CN109615592B - 一种通过灰度曲线实现图像区域补偿的方法 - Google Patents
一种通过灰度曲线实现图像区域补偿的方法 Download PDFInfo
- Publication number
- CN109615592B CN109615592B CN201811433933.4A CN201811433933A CN109615592B CN 109615592 B CN109615592 B CN 109615592B CN 201811433933 A CN201811433933 A CN 201811433933A CN 109615592 B CN109615592 B CN 109615592B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- template
- histogram
- curve
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000007547 defect Effects 0.000 description 4
- 239000011324 bead Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图像处理技术改进领域,提供了一种通过灰度曲线实现图像区域补偿的方法,所述方法包括以下步骤:S1、取两组图像数据分别进行模板和样品图像定义并获取灰度图和直方图;S2、将定义好的图像进行灰度曲线变换获取比例系数;S3、根据获取的图像比例系数进行补偿后获取图像直方图的相似度。更为减少了所占的存储器空间,进而使得图像采集装置的设计成本得以大幅降低,并且提供更为良好的补偿效能,使得所采集的图像品质得以进一步提升。
Description
技术领域
本发明属于图像处理技术改进领域,尤其涉及一种通过灰度曲线实现图像区域补偿的方法。
背景技术
目前的图像补偿技术主要基于背光强度进行补偿,以补偿背光亮度降低带来的影响,保持调光前后图像显示效果不变。但在目前的图像补偿技术中,在背光强度一定的情况下,若图像画质较好(无噪声或噪声较小),补偿后可突显图像细节;若图像画质较差(噪声较大),同等强度的图像补偿会放大噪声,导致画质更差。
在一般的图像采集装置中,其利用电荷耦合元件 (Charge-coupled device,CCD)或互补式金属氧化层半导体 (Complementary Metal-Oxide Semiconductor,CMOS)之类的感光元件捕捉通过镜头进入机身内的光线。在光线通过镜片组时,会产生折射将图像呈现于CCD或CMOS上。然而,由于光线的折射会导致能量的衰减,而经过镜片边缘的光线所产生的折射角会较经过镜片中心的光线所产生的折射角大,因此造成了所拍摄图像的边缘较暗,但是中心却较亮的结果,此效应称为色差 (Color Shading) 效应。
为了消去色差效应,在一般现有的技术中,最常使用的图像补偿方法为以下两种 :利用将图像分割成 MxN个区块,并针对每一个区块计算补偿系数以对图像进行补偿 ;或是将图像在水平方向分割成 M个区块,并计算其各区块的补偿系数,再将图像在垂直方向分割成 N个区块,并计算其各区块的补系数,最后将水平与垂直的补偿系数相乘以得到整体图像的补偿系数。
在上述的第一种二维的图像补偿方法中,若将图像分割成较多个区块时,虽然可以得到较为精确的补偿系数,但是却需要相当大的存储器来储存这些补偿系数 ;若是将图像分割成较少区块时,虽然较为节省存储器空间,然而补偿系数的误差将会变大,使得补偿的图像品质降低。而在第二种一维的图像补偿方法中,其以两个一维的补偿系数组成,因此存储器只需储存 M+N个补偿系数,虽然其所耗费的存储器空间较第一种方法来的少,但由于其仅为两个一维补偿系数,因此补偿系数仍较为不精确。
当进行图像对比时,我们需要确保对比的图像区域亮度相似,所以我们需要对图像比对区域进行补偿调整,使图像符合要求,亮度相近,不损失画面细节。
发明内容
本发明的目的在于提供一种通过灰度曲线实现图像区域补偿的方法,旨在解决上述的技术问题。
本发明是这样实现的,一种通过灰度曲线实现图像区域补偿的方法,所述方法包括以下步骤:
S1、取两组图像数据分别进行模板和样品图像定义并获取灰度图和直方图;
S2、将定义好的图像进行灰度曲线变换获取比例系数;
S3、根据获取的图像比例系数进行补偿后获取图像直方图的相似度。
本发明的进一步技术方案是:所述步骤S2中还包括以下步骤:
S21、分别对定义的样品和模板图像按行或列的方式获取灰度数据;
S22、将获取的每行或每列灰度数据生成灰度曲线。
本发明的进一步技术方案是:所述步骤S2中还包括以下步骤:
S23、分别对样品和模板的灰度曲线计算低阶多项式系数并生成多项式曲线数据;
S24、将获取的样品和模板的多项式曲线数据进行计算获取比例系数。
本发明的进一步技术方案是:所述步骤S3中还包括以下步骤:
S31、对模板图像的每个灰度值按对应的比例系数进行补偿。
本发明的进一步技术方案是:所述步骤S3中还包括以下步骤:
S32、对补偿后的模板图像输出新模板图像直方图。
本发明的进一步技术方案是:所述步骤S3中还包括以下步骤:
S33、计算新模板直方图和原样品直方图的相似度。
本发明的有益效果是:更为减少了所占的存储器空间,进而使得图像采集装置的设计成本得以大幅降低,并且提供更为良好的补偿效能,使得所采集的图像品质得以进一步提升。造成图像差异很大原因是因为光源差异,而光源均匀性差异可以看作是横向和纵向的曲线波动;本专利所提出的通过分别提取图片纵向灰度曲线,将灰度曲线进行低阶多项式拟合,可以拟合出灰度曲线形态,但曲线上的缺陷特征不会被拟合出来,将拟合后的两条曲线相同位置上的点进行比例运算得出补偿系数,把每一个补偿系数赋予系数所在图像横向每一个像素都乘以次系数,便可将低于模板灰度的区域提高亮度,将高于模板灰度的区域降低亮度,实现图像补偿;
常用的将图像分割多个区块进行系数补偿,在图像拼接后都会形成图像网格化灰度梯度,影响图像的整体性;本专利补偿方法由于是单独对每一行独立系数补偿后再每一列独立系数补偿,就相当于是对每一个像数都是独立的补偿系数,可以有效提高补偿精度,同时不会产生灰度梯度断层现象。
附图说明
图1是本发明实施例提供的通过灰度曲线实现图像区域补偿的方法的流程图。
图2是本发明实施例提供的样品图像灰度图最后一列数据做灰度曲线和多项式拟合曲线示意图。
图3是本发明实施例提供的模板图像灰度图最后一列数据做灰度曲线和多项式拟合曲线示意图。
图4是本发明实施例提供的多项式曲线比例系数运算示意图。
图5是本发明实施例提供的原模板灰度图示意图。
图6是本发明实施例提供的原模板直方图示意图。
图7是本发明实施例提供的原样品灰度图示意图。
图8是本发明实施例提供的原样品直方图示意图。
图9是本发明实施例提供的新模板灰度图示意图。
图10是本发明实施例提供的新模板直方图示意图。
图11是本发明实施例提供的新模板直方图和原样品直方图相似度计算示意图。
具体实施方式
如图1-11所示,本发明提供的通过灰度曲线实现图像区域补偿的方法,其详述如下:
步骤S1,取两组图像数据分别进行模板和样品图像定义并获取灰度图和直方图;在存储的数据图中,任意取出两个完全相同的两组图像数据,对取出的数据进行分别定义,并进行标示其一为样品图像,其一为模板图像,做好标示后分别对图像获取灰度图和直方图,并分别对获取的灰度图和直方图做进一步的标示。
在进行图像灰度补偿过程中,首先是要以一张图片为模板图片,另一张图片为待比较图片,待比较图片对比模板图片,以区分待比较图片哪些区域相对模板图片而言需要提高亮度,哪些区域相对模板图片而言需要降低亮度,这个过程当中,模板图片被视为标准,待比较图片被视为样品图片。
获取灰度图方法:由于光源通常为圆形结构或长方形结构,其对称特性决定了光源的横向中轴线和纵向中轴线是受所有灯珠影响;按45*45像数图片定义,我们以其中第23列的图像灰度数据做成灰度曲线。
直方图获取方法:一幅图像由不同灰度值的像素组成,图像的灰度直方图就描述了图像中灰度分布情况,能够很直观的展示出图像中各个灰度级所占的多少。以45*45像数图片为例,直方图就是以0~255为横坐标,以45*45像数灰度在0~255各个灰度区间的个数为纵坐标的一个曲线图,这个曲线图可以将两幅图像是否具有相识性提供量化标准,同时也能直观的分辨出图像灰度的分布范围。
步骤S2,将定义好的图像进行灰度曲线变换获取比例系数;将上一步骤定义的图像进行灰度曲线变化包括以下步骤:S21、分别对定义的样品和模板图像按行或列的方式获取灰度数据。获取灰度图方法:由于光源通常为圆形结构或长方形结构,其对称特性决定了光源的横向中轴线和纵向中轴线是受所有灯珠影响;按45*45像数图片定义,我们以其中第23列的图像灰度数据做成灰度曲线;其中横坐标是0~45个像数的序号,纵坐标是第23列0~45每个像数的灰度值;
S22、将获取的每行或每列灰度数据生成灰度曲线。获取灰度图方法:由于光源通常为圆形结构或长方形结构,其对称特性决定了光源的横向中轴线和纵向中轴线是受所有灯珠影响;按45*45像数图片定义,我们以其中第23列的图像灰度数据做成灰度曲线;其中横坐标是0~45个像数的序号,纵坐标是第23列0~45每个像数的灰度值。
S23、分别对样品和模板的灰度曲线计算低阶多项式系数并生成多项式曲线数据。多项式是通过最小二乘法算法,将第23列0~45每个像数的灰度值,按i = 45/4≈12阶,求如下多项式方程;然后按0~45作为x参数,计算出一条以0~45为横坐标,为纵坐标的曲线数据;
S24、将获取的样品和模板的多项式曲线数据进行计算获取比例系数。分别对模板第23列0~45每个像数的灰度值计算出,然后对样品第23列0~45每个像数的灰度值计算出,然后将y1/y2得出0~45个k系数。
步骤S3,根据获取的图像比例系数进行补偿后获取图像直方图的相似度;在获取直方图的相似度需要进行以下操作的,S31、对模板图像的每个灰度值按对应的比例系数进行补偿。将0~45个k系数分别对模板图像45行单独相乘,当k系数大于1时,当前行像数灰度值变大,相当于此行图像亮度增强,当k系数小于1时,当前行像数灰度值变小,相当于此行图像亮度减弱;变换后的整张图像将得到不同程度的补偿,从而变换成一张新的模板图像;为什么是变换模板图像而不是样品图像呢,其实是因为样品图像存在很多缺陷数据,如果用k系数乘以样品图像,同样会吧样品图像缺陷增强或减弱;而模板图像由于是标准品,不存在缺陷问题。
S32、对补偿后的模板图像输出新模板图像直方图。输出新的模板图如步骤S3,生成直方图如步骤S21过程。
S33、计算新模板直方图和原样品直方图的相似度。通过S21生成的新模板直方图和原样品直方图,将两个直方图的数据分别提取出来,作为Pearson两个对比参数,Pearson相似度判断标准为,当Pearson输出相似度比例数据 =1 时,表示两条曲线完全相等,当Pearson输出相似度对比例数据 =0 时,表示两条曲线完全不相似,当Pearson输出相似度对比例数据 <0 时,表示两条曲线负相关;案例45*45图像的Pearson相似性为90.98%。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种通过灰度曲线实现图像区域补偿的方法,其特征在于,所述方法包括以下步骤:
S1、取两组图像数据分别进行模板和样品图像定义并获取灰度图和直方图;
S2、将定义好的图像进行灰度曲线变换获取比例系数;
S3、根据获取的图像比例系数进行补偿后获取图像直方图的相似度;
所述步骤S2中还包括以下步骤:
S21、分别对定义的样品和模板图像按行或列的方式获取灰度数据;
S22、将获取的每行或每列灰度数据生成灰度曲线;
所述步骤S2中还包括以下步骤:
S23、分别对样品和模板的灰度曲线计算低阶多项式系数并生成多项式曲线数据;
S24、将获取的样品和模板的多项式曲线数据进行计算获取比例系数;
所述步骤S3中还包括以下步骤:
S31、对模板图像的每个灰度值按对应的比例系数进行补偿;
所述步骤S3中还包括以下步骤:
S32、对补偿后的模板图像输出新模板图像直方图;
所述步骤S3中还包括以下步骤:
S33、计算新模板直方图和原样品直方图的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811433933.4A CN109615592B (zh) | 2018-11-28 | 2018-11-28 | 一种通过灰度曲线实现图像区域补偿的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811433933.4A CN109615592B (zh) | 2018-11-28 | 2018-11-28 | 一种通过灰度曲线实现图像区域补偿的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615592A CN109615592A (zh) | 2019-04-12 |
CN109615592B true CN109615592B (zh) | 2023-01-24 |
Family
ID=66005835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811433933.4A Active CN109615592B (zh) | 2018-11-28 | 2018-11-28 | 一种通过灰度曲线实现图像区域补偿的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615592B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000244756A (ja) * | 1999-02-18 | 2000-09-08 | Noritsu Koki Co Ltd | デジタル画像露光システム |
US6873441B1 (en) * | 1999-09-20 | 2005-03-29 | Kyocera Mita Corporation | Image processing device for correcting gradation of color image |
US9584743B1 (en) * | 2014-03-13 | 2017-02-28 | Apple Inc. | Image sensor with auto-focus and pixel cross-talk compensation |
CN106531125A (zh) * | 2017-01-04 | 2017-03-22 | 深圳创维-Rgb电子有限公司 | 图像显示亮度的调整方法、装置及电视机 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI314424B (en) * | 2006-06-23 | 2009-09-01 | Marketech Int Corp | System and method for image signal contrast adjustment and overflow compensation |
US7860348B2 (en) * | 2007-07-13 | 2010-12-28 | Xerox Corporation | Systems and methods for improving image quality using digital signal processing techniques |
-
2018
- 2018-11-28 CN CN201811433933.4A patent/CN109615592B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000244756A (ja) * | 1999-02-18 | 2000-09-08 | Noritsu Koki Co Ltd | デジタル画像露光システム |
US6873441B1 (en) * | 1999-09-20 | 2005-03-29 | Kyocera Mita Corporation | Image processing device for correcting gradation of color image |
US9584743B1 (en) * | 2014-03-13 | 2017-02-28 | Apple Inc. | Image sensor with auto-focus and pixel cross-talk compensation |
CN106531125A (zh) * | 2017-01-04 | 2017-03-22 | 深圳创维-Rgb电子有限公司 | 图像显示亮度的调整方法、装置及电视机 |
Also Published As
Publication number | Publication date |
---|---|
CN109615592A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Single image defogging based on multi-channel convolutional MSRCR | |
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN109068025B (zh) | 一种镜头阴影校正方法、***及电子设备 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及*** | |
CN109345491B (zh) | 一种融合梯度和灰度信息的遥感图像增强方法 | |
CN103778900B (zh) | 一种图像处理方法及*** | |
CN112435191B (zh) | 一种基于多个神经网络结构融合的低照度图像增强方法 | |
CN102857696A (zh) | 拍摄条件决定装置、拍摄条件决定方法和不均校正*** | |
CN104252700A (zh) | 一种红外图像的直方图均衡化方法 | |
CN115082361A (zh) | 基于图像处理的浑浊水体图像增强方法 | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
CN112561829B (zh) | 基于L通道Gamma变换的多区域非均匀亮度失真校正算法 | |
Cao et al. | Vignetting correction based on a two-dimensional Gaussian filter with harmony for area array sensors | |
CN107784673B (zh) | 一种基于非均匀性校正的光纤图像处理方法 | |
CN110766640A (zh) | 一种基于深度语义分割的图像去雾方法 | |
Salih et al. | Adaptive local exposure based region determination for non-uniform illumination and low contrast images | |
CN109615592B (zh) | 一种通过灰度曲线实现图像区域补偿的方法 | |
CN112991236A (zh) | 一种基于模板的图像增强方法及装置 | |
CN109816609A (zh) | 一种基于傅里叶变换的数字pcr图像还原方法及其应用 | |
CN105389775B (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 | |
CN112381896B (zh) | 一种显微图像的亮度校正方法及***、计算机设备 | |
JP2014090410A (ja) | ホワイトバランス調整方法 | |
CN110827362A (zh) | 一种基于多项式相机响应函数与渐晕效应补偿的光度标定方法 | |
TWM448754U (zh) | 影像對比增強系統 | |
KR102649330B1 (ko) | 3차원 이변수 다항식 모델 기반의 비네트 영상 보정 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |