换成RGB格式后输出。

5.根据权利要求3或4所述的基于单张低分辨率的图像去模糊方法，其特征在于，所述步骤B具体包括：采用双三次插值法对所述待处理图像进行插值。

6.根据权利要求1-4中任一项所述的基于单张低分辨率的图像去模糊方法，其特征在于，步骤C中所述滤波的方式为双边滤波。

7.一种基于单张低分辨率的图像去模糊装置，其特征在于，包括：

图像滤波单元，用于对待处理图像进行滤波得到滤波图像；

梯度图像生成单元，采用Laplace算子对所述图像滤波单元生成的滤波图像进行卷积得到梯度图像；

梯度图像修正单元，用于根据邻域的梯度差值修正所述梯度图像生成单元生成的梯度图像；和

图像叠加单元，用于将所述待处理图像与所述梯度图像修正单元修正后的梯度图像叠加得到锐化图像；

其中，所述梯度图像修正单元包括：

梯度值区分模块，用于将梯度值小于预定阈值的点的梯度值设为0； 

邻域梯度差值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点与其预定范围的邻域点的梯度差值；

均值计算模块，用于计算所述邻域梯度差值计算模块得到的梯度差值不为0的点的均值；

权重计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点的权重；和

梯度值计算模块，用于计算所述梯度值区分模块设置的梯度值不为0的点修正后的梯度值。

8.根据权利要求7所述的基于单张低分辨率的图像去模糊装置，其特征在于，进一步包括：

图像格式转换单元，用于将RGB格式的原始图像转换为LAB格式的待处理图像后提供给所述图像滤波单元；和

图像输出单元，用于将所述图像叠加单元得到的锐化图像转换成RGB格式后输出。

9.根据权利要求7所述的基于单张低分辨率的图像去模糊装置，其特征在于，进一步包括：

插值单元，用于对所述待处理图像进行插值后提供给所述图像滤波单元。

10.根据权利要求9所述的基于单张低分辨率的图像去模糊装置，其特征在于，进一步包括：

图像格式转换单元，用于将RGB格式的原始图像转换为LAB格式的待处理图像后提供给所述插值单元；和

图像输出单元，用于将所述图像叠加单元得到的锐化图像转换成RGB格式后输出。 

Images