CN110956624B - 一种针对立体物体的图像清晰度评价方法 - Google Patents
一种针对立体物体的图像清晰度评价方法 Download PDFInfo
- Publication number
- CN110956624B CN110956624B CN201911212471.8A CN201911212471A CN110956624B CN 110956624 B CN110956624 B CN 110956624B CN 201911212471 A CN201911212471 A CN 201911212471A CN 110956624 B CN110956624 B CN 110956624B
- Authority
- CN
- China
- Prior art keywords
- image
- focusing ring
- images
- definition
- focusing
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明是一种基于立体物体的图像清晰度评价方法,包括如下步骤:启动舵机使调焦环转动,并触发相机每隔固定时间采集一组图像;对每幅图像进行预处理,其中预处理包括中值滤波滤除噪声,阈值分割将图像二值化处理;对预处理后的图像进行Canny边缘检测;提取感兴趣的边缘法线方向上固定范围内的灰度值,将得到的灰度值作为点集;用最小二乘法进行曲线拟合;输出每个感兴趣区域的指数系数D,取平均值作为此幅图像的清晰度评价指标;比较每幅图像的指标,得到最清晰的图像并使调焦环转到指定位置。本发明采用新的评价函数对图像的感兴趣区域进行局部评价,针对某一具体物体的具体要求能够实现准确评价的目的。
Description
技术领域
本发明涉及计算机视觉技术和图像处理领域,设计了一种针对立体物体的图像清晰度评价方法。
背景技术
随着机器视觉的应用与发展,获取高清晰度的图像在工业检测领域有着重大意义,在工业检测过程中,目前主要依靠有经验的机器视觉工程师花费较长时间调节镜头对焦环来获得清晰的图像,受人为因素影响对焦结果优劣不同,导致成像***没有达到最佳使用状态,因此,自动对焦技术的研究有着重要意义。自动对焦技术的重要一环是图像清晰度的评价,图像清晰度评价函数的好坏直接影响自动调焦的精度。目前国内外提出的图像清晰度评价函数大多针对整幅图像,对于立体物体,不同平面具有不同的清晰度,根据具体需求对不同的平面有不一样的清晰度要求,因此,对整幅图像进行全局清晰度评价不能达到目的。本发明对感兴趣区域进行局部评价,能够解决上述问题。
发明内容
为了解决上述问题,本发明提出一种基于立体物体的图像清晰度评价方法,利用一种自动对焦装置,所述自动对焦装置包括舵机、相机、调焦环、工作台,所述调焦环连接在相机上,所述调焦环通过舵机进行调焦,所述工作台位于调焦环下方,工作台上放置待测物体,其特征在于包括如下步骤:
(1)、启动舵机使调焦环转动,并触发相机每隔固定时间采集一组图像,使图像清晰度由模糊到清晰再到模糊,记下每张照片对应的刻度值;所述每隔固定时间通过工控机进行人工设定;
(2)、对每幅图像进行预处理,其中预处理包括中值滤波滤除噪声,阈值分割将图像二值化处理;
(3)、对预处理后的图像进行Canny边缘检测,提取图像边缘;
(4)、提取感兴趣的边缘法线方向上固定范围内的灰度值,所述固定范围通过边缘向两边延长相同长度的像素点构成,将得到的灰度值作为点集;
(5)、用最小二乘法进行曲线拟合,得到的指数系数D作为评价图像清晰度的指标;
(6)、输出每个感兴趣区域的指数系数D,取平均值作为此幅图像的清晰度评价指标;
(7)、比较每幅图像的指标,得到最清晰的图像并使调焦环转到指定位置。
上述步骤(5)中的曲线拟合的方法如下:
曲线函数形式为:
其中,y表示x位置处的灰度值,A、B、C、D、E为待定参数;设点集为 {(x1,y1),(x2,y2),…,(xn,yn)},目标函数为:
设利用最小二乘法非线性拟合方法求取参数A、B、 C、D、E使得L达到最小。本发明通过调用MATLAB中的nlinfit函数拟合该曲线。
本发明的优点是能够对特定区域进行局部评价,针对特定的需求达到准确评价清晰度的要求。
附图说明
图1为本发明设计的自动调焦机构。
图2为本发明实施例的操作流程图。
图3为不同指数系数D所对应的函数变化图。
图4为具有不同清晰度的工件。
图5为预处理后的图像。
图6为边缘检测后的图像。
图7为图4左图中四个感兴趣边缘法线方向上固定范围的灰度值数组及其拟合结果。
图8为图4右图中四个感兴趣边缘法线方向上固定范围的灰度值数组及其拟合结果。
图9为一组图像评价清晰度的曲线图。
具体实施方式
实施例:
如图1所示,设计一种自动对焦装置,自动对焦装置包括舵机1、相机2、调焦环3、工作台4,调焦环3连接在相机2上,调焦环3通过舵机1进行调焦,工作台4位于调焦环下方,工作台4上放置待测物体5。启动舵机1使对调焦环 3转动,采集一组图像,对采集图像进行评价,得到清晰度最高的图像,利用舵机1使对调焦环3转到对应位置,最终达到自动对焦的目的。
下面结合附图举例对本发明作更详尽的说明。
本实施例一共采集了23幅具有不同模糊程度的图像。如图4所示,选取了2张图像进行展示。本发明的具体操作流程为:
步骤一:工控机控制舵机带动对焦环转动,并触发相机采集一组图像,使图像清晰度由模糊到清晰再到模糊,记下每张照片对应的刻度值。
步骤二:对每幅图像进行预处理,其中预处理包括中值滤波滤除噪声,阈值分割将图像二值化处理,如图5所示。
步骤三:对预处理后的图像进行Canny边缘检测,提取图像边缘。如图6 所示。
步骤四:提取感兴趣边缘法线方向上固定范围内的灰度值,如图3所示,将灰度值按法线方向从左向右或从上向下进行排序构成一个数组,利用最小二乘拟合法对数组进行拟合,本实施例选取边缘左右各40个像素,一共80个像素,提取此80个像素的灰度值作为点集,如图7和图8所示。
步骤五:对此点集进行曲线拟合,其中,曲线拟合的函数形式为:
D值越大,表示曲线的斜率越大,灰度变化越大,图像越清晰。如图6和图7所示,图4左图的模糊图像对应的边缘范围内灰度值变化平缓,拟合的曲线斜率较小,图4右图的清晰图像对应的边缘范围内的灰度值变化陡峭,拟合的曲线斜率较大。
步骤六:将每幅图像的四个区域得到的D值取平均值作为此幅图像的评价指标,将23幅图像得到的指标输出并绘制曲线图,如图9所示。可以看出,本发明具有单峰性强,灵敏度高的优点。将调焦环转到使图像最清晰的位置,挪动工件至任意位置,利用该算法得到的参数不变,因此该算法的稳定性高。
Claims (1)
1.一种基于立体物体的图像清晰度评价方法,利用一种自动对焦装置,所述自动对焦装置包括舵机、相机、调焦环、工作台,所述调焦环连接在相机上,所述调焦环通过舵机进行调焦,所述工作台位于调焦环下方,工作台上放置待测物体,其特征在于包括如下步骤:
(1)、启动舵机使调焦环转动,并触发相机每隔固定时间采集一组图像,使图像清晰度由模糊到清晰再到模糊,记下每张照片对应的刻度值;所述每隔固定时间通过工控机进行人工设定;
(2)、对每幅图像进行预处理,其中预处理包括中值滤波滤除噪声,阈值分割将图像二值化处理;
(3)、对预处理后的图像进行Canny边缘检测,提取图像边缘;
(4)、提取感兴趣的边缘法线方向上固定范围内的灰度值,所述固定范围通过边缘向两边延长相同长度的像素点构成,将得到的灰度值作为点集;
(5)、用最小二乘法进行曲线拟合,曲线拟合的方法如下:
曲线函数形式为:
其中,y表示x位置处的灰度值,A、B、C、D、E为待定参数;设点集为{(x1,y1),(x2,y2),…,(xn,yn)},目标函数为:
设利用最小二乘法非线性拟合方法求取参数A、B、C、D、E使得L达到最小;
得到的参数D作为评价图像清晰度的指标;
(6)、输出每个感兴趣区域的指数系数D,取平均值作为此幅图像的清晰度评价指标;
(7)、比较每幅图像的指标,得到最清晰的图像并使调焦环转到指定位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911212471.8A CN110956624B (zh) | 2019-12-02 | 2019-12-02 | 一种针对立体物体的图像清晰度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911212471.8A CN110956624B (zh) | 2019-12-02 | 2019-12-02 | 一种针对立体物体的图像清晰度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956624A CN110956624A (zh) | 2020-04-03 |
CN110956624B true CN110956624B (zh) | 2023-09-01 |
Family
ID=69979238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911212471.8A Active CN110956624B (zh) | 2019-12-02 | 2019-12-02 | 一种针对立体物体的图像清晰度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956624B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112285876A (zh) * | 2020-11-04 | 2021-01-29 | 邱妙娜 | 基于图像处理与气泡检测的相机自动对焦方法 |
CN113639630B (zh) * | 2021-04-01 | 2024-07-19 | 浙江大学台州研究院 | 基于多模板匹配和自动对焦功能的尺寸测量仪*** |
CN113810616B (zh) * | 2021-09-27 | 2023-05-09 | 季华实验室 | 光圈焦距调整方法、***、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788682B (zh) * | 2012-07-25 | 2015-02-04 | 宁波大学 | 一种连续变倍体视显微镜齐焦性检测方法 |
CN106127775A (zh) * | 2016-06-28 | 2016-11-16 | 乐视控股(北京)有限公司 | 图像清晰度评价方法及装置 |
-
2019
- 2019-12-02 CN CN201911212471.8A patent/CN110956624B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110956624A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956624B (zh) | 一种针对立体物体的图像清晰度评价方法 | |
Li et al. | Aod-net: All-in-one dehazing network | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
Pertuz et al. | Generation of all-in-focus images by noise-robust selective fusion of limited depth-of-field images | |
CN109785245B (zh) | 一种光斑图像修整方法 | |
CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测***及装置 | |
CN103020965B (zh) | 一种基于显著性检测的前景分割方法 | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN104075965B (zh) | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | |
CN116758071B (zh) | 一种视觉辅助下碳电极脏污智能检测方法 | |
CN110517213B (zh) | 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法 | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及*** | |
CN111679418B (zh) | 基于激光图像的显微镜自动聚焦方法、***及计算机设备 | |
CN113155032A (zh) | 一种基于动态视觉传感器dvs的建筑物结构位移测量方法 | |
CN107170002B (zh) | 一种图像自动对焦方法和设备 | |
CN115661110A (zh) | 一种透明工件识别与定位的方法 | |
CN106534661A (zh) | 一种基于最强边缘梯度拉普拉斯算子累加的自动聚焦算法 | |
CN113538545B (zh) | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 | |
CN116894775B (zh) | 基于相机运动模型恢复和超分辨率的螺栓图像预处理方法 | |
CN114529715B (zh) | 一种基于边缘提取的图像识别方法及*** | |
CN115861220A (zh) | 基于改进的ssd算法的冷轧带钢表面缺陷检测方法和*** | |
CN114972084A (zh) | 一种图像对焦准确度评价方法及*** |
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 |