CN109348216A - 一种坏点检测和平场校准的联合处理方法 - Google Patents
一种坏点检测和平场校准的联合处理方法 Download PDFInfo
- Publication number
- CN109348216A CN109348216A CN201811431057.1A CN201811431057A CN109348216A CN 109348216 A CN109348216 A CN 109348216A CN 201811431057 A CN201811431057 A CN 201811431057A CN 109348216 A CN109348216 A CN 109348216A
- Authority
- CN
- China
- Prior art keywords
- bad point
- field calibration
- field
- fpn
- flat
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请公开一种坏点检测和平场校准的联合处理方法，包括执行图像采集过程，得到一张暗场图和一张亮场图；利用得到的暗场图和亮场图计算平场校准系数；基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；对所有正常像素点采用公式Output＝(Input‑FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。本申请实施例提供的方法，通过在平场校准过程中实时增加对坏点的检测，有效地将两种传统方法的功能合并，在简化流程的同时保证了响应曲线的质量，提高了工作效率。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种坏点检测和平场校准的联合处理方法。
背景技术
坏点检测和平场校准都是工业相机生产制造中必不可少的环节。图像传感器作为相机中的成像器件，在理论上可以对所有的感光单元正常响应，并且获得的响应曲线应该一致。然而，由于制造工艺、运输环节、使用寿命等因素的影响，将导致部分感光单元出现不响应或响应异常的情况，这类感光单元通常被认为是图像传感器上的坏点，在使用时需要将这些坏点及时检测出来并做相应的处理，即为坏点校准过程；而对于正常响应的感光单元，其彼此之间的响应也不是严格一致的，会造成拍摄平场图像时出现图像灰度值不一致的情况，对工业检测造成一定的干扰，平场校准就是对图像传感器的响应曲线进行校正的过程，以排除上述干扰。
目前，坏点检测和平场校准是两个独立的处理方法，通常情况下，在相机出厂前，由相机的生产厂家通过对相机进行坏点检测可以将坏点的坐标信息存储在相机中，而客户可以将进行坏点检测后的相机拿到现场去做平场校准，来校正响应曲线。然而，上述实现方法往往存在下列问题：一、随着相机使用时间增加，可能会出现新的坏点，而客户如果不进行坏点检测，势必将会对实际使用产生影响；二、为了防止新出现的坏点造成的干扰，客户需要自行进行常规的坏点检测，另外，客户每更换一种测试场景或测试设备(光源、镜头等)都需要重新进行平场校准，目前坏点检测和平场校准是两个独立的操作过程，这将会使得检测流程非常繁琐，检测效率低。
发明内容
本申请提供一种坏点检测和平场校准的联合处理方法，已解决现有技术中不便对新增的坏点及时做出检测、且检测流程繁琐的问题，并且本申请提供的方法将两种传统方法的功能合并，在简化流程的同时保证了响应曲线的质量，提高了工作效率。
本申请提供了一种坏点检测和平场校准的联合处理方法，包括：
执行图像采集过程，得到一张暗场图和一张亮场图；
利用得到的暗场图和亮场图计算平场校准系数；
基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；
对所有正常像素点采用公式Output＝(Input-FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。
可选的，所述基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合包括：
设置平场校准系数阈值TFPN和TPRNU；其中，TFPN为固定模式噪声阈值，TPRNU为光电响应不一致性系数阈值；
根据平场校准系数和平场校准系数阈值TFPN和TPRNU，逐一判断每个像素点是否为坏点；
若判断该像素点为坏点，将该像素点的坐标存储在相机中；若判断该像素点不是坏点，则认为是正常像素点；
当所有像素点判断完毕，将所有正常像素点构成正常像素点集合。
可选的，所述根据平场校准系数和平场校准系数阈值TFPN和TPRNU，逐一判断每个像素点是否为坏点包括：
将所有像素点的平场校准系数求平均值，得到固定模式噪声均值mean(FPN)和光电响应不一致性系数均值mean(PRNU)；
分别计算每个像素点的平场校准系数与平均值之间的偏差，并将偏差与平场校准系数阈值进行比较；若满足公式
则判断该像素点为坏点；若不满足上述公式，则判断该像素点为正常像素点。
可选的，所述平场校准系数阈值TFPN＝300％，TPRNU＝50％。
可选的，所述暗场图为相机在暗室中，光源全部关闭且曝光时间最小时采集的图像；所述亮场图为相机在正常曝光时间下，拍摄平板光源，使图像灰度值达到图像饱和值的80％时采集的图像。
可选的，所述执行图像采集过程，得到一张暗场图和一张亮场图包括：
分别拍摄至少三张暗场图及至少三张亮场图；
计算所有拍摄得到的暗场图的灰度平均值，作为执行下一步骤的暗场图；
计算所有拍摄得到的亮场图的灰度平均值，作为执行下一步骤的亮场图。
可选的，所述平场校准系数包括固定模式噪声值FPN和光电响应不一致性系数PRNU，所述固定模式噪声值FPN和光电相应不一致性系数PRNU由以下公式计算得出：
其中，Idark和Ilight分别表示暗场图像和亮场图像，max(-)表示求最大值运算。
可选的，进行平场校准前，所述方法还包括：
采用坏点校正模块对坏点进行修正，使坏点变为正常像素点。
由以上技术方案可知，本申请提供了一种坏点检测和平场校准的联合处理方法，包括执行图像采集过程，得到一张暗场图和一张亮场图；再利用得到的暗场图和亮场图计算平场校准系数；接着，基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；最后，对所有正常像素点采用公式Output＝(Input-FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。本申请实施例提供的方法，通过在平场校准过程中实时增加对坏点的检测，有效地将两种传统方法的功能合并，在简化流程的同时保证了响应曲线的质量，提高了工作效率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种坏点检测和平场校准的联合处理方法的流程图；
图2为本申请提供的方法中步骤S30的分解步骤图；
图3为本申请提供的方法中步骤S32的分解步骤图；
图4为本申请提供的方法中步骤S10的分解步骤图；
图5为本申请提供的方法在计算平场校准系数过程中感光单元的响应示意图；
图6为本申请提供的方法在一种优选实施例下的流程图。
具体实施方式
参见图1，为本申请提供的一种坏点检测和平场校准的联合处理方法的流程图；
由图1可知，本申请实施例提供了一种坏点检测和平场校准的联合处理方法，包括：
S10：执行图像采集过程，得到一张暗场图和一张亮场图；本实施例中，是采用两点法进行平场校准的采图过程，而对于暗场图及亮场图的获取，可以采用多种方式，例如，在一种可行性实施例中，所述暗场图为相机在暗室中，光源全部关闭且曝光时间最小时采集的图像；所述亮场图为相机在正常曝光时间下，拍摄平板光源，使图像灰度值达到图像饱和值的80％时采集的图像，假设图像的饱和值为255，则需要采集的图像亮度值应为255的80％，即约为204，需要说明的是，所采用的平板光源的均匀性应至少达到95％，以获取质量较高的亮场图。
参见图4，为本申请提供的方法中步骤S10的分解步骤图；
进一步的，由图4可知，为了减小图像的时域噪声，在一种优选例中，步骤S10可以细化为以下三个分步骤：
S11：分别拍摄至少三张暗场图及至少三张亮场图；拍摄的张数越多，越能够有效排除时域噪声的干扰，但由于多次的拍摄会降低工作效率，因此本实施例中优选各拍摄三张图。
S12：计算所有拍摄得到的暗场图的灰度平均值，作为执行下一步骤的暗场图；
S13：计算所有拍摄得到的亮场图的灰度平均值，作为执行下一步骤的亮场图。
由上述可知，多次采集图像并求平均值，是为了减小时域噪声，使得到的最终用于平场校准的图像响应曲线更加准确，提高处理精度。
由图1可知，当获取到一张暗场图和一张亮场图后，需要进行步骤S20：利用得到的暗场图和亮场图计算平场校准系数；在步骤S20中，由于图像传感器的每个感光单元的响应基本为线性，以此作为平场校准的前提，可将感应单元的响应用坐标图的形式体现；
具体的，所述平场校准系数包括固定模式噪声值FPN和光电响应不一致性系数PRNU，所述固定模式噪声值FPN和光电相应不一致性系数PRNU由以下公式计算得出：
其中，Idark和Ilight分别表示暗场图像和亮场图像，max(-)表示求最大值运算。
参见图5，为本申请提供的方法在计算平场校准系数过程中感光单元的响应示意图；
由图5可知，由于固定模式噪声值FPN表征的是图像暗场性能，感光单元在不感光的情况下灰度值应该最小为0，但实际上，其可能不为0，而固定模式噪声值FPN的作用就是将暗场图的灰度值调整为0，用图中直线的截距来表示；而光电响应不一致性系数PRNU解决的是各个感光单元相应的不一致性，体现为图中直线的斜率，可以理解为，平场校准中，在光电响应不一致性系数PRNU的作用下使得各个感光单元响应点间连线的斜率相等，即各点位于同一条直线上。因此，为了保证所有感光单元的响应为线性，每个感光单元对应一组平场校准系数。
当所有感光单元计算得到对应的平场校准系数以后，进行步骤S30：基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；该步骤的实质是进行坏点检测，但不同于常规坏点检测方法的是，能够有效利用步骤S20中得到的平场校准系数作为判定坏点的因素，无需重新获得坏点检测所需获得的灰度值信息，有效简化流程，并且提高工作效率。
参见图2，为本申请提供的方法中步骤S30的分解步骤图；
进一步的，由图2可知，步骤S30可细化为下列步骤：
S31：设置平场校准系数阈值TFPN和TPRNU；其中，TFPN为固定模式噪声阈值，TPRNU为光电响应不一致性系数阈值；这里的平场校准系数阈值为百分数表示，例如，当给出一组数值TFPN＝300％，TPRNU＝50％时，其表示的是当某一像素点的实测固定模式噪声值与所有像素点的实测固定模式噪声平均值相差超过平均值的300％时，或者，当该像素点的实测光电响应不一致性系数与所有像素点的实测光电响应不一致性系数平均值相差超过平均值的50％时，只要二者之一出现上述情况，则判定该像素点为坏点；当二者均未出现上述情况时，则判定该像素点为正常像素点。
S32：根据平场校准系数和平场校准系数阈值TFPN和TPRNU，逐一判断每个像素点是否为坏点；具体的，参见图3，为本申请提供的方法中步骤S32的分解步骤图；判定过程为：
S321：将所有像素点的平场校准系数求平均值，得到固定模式噪声均值mean(FPN)和光电响应不一致性系数均值mean(PRNU)；
S322：分别计算每个像素点的平场校准系数与平均值之间的偏差，并将偏差与平场校准系数阈值进行比较；若满足公式
则判断该像素点为坏点；若不满足上述公式，则判断该像素点为正常像素点。
举例来说，假设某一像素点实测平场校准系数FPN＝65，mean(FPN)＝15，TFPN＝300％，则|FPN-mean(PRNU)|＝50＞300％*15，此时可以判定该像素点为坏点。
S33：若判断该像素点为坏点，将该像素点的坐标存储在相机中，便于坏点校正模块对坏点进行修正；若判断该像素点不是坏点，则认为是正常像素点；
S34：当所有像素点判断完毕，将所有正常像素点构成正常像素点集合，接下来对进行的操作都是针对正常像素点集合中的像素点进行的，不包括坏点，避免了坏点造成的干扰。
S40：对所有正常像素点采用公式Output＝(Input-FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。
参见图6，为本申请提供的方法在一种优选实施例下的流程图。
检测出的坏点如果不做校正，则会影响实际应用，尤其是工业上对缺陷的检测。为此，可以在步骤S40之前，设置步骤S50：采用坏点校正模块对坏点进行修正，使坏点变为正常像素点，以达到大批量集中对坏点进行处理的目的。关于如何对坏点进行校正，在本实施例中不作限制，应该认为，具有坏点校正功能的装置、方法均可用于本实施例的步骤S50中；例如，可以采用坏点周围的正常像素点替代坏点，以使坏点位置响应与正常像素点一致等。
由以上技术方案可知，本申请公开了一种坏点检测和平场校准的联合处理方法，包括执行图像采集过程，得到一张暗场图和一张亮场图；利用得到的暗场图和亮场图计算平场校准系数；基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；对所有正常像素点采用公式Output＝(Input-FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。本申请实施例提供的方法，通过在平场校准过程中实时增加对坏点的检测，有效地将两种传统方法的功能合并，在简化流程的同时保证了响应曲线的质量，提高了工作效率。
领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种坏点检测和平场校准的联合处理方法，其特征在于，所述方法包括：
执行图像采集过程，得到一张暗场图和一张亮场图；
利用得到的暗场图和亮场图计算平场校准系数；
基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合；
对所有正常像素点采用公式Output＝(Input-FPN)*PRNU进行平场校准，然后输出图像，其中，FPN为固定模式噪声值，PRNU为光电响应不一致性系数，Input和Output分别表示图像的输入数据和输出数据。
2.根据权利要求1所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述基于算得的平场校准系数进行坏点检测，剔除坏点，得到正常像素点集合包括：
设置平场校准系数阈值TFPN和TPRNU；其中，TFPN为固定模式噪声阈值，TPRNU为光电响应不一致性系数阈值；
根据平场校准系数和平场校准系数阈值TFPN和TPRNU，逐一判断每个像素点是否为坏点；
若判断该像素点为坏点，将该像素点的坐标存储在相机中；若判断该像素点不是坏点，则认为是正常像素点；
当所有像素点判断完毕，将所有正常像素点构成正常像素点集合。
3.根据权利要求2所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述根据平场校准系数和平场校准系数阈值TFPN和TPRNU，逐一判断每个像素点是否为坏点包括：
将所有像素点的平场校准系数求平均值，得到固定模式噪声均值mean(FPN)和光电响应不一致性系数均值mean(PRNU)；
分别计算每个像素点的平场校准系数与平均值之间的偏差，并将偏差与平场校准系数阈值进行比较；若满足公式
则判断该像素点为坏点；若不满足上述公式，则判断该像素点为正常像素点。
4.根据权利要求3所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述平场校准系数阈值TFPN＝300％，TPRNU＝50％。
5.根据权利要求1所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述暗场图为相机在暗室中，光源全部关闭且曝光时间最小时采集的图像；所述亮场图为相机在正常曝光时间下，拍摄平板光源，使图像灰度值达到图像饱和值的80％时采集的图像。
6.根据权利要求1所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述执行图像采集过程，得到一张暗场图和一张亮场图包括：
分别拍摄至少三张暗场图及至少三张亮场图；
计算所有拍摄得到的暗场图的灰度平均值，作为执行下一步骤的暗场图；
计算所有拍摄得到的亮场图的灰度平均值，作为执行下一步骤的亮场图。
7.根据权利要求1所述的一种坏点检测和平场校准的联合处理方法，其特征在于，所述平场校准系数包括固定模式噪声值FPN和光电响应不一致性系数PRNU，所述固定模式噪声值FPN和光电相应不一致性系数PRNU由以下公式计算得出：
其中，Idark和Ilight分别表示暗场图像和亮场图像，max(-)表示求最大值运算。
8.根据权利要求1所述的一种坏点检测和平场校准的联合处理方法，其特征在于，进行平场校准前，所述方法还包括：
采用坏点校正模块对坏点进行修正，使坏点变为正常像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431057.1A CN109348216A (zh) | 2018-11-28 | 2018-11-28 | 一种坏点检测和平场校准的联合处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431057.1A CN109348216A (zh) | 2018-11-28 | 2018-11-28 | 一种坏点检测和平场校准的联合处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109348216A true CN109348216A (zh) | 2019-02-15 |
Family
ID=65318851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811431057.1A Pending CN109348216A (zh) | 2018-11-28 | 2018-11-28 | 一种坏点检测和平场校准的联合处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109348216A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112055199A (zh) * | 2020-09-22 | 2020-12-08 | 中国科学技术大学 | 一种科学级cmos相机性能测试***和方法 |
| CN112656435A (zh) * | 2020-12-21 | 2021-04-16 | 明峰医疗***股份有限公司 | 一种自动检测探测器坏点的方法 |
| WO2021127972A1 (zh) * | 2019-12-24 | 2021-07-01 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、成像设备及可移动载体 |
| CN113808046A (zh) * | 2021-09-18 | 2021-12-17 | 凌云光技术股份有限公司 | 一种平场校正参数的获取方法及装置 |
| CN115618766A (zh) * | 2022-11-08 | 2023-01-17 | 中国航发四川燃气涡轮研究院 | 一种可实时剔除航空发动机流道测试数据坏点的算法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077547A (zh) * | 2012-11-22 | 2013-05-01 | 中国科学院自动化研究所 | 基于cuda架构的ct在线重建与实时可视化方法 |
| US20150350578A1 (en) * | 2009-12-15 | 2015-12-03 | Sony Corporation | Image pickup device without a light shielding device and defect detecting method thereof |
| CN105306843A (zh) * | 2015-10-20 | 2016-02-03 | 凌云光技术集团有限责任公司 | 一种图像传感器的坏点处理方法及*** |
| CN105430385A (zh) * | 2015-12-14 | 2016-03-23 | 上海富瀚微电子股份有限公司 | 一种图像传感器坏点检测和校正的方法及装置 |
| CN105758624A (zh) * | 2016-04-12 | 2016-07-13 | 上海科涅迩光电技术有限公司 | 一种眩光测试方法及*** |
| WO2017140446A1 (de) * | 2016-02-16 | 2017-08-24 | Siemens Aktiengesellschaft | Vorrichtung mit einem bildsensor zum erfassen von bilddaten sowie verfahren zum prüfen eines solchen bildsensors |
-
2018
- 2018-11-28 CN CN201811431057.1A patent/CN109348216A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150350578A1 (en) * | 2009-12-15 | 2015-12-03 | Sony Corporation | Image pickup device without a light shielding device and defect detecting method thereof |
| CN103077547A (zh) * | 2012-11-22 | 2013-05-01 | 中国科学院自动化研究所 | 基于cuda架构的ct在线重建与实时可视化方法 |
| CN105306843A (zh) * | 2015-10-20 | 2016-02-03 | 凌云光技术集团有限责任公司 | 一种图像传感器的坏点处理方法及*** |
| CN105430385A (zh) * | 2015-12-14 | 2016-03-23 | 上海富瀚微电子股份有限公司 | 一种图像传感器坏点检测和校正的方法及装置 |
| WO2017140446A1 (de) * | 2016-02-16 | 2017-08-24 | Siemens Aktiengesellschaft | Vorrichtung mit einem bildsensor zum erfassen von bilddaten sowie verfahren zum prüfen eines solchen bildsensors |
| CN105758624A (zh) * | 2016-04-12 | 2016-07-13 | 上海科涅迩光电技术有限公司 | 一种眩光测试方法及*** |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021127972A1 (zh) * | 2019-12-24 | 2021-07-01 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、成像设备及可移动载体 |
| CN112055199A (zh) * | 2020-09-22 | 2020-12-08 | 中国科学技术大学 | 一种科学级cmos相机性能测试***和方法 |
| CN112656435A (zh) * | 2020-12-21 | 2021-04-16 | 明峰医疗***股份有限公司 | 一种自动检测探测器坏点的方法 |
| CN113808046A (zh) * | 2021-09-18 | 2021-12-17 | 凌云光技术股份有限公司 | 一种平场校正参数的获取方法及装置 |
| CN113808046B (zh) * | 2021-09-18 | 2024-04-02 | 凌云光技术股份有限公司 | 一种平场校正参数的获取方法及装置 |
| CN115618766A (zh) * | 2022-11-08 | 2023-01-17 | 中国航发四川燃气涡轮研究院 | 一种可实时剔除航空发动机流道测试数据坏点的算法 |
| CN115618766B (zh) * | 2022-11-08 | 2023-04-04 | 中国航发四川燃气涡轮研究院 | 一种可实时剔除航空发动机流道测试数据坏点的算法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109348216A (zh) | 一种坏点检测和平场校准的联合处理方法 | |
| CN105100632B (zh) | 成像设备自动曝光的调整方法及装置、成像设备 | |
| CN109525840B (zh) | 一种成像芯片上微弱缺陷的检测方法 | |
| EP3989542A1 (en) | Method and apparatus for evaluating image acquisition accuracy, and electronic device and storage medium | |
| CN110149486A (zh) | 一种新增异常点的自动检测方法、校正方法及*** | |
| US20110058098A1 (en) | Setting Exposure Attributes for Capturing Calibration Images | |
| US20230410369A1 (en) | Method and apparatus for adjusting an image acquisition apparatus, compensation method of a display panel, device and medium | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| WO2017202114A1 (zh) | 确定用于检测的光照强度的方法和装置、及光学检测方法和装置 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和*** | |
| CN108055532A (zh) | 自动化匹配测试卡的方法与装置 | |
| CN109696240A (zh) | 半导体激光器全局均匀度的检测方法、装置及可读存储介质 | |
| CN110519580A (zh) | 一种投影仪自动调焦方法、装置、设备及可读存储介质 | |
| CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
| JP6605222B2 (ja) | 画像検査システムのエラー識別パラメータをコンピュータにより自動的に設定する方法 | |
| CN114584700A (zh) | 对焦标记方法、标记装置以及电子设备 | |
| CN115049530A (zh) | 用于调试图像信号处理器的方法、装置和*** | |
| CN116721039B (zh) | 一种应用于自动化光学缺陷检测中的图像预处理方法 | |
| CN101685240B (zh) | 判断图像提取装置对焦品质的方法 | |
| CN117455887A (zh) | 基于机器视觉的pcb来料检测方法、装置、设备及介质 | |
| TWI552603B (zh) | 影像校正系統以及方法 | |
| CN110738606A (zh) | 多光源***的图像校正方法、装置、终端及存储介质 | |
| CN116668831A (zh) | 一种多相机***的一致性调节方法及装置 | |
| CN116297478A (zh) | 光伏玻璃的镀膜缺陷检测方法、装置及*** | |
| CN109580174A (zh) | 半导体激光器局部均匀度的检测方法、装置及可读存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co.,Ltd. Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: Beijing lingyunguang Technology Group Co.,Ltd. Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Beijing lingyunguang Technology Group Co.,Ltd. Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |