CN109345544A - 一种24色卡的色差自动分析方法 - Google Patents

一种24色卡的色差自动分析方法 Download PDF

Info

Publication number
CN109345544A
CN109345544A CN201811102824.4A CN201811102824A CN109345544A CN 109345544 A CN109345544 A CN 109345544A CN 201811102824 A CN201811102824 A CN 201811102824A CN 109345544 A CN109345544 A CN 109345544A
Authority
CN
China
Prior art keywords
color difference
region
image
graph card
analysis method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811102824.4A
Other languages
English (en)
Other versions
CN109345544B (zh
Inventor
董波
王道宁
张亚东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yicheng High Tech (dalian) Technology Co Ltd
Original Assignee
Yicheng High Tech (dalian) Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yicheng High Tech (dalian) Technology Co Ltd filed Critical Yicheng High Tech (dalian) Technology Co Ltd
Priority to CN201811102824.4A priority Critical patent/CN109345544B/zh
Publication of CN109345544A publication Critical patent/CN109345544A/zh
Application granted granted Critical
Publication of CN109345544B publication Critical patent/CN109345544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种24色卡的色差自动分析方法，利用图卡的本身属性，构建自动分析24色卡的色差算法体系，并利用标准区域的校正变换，降低因为几何畸变产生的色差分析误差，从而降低人工调整评估图卡的工作量，能使整体色差评估的流程更加高效准确。

Description

一种24色卡的色差自动分析方法
技术领域
本发明涉及一种客观图像质量评价方法，更具体地，涉及一种24色卡的色差自动分析方法。
背景技术
24色图图卡是客观图像质量评价时，常采用的测试对象。对于现在客观图像质量评价体系中，用于做24色图的图卡包含有24种自然物体的色彩，图卡的颜色空间标准值已知。在进行24色图图卡测试并评估测试结果时，需要对24色图图卡的图像色差进行自动分析。
现有的24色卡色差参数提取方法，首先需要在有标志物的情况下，整个视频拍摄过程中，对每帧自动标定24色卡待评估区域，其次才能提取24色卡区域，最后计算色差参数。
现有方法做图卡分析，整体操作流程上方便简单，且只要评估区域选取准确，得到的结果很理想。但缺点是24色卡的微调过于复杂，对于出现几何畸变时，要定位到畸变下的图卡位置需要大量的人工处理时间，处理效率极低。
发明内容
本发明的目的在于克服现有技术存在的上述缺陷，提供一种24色卡的色差自动分析方法，利用图卡的本身属性，构建自动分析24色卡的色差算法体系，并利用标准区域的校正变换，降低因为几何畸变产生的色差分析误差。
为实现上述目的，本发明的技术方案如下：
一种24色卡的色差自动分析方法，其特征在于，包括以下步骤：
S1：使用待测试设备，获取拍摄图像；
S2：基于高亮灰度方法，对拍摄图像进行区域自动分割；
S3：基于第19块图卡边界形状的区域校正与分割；
S4：对待计算图卡区域进行微调，将每个待计算图卡区域中色块矩形面积调整为原色块部分区域，以矩形中心为参考，缩小色块矩形面积，并且在此基础上调节整体分割出的图卡四个顶点横纵坐标值，使第19块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果；
S5：利用分割的色卡图像进行色差参数估计。
进一步地，所述步骤S2具体包括以下步骤：
S21：将拍摄图像转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积直方图频率大于特定值的最小灰度阶作为阈值，对图像做二值化；
S22：对二值化后的图像做形态学开操作；
S23：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的有效面积、外接矩形大小、中心位置；
S24：将有效面积满足大于等于B的闭包保留，小于B的剔除；
S25：将长宽比满足H:W的闭包保留，不满足的剔除；
S26：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近第13、14与19的凸包区域作为第19块图卡的分割区域结果。
进一步地，所述步骤S3具体包括以下步骤：
S31：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点；
S32：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4；
S33：对整体图像做透视变换矩阵的几何校正；
S34：对校正后的图卡块，进行旋转调整，使第19块区域位于整个当前图像的左下角位置；
S35：基于标准图卡的位置关系，在第19块区域的位置基础上，大体分割出其他各块区域，得到24个矩形的坐标，用来表示24个待计算图卡区域的位置。
进一步地，步骤S25中，长宽比H:W的取值范围为0.8～1.2。
进一步地，步骤S24中，B值在图像分辨率规定的情况下的取值范围为行值的1％～4.5％。
进一步地，步骤S4中，缩小色块矩形面积的缩小比例范围是0.1～0.3。
从上述技术方案可以看出，本发明利用图卡的本身属性，构建自动分析24色卡的色差算法体系，并利用标准区域的校正变换，降低因为几何畸变产生的色差分析误差。因此，本发明具有降低人工调整评估图卡的工作量，能使整体色差评估的流程更加高效准确的显著特点。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步的详细说明。
需要说明的是，在下述的具体实施方式中，在详述本发明的实施方式时，为了清楚地表示本发明的结构以便于说明，特对附图中的结构不依照一般比例绘图，并进行了局部放大、变形及简化处理，因此，应避免以此作为对本发明的限定来加以理解。
对于现在客观图像质量评价体系中，用于做24色图的图卡包含有24种自然物体的色彩，图卡的颜色空间标准值已知。在进行24色图图卡测试并评估测试结果时，需要对24色图图卡的图像色差进行自动分析。
参考附图1，一种24色卡的色差自动分析方法，其特征在于，包括以下步骤：
S1：使用待测试设备，获取拍摄图像。
S2：基于高亮灰度方法，对拍摄图像进行区域自动分割：
S21：将拍摄图像转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积直方图频率大于99％的最小灰度阶作为阈值，对图像做二值化；
S22：对二值化后的图像做形态学开操作。
S23：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的有效面积、外接矩形大小、中心位置。
S24：将有效面积满足大于B的闭包保留，小于B的剔除。
B值在图像分辨率规定的情况下的取值范围为行值的1％～4.5％。
S25：将长宽比满足H:W的闭包保留，不满足的剔除。
长宽比H:W的取值范围为0.8～1.2。
S26：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近第13、14与19的凸包区域作为第19块图卡的分割区域结果。
S3：基于第19块图卡边界形状的区域校正与分割：
S31：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点。
S32：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4。
S33：对整体图像做透视变换矩阵的几何校正。
S34：对校正后的图卡块，进行旋转调整，使第19块区域位于整个当前图像的左下角位置。
S35：基于标准图卡的位置关系，在第19块区域的位置基础上，大体分割出其他各块区域，得到24个矩形的坐标，用来表示24个待计算图卡区域的位置。
S4：对待计算图卡区域进行微调，将每个待计算图卡区域中色块矩形面积调整为原色块部分区域，以矩形中心为参考，缩小色块矩形面积，并且在此基础上调节整体分割出的图卡四个顶点横纵坐标值，使第19块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果。
缩小色块矩形面积的缩小比例范围是0.1～0.3。
S5：利用分割的色卡图像进行色差参数估计。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种24色卡的色差自动分析方法，其特征在于，包括以下步骤：
S1：使用待测试设备，获取拍摄图像；
S2：基于高亮灰度方法，对拍摄图像进行区域自动分割；
S3：基于第19块图卡边界形状的区域校正与分割；
S4：对待计算图卡区域进行微调，将每个待计算图卡区域中色块矩形面积调整为原色块部分区域，以矩形中心为参考，缩小色块矩形面积，并且在此基础上调节整体分割出的图卡四个顶点横纵坐标值，使第19块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果；
S5：利用分割的色卡图像进行色差参数估计。
2.根据权利要求1所述的一种24色卡的色差自动分析方法，其特征在于，所述步骤S2具体包括以下步骤：
S21：将拍摄图像转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积直方图频率大于特定值的最小灰度阶作为阈值，对图像做二值化；
S22：对二值化后的图像做形态学开操作；
S23：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的有效面积、外接矩形大小、中心位置；
S24：将有效面积满足大于等于B的闭包保留，小于B的剔除；
S25：将长宽比满足H:W的闭包保留，不满足的剔除；
S26：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近第13、14与19的凸包区域作为第19块图卡的分割区域结果。
3.根据权利要求1所述的一种24色卡的色差自动分析方法，其特征在于，所述步骤S3具体包括以下步骤：
S31：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点；
S32：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4；
S33：对整体图像做透视变换矩阵的几何校正；
S34：对校正后的图卡块，进行旋转调整，使第19块区域位于整个当前图像的左下角位置；
S35：基于标准图卡的位置关系，在第19块区域的位置基础上，大体分割出其他各块区域，得到24个矩形的坐标，用来表示24个待计算图卡区域的位置。
4.根据权利要求2所述的一种24色卡的色差自动分析方法，其特征在于，步骤S25中，长宽比H:W的取值范围为0.8～1.2。
5.根据权利要求2所述的一种24色卡的色差自动分析方法，其特征在于，步骤S24中，B值在图像分辨率规定的情况下的取值范围为行值的1％～4.5％。
6.根据权利要求1所述的一种24色卡的色差自动分析方法，其特征在于，步骤S4中，缩小色块矩形面积的缩小比例范围是0.1～0.3。
CN201811102824.4A 2018-09-20 2018-09-20 一种24色卡的色差自动分析方法 Active CN109345544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811102824.4A CN109345544B (zh) 2018-09-20 2018-09-20 一种24色卡的色差自动分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811102824.4A CN109345544B (zh) 2018-09-20 2018-09-20 一种24色卡的色差自动分析方法

Publications (2)

Publication Number Publication Date
CN109345544A true CN109345544A (zh) 2019-02-15
CN109345544B CN109345544B (zh) 2021-11-23

Family

ID=65306360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811102824.4A Active CN109345544B (zh) 2018-09-20 2018-09-20 一种24色卡的色差自动分析方法

Country Status (1)

Country Link
CN (1) CN109345544B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110189329A (zh) * 2019-04-03 2019-08-30 阿里巴巴集团控股有限公司 用于定位色卡的色块区域的***和方法
CN113840135A (zh) * 2021-09-03 2021-12-24 大连中科创达软件有限公司 色偏检测方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101207832A (zh) * 2006-12-19 2008-06-25 Tcl数码科技（深圳）有限责任公司 数码相机色彩还原的检测方法
US20090059028A1 (en) * 2006-10-02 2009-03-05 Nikiforos Kollias Imaging Standard Apparatus and Method
CN102081802A (zh) * 2011-01-26 2011-06-01 北京中星微电子有限公司 一种基于块匹配的色卡检测方法和装置
US20150172513A1 (en) * 2013-12-18 2015-06-18 Nokia Corporation Methods And Apparatus For Color Balance Correction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090059028A1 (en) * 2006-10-02 2009-03-05 Nikiforos Kollias Imaging Standard Apparatus and Method
CN101207832A (zh) * 2006-12-19 2008-06-25 Tcl数码科技（深圳）有限责任公司 数码相机色彩还原的检测方法
CN102081802A (zh) * 2011-01-26 2011-06-01 北京中星微电子有限公司 一种基于块匹配的色卡检测方法和装置
US20150172513A1 (en) * 2013-12-18 2015-06-18 Nokia Corporation Methods And Apparatus For Color Balance Correction

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110189329A (zh) * 2019-04-03 2019-08-30 阿里巴巴集团控股有限公司 用于定位色卡的色块区域的***和方法
CN110189329B (zh) * 2019-04-03 2022-12-13 创新先进技术有限公司 用于定位色卡的色块区域的***和方法
CN113840135A (zh) * 2021-09-03 2021-12-24 大连中科创达软件有限公司 色偏检测方法、装置、设备及存储介质
CN113840135B (zh) * 2021-09-03 2023-10-20 大连中科创达软件有限公司 色偏检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109345544B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN109242870A (zh) 一种基于图像划分和纹理特征的海天线检测方法
CN108257099B (zh) 一种基于视觉对比度分辨率的自适应红外图像增强方法
CN103295191A (zh) 多尺度视觉自适应图像增强方法及评价方法
US8532428B2 (en) Noise reducing apparatus, noise reducing method, and noise reducing program for improving image quality
CN116205823A (zh) 一种基于空域滤波的超声影像去噪方法
CN106204617B (zh) 基于残差图像直方图循环移位的自适应图像二值化方法
CN101162503A (zh) 利用改进Hausdorff距离提取识别人耳特征的方法
CN116912250B (zh) 基于机器视觉的菌包生产质量检测方法
CN101510255A (zh) 一种识别定位人脸器官的方法、装置和视频处理芯片
CN108898132A (zh) 一种基于形状上下文描述的太赫兹图像危险品识别方法
CN107067375A (zh) 一种基于暗通道先验和边缘信息的图像去雾方法
CN116563799B (zh) 基于视频监控的粉尘在线监测方法
CN109345544A (zh) 一种24色卡的色差自动分析方法
CN101211459A (zh) 一种针对边界点进行处理的直方图均衡方法
CN109886945A (zh) 基于对比度增强的无参考对比度失真图像质量评价方法
CN106846343A (zh) 一种基于聚类超像素分割的病理图像特征提取方法
CN113344810A (zh) 基于动态数据分布的图像增强方法
CN103489168A (zh) 一种红外图像自适应转伪彩增强方法及***
CN110930425B (zh) 基于邻域向量内积局部对比度图像增强的损伤目标检测方法
CN109377475A (zh) 24色卡视频关键帧自动定位与色差时序变化分析方法
CN113091915B (zh) 基于人脸识别的自动体温信息采集***
CN110111280A (zh) 一种多尺度梯度域引导滤波的低照度图像增强算法
CN112200755B (zh) 一种图像去雾方法
CN109903275A (zh) 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法
CN107369157A (zh) 一种自适应阈值Otsu图像分割方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liao Zhiliang

Inventor after: Tao Liang

Inventor after: Wang Daoning

Inventor after: Zhang Yadong

Inventor after: Dong Bo

Inventor before: Dong Bo

Inventor before: Wang Daoning

Inventor before: Zhang Yadong

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method for Automatic Color Difference Analysis of 24 Color Cards

Effective date of registration: 20230726

Granted publication date: 20211123

Pledgee: Dalian Branch of Shanghai Pudong Development Bank Co.,Ltd.

Pledgor: YICHENG GAOKE (DALIAN) TECHNOLOGY Co.,Ltd.

Registration number: Y2023980049989