图像模糊处理方法及图像模糊处理装置

摘要

本发明涉及图像模糊处理方法及图像模糊处理装置，其中图像模糊处理方法包括步骤：选择缩放因子，并根据缩放因子将原图像缩小；将滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊，从而得到一张缩小的模糊图像；以及对缩小的模糊图像通过线性插值运算进行放大，以得到一张和原图像大小相同的模糊图像。本发明可以提高图像模糊处理的效率。

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及图像模糊处理方法及图像模 糊处理装置。

背景技术

图像模糊在图像处理领域中是一种重要的图像处理方法。目前对图像 模糊化处理的方法主要有以下三种：直接卷积法、基于卷积定理的FFT（fast Fourier transform，快速傅立叶变换）方法和积分图方法。然而以上三种方 法存在如下缺点：（1）直接卷积法的缺点是：其运算的时间消耗会随着模 板增大而以平方关系增加，其时间复杂度是O(m²*n²，m为图像尺寸，n 为模板尺寸)。（2）FFT方法的缺点在于：傅立叶变换的性质会产生浮点数 据并且其数值动态范围大，导致其并不适合在一些电子设备平台，例如手 机平台上进行应用。（3）积分图方法的缺点在于：其只有在积分图已经存 在的情况下才能显著提高运算速度，如果图像需要先建立积分图，那么在 这种情况下几乎不能提高运算速度。

而目前，由于图像模糊的处理方法也会经常在一些便携式电子设备上 使用，例如在手机平台上使用。但是手机平台的处理器运算速度相较计算 机平台会慢很多，如果图像模糊处理方法的时间太长会消耗更多的手机电 量，会导致手机续航能力急剧下降，因此目前迫切需要提高图像模糊处理 方法的执行速度，以节约手机电量。

发明内容

因此，本发明提供图像模糊处理方法及图像模糊处理装置，以提高图 像模糊处理的效率。

具体地，本发明实施例提出的一种图像模糊处理方法，包括步骤：选 择缩放因子，并根据缩放因子将原图像缩小；将滤波模板和缩小后的图像 进行卷积运算以使缩小后的图像变模糊，从而得到一张缩小的模糊图像； 以及对缩小的模糊图像通过线性插值运算进行放大，以得到一张和原图像 大小相同的模糊图像。

另外，本发明实施例提出的一种图像模糊处理装置，包括图像缩小模 块、图像模糊处理模块以及图像放大模块，图像缩小模块，用于选择缩放 因子，并根据缩放因子将原图像缩小；图像模糊处理模块，用于将滤波模 板和缩小后的图像进行卷积运算以使缩小后的图像变模糊，从而得到一张 缩小的模糊图像；图像放大模块，用于对缩小的模糊图像通过线性插值运 算进行放大，以得到一张和原图像大小相同的模糊图像。

综上所述，本发明根据缩放因子将图像缩小，再将一滤波模板和缩小 后的图像进行卷积运算以使缩小后的图像变模糊，从而得到一张缩小的模 糊图像，然后对缩小的模糊图像通过线性插值运算进行放大，以得到一张 和原图像大小相同的模糊图像，由于本发明将滤波模板和缩小后的图像进 行卷积运算，从而使图像模糊处理的执行速度大幅度提高，用户体验更好， 若应用在手机平台上，由于提高了运算效率，因此能够减少手机电量的消 耗。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的 技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和 其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附 图，详细说明如下。

附图说明

图1是本发明实施例提出的图像模糊处理方法的步骤流程图；

图2是本发明实施例提出的图像模糊处理装置的主要架构框图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功 效，以下结合附图及较佳实施例，对依据本发明提出的图像模糊处理方法 及图像模糊处理装置其具体实施方式、结构、特征及功效，详细说明如后。

有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图 式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明， 当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具 体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加 以限制。

图1是本发明实施例提供的图像模糊处理方法的步骤流程图。请参阅 图1，本发明实施例的图像模糊处理方法可包括以下步骤S101-S 105：

步骤S101：选择缩放因子，并根据缩放因子将原图像缩小。

本步骤中，将原图像的宽和高均缩小为原来宽和高的2^k倍（原图像 的宽和高同时缩小）。其中k为缩放因子。而缩放因子k的取值可以为1、 2、3、4、5、6、…等整数数值。对缩放因子k取值的选取是由对图像模糊 处理的速度的需求而决定的。具体地，如果要求图像模糊处理速度快，则 缩放因子k可以取较大值（例如数值8或者其它更大的数值），如果要求图 像模糊处理速度不需要太快，则缩放因子k可以取较小值（例如数值1、2、 3等）。将原图像的宽和高均缩小为原来宽和高的2^k倍主要为了提高运算 效率。在其他实施方式中，也可以根据实际需要将原图像缩小为原来的其 他倍数。

将原图像的宽和高均缩小为原来宽和高的2^k倍（即将原图像面积缩 小为原来面积的(2^k)^2倍）的方法是在原图像的像素中，每间隔2^k-1个 像素选取一个像素。例如，若k=1，则表示将原图像面积缩小为原来面积的 4倍，即每间隔1个像素选取1个像素从而得到缩小为原图像面积4倍的图 像。若k=2，则表示将原图像面积缩小为原来面积的16倍，即每间隔3个 像素选取1个像素，从而得到缩小为原图像面积16倍的图像。这种对图像 缩小的处理方法从信号学角度上来说，在不会丢失低频信号的同时对高频 信号也有一定的抑制作用，其处理方法和模糊处理相似（例如低通滤波的 模糊处理方法）。所以采用此图像缩小方法的最终处理效果和不采用此图像 缩小方法的最终处理效果对于人眼的视觉分辨角度来说是一致的。

步骤S101中具体还可包括步骤：

选择滤波模板，并根据缩放因子将滤波模板缩小。

本步骤中，滤波模板的选取通常是按照原图像的大小而定。滤波模板 可以为低通滤波器。将滤波模板的宽和高均缩小为原来宽和高的2^k倍（滤 波模板的宽和高同时缩小）。将滤波模板的宽和高均缩小为原来宽和高的 2^k倍的方法是在滤波模板的元素中，每间隔2^k-1个元素选取一个元素， 其具体缩小方法同图像的缩小方法相同，在此不再赘述。

步骤S 103：将一滤波模板和缩小后的图像进行卷积运算以使缩小后的 图像变模糊，从而得到一张缩小的模糊图像。

本步骤中，通常高频信号代表图像的细节部分，而低频信号代表图像 的轮廓，对图像的细节进行抑制而不丢失图像轮廓的情况下就实现了图像 的模糊。本步骤将缩小后的图像进行模糊处理是采用滤波模板（例如低通 滤波器）对缩小后的图像进行卷积运算，通过对缩小后的图像的高频信号 进行抑制使缩小后的图像产生模糊的效果。而如果图像较大不进行缩小， 则对大尺寸的图像进行模糊采用的低通滤波器的尺寸也较大，直接将此大 尺寸的低通滤波器和大尺寸的图像进行卷积运算会导致卷积运算的时间消 耗以平方关系增加。若本步骤中将缩小后的滤波模板和缩小后的图像进行 卷积运算，则本发明会使卷积运算的执行速度比直接采用滤波模板和原图 像进行卷积运算的执行速度提高(2^k)^4倍，其中，k为缩放因子。具体地， 若k=2，则图像和滤波器的宽和高均缩小为原来宽和高的2^2倍，则原图像 和滤波器的面积缩小为原来图像和滤波器面积的(2^k)^2倍=2^2^2倍，那么 图像和滤波器进行卷积运算之后，则卷积运算的速度比直接采用滤波模板 和原图像进行卷积运算的执行速度提高 (2^k)^2*(2^k)^2=2^2^2*2^2^2=2^2^4倍，即卷积运算的执行速度提高了 (2^k)^4倍。

由此，可以得出若步骤S101中包括步骤：选择滤波模板，并根据缩放 因子将滤波模板缩小，则步骤S103中具体还可包括步骤：

将缩小后的滤波模板和缩小后的图像进行卷积运算以使缩小后的图像 变模糊，从而得到一张缩小的模糊图像。

步骤S105：对缩小的模糊图像通过线性插值运算进行放大，以得到一 张和原图像大小相同的模糊图像。

本步骤中，将缩小的模糊图像进行线性插值运算，使缩小的模糊图像 的宽和高均放大2^k倍，若此线性插值的方法应用于手机平台上，则可以 由手机平台上的GPU（Graphic Processing Unit，图形处理器）部件完成， 这样也不会使整体运算时间显著增加。从效果上来说，该线性插值运算方 法是一种近似的方法，由于人眼分辨能力的限制，分辨不出近似效果（本 方法获得的模糊图像）和真实效果（直接使用大尺寸滤波器和大尺寸图像 进行卷积而获得的模糊图像）之间的差异。

在本发明实施例中，本发明根据缩放因子将图像缩小，再将一滤波模 板和缩小后的图像进行卷积运算以使缩小后的图像变模糊，从而得到一张 缩小的模糊图像，然后对缩小的模糊图像通过线性插值运算进行放大，以 得到一张和原图像大小相同的模糊图像。还根据缩放因子将滤波模板缩小， 在图像模糊时还可以将缩小后的滤波模板和缩小后的图像进行卷积运算以 使缩小后的图像变模糊，从而得到一张缩小的模糊图像。由于本发明将滤 波模板和缩小后的图像进行卷积运算，从而使图像模糊处理的执行速度大 幅度提高，用户体验更好，若应用在手机平台上，由于提高了运算效率， 因此能够减少手机电量的消耗。

图2是本发明实施例提出的图像模糊处理装置的主要架构框图。请参 阅图2，图像模糊处理装置包括：图像缩小模块201、图像模糊处理模块203 以及图像放大模块205。

更具体地，图像缩小模块201，用于选择缩放因子，并根据缩放因子将 原图像缩小。

图像模糊处理模块203，用于将滤波模板和缩小后的图像进行卷积运算 以使缩小后的图像变模糊，从而得到一张缩小的模糊图像。

图像放大模块205，可以为手机平台的GPU（Graphic Processing Unit， 图形处理器），其用于对缩小的模糊图像通过线性插值运算进行放大，以得 到一张和原图像大小相同的模糊图像。

此外，图像模糊处理装置还可以包括：模板缩小模块207。

模板缩小模块207，用于选择滤波模板，并根据缩放因子将滤波模板的 宽和高均缩小为原来宽和高的2^k倍，k为缩放因子，缩放因子k为大于零 的整数。在将滤波模板的宽和高均缩小为原来宽和高的2^k倍时，模板缩 小模块207在滤波模板的元素中，每间隔2^k-1个元素选取一个元素，从而 将滤波模板的宽和高缩小为原来宽和高的2^k倍。

图像模糊处理模块203，还用于将缩小后的滤波模板和缩小后的图像进 行卷积运算以使缩小后的图像变模糊，从而得到一张缩小的模糊图像。

图像缩小模块201，还用于将原图像的宽和高均缩小为原来宽和高的 2^k倍，k为缩放因子，缩放因子k为大于零的整数。在将原图像的宽和 高均缩小为原来宽和高的2^k倍时，图像缩小模块201在原图像的像素中， 每间隔2^k-1个像素选取一个像素，从而将原图像的宽和高均缩小为原来宽 和高的2^k倍。

图像放大模块205，还用于将缩小的模糊图像进行线性插值运算，使缩 小的模糊图像的宽和高均放大2^k倍。

在本发明实施例中，本发明根据缩放因子将图像缩小，再将一滤波模 板和缩小后的图像进行卷积运算以使缩小后的图像变模糊，从而得到一张 缩小的模糊图像，然后对缩小的模糊图像通过线性插值运算进行放大，以 得到一张和原图像大小相同的模糊图像。还根据缩放因子将滤波模板缩小， 在图像模糊时还可以将缩小后的滤波模板和缩小后的图像进行卷积运算以 使缩小后的图像变模糊，从而得到一张缩小的模糊图像。由于本发明将滤 波模板和缩小后的图像进行卷积运算，从而使图像模糊处理的执行速度大 幅度提高，用户体验更好，若应用在手机平台上，由于提高了运算效率， 因此能够减少手机电量的消耗。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流 程，是可以通过计算机程序来控制相关的硬件来完成，所述的程序可存储 于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的 实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体 （Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory， RAM）等。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式 上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发 明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可 利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例， 但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例 所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围 内。