[发明专利]基于全变分范数图像分块梯度计算的图像重构方法

摘要

本发明涉及一种基于全变分范数图像分块梯度计算的图像重构方法，包括图像分块处理、初始化、测量值获取、图像块重构、合并图像块等步骤；在对分块图像进行重构时，除了其最上面一横排图像块和最左面的一竖排图像块，其余的各小块充分地利用已完成重构的上方和左方的图像块的边缘信息，因此，本发明可以有效地去除块效应，减少重建图像所消耗的时间，提高图像的重构质量。

主权项

一种基于全变分范数图像分块梯度计算的图像重构方法，其特征在于包括如下步骤：1)图像分块：将大小为M×N的图像u分成大小为n×n的图像块，其中，n为M、N的公约数，满足s＝M/n,t＝N/n，即待处理图像被分成H＝s×t个图像块，图像块从左到右，从上到下依次记为K₁,K₂…K_H；2)初始化图像块变量c＝1；3)利用测量矩阵对图像块K_c进行随机测量,得到图像块K_c随机像素点的像素值矩阵y；4)计算图像块K_c水平方向和垂直方向的梯度值，其中，若图像块u_c位于第1行第1列，水平方向和垂直方向的梯度值计算方法如下：$\begin{array}{c}{D}_h(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i-1,j},& 1\&lt;i\&le;n\\ 0,& i=1\end{array}\right.\\ D_v(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i,j-1},& 1\&lt;i\&le;n\\ 0,& j=1\end{array}\right.\end{array};$其中，D_h(i,j)表示像素点(i，j)的水平梯度值，D_v(i,j)表示像素点(i，j)的垂直梯度值，K_i,j表示像素点(i，j)的像素值，i和j满足i∈[1,n]，j∈[1,n]，转步骤8)，否则转步骤5)；5)若图像块K_c位于第1行，水平方向和垂直方向的梯度值的计算方法如下：$\begin{array}{c}{D}_h(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i-1,j},& 1\&lt;i\&le;n\\ 0,& i=1\end{array}\right.\\ D_v(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i,j-1},& 1\&lt;i\&le;n\\ K_{i,j}-U_{i,n},& j=1\end{array}\right.\end{array};$其中，U_i,n用来表示待重构块K_c的上方图像块的边缘信息，转步骤8)，否则转步骤6)；6)若图像块K_c位于第1列，水平方向和垂直方向的梯度值的计算方法如下：转步骤8)，否则转步骤7)；7)水平方向和垂直方向的梯度值的计算方法如下：$\begin{array}{c}{D}_h(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i-1,j},& 1\&lt;i\&le;n\\ K_{i,j}-L_{n,j},& i=1\end{array}\right.\\ D_v(i,j)=\left\{\begin{array}{cc}{K}_{i,j}-K_{i,j-1},& 1\&lt;i\&le;n\\ K_{i,j}-U_{i,n},& j=1\end{array}\right.\end{array};$其中，L_n,j用来表示待重构块K_c的左方图像块的边缘信息，转步骤8)；8)对图像块K_c进行压缩传感重构；9)修改图像块变量：c＝c+1，转步骤10)；10)如果c<＝H，转步骤3)，否则转步骤11)；11)合并图像块，按照拆分顺序将重构后的图像块合并，整个重构过程结束。