CN102158730B - 影像处理系统及方法 - Google Patents

Abstract

一种影像处理系统及方法。利用试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值可得到多个目标模糊半径值。依据各个目标模糊半径值分别对与其对应的原始色彩通道影像执行去模糊运算以得到多个去模糊色彩通道影像。合成去模糊基准色彩通道影像与上述去模糊色彩通道影像即可得到一模糊校准影像。可解决因色散所引起的影像失焦问题。

Description

影像处理系统及方法

技术领域

本发明涉及一种影像处理，特别是涉及一种解决色散问题的影像处理系统与方法。

背景技术

光学镜片被广泛应用于相机，摄像机，望远镜，显微镜等。光学镜片有多种类型，如折射镜片，反射镜片和折反射镜片。折射镜片是使用最为广泛，其利用光的折射将物体聚焦在聚焦平面上。但折射镜片具有色散的问题存在，亦即不同颜色的光具有不同的频率与不同的折射率。如此将导致同一镜头相对于不同颜色的光来说具有不同焦距，进而使得不同颜色的光在同一成象位置上出现失焦的情形。

传统解决色散的方法之一是着重在镜头上，可利用某些特殊的材料来补偿色散，例如萤石，但缺点是这一类型的材料十分昂贵。另一种方法则是使用复杂的光路来补偿色散。此两种方法都将花费许多成本而使高品质的镜头十分昂贵，且消除色散的效果对高分辨率的照片来说并不是很好。

因此，我们引入一个新的方法来解决照片色散的问题。其不须花费硬件成本，且比传统消除镜片色散的方法有较好的品质。

发明内容

本发明提供一种影像处理系统及方法，可解决因色散所引起的影像失焦问题。

本发明提出一种影像处理方法，包括下列步骤。依据一原始影像产生多个原始色彩通道影像。自上述多个原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像。试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值。依据各目标模糊半径值分别对与其对应的其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像。合成去模糊基准色彩通道影像与上述多个去模糊色彩通道影像以得到一模糊校准影像。

在本发明的一实施例中，上述自上述多个原始色彩通道影像中选择出最锐利的原始色彩通道影像做为去模糊基准色彩通道影像的步骤包括：分别对上述多个原始色彩通道影像进行一频谱分析；以及依据频谱分析的结果选择具有最大高频分量的原始色彩通道影像做为去模糊基准色彩通道影像。

在本发明的一实施例中，上述试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到上述多个目标模糊半径值的步骤包括下列步骤。依据一预设模糊半径值对去模糊基准色彩通道影像进行一模糊化运算，以得到多个试算色彩通道影像。比较各试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达一预设标准。若相似度未达预设标准，调整预设模糊半径值。若相似度达到预设标准，则将调整后的预设模糊半径值做为该目标模糊半径值。

本发明还提出一种影像处理系统，包括一色彩通道影像产生模块、一锐利度选择模块、一运算模块以及一影像合成模块。其中色彩通道影像产生模块依据一原始影像产生多个原始色彩通道影像。锐利度选择模块自上述多个原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像。运算模块试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值，并依据各目标模糊半径值分别对与其对应的其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像。影像合成模块合成去模糊基准色彩通道影像与上述多个去模糊色彩通道影像以得到一模糊校准影像。

在本发明的一实施例中，上述的锐利度选择模块还分别对上述多个原始色彩通道影像进行一频谱分析，并依据频谱分析的结果选择具有最大高频分量的原始色彩通道影像做为去模糊基准色彩通道影像。

在本发明的一实施例中，上述的运算模块还依据一预设模糊半径值对去模糊基准色彩通道影像进行一模糊化运算，以得到多个试算色彩通道影像，并比较各试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达一预设标准，其中若相似度未达预设标准，则调整预设模糊半径值，若相似度达到预设标准，则将调整后的预设模糊半径值做为该目标模糊半径值。

在本发明的一实施例中，上述的影像处理系统，还包括一影像特征识别模块，其分别对上述多个原始色彩通道影像执行一特征点识别演算法，以分别于各原始色彩通道影像找出多个特征点。

在本发明的一实施例中，上述的运算模块还依据上述多个特征点求出两两原始色彩通道影像间的转换矩阵，并从上述多个原始色彩通道影像中选出一偏移基准色彩通道影像，且依据偏移基准色彩通道影像所对应的转换矩阵对其它原始色彩通道影像进行转换，以得到多个偏移校准色彩通道影像，其中偏移基准色彩通道影像所对应的原始色彩通道影像具有最小的失真率。

在本发明的一实施例中，上述的影像合成模块还合成偏移基准色彩通道影像与上述多个偏移校准色彩通道影像以得到一偏移校准影像，并合成模糊校准影像与偏移校准影像以得到一最终校准影像。

在本发明的一实施例中，上述的运算模块还依据上述多个特征点求出多个转换特征点，并依据此些转换特征点求出上述多个转换矩阵，其中各转换特征点在各原始色彩通道影像皆具有与其对应的像素。

在本发明的一实施例中，上述的运算模块还依据上述多个转换矩阵从上述多个原始色彩通道影像中选出偏移基准色彩通道影像。

在本发明的一实施例中，上述的运算模块还计算上述多个转换矩阵的模值，并计算各原始色彩通道影像做为一虚拟偏移基准色彩通道影像时，上述多个原始色彩通道影像转换至虚拟偏移基准色彩通道影像所对应的转换矩阵的模值，另外还依据各原始色彩通道影像做为虚拟偏移基准色彩通道影像时所对应的转换矩阵的模值选择出偏移基准色彩通道影像。

在本发明的一实施例中，上述的运算模块还计算各原始色彩通道影像做为虚拟偏移基准色彩通道影像时所对应的转换矩阵的模值和，并选择具有最小模值和的原始色彩通道影像做为偏移基准色彩通道影像。

在本发明的一实施例中，上述的模糊化运算为对失焦模糊函数与去模糊基准色彩通道影像进行一卷积运算，去模糊运算为对失焦模糊传递函数与各原始色彩通道影像进行一反卷积运算。

在本发明的一实施例中，上述的去模糊运算包括Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。

在本发明的一实施例中，上述的特征点识别演算法包括尺度不变特征转换演算法或加速强健特征演算法。

本发明还提出一种影像处理方法，包括下列步骤。依据一原始影像产生多个原始色彩通道影像。自上述多个原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像。试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值。依据各目标模糊半径值分别对与其对应的其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像。分别对上述多个原始色彩通道影像执行一特征点识别演算法，以分别于各原始色彩通道影像找出多个特征点。依据上述多个特征点求出两两原始色彩通道影像间的转换矩阵。从上述多个原始色彩通道影像中选出一偏移基准色彩通道影像，其中偏移基准色彩通道影像所对应的原始色彩通道影像具有最小的失真率。依据偏移基准色彩通道影像所对应的转换矩阵对其它原始色彩通道影像进行转换，以得到多个偏移校准色彩通道影像。合成去模糊基准色彩通道影像、偏移基准色彩通道影像、上述多个去模糊色彩通道影像与上述多个偏移校准色彩通道影像以得到一最终校准影像。

基于上述，本发明利用试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值，而依据各个目标模糊半径值分别对与其对应的原始色彩通道影像执行去模糊运算则可得到多个去模糊色彩通道影像。藉由合成去模糊基准色彩通道影像与上述去模糊色彩通道影像即可得到一模糊校准影像，在不须额外花费硬件成本的情形下，消除色散所造成的影像模糊问题，进而大幅地提升影像的品质。

为使本发明的上述特征和优点能更明显易懂，下文特举实施例，并结合附图详细说明如下。

附图说明

图1示出了本发明一实施例的影像处理系统的示意图。

图2～图6示出了本发明实施例的影像处理方法的流程图。

附图符号说明

100：影像处理系统

102：色彩通道影像产生模块

104：影像特征识别模块

106：锐利度选择模块

108：运算模块

110：影像合成模块

S1：原始影像

S2：原始色彩通道影像

S3：偏移校准色彩通道影像

S4：去模糊色彩通道影像

S202～S212、S302～S310、S402～S412、S502～S518、S602～S618：影像处理的方法步骤

具体实施方式

图1示出了本发明一实施例的影像处理系统的示意图。影像处理系统100包括一色彩通道影像产生模块102、一影像特征识别模块104、一锐利度选择模块106、一运算模块108以及一影像合成模块110。其中色彩通道影像产生模块102用以依据一原始影像S1产生多个原始色彩通道影像S2。例如可将原始影像S1分为红色通道影像、绿色通道影像和蓝色通道影像。值得注意的是，依据原始影像S1所产生的原始色彩通道影像S2的个数以及颜色并不限制于上述所列举的例子。举例来说，亦可将原始影像S1分为青色通道影像、紫色通道影像、黄色通道影像及黑色通道影像，亦或是分为青色通道影像、紫色通道影像和黄色通道影像。

影像特征识别模块104用以分别对多个原始色彩通道影像S2执行一特征点识别演算法，以分别于各原始色彩通道影像S2找出多个特征点(featurepoint)。其中特征点识别演算法可例如是尺度不变特征转换(Scale-invariantfeature transform；SIFT)演算法、加速强健特征(speeded-up robust features，SURF)演算法等特征点比对演算方法。

接着，运算模块108便可依据影像特征识别模块104所找出的多个特征点自各个原始色彩通道影像S2中找出多个转换特征点，以计算各个原始色彩通道影像S2之间的转换矩阵。值得注意的是上述的转换特征点在各个原始色彩通道影像S2皆具有与其对应的像素。举例来说，假设本实施例依据原始影像S1所产生的原始色彩通道影像S2为红色通道影像、绿色通道影像和蓝色通道影像，若选择的特征点为红色则仅在红色通道影像中具有相对应的像素。若选择的特征点为灰色则在红色通道影像、绿色通道影像和蓝色通道影像中皆有与其对应的像素，而此种在各个原始色彩通道影像S2皆具有对应像素的特征点即为我们要寻求的转换特征点。其中各个转换特征点在不同原始色彩通道影像S2上所对应的像素间的相对距离小于三个像素。

在本实施例中，由于各个原始色彩通道影像S2间的转换为二维空间的转换，因此各个原始色彩通道影像S2间的转换皆需要9个转换特征点来计算得到一3×3的转换矩阵，其中转换矩阵可例如为旋转矩阵或平移矩阵等等。而在计算得到各个原始色彩通道影像S2间的转换矩阵后，便可依据此些转换矩阵选出一偏移基准色彩通道影像。其中由于在进行色彩通道影像转换时，转换前后的色彩通道影像不免会产生一些失真的现象，因此在选择偏移基准色彩通道影像时，原则上以选择具有最小的失真率的原始色彩通道影像S2做为偏移基准色彩通道影像。

举例来说，假设本实施例的原始色彩通道影像S2包括红色通道影像、绿色通道影像和蓝色通道影像。当要从中选择出偏移基准色彩通道影像时，运算模块108先分别计算红色通道影像、绿色通道影像和蓝色通道影像做为一虚拟偏移基准色彩通道影像时，与其它原始色彩通道影像S2间所对应的转换矩阵的模值(Modulus)。例如当红色通道影像做为虚拟偏移基准色彩通道影像时，计算绿色通道影像转换至红色通道影像以及蓝色通道影像转换至红色通道影像所对应的转换矩阵的模值。如此运算模块108便可依据各个原始色彩通道影像S2做为虚拟偏移基准色彩通道影像时所对应的转换矩阵的模值来选择偏移基准色彩通道影像。例如可计算各原始色彩通道影像做为虚拟偏移基准色彩通道影像时所对应的转换矩阵的模值和，并选择具有最小模值和的原始色彩通道影像S2来做为偏移基准色彩通道影像。

决定出偏移基准色彩通道影像后，运算模块108便可依据偏移基准色彩通道影像对应的转换矩阵对偏移基准色彩通道影像外的其它原始色彩通道影像S2进行转换，以得到多个偏移校准色彩通道影像S3。而影像合成模块110则负责将多个偏移校准色彩通道影像S3与偏移基准色彩通道影像进行合成，而得到一偏移校准影像。

如上所述，依据不同色彩通道影像的特征点求出色彩通道影像间的转换矩阵，并选择具有最小失真率的转换矩阵来决定偏移基准色彩通道影像，依据偏移基准色彩通道影像所对应的转换矩阵转换其它色彩通道影像，并将转换后的其它色彩通道影像与偏移基准色彩通道影像合成以得到偏移校准影像。如此便可在不须额外花费硬件成本的情形下，消除色散所造成的影像紫边问题，进而大幅地提升影像的品质，在应用于使用广角镜头的摄相装置时效果尤其显着。

光学镜片除了具有上述的影像偏移问题外，另外亦可能会有不同颜色的光所对应的焦距不同而造成的影像模糊问题。针对此种现象，亦可利用图1的影像处理系统100改善。如图1所示，锐利度选择模块106可自色彩通道影像产生模块102所产生的多个原始色彩通道影像S1中选择出最锐利的原始色彩通道影像S2做为一去模糊基准色彩通道影像。其中锐利度选择模块106选择去模糊基准色彩通道影像的方式可例如为分别对多个原始色彩通道影像S2进行频谱分析(例如对原始色彩通道影像S2进行傅利叶转换)，并依据频谱分析的结果选择具有最大高频分量的原始色彩通道影像S2做为去模糊基准色彩通道影像。

运算模块108则试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数(out of focus transform function)所对应的模糊半径值以得到多个目标模糊半径值。举例来说，运算模块108可先依据一预设模糊半径值对去模糊基准色彩通道影像进行模糊化运算，以得到多个试算色彩通道影像，其中模糊化运算可例如为对失焦模糊函数与去模糊基准色彩通道影像进行一卷积运算(Convolution)。在得到多个试算色彩通道影像后，运算模块108便可比较各个试算色彩通道影像与其对应的原始色彩通道影像S2的相似度，看其是否达一预设标准。

若试算色彩通道影像与其对应的原始色彩通道影像S2的相似度未达预设标准，则调整预设模糊半径值，以得到新的试算色彩通道影像，直到试算色彩通道影像与其对应的原始色彩通道影像S2相似度达到预设标准时，便可将调整后的预设模糊半径值做为目标模糊半径值。其中试算色彩通道影像与其对应的原始色彩通道影像S2的相似度可例如利用两者的灰阶值的绝对差和来判断，当灰阶值的绝对差和小于一预设值(亦即预设标准)时，判断其相似度达到预设标准。

运算模块108依据试算所得到的各个目标模糊半径值分别对与其对应的原始色彩通道影像S2执行一去模糊运算，以得到多个去模糊色彩通道影像S4。其中去模糊运算为对失焦模糊函数与各个原始色彩通道影像S2进行一反卷积运算(Deconvolution)，其可例如为Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。另外，影像合成模块110负责将去模糊基准色彩通道影像与多个去模糊色彩通道影像S4合成以得到一模糊校准影像。

如上所述，利用试算去模糊基准色彩通道影像与其它原始色彩通道影像S2间的失焦模糊函数所对应的模糊半径值可得到多个目标模糊半径值，而依据各个目标模糊半径值分别对与其对应的原始色彩通道影像S2执行去模糊运算则可得到多个去模糊色彩通道影像S4，藉由合成去模糊基准色彩通道影像与上述去模糊色彩通道影像S4即可得到一模糊校准影像，在不须额外花费硬件成本的情形下，消除色散所造成的影像模糊问题，进而大幅地提升影像的品质，在应用于使用长镜头的摄相装置时效果尤其显着。

值得注意的是，上述的影像处理系统100除了可依据不同的情形选择对原始影像进行偏移校准或模糊校准外，亦可选择两种校准皆进行。举例来说，运算模块108可依据色彩通道影像产生模块102产生多个原始色彩通道影像S2分别进行上述的偏移校准与模糊校准而得到去模糊基准色彩通道影像、多个去模糊色彩通道影像、偏移基准色彩通道影像与多个偏移校准色彩通道影像。影像合成模块110则合成去模糊基准色彩通道影像、多个去模糊色彩通道影像、偏移基准色彩通道影像与多个偏移校准色彩通道影像以得到一最终校准影像，如此便可同时达到偏移校准与模糊校准的效果。

在部分实施例中，运算模块108亦可先对原始色彩通道影像S2进行偏移校准后再进行模糊校准。在此情形下，当运算模块108对原始色彩通道影像S2进行偏移校准而得到多个偏移校准色彩通道影像后，运算模块108接着依据上述的模糊校准方式，自多个偏移校准色彩通道影像中选择出最锐利的偏移校准色彩通道影像做为去模糊基准色彩通道影像。并试算去模糊基准色彩通道影像与其它偏移校准色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值，然后依据各目标模糊半径值分别对与其对应的其它偏移校准色彩通道影像执行去模糊运算，以得到多个去模糊色彩通道影像S4，最后再由影像合成模块110将去模糊基准色彩通道影像与上述多个去模糊色彩通道影像S4合成为最终校准影像。

其中上述对多个偏移校准色彩通道影像进行模糊校准的方式与上述对原始色彩通道影像S2进行模糊校准的方式相同，差别在于进行模糊校准的对象由原始色彩通道影像S2换为偏移校准色彩通道影像，本领域的技术人员应可依据上述实施例的教示推得其实施方式，因此不再赘述。

类似地，运算模块108亦可反过来先对原始色彩通道影像S2先进行模糊校准后再进行偏移校准。在此情形下，当运算模块108对原始色彩通道影像S2进行模糊校准而得到多个去模糊色彩通道影像S4后，运算模块108接着依据上述的偏移校准方式，分别对多个去模糊色彩通道影像S4执行特征点识别演算法，以求出两两去模糊色彩通道影像S4间的转换矩阵，并从中选出一偏移基准色彩通道影像，以依据偏移基准色彩通道影像所对应的转换矩阵对其它去模糊色彩通道影像S4进行转换而得到多个偏移校准色彩通道影像，最后再由影像合成模块110将偏移基准色彩通道影像与上述多个偏移校准色彩通道影像合成为最终校准影像。

其中上述对多个去模糊色彩通道影像进行偏移校准的方式与上述对原始色彩通道影像S2进行偏移校准的方式相同，差别在于进行偏移校准的对象由原始色彩通道影像S2换为去模糊色彩通道影像，本领域的技术人员应可依据上述实施例的教示推得其实施方式，因此不再赘述。

图2示出了本发明一实施例的影像处理方法的流程图。请参照图2，归纳上述影像处理系统100的进行影像偏移校准的方法可包括下列步骤。首先，依据一原始影像产生多个原始色彩通道影像(步骤S202)。接着，分别对上述多个原始色彩通道影像执行一特征点识别演算法，以分别于各原始色彩通道影像找出多个特征点(步骤S204)。其中特征点识别演算法可例如为尺度不变特征转换演算法或加速强健特征演算法。

之后，依据上述多个特征点求出两两原始色彩通道影像间的转换矩阵(步骤S206)，然后从多个原始色彩通道影像中选出一偏移基准色彩通道影像(步骤S208)，其中偏移基准色彩通道影像所对应的色彩通道影像转换具有最小的失真率。然后再依据偏移基准色彩通道影像所对应的转换矩阵对其它原始色彩通道影像进行转换，以得到多个偏移校准色彩通道影像(步骤S210)。偏移基准色彩通道影像可依据原始色彩通道影像间的转换矩阵的模值来选择，例如选择具有最小模值和的原始色彩通道影像做为偏移基准色彩通道影像。最后再合成偏移基准色彩通道影像与上述多个偏移校准色彩通道影像以得到偏移校准影像(步骤S212)。如此便可在不额外花费硬件成本的情形下，消除色散所造成的影像紫边问题，进而大幅地提升影像的品质。

图3示出了本发明另一实施例的影像处理方法的流程图。请参照图3，归纳上述影像处理系统100的进行影像模糊校准的方法可包括下列步骤。首先，依据一原始影像产生多个原始色彩通道影像(步骤S302)。接着，自多个原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像(步骤S304)。其中选择最锐利的原始色彩通道影像的方式可例如为分别对多个原始色彩通道影像进行频谱分析，以选择具有最大高频分量的原始色彩通道影像做为去模糊基准色彩通道影像。

之后，试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值(步骤S306)。例如可依据一预设模糊半径值对去模糊基准色彩通道影像进行模糊化运算，以得到多个试算色彩通道影像，并比较各试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达到预设标准，若相似度未达预设标准，则调整预设模糊半径值直到相似度达到预设标准，并将达到预设标准时所对应的模糊半径值做为目标模糊半径值。

然后，依据各个目标模糊半径值分别对与其对应的原始色彩通道影像执行去模糊运算，以得到多个去模糊色彩通道影像(步骤S308)。其中去模糊运算为对失焦模糊函数与去模糊基准色彩通道影像进行一反卷积运算，其可例如为Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。最后，合成去模糊基准色彩通道影像与上述多个去模糊色彩通道影像以得到一模糊校准影像(步骤S310)。如此便可在不额外花费硬件成本的情形下，消除色散所造成的影像模糊问题，进而大幅地提升影像的品质。

另外，上述影像处理系统100选择偏移校准以及模糊校准两种影像校准皆进行的方法可如图4～图6所示。图4示出了本发明另一实施例的影像处理方法的流程图。请同时参照图2～图4，首先，依据一原始影像产生多个原始色彩通道影像(步骤S402)。接着，同时分别进行影像偏移校准与影像模糊校准而分别得到多个偏移校准色彩通道影像与多个去模糊色彩通道影像。其中影像偏移校准的步骤S404A～S410A与图2实施例所揭示的步骤S204～S210相同，而影像模糊校准的步骤S404B～S408B与图3实施例所揭示的步骤S304～S308相同，因此不再赘述。而在最后的步骤S412中，将去模糊基准色彩通道影像、多个去模糊色彩通道影像、偏移基准色彩通道影像与多个偏移校准色彩通道影像合成以得到一最终校准影像，如此便可同时达到偏移校准与模糊校准的效果。

图5示出了本发明另一实施例的影像处理方法的流程图。请参照图5，在本实施例中进行影像校准的方式为先进行偏移校准，然后再进行模糊校准。因此，本实施例的步骤S502～S510与图2的步骤S202～S210相同，在此不再赘述。而在步骤S510中获得多个偏移校准色彩通道影像后，便接着依据多个偏移校准色彩通道影像进行如图3的影像模糊校准方法。如步骤S512所示，自多个偏移校准色彩通道影像中选择出最锐利的偏移校准色彩通道影像做为去模糊基准色彩通道影像，其中选择最锐利的偏移校准色彩通道影像的方式可例如为分别对多个偏移校准色彩通道影像进行频谱分析，以选择具有最大高频分量的偏移校准色彩通道影像做为去模糊基准色彩通道影像。

之后，试算去模糊基准色彩通道影像与其它偏移校准色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值(步骤S514)。例如可依据一预设模糊半径值对去模糊基准色彩通道影像进行模糊化运算，以得到多个试算色彩通道影像，并比较各试算色彩通道影像与其对应的偏移校准色彩通道影像的相似度是否达到预设标准，若相似度未达预设标准，则调整预设模糊半径值直到相似度达到预设标准，并将达到预设标准时所对应的模糊半径值做为目标模糊半径值。

然后，依据各个目标模糊半径值分别对与其对应的偏移校准色彩通道影像执行去模糊运算，以得到多个去模糊色彩通道影像(步骤S516)。其中去模糊运算为对失焦模糊函数与去模糊基准色彩通道影像进行一反卷积运算，其可例如为Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。最后，合成去模糊基准色彩通道影像与上述多个去模糊色彩通道影像以得到一最终校准影像(步骤S518)。如上所述，通过先进行偏移校准在进行模糊校准的方式亦可对原始影像进行两种影像校准，而克服色散所造成的影像模糊及影像偏移的问题，进而大幅地提升影像的品质。

类似地，另一种处理色散问题的方式亦可为先进行模糊校准，然后再进行偏移校准。图6示出了本发明另一实施例的影像处理方法的流程图。请参照图6，本实施例的步骤S602～S608与图3的步骤S302～S308相同，因此不再赘述。而在步骤S608中获得多个去模糊色彩通道影像后，便接着依据多个去模糊色彩通道影像进行如图2的影像偏移校准方法。如步骤S610所示，分别对多个去模糊色彩通道影像执行一特征点识别演算法，以分别于各去模糊色彩通道影像找出多个特征点，其中特征点识别演算法可例如为尺度不变特征转换演算法或加速强健特征演算法。接着，依据上述多个特征点求出两两去模糊色彩通道影像间的转换矩阵(步骤S612)，再从多个去模糊色彩通道影像中选出一偏移基准色彩通道影像(步骤S614)，其中偏移基准色彩通道影像所对应的色彩通道影像转换具有最小的失真率。

接着，依据偏移基准色彩通道影像所对应的转换矩阵对其它去模糊色彩通道影像进行转换，以得到多个偏移校准色彩通道影像(步骤S616)。偏移基准色彩通道影像可依据去模糊色彩通道影像间的转换矩阵的模值来选择，例如选择具有最小模值和的去模糊色彩通道影像做为偏移基准色彩通道影像。最后再合成偏移基准色彩通道影像与上述多个偏移校准色彩通道影像以得到一最终校准影像(步骤S618)。如此亦可对原始影像进行两种影像校准，而克服色散所造成的影像模糊及影像偏移的问题，进而大幅地提升影像的品质。

综上所述，本发明利用选择具有最小失真率的转换矩阵来决定偏移基准色彩通道影像，并据以转换其它色彩通道影像，以得到偏移校准影像。另外并藉由试算去模糊基准色彩通道影像与其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值，以得到多个目标模糊半径值，而据以得到多个去模糊色彩通道影像，进而求出模糊校准影像。如此便可在不须额外花费硬件成本的情形下，消除色散所造成的影像紫边以及失焦的问题，不但可大幅地提升影像的品质，还可依据实际应用情形选择其中一种或同时使用两种校准方式进行影像校准，使影像处理更有效率及弹性。

虽然本发明已以实施例揭示如上，然其并非用以限定本发明，本领域的技术人员，在不脱离本发明的精神和范围的前提下，可作若干的更动与润饰，故本发明的保护范围是以本发明的权利要求为准。

Claims (25)

1.一种影像处理方法，包括：

依据一原始影像产生多个原始色彩通道影像；

自这些原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像；

试算该去模糊基准色彩通道影像与这些其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值；

依据各该目标模糊半径值分别对与该目标模糊半径值对应的这些其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像；以及

合成该去模糊基准色彩通道影像与这些去模糊色彩通道影像以得到一模糊校准影像，

其中试算该去模糊基准色彩通道影像与这些其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到这些目标模糊半径值的步骤包括：

依据一预设模糊半径值对该去模糊基准色彩通道影像进行一模糊化运算，以得到多个试算色彩通道影像；

比较各该试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达一预设标准；

若该相似度未达该预设标准，调整该预设模糊半径值；以及

若该相似度达到该预设标准，则将调整后的该预设模糊半径值做为该目标模糊半径值，

其中自这些原始色彩通道影像中选择出最锐利的原始色彩通道影像做为该去模糊基准色彩通道影像的步骤包括：

分别对这些原始色彩通道影像进行一频谱分析；以及

依据该频谱分析的结果选择具有最大高频分量的原始色彩通道影像做为该去模糊基准色彩通道影像。

2.如权利要求1所述的影像处理方法，其中该模糊化运算为对该失焦模糊函数与该去模糊基准色彩通道影像进行一卷积运算，该去模糊运算为对该失焦模糊函数与各该原始色彩通道影像进行一反卷积运算。

3.如权利要求1所述的影像处理方法，其中该去模糊运算包括Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。

4.一种影像处理系统，应用于一摄相装置，包括：

一色彩通道影像产生模块，依据一原始影像产生多个原始色彩通道影像；

一锐利度选择模块，自这些原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像；

一运算模块，试算该去模糊基准色彩通道影像与这些其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值，并依据各该目标模糊半径值分别对与该目标模糊半径值对应的这些其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像；以及

一影像合成模块，合成该去模糊基准色彩通道影像与这些去模糊色彩通道影像以得到一模糊校准影像，

其中该运算模块还依据一预设模糊半径值对该去模糊基准色彩通道影像进行一模糊化运算，以得到多个试算色彩通道影像，并比较各该试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达一预设标准，其中若该相似度未达该预设标准，则调整该预设模糊半径值，若该相似度达到该预设标准，则将调整后的该预设模糊半径值做为该目标模糊半径值，

其中该锐利度选择模块还分别对这些原始色彩通道影像进行一频谱分析，并依据该频谱分析的结果选择具有最大高频分量的原始色彩通道影像做为该去模糊基准色彩通道影像。

5.如权利要求4所述的影像处理系统，其中该摄相装置包含相机、摄像机、望远镜或显微镜。

6.如权利要求4所述的影像处理系统，其中该模糊化运算为对该失焦模糊函数与该去模糊基准色彩通道影像进行一卷积运算，该去模糊运算为对该失焦模糊函数与各该原始色彩通道影像进行一反卷积运算。

7.如权利要求4所述的影像处理系统，其中该去模糊运算包括Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。

8.如权利要求4所述的影像处理系统，还包括：

一影像特征识别模块，分别对这些原始色彩通道影像执行一特征点识别演算法，以分别于各该原始色彩通道影像找出多个特征点。

9.如权利要求8所述的影像处理系统，其中该运算模块还依据这些特征点求出两两这些原始色彩通道影像间的转换矩阵，并从这些原始色彩通道影像中选出一偏移基准色彩通道影像，且依据该偏移基准色彩通道影像所对应的转换矩阵对其它原始色彩通道影像进行转换，以得到多个偏移校准色彩通道影像，其中该偏移基准色彩通道影像所对应的原始色彩通道影像具有最小的失真率。

10.如权利要求9所述的影像处理系统，其中该影像合成模块还合成该偏移基准色彩通道影像与这些偏移校准色彩通道影像以得到一偏移校准影像，并合成该模糊校准影像与该偏移校准影像以得到一最终校准影像。

11.如权利要求10所述的影像处理系统，其中该运算模块还依据这些特征点求出多个转换特征点，并依据这些转换特征点求出这些转换矩阵，其中各该转换特征点在各该原始色彩通道影像皆具有与其对应的像素。

12.如权利要求11所述的影像处理系统，其中每一这些转换特征点在不同原始色彩通道影像上所对应的像素间的相对距离小于三个像素。

13.如权利要求12所述的影像处理系统，其中该运算模块还依据这些转换矩阵从这些原始色彩通道影像中选出该偏移基准色彩通道影像。

14.如权利要求13所述的影像处理系统，其中该运算模块还计算这些转换矩阵的模值，并计算各该原始色彩通道影像做为一虚拟偏移基准色彩通道影像时，这些原始色彩通道影像转换至该虚拟偏移基准色彩通道影像所对应的这些转换矩阵的模值，另外还依据各该原始色彩通道影像做为该虚拟偏移基准色彩通道影像时所对应的这些转换矩阵的模值选择出该偏移基准色彩通道影像。

15.如权利要求14所述的影像处理系统，其中该运算模块还计算各该原始色彩通道影像做为该虚拟偏移基准色彩通道影像时所对应的这些转换矩阵的模值和，并选择具有最小模值和的原始色彩通道影像做为该偏移基准色彩通道影像。

16.如权利要求8所述的影像处理系统，其中该特征点识别演算法包括尺度不变特征转换演算法或加速强健特征演算法。

17.一种影像处理方法，包括：

依据一原始影像产生多个原始色彩通道影像；

自这些原始色彩通道影像中选择出最锐利的原始色彩通道影像做为一去模糊基准色彩通道影像；

试算该去模糊基准色彩通道影像与这些其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到多个目标模糊半径值；

依据各该目标模糊半径值分别对与该目标模糊半径值对应的这些其它原始色彩通道影像执行一去模糊运算，以得到多个去模糊色彩通道影像；

分别对这些原始色彩通道影像执行一特征点识别演算法，以分别于各该原始色彩通道影像找出多个特征点；

依据这些特征点求出两两这些原始色彩通道影像间的转换矩阵；

从这些原始色彩通道影像中选出一偏移基准色彩通道影像，其中该偏移基准色彩通道影像所对应的原始色彩通道影像具有最小的失真率；

依据该偏移基准色彩通道影像所对应的转换矩阵对其它原始色彩通道影像进行转换，以得到多个偏移校准色彩通道影像；以及

合成该去模糊基准色彩通道影像、这些去模糊色彩通道影像、该偏移基准色彩通道影像与这些偏移校准色彩通道影像以得到一最终校准影像，

其中试算该去模糊基准色彩通道影像与这些其它原始色彩通道影像间的失焦模糊函数所对应的模糊半径值以得到这些目标模糊半径值的步骤包括：

依据一预设模糊半径值对该去模糊基准色彩通道影像进行一模糊化运算，以得到多个试算色彩通道影像；

比较各该试算色彩通道影像与其对应的原始色彩通道影像的相似度是否达一预设标准；

若该相似度未达该预设标准，调整该预设模糊半径值；以及

若该相似度达到该预设标准，则将调整后的该预设模糊半径值做为该目标模糊半径值，

其中自这些原始色彩通道影像中选择出最锐利的原始色彩通道影像做为该去模糊基准色彩通道影像的步骤包括：

分别对这些原始色彩通道影像进行一频谱分析；以及

依据该频谱分析的结果选择具有最大高频分量的原始色彩通道影像做为该去模糊基准色彩通道影像。

18.如权利要求17所述的影像处理方法，其中该模糊化运算为对该失焦模糊函数与该去模糊基准色彩通道影像进行一卷积运算，该去模糊运算为对该失焦模糊函数与各该原始色彩通道影像进行一反卷积运算。

19.如权利要求17所述的影像处理方法，其中该去模糊运算包括Wiener滤波器反卷积运算、Lucy-Richardson运算或Regularized运算。

20.如权利要求17所述的影像处理方法，其中于依据这些特征点求出两两这些原始色彩通道影像间的转换矩阵的步骤包括：

依据这些特征点求出多个转换特征点，其中各该转换特征点在各该原始色彩通道影像皆具有与其对应的像素；以及

依据这些转换特征点求出这些转换矩阵。

21.如权利要求20所述的影像处理方法，其中每一这些转换特征点在不同原始色彩通道影像上所对应的像素间的相对距离小于三个像素。

22.如权利要求17所述的影像处理方法，其中从这些原始色彩通道影像中选出该偏移基准色彩通道影像的步骤包括依据这些转换矩阵从这些原始色彩通道影像中选出该偏移基准色彩通道影像。

23.如权利要求22所述的影像处理方法，其中依据这些转换矩阵从这些原始色彩通道影像中选出该偏移基准色彩通道影像的步骤包括：

计算这些转换矩阵的模值；

计算各该原始色彩通道影像做为一虚拟偏移基准色彩通道影像时，这些原始色彩通道影像转换至该虚拟偏移基准色彩通道影像所对应的这些转换矩阵的模值；以及

依据各该原始色彩通道影像做为该虚拟偏移基准色彩通道影像时所对应的这些转换矩阵的模值选择出该偏移基准色彩通道影像。

24.如权利要求23所述的影像处理方法，其中依据各该原始色彩通道影像做为该虚拟偏移基准色彩通道影像时所对应的这些转换矩阵的模值选择出该偏移基准色彩通道影像的步骤包括：

计算各该原始色彩通道影像做为该虚拟偏移基准色彩通道影像时所对应的这些转换矩阵的模值和；以及

选择具有最小模值和的原始色彩通道影像做为该偏移基准色彩通道影像。

25.如权利要求17所述的影像处理方法，其中该特征点识别演算法包括尺度不变特征转换演算法或加速强健特征演算法。

Images