図面 (/)

技術 画像復元方法

出願人 小林正浩
発明者 小林正浩
出願日 2016年8月19日 (5年2ヶ月経過) 出願番号 2016-161436
公開日 2018年2月22日 (3年8ヶ月経過) 公開番号 2018-028868
状態 特許登録済
技術分野 FAX画像信号回路 画像処理
主要キーワード 復元量 ガウシアンフィルター 等差数列 等比数列 劣化過程 配列内容 拡散値 スケールパラメータ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2018年2月22日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (8)

課題

画像の劣化過程を表す関数ガウス型関数である観測画像劣化画像)を復元してぼけのない原画像にできるだけ近い復元画像を得ることができる画像復元方法を提供する。

解決手段

劣化画像を復元してぼけのない原画像にできるだけ近い復元画像を得る画像復元方法であって、劣化画像をYUVの色空間に変換する準備処理工程(SP1〜SP7)と、この準備処理工程によって得たYUVの色空間のうちのY画像(Yプレーン)を複数の分解画像に分解する分解処理工程(SP8〜SP10)と、この分解処理工程によって得た分解画像を再構成してY画像(Yプレーン)とすると共に前記準備処理工程で変換したUV画像(UVプレーン)と合成して復元画像とする再構成処理工程(SP11〜SP14)を備えた。

概要

背景

カメラレンズを通して得た画像が劣化する主な原因としては、カメラと被写体の相対運動によるもの、焦点ずれあるいはピンぼけと呼ばれるもの、厚い空気層など媒質ランダム揺らぎによるもの、レンズの収差によるものなどが挙げられる。それぞれに対して劣化過程を表す関数が異なる。ここでは、レンズの収差により劣化した画像を復元する場合を取り上げる。レンズの収差による画像の劣化過程を表す関数は、ガウス型関数である。

特許文献1には、既知のPSF点拡がり関数)及び1枚の劣化画像に基づき、真の画像を復元することにより、リンギングノイズを抑えた復元画像を生成するようにした画像復元装置が記載されている。

特許文献1に記載の画像復元装置は、劣化画像に基づき、ベース画像生成処理を行うことにより、ベース画像を生成するベース画像生成処理部と、ベース画像生成処理部からの生成済みベース画像とPSF(点拡がり関数)との畳み込み積分を行うことにより、ぼかし画像を生成するぼかし画像生成処理部と、生成されたぼかし画像と、前記劣化画像との差分を計算することにより、劣化残差画像を生成する劣化残差画像生成処理部と、生成された劣化残差画像に対して、生成済みベース画像に基づき、拘束の強さを変化させるように画像復元処理を行うことにより、復元残差画像を生成する画像復元処理部と、生成された復元残差画像に生成済みベース画像を加えることにより、復元画像を生成する復元画像生成処理部とを備えている。

また、非特許文献1には、画像処理/信号処理に関して、ウェーブレット工学的応用について記載されている。

概要

画像の劣化過程を表す関数がガウス型関数である観測画像(劣化画像)を復元してぼけのない原画像にできるだけ近い復元画像を得ることができる画像復元方法を提供する。 劣化画像を復元してぼけのない原画像にできるだけ近い復元画像を得る画像復元方法であって、劣化画像をYUVの色空間に変換する準備処理工程(SP1〜SP7)と、この準備処理工程によって得たYUVの色空間のうちのY画像(Yプレーン)を複数の分解画像に分解する分解処理工程(SP8〜SP10)と、この分解処理工程によって得た分解画像を再構成してY画像(Yプレーン)とすると共に前記準備処理工程で変換したUV画像(UVプレーン)と合成して復元画像とする再構成処理工程(SP11〜SP14)を備えた。

目的

本発明は、従来の技術が有するこのような問題点に鑑みてなされたものであり、画像の劣化過程を表す関数がガウス型関数である観測画像(劣化画像)を復元して、ぼけのない原画像にできるだけ近い復元画像が得られる画像復元方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

劣化画像復元してぼけのない原画像にできるだけ近い復元画像を得る画像復元方法であって、劣化画像をYUVの色空間に変換する準備処理工程と、この準備処理工程によって得たYUVの色空間のうちのY画像(Yプレーン)を複数の分解画像に分解する分解処理工程と、この分解処理工程によって得た分解画像を再構成してY画像(Yプレーン)とすると共に前記準備処理工程で変換したUV画像(UVプレーン)と合成して復元画像とする再構成処理工程を備え、前記分解処理工程は、以下の工程1〜3からなり、工程1.Y画像f0に拡散値σ02のガウシアンカーネルGσ02を適用した画像Gf0*σ02)をY画像f0から引いて1回分解後の分解画像f1を生成する(f1=f−f0*Gσ02)。工程2.1回分解後の分解画像f1に拡散値σ12のLOGカーネルLOGσ12を適用した画像f1*LOGσ12を1回分解後の分解画像f1から引いて2回分解後の分解画像f2を生成する(f2=f1−f1*LOGσ12)。工程3.工程2と同様な作業を繰り返して分解画像fJまで生成し、分解画像をJ枚得る。前記再構成処理工程は、以下の工程4〜7からなることを特徴とする画像復元方法。工程4.分解画像f1〜fJにそれぞれ前記準備処理工程で作成した復元LOGカーネルLOGσ12-t〜LOGσJ2-tを適用し、全ての画像の和を求めて総和画像を作成する。工程5.Y画像に前記準備処理工程で作成した復元ガウシアンカーネルGσ02-tを適用し、工程4で作成した総和画像と加算する。工程6.Y画像を入力画像f(x,y)のビット深度に戻す。工程7.工程6で得た画像をYプレーンとして入力画像f(x,y)のUVプレーンと合成して復元画像I'(x,y)として出力する。

請求項2

請求項1に記載の画像復元方法において、前記分解処理工程及び前記再構成処理工程は、複数のラインバッファにより同時並行処理されることを特徴とする画像復元方法。

技術分野

0001

本発明は、画像の劣化過程を表す関数ガウス型関数である観測画像劣化画像)を復元して、ぼけのない原画像にできるだけ近い復元画像を得る画像復元方法に関する。

背景技術

0002

カメラレンズを通して得た画像が劣化する主な原因としては、カメラと被写体の相対運動によるもの、焦点ずれあるいはピンぼけと呼ばれるもの、厚い空気層など媒質ランダム揺らぎによるもの、レンズの収差によるものなどが挙げられる。それぞれに対して劣化過程を表す関数が異なる。ここでは、レンズの収差により劣化した画像を復元する場合を取り上げる。レンズの収差による画像の劣化過程を表す関数は、ガウス型関数である。

0003

特許文献1には、既知のPSF点拡がり関数)及び1枚の劣化画像に基づき、真の画像を復元することにより、リンギングノイズを抑えた復元画像を生成するようにした画像復元装置が記載されている。

0004

特許文献1に記載の画像復元装置は、劣化画像に基づき、ベース画像生成処理を行うことにより、ベース画像を生成するベース画像生成処理部と、ベース画像生成処理部からの生成済みベース画像とPSF(点拡がり関数)との畳み込み積分を行うことにより、ぼかし画像を生成するぼかし画像生成処理部と、生成されたぼかし画像と、前記劣化画像との差分を計算することにより、劣化残差画像を生成する劣化残差画像生成処理部と、生成された劣化残差画像に対して、生成済みベース画像に基づき、拘束の強さを変化させるように画像復元処理を行うことにより、復元残差画像を生成する画像復元処理部と、生成された復元残差画像に生成済みベース画像を加えることにより、復元画像を生成する復元画像生成処理部とを備えている。

0005

また、非特許文献1には、画像処理/信号処理に関して、ウェーブレット工学的応用について記載されている。

0006

特開2009-271725号公報

先行技術

0007

「ウェーブレットによる信号処理と画像処理」 中野 宏毅・山本 鎮・吉田 靖夫 著 1999年8月発行共立出版
OpenCV2.2 documentation

発明が解決しようとする課題

0008

しかし、特許文献1に開示された技術では、リンギングやノイズを抑えた復元画像を生成することができても、レンズの収差により劣化した画像を復元してぼけのない原画像にできるだけ近い復元画像を得ることは難しい。

0009

本発明は、従来の技術が有するこのような問題点に鑑みてなされたものであり、画像の劣化過程を表す関数がガウス型関数である観測画像(劣化画像)を復元して、ぼけのない原画像にできるだけ近い復元画像が得られる画像復元方法を提供することを目的とする。

課題を解決するための手段

0010

上記課題を解決すべく本発明は、劣化画像を復元してぼけのない原画像にできるだけ近い復元画像を得る画像復元方法であって、劣化画像をYUVの色空間に変換する準備処理工程と、この準備処理工程によって得たYUVの色空間のうちのY画像(Yプレーン)を複数の分解画像に分解する分解処理工程と、この分解処理工程によって得た分解画像を再構成してY画像(Yプレーン)とすると共に前記準備処理工程で変換したUV画像(UVプレーン)と合成して復元画像とする再構成処理工程を備えた。

0011

前記画像復元方法において、前記準備処理工程は、例えば以下の1〜7である。
1.劣化画像(入力画像)f(x,y)をYUVの色空間に変換する。
2.YUVの色空間のうちのY画像fを32ビット化する。
3.入力パラメータ(復元深度t、比率k)からσ0〜Jの拡散値配列を作成する。
4.拡散値σ02のガウシアンカーネルGσ02を作成する。
5.拡散値σ12〜σJ2のLOGカーネルLOGσ12〜LOGσJ2を作成する。
6.上記3の配列内容を単純に、σを−tとした復元深度配列を作成する。
7.上記4〜5と同様の作業を上記6の腹元深度配列で行い、復元カーネルを作成する。
また、前記分解処理工程は、例えば以下の8〜10である。
8.Y画像f0に上記4の拡散値σ02のガウシアンカーネルGσ02を適用した画像Gσ02*f0をY画像f0から引いて1回分解後の分解画像f1を生成する(f1=f0−f0*Gσ02)。
9.1回分解後の分解画像f1に上記5の拡散値σ12のLOGカーネルLOGσ12を適用した画像f1*LOGσ12を1回分解後の分解画像f1から引いて2回分解後の分解画像f2を生成する(f2=f1−f1*LOGσ12)。
10.上記9と同様な作業を繰り返して分解画像fJまで生成し、分解画像をJ枚得る。
更に、前記再構成処理工程は、例えば以下の11〜14である。
11.分解画像f1〜fJにそれぞれ上記7で作成した復元LOGカーネルLOGσ12-t〜LOGσJ2-tを適用し、全ての画像の和を求めて総和画像を作成する。
12.Y画像に上記7で作成した復元ガウシアンカーネルGσ02-tを適用し、上記11で作成した総和画像と加算する。
13.Y画像を入力画像f(x,y)のビット深度に戻す。
14.上記13で得た画像をYプレーンとして入力画像f(x,y)のUVプレーンと合成して復元画像I'(x,y)として出力する。

発明の効果

0012

本発明に係る画像復元方法によれば、レンズの収差による劣化画像や厚い空気層など媒質のランダムな揺らぎを通した劣化画像など、画像の劣化過程を表す関数がガウス型関数である観測画像(劣化画像)を復元してぼけのない原画像にできるだけ近い復元画像を得ることができる。

図面の簡単な説明

0013

本発明に係る画像復元方法を実施する画像復元装置の構成図
本発明に係る画像復元方法の処理手順を示すフローチャート
分解処理・復元処理におけるラインバッファ操作方法の説明図
(a)はレンズ収差により劣化した画像、(b)は復元後の画像
テストチャート原画
は原画のぼかし画像
はぼかし画像の復元画像

実施例

0014

以下に本発明の実施の形態を添付図面に基づいて説明する。本発明に係る画像復元方法を実施する画像復元装置1は、図1に示すように、劣化画像f(x,y)をYUVの色空間に変換する準備処理手段2と、この準備処理手段2によって得たYUVの色空間のうちのY画像(Yプレーン)f0を複数の分解画像f1〜fJに分解する分解処理手段3と、この分解処理手段3によって得た分解画像f1〜fJを再構成してY画像(Yプレーン)fとすると共に準備処理手段2で変換したUV画像(UVプレーン)fuvと合成して復元画像I'(x,y)とする再構成処理手段4を備える。

0015

レンズと撮像素子撮像センサ)による画像は、一般にレンズの収差によるガウス型のボケ高周波によるノイズによって劣化している。本来、1ピクセルに集まるべき光は、ガウス分布でボケており、周辺のピクセルに影響している。全く収差のないレンズによる画像は、ボケを生じないが、実際の画像はガウス分布でボケを生じた光の集合となる。

0016

画像を数式で表すために、先ず二次元ガウス関数をGt(x,y)とすると、
Gt(x,y)=1/2πt*exp(-(x2+y2)/2t) (式1)
tはガウス関数の広がりを示す拡散値である。

0017

収差のない(ボケのない)画像(原画像)をI(x,y)とすると、ボケた画像(劣化画像)の劣化過程f(x,y)は次式のように表される。
f(x,y)=KtI(x,y)+ω(x,y)=Gt(x,y)*I(x,y)+ω(x,y) (式2)
*はたたみ込みを表す演算子であり、次式で定義される。

0018

Gt(x,y)*I(x,y)=∬Gt(x',y')*I(x・x',y・y')dx'dy' (式3)
これを有限画素で計算するために、次式に変換する。
Gt(x,y)*I(x,y)=Σy'Σx'(Gt(x',y')*I(x・x',y・y')) (式4)
なお、ω(x,y)は、観測時の高周波雑音と考えられるので省略する。

0019

ここで、Ktは関数を二次元ガウス関数Gt(x,y)でたたみ込みをする演算子である。tはガウス関数の広がりを表しているので、tを時刻と考えるとKtは例えば一点にあるインクが次第に拡散していく様子を表すと考えることができる。拡散時間は当然t≧0であるが、これをt<0とするとガウス関数拡散の逆、つまり復元の過程と捉えることができる。

0020

このような操作をする演算子をK-tと表すと、原画像I(x,y)の近似解I'(x,y)を次式のように表すことができる。
I'(x,y)=K-tf(x,y)=I(x,y)+K-tω(x,y) (t>0) (式5)
また、KtとK-tの関係は次式となる。
KtK-tf(x,y)=f(x,y) (式6)

0021

このままでは利用することができないので、以下の関係式を用いる。
ひとつは、ガウス関数のたたみ込みに対しての関係式
K-tGσ2*f=Gσ2-t*f (σ2>t) (式7)
もうひとつは、LOG関数のたたみ込みに対しての関係式
K-tLOGσ2*f=LOGσ2-t*f (σ2>t) (式8)

0022

LOG関数とは、画像処理でよく利用されるラプラシアンオブガウシアンフィルターであり、二次元のガウス関数にラプラシアン演算子Lを作用させることで得られる。
ラプラシアン演算子L=∂2/∂x2+∂2/∂y2 (式9)

0023

ラプラシアン演算子Lをガウス関数に作用させると次式となる。
LOGσ2(x,y)=1/(2πσ4)*(2−(x2+y2)/σ2)*exp(−(x2+y2)/2σ2) (式10)
この関数(式10)をフィルタと捉えると、中間周波数を通す帯域通過フィルタとなる。

0024

式7と式8を利用して劣化画像f(x,y)を分解すると、
f=Gσ02*f1+ΣJj=1LOGσj2*fj+fJ+1 (式11)
本案では、劣化画像f(x,y)を有限画素で計算するために次式に変換する。
f(x,y)=Σy'Σx'(Gσ02-t(x',y')*f1(x・x',y・y'))+
ΣJj=1(Σy'Σx'(LOGσj2-t(x',y')*fj(x・x',y・y')))+fJ+1 (式12)
ここで、σ2はガウス関数およびLOG関数のスケールパラメータである。

0025

fjはj回分解後の残差画像であり、次式で得られる。
段階目
f1=f−Gσ02*f (式13)
j段階目
fj=fj-1−LOGσj-12*fj-1 (1≦j≦J) (式14)

0026

式7、式8、式11から復元を式で表すと
K-tf=Gσ2-t*f+ΣJj=1LOGσ2-t*fj+K-tfJ+1 (式15)
となるが、式を安定させるには
σJ2>t,σJ+12≦t (条件1)
でなければならない。

0027

この時、式15のK-tfJ+1は不安定であるが、この項は劣化画像の最も高い周波数成分であるため、ほとんどが雑音である。よって、この項は無視することとする。よって、求める復元画像I'(x,y)は次式となる。
I'(x,y)=Gσ2-t*f+ΣJj=1LOGσ2-t*fj (式16)

0028

Jは劣化画像の分解回数、tは復元深度である。
σjはj回目の拡散(分解周波数)であり、σj+1=kσj(k<1) (式17)と等比数列になる。

0029

本実施例では、式16を有限画素で計算するため、復元画像I'(x,y)を次式に変換する。
I'(x,y)=Σy'Σx'(Gσ02-t(x',y')*f(x・x',y・y'))+
ΣJj=1(Σy'Σx'(LOGσj2-t(x',y')*fj(x・x',y・y'))) (式18)

0030

式12および式18は、離散的プログラム実装可能な式となっているが、劣化画像f(x,y)に対して6つのパラメータを決定する必要がある。即ち、分解回数J、復元深度t、ガウシアン/LOGカーネルサイズn、拡散の初期値σ0,σ1と比率kである。

0031

カーネルは有限画素のたたみ込み計算を行う(x',y')の行列であり、中心のあるn×n(nは奇数)の正方行列とする。これらは上記条件1から特定の関係にある。
σ1≧1.44σ0
σj+1≧0.52σj
分解回数が小さいほど処理が終了するため、処理速度を優先すると、
σ1=1.44σ0
k=0.52
となる。但し、比率kが粗い(小さい)と分解精度が悪くなり、十分な復元が得られない。

0032

カーネルサイズ(正方行列の大きさ)を自動的に計算するには以下のように行う。
実施例のカーネルはガウシアン/LOGの2次元行列である。ガウシアン/LOGはいずれも行列の中心を原点として、中心から遠いほど値はゼロに近づく性質を持つ。
そこで、中心からの距離をrとし、半径rの円周で1/256未満になるσは簡易的にσ=0.3・r+0.8と近似できる。
σからカーネルサイズを求めるには、上記の式から、
r=(σ−0.8)/0.3+1と近似できる。
上記の式の右端の(+1)は製法行列とする場合に各外辺丸め誤差がでないよう、1要素分だけ大きい正方行列にするために必要となる。
これから、カーネルサイズは(r×2)+1と算出できる。

0033

比率kに対して忠実度をdBで表現すると、次のようになる。
k=0.7:45dB、k=0.8:49dB、k=0.9:55dB、k=0.95:59dBとなる。忠実度が50dBを確保するには、k=0.8以上が必要である。

0034

必要条件は上記の通りであるが、実用になるパラメータを迅速に決定するためには、パラメータを自動算出する必要がある。
本案ではパラメータを復元量(復元深度)tと精度(比率)kの2つを決定すると他のパラメータは算術的に決定されるアルゴリズムを用いて自動算出を行う。
1.拡散の初期値σ0=√(t+0.5) 経験的に求めた数値
2. 拡散の初期値σ1=1.44σ0非特許文献1より
3.ガウシアン/LOGカーネルサイズn=2((σ1-0.8)/0.3+1.0)+1
非特許文献2よりσ=0.3(n/2-1)+0.8から逆算して概算奇数
4. 分解回数J=σj≦0.7となるj LOGの中心が(0±0.5,0±0.5)以内に収まるσ=0.7、精度kが1.0に近い場合、分解回数Jが非常に大きくなる可能性がある。

0035

この場合、式17であるσj+1=kσj(k<1)を次式のように等差数列に置き換えて分解回数を削減する。
σj=σ1・(σ1・kσ1)・(j−1) (式19)

0036

復元処理のアルゴリズムは、主に準備処理、分解処理と再構成処理の3つに分かれる。
先ず、準備処理では、以下の処理が必要となる。復元画像I'(x,y)を表す式18を処理するには、fjが必要である。fjは式12によって算出される。式12と式18では、拡散値σ02のガウシアンカーネルと拡散値σ12〜σJ2のJ個のLOGカーネルが必要である。これらのカーネルは、入力パラメータである復元量(復元深度)tと精度(比率)kから自動計算される拡散の初期値σ0,σ1より、式1及び式10で算出する。

0037

σ0〜σJは再構成処理のため、式17により配列等に記憶しておく。但し、分解回数Jが一定以上大きい場合(実装メモリ容量などで規定)は、式19を利用する。

0038

次に、分解処理では、以下の処理が行われる。カーネルが用意できたら式12の前半に従って、劣化画像f(x,y)と、劣化画像f(x,y)に拡散値σ02のガウシアンカーネルGσ02を適用したGσ02*f0との差を求め、これをf1とする。次いで、式12の後半に従って、f1と、f1に拡散値σ12のLOGカーネルLOGσ12を適用したLOGσ12*f1との差を求め、これをf2とする。以下fJまでこの処理を繰り返し、劣化画像f(x,y)の分解画像f1〜fJをJ枚得る。

0039

次に、再構成処理では、以下の処理が行われる。式18に従って、分解画像f1〜fJに対して拡散値σ12-t〜σJ2-tの復元LOGカーネルを適用し、全ての画像の和を求める。次いで、劣化画像f(x,y)に拡散値σ02-tの復元ガウシアンカーネルを適用し、その画像に上記の復元LOGカーネルを適用した全ての画像を加算して、復元画像I'(x,y)とする。

0040

ここでは、グレースケール前提としたアルゴリズムである。従って、入力画像(劣化画像)は先ずYUVの色空間に変換され、Y画像(Yプレーン)のみに対して上記復元処理が適用される。

0041

次に、本発明に係る画像復元方法について、図2に示すフローチャートに従って説明する。先ず、劣化画像(入力画像)f(x,y)をYUVの色空間に変換する(ステップSP1)。次いで、YUVの色空間のうちのY画像(Yプレーン)f0を32ビット化する(ステップSP2)。

0042

ステップSP3では、入力パラメータ(復元深度t、比率k)からσ0〜Jの拡散値配列を作成する(式17または式19)。ステップSP4では、拡散値σ02のガウシアンカーネルGσ02を作成する(式1)。ステップSP5では、拡散値σ12〜σJ2のLOGカーネルLOGσ12〜LOGσJ2を作成する(式10)。

0043

ステップSP6では、拡散値配列の配列内容を単純に、σを−tとした復元深度配列を作成する。ステップSP7では、ステップSP4,SP5と同様の作業をステップSP6の腹元深度配列で行い、復元カーネルを作成する。ここまで、ステップSP1〜ステップSP7が準備処理工程である。

0044

次いで、ステップSP8では、Y画像f0にステップSP4の拡散値σ02のガウシアンカーネルGσ02を適用した画像Gσ02*f0をY画像f0から引いて1回分解後の分解画像f1を生成する(f1=f0−Gσ02*f0)。ステップSP9では、(j−1)回分解後の分解画像fj-1にステップSP5の拡散値σj-12のLOGカーネルLOGσj-12を適用した画像LOGσj-12*fj-1を(j−1)回分解後の分解画像fj-1から引いてj回分解後の分解画像fjを生成する(fj=fj-1−LOGσ12*fj-1)。

0045

ステップSP10では、j(1≦j≦J)がJと等しいか否かが判断され、j<Jの場合にはステップSP9に戻って分解画像fjを生成し、j=Jの場合にはステップSP11へ進む。ここまで、ステップSP8〜ステップSP10が分解処理工程であり、分解画像をJ枚得る。

0046

次いで、ステップSP11では、分解画像f1〜fJにそれぞれステップSP7で作成した復元LOGカーネルLOGσ12-t〜LOGσJ2-tを適用し、全ての画像の和を求めて総和画像を作成する。ステップSP12では、Y画像にステップSP7で作成した復元ガウシアンカーネルGσ02-tを適用し、ステップSP11で作成した総和画像と加算する。

0047

ステップSP13では、Y画像を劣化画像(入力画像)f(x,y)のビット深度に戻す。ステップSP14では、ステップSP13で得た画像をYプレーンとして劣化画像(入力画像)f(x,y)のUVプレーンと合成し、復元画像I'(x,y)として出力する。ステップSP11〜ステップSP14が再構成処理工程である。

0048

図3は分解処理・復元処理におけるラインバッファ操作方法を示し、分解処理工程(ステップSP8〜ステップSP10)及び再構成処理工程(ステップSP11)において、J=3の場合である。

0049

Y画像f0から分解画像f1、分解画像f2、分解画像f3を生成する作業及び分解画像f1〜f3に復元LOGカーネルLOGσ12-t〜LOGσ32-tを適用し、全ての画像の和を求めて総和画像を作成する作業が、処理時刻(1〜8)毎に各ラインバッファ(LBLV1〜LBLV4)において並行処理される。
ここで、ラインバッファは入力画像の水平画素数×カーネル縦サイズの大きさを持つ一時記憶メモリである。

0050

具体的には、最初の時刻(図3の最上段)では、ラインバッファ(LV1)からY画像f0を読み込み、ラインバッファ(LV2)に分解画像f1を書き込む。
次の時刻(図3の上から2段目)では、ラインバッファ(LV1)にリードモディファイ(f0−=f0*G−)を書き込み、ラインバッファ(LV3)に分解画像f2を書き込む。
次の時刻(図3の上から3段目)では、ラインバッファ(LV2)にリードモディファイ(f1−=f1−*L1−)を書き込み、ラインバッファ(LV4)に分解画像f3を書き込む。
次の時刻(図3の上から4段目)では、ラインバッファ(LV3)にリードモディファイ(f2−=f2−*L2−)を書き込み、ラインバッファ(LV4)にリードモディファイ(f3−=f3−*L3−)を書き込む。
次の時刻(図3の上から5段目)では、ラインバッファ(LV4)から(f3−)を読み取り、ラインバッファ(LV3)に(f2−)+(f3−)を書き込む。
次の時刻(図3の上から6段目)では、ラインバッファ(LV3)から(f2−)+(f3−)を読み取り、ラインバッファ(LV2)に(f1−)+(f2−)+(f3−)を書き込む。
次の時刻(図3の上から7段目)では、ラインバッファ(LV2)から(f1−)+(f2−)+(f3−)を読み取り、ラインバッファ(LV1)に(f0−)+(f1−)+(f2−)+(f3−)を書き込む。
このように処理時刻毎に各ラインバッファにおいて並行処理されることにより、分解処理及び復元処理の迅速化が可能になる。

0051

図4はレンズ収差により劣化した画像の(a)は復元前の画像、(b)は復元後の画像である。
また、図5は一般的に用いられるテストチャートを用いたものであり、(a)は原画、(b)は原画のぼかし画像、(c)はぼかし画像を本発明方法で復元した画像である。
これらの画像から、本発明方法によりレンズの収差によるガウス型のボケによる劣化画像が復元されていることが分かる。

0052

本発明によれば、画像の劣化過程を表す関数がガウス型関数である観測画像(劣化画像)を復元してぼけのない原画像にできるだけ近い復元画像を得ることができる画像復元方法を提供することができる。

0053

1…画像復元装置、2…準備処理手段、3…分解処理手段、4…再構成処理手段。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • ローランドディー.ジー.株式会社の「 印刷方法」が 公開されました。( 2021/08/19)

    【課題】変換テーブルのサイズを抑えながらも複数のプリンタの間で高い色合わせ品質を実現する印刷方法を提供する。【解決手段】印刷方法は、印刷画像の色域を、予め定められた第1の色域に属する第1グループと、第... 詳細

  • キヤノン株式会社の「 チャート、画像処理装置及び画像処理方法」が 公開されました。( 2021/08/19)

    【課題】 印刷された画像の画質の客観的な評価を高精度に行うことを目的とする。【解決手段】 画像形成装置により形成される画像の画質を評価するためにスキャナに読み取られるチャートであって、複数種類のパ... 詳細

  • 株式会社小糸製作所の「 デザイン支援装置、デザイン支援装置の機械学習方法」が 公開されました。( 2021/08/19)

    【課題】新規性のあるデザインを支援する装置を提供する。【解決手段】デザイン支援装置100は、設計のモチーフが属する第1ドメインの入力画像IMG_INを与えると、設計対象の製品が属する第2ドメインの出力... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ