CN114723632A - 一种基于纹理信息的零件异常曝光图像修正方法及装置 - Google Patents
一种基于纹理信息的零件异常曝光图像修正方法及装置 Download PDFInfo
- Publication number
- CN114723632A CN114723632A CN202210348628.5A CN202210348628A CN114723632A CN 114723632 A CN114723632 A CN 114723632A CN 202210348628 A CN202210348628 A CN 202210348628A CN 114723632 A CN114723632 A CN 114723632A
- Authority
- CN
- China
- Prior art keywords
- image
- texture
- obtaining
- exposure
- integrity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 48
- 238000003702 image correction Methods 0.000 title claims description 10
- 230000004927 fusion Effects 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000000717 retained effect Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于纹理信息的零件异常曝光图像修正方法及装置,涉及计算机视觉领域;能够对异常曝光图像中过曝区域和欠曝区域同时进行修正。主要包括:获取第一图像以及第一图像的曝光值;根据第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得第一图像的纹理完整度以及修正必要性指标,当修正必要性指标大于预设第一阈值时对第一图像进行修正;根据第一图像的纹理完整度获得调整值下限及调整值上限,并获得曝光值范围;对第一图像的曝光值进行调整,获得不同曝光值的多个第二图像;计算第二图像的融合权重,并根据融合权重将多个第二图像进行融合得到修正后的第一图像。本发明具体应用场景为:对异常曝光的图像进行修正。
Description
技术领域
本申请涉及计算机视觉领域,具体涉及一种基于纹理信息的零件异常曝光图像修正方法及装置。
背景技术
在对零件进行拍摄的过程中,因光线强度及光源角度的影响,得到的零件图像会存在异常曝光现象,异常曝光包括曝光过度及曝光不足,曝光过度或曝光不足均会导致得到的零件图像无法呈现零件的完整纹理细节;同时零件表面存在反光,使得拍摄到的零件图像存在很多反光区域,但通过降低拍摄时的曝光值来减少反光区域的同时,会使得拍摄到的零件图像中存在大量暗区,因此需要对存在异常曝光的零件图像进行修正,使得拍摄得到的零件图像呈现零件完整的纹理细节。
现有技术中为了解决上述问题,通常通过改变图像整体的曝光量,使图像整体的曝光量达到一个较为合适的曝光量,该种方式会使图像中曝光过度的部分曝光度进一步增大,或者使得图像中曝光不足的部分的曝光度进一步减小,无法同时对图像中曝光过度部分及曝光不足部分同时进行修正,无法达到较好的异常曝光图像修正效果。
发明内容
针对上述技术问题,本发明提供了一种基于纹理信息的零件异常曝光图像修正方法及装置。
第一方面,本文提出了一种基于纹理信息的零件异常曝光图像修正方法,包括:
获取第一图像以及第一图像的曝光值,所述第一图像指待修正的异常曝光图像。
根据所述第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得所述第一图像的纹理完整度,并根据所述第一图像的纹理完整度获得修正必要性指标,当所述修正必要性指标大于预设第一阈值时对所述第一图像进行修正。
根据所述第一图像的纹理完整度获得调整值下限及调整值上限,并根据所述调整值下限、所述调整值上限以及所述第一图像的曝光值,获得曝光值范围。
对所述第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,所述第二图像的曝光值位于所述曝光值范围内。
按照获取第一图像的纹理完整度的方法获得每张所述第二图像的纹理完整度,并根据所述每张第二图像的纹理完整度,获得每张所述第二图像的融合权重。
对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述第一图像/第二图像的纹理完整度是由第一图像/第二图像的亮区域的纹理完整性和暗区域的纹理完整性得到的,具体的方法包括:
获得所述第一图像/第二图像的灰度图像,并根据所述灰度图像获得亮区域图像和暗区域图像,所述亮区域图像包含所述灰度图像中的亮区域,所述暗区域图像包含所述灰度图像中的暗区域。
根据所述亮区域图像的纹理信息,获得亮区域的纹理完整性。
根据所述暗区域图像的纹理信息,获得暗区域的纹理完整性。
根据所述亮区域的纹理完整性及所述暗区域的纹理完整性,获得所述纹理完整度。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述纹理完整性的获取过程,包括:
根据亮区域图像/暗区域图像的纹理特征,获取亮区域图像/暗区域图像的纹理丰富度及纹理均匀程度。
将所述纹理丰富度及所述纹理均匀度相乘,得到亮区域图像/暗区域图像的所述纹理完整性。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述纹理丰富度的获取过程,包括:
将亮区域图像/暗区域图像中,所有像素点中灰度值的最大值与灰度值的最小值相减,得到灰度值宽度。
根据亮区域图像/暗区域图像的灰度直方图中,不同灰度值的出现次数的方差,得到直方图均匀程度。
将所述灰度值宽度与所述直方图均匀程度相乘,得到纹理丰富度。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述纹理均匀程度的获得方法,包括:
对亮区域图像/暗区域图像进行边缘检测,得到亮区域图像/暗区域图像的边缘特征点。
将亮区域图像/暗区域图像中边缘特征点的八邻域像素点,以及自身像素点共九个像素点中边缘特征点的个数作为边缘特征点的频率。
根据亮区域图像/暗区域图像中行的边缘特征点的频率,以及行的边缘特征点的行距离特征,获得边缘特征点的行分布均匀程度。
根据亮区域图像/暗区域图像中列的边缘特征点的频率,以及列的边缘特征点的列距离特征,获得边缘特征点的列分布均匀程度。
将所述边缘特征点的行分布均匀程度与列分布均匀程度相乘,获得所述纹理均匀程度。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述行距离特征指的是,边缘特征点到同一行相邻的其他边缘特征点之间的距离,或边缘特征点到亮区域图像/暗区域图像的边界的距离。
所述列距离特征指的是,边缘特征点到同一列相邻的其他边缘特征点之间的距离,或边缘特征点到亮区域图像/暗区域图像的边界的距离。
进一步的,所述基于纹理信息的零件异常曝光图像修正方法,所述对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正,包括:
所述融合权重包括,暗区域融合权重以及亮区域融合权重。
利用所述暗区域融合权重,对所述第二图像的灰度图像中的暗区域,对应的所述第二图像中的区域进行加权融合。
利用所述亮区域融合权重,对所述第二图像的灰度图像中的亮区域,对应的所述第二图像中的区域进行加权融合。
第二方面,本发明提出了一种基于纹理信息的零件异常曝光图像修正装置,包括:
图像及曝光值获取模块,用于获取第一图像以及第一图像的曝光值,所述第一图像指待修正的异常曝光图像。
图像及曝光值获取模块,用于获取第一图像以及第一图像的曝光值,所述第一图像指待修正的异常曝光图像;
第一计算模块,用于根据所述第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得所述第一图像的纹理完整度,并根据所述第一图像的纹理完整度获得修正必要性指标,当所述修正必要性指标大于预设第一阈值时对所述第一图像进行修正;
第二计算模块,用于根据所述第一图像的纹理完整度获得调整值下限及调整值上限,并根据所述调整值下限、所述调整值上限以及所述第一图像的曝光值,获得曝光值范围;
图像生成模块,用于对所述第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,所述第二图像的曝光值位于所述曝光值范围内;
第三计算模块,用于按照获取第一图像的纹理完整度的方法获得每张所述第二图像的纹理完整度,并根据所述每张第二图像的纹理完整度,获得每张所述第二图像的融合权重;
图像修正模块,用于对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正。
针对上述技术问题,本发明提供了一种基于纹理信息的零件异常曝光图像修正方法及装置,主要包括:
获取第一图像以及第一图像的曝光值,第一图像指待修正的异常曝光图像;根据第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得第一图像的纹理完整度,并根据第一图像的纹理完整度获得修正必要性指标,当修正必要性指标大于预设第一阈值时对第一图像进行修正;根据第一图像的纹理完整度获得调整值下限及调整值上限,并根据调整值下限、调整值上限以及第一图像的曝光值,获得曝光值范围;对第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,第二图像的曝光值位于曝光值范围内;按照获取第一图像的纹理完整度的方法获得每张第二图像的纹理完整度,并根据每张第二图像的纹理完整度,获得每张第二图像的融合权重;对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对第一图像的修正。
相比于现有技术,本发明的有益效果是:利用采集到的零件图像中的纹理信息判断是否存在异常曝光,能够避免对无需进行修正的图像进行不必要的处理;利用图像的纹理信息得到曝光值范围,对曝光值范围内的不同曝光值下的,多张图像中的过曝区域和欠曝区域进行加权融合,能够对异常曝光图像中的过曝区域和欠曝区域同时进行修正,使得图像修正过程更具针对性和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例1提供的一种基于纹理信息的零件异常曝光图像修正方法的流程示意图。
图2是本发明实施例2提供的一种基于纹理信息的零件异常曝光图像修正装置的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例1
本发明实施例1提供了一种基于纹理信息的零件异常曝光图像修正方法,如图1所示,包括:
101、获取第一图像以及第一图像的曝光值,第一图像指待修正的异常曝光图像。
利用图像采集设备获取待修正的异常曝光图像即第一图像,第一图像为RGB格式,RGB是一种颜色标准,通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色,RGB即是代表红、绿、蓝三个通道的颜色。
102、根据第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得第一图像的纹理完整度,并根据第一图像的纹理完整度获得修正必要性指标,当修正必要性指标大于预设第一阈值时对第一图像进行修正。
本实施例中102具体包括1021、1022及1023。
1021、获得第一图像的灰度图像,并根据灰度图像获得亮区域图像和暗区域图像。
具体的,为了分割出第一图像的灰度图片中的亮区域以及暗区域,本实施例中给定亮区域的分割阈值范围以及暗区域的分割阈值范围,其中亮区域的灰度分割阈值范围为[204,255],暗区域的灰度分割阈值范围为[0,51]。
需要说明的是,将第一图像的灰度图像中灰度值在阈值范围[0,51]的像素点保留,将在像素点的灰度值在阈值范围(51,255]内的像素点设置为0,得到暗区域图像。
具体的,将第一图像的灰度图像中灰度值在阈值范围[204,255]的像素点保留,将在像素点的灰度值在阈值范围[0,204)内的像素点设置为0,得到亮区域图像。亮区域图像包含第一图像的灰度图像中的亮区域,暗区域图像包含第一图像的灰度图像中的暗区域。
具体的,本实施例中通过图像的灰度值获得第一图像中的亮度信息,第一图像的灰度图像中的亮区域对应第一图像中的过曝区域;第一图像的灰度图像中的暗区域对应第一图像中的欠曝区域。
1022、根据亮区域图像的纹理信息,获得亮区域的纹理完整性;并根据暗区域图像的纹理信息,获得暗区域的纹理完整性。
需要说明的是,本实施例中暗区域的纹理完整性的获取方法,与亮区域的纹理完整性的获取方法相同,只是针对的目标图像不同,纹理完整性的计算方法具体包括10221、10222及10223,纹理完整性能够反映图像中纹理的完整程度,纹理完整性主要包括纹理丰富程度和纹理均匀程度。
10221、获得亮区域图像/暗区域图像的纹理丰富度。
具体的,本实施例中亮区域图像/暗区域图像为亮区域图像或暗区域图像。由于光线的影响,亮区域或者暗区域的部分纹理丢失,导致纹理分布不均匀,因而需提取纹理均匀程度。
首先,将亮区域图像/暗区域图像中,所有像素点中灰度值的最大值与灰度值的最小值相减,得到灰度值宽度。
需要说明的是,对于亮区域图像及暗区域图像的纹理丰富度的计算方法相同,下面以亮区域图像为例,具体阐述纹理丰富度的获得方法。
具体的,将亮区域图像中灰度值的最大值和灰度值的最小值相减,得到亮区域图像的灰度值取值宽度为wl。将暗区域图像中的灰度值的最大值和灰度值的最小值相减得到暗区域图像的灰度值取值宽度wa。
其次,根据亮区域图像/暗区域图像的灰度直方图中,不同灰度值的出现次数的方差,得到直方图均匀程度,纹理的丰富度主要反映在直方图上,直方图中包含的灰度信息越丰富,纹理特征越丰富。将灰度值宽度与直方图均匀程度相乘,得到纹理丰富度。
具体的,获得亮区域图像的灰度直方图,计算该直方图的频率均值其中p(hj)为亮区域图像的灰度直方图中第j个灰度值hj对应的频率值,wl为亮区域图像的灰度值取值宽度。计算该亮区域图像的灰度直方图的频率的方差因而亮区域的灰度直方图均匀程度为
需要说明的是,按照与亮区域灰度图像的灰度直方图均匀程度,相同的获取方法可以得到暗区域图像的灰度直方图均匀程度jh2。
具体的,亮区域图像的纹理完整性为ff1=wl*jh1,其中wl为亮区域图像的灰度值宽度,jh1为亮区域图像的灰度直方图均匀程度;同时暗区域图像的纹理丰富度ff2=wa*jh2,其中wa为暗区域图像的灰度值宽度,jh2为暗区域图像的灰度直方图均匀程度。
10222、获得亮区域图像/暗区域图像的纹理均匀程度。
具体的,纹理的均匀程度主要通过纹理像素间的距离信息和纹理频率差异性信息来体现。纹理的距离信息通过距离大小和距离偏差来反应,纹理像素距离越大纹理分布越不均匀。每行或列的纹理像素距离偏差越大,说明该行或列的纹理分布越不均匀。每行或列的像素纹理的密度差异性越大,说明该行或者列的纹理分布越不均匀。
需要说明的是,对于亮区域图像及暗区域图像的纹理均匀程度的计算方法相同,下面以亮区域图像为例,具体阐述纹理均匀程度的获得方法。
首先,对亮区域图像进行边缘检测,获得亮区域图像中的边缘特征点,本实施例中利用sober算子对亮区域图像进行处理其中的边缘特征点。
然后,将亮区域图像中边缘特征点的八邻域像素点,以及自身像素点共九个像素点中边缘特征点的个数作为边缘特征点的频率;根据边缘特征点的频率以及行的边缘特征点的行距离特征,获得边缘特征点的行分布均匀程度;根据边缘特征点的频率以及列的边缘特征点的列距离特征,获得边缘特征点的列分布均匀程度。
具体的,获得每两个相邻边缘特征点之间的像素距离:假设在亮区域图像的第k行中,(k,i)和(k,j)处存在两相邻边缘特征点,这两边缘特征点之间的距离为d1kj=j-i。
需要说明的是,当亮区域图像中(k,l)处的边缘特征点到图像边界之间,不存在其他边缘特征点时,其边缘特征之间像素距离为:该点至图像边界的最近距离,此时d1kl=min(l,M-l),其中M为图像的列数。
进一步可得到亮区域图像中第k行中边缘特征点之间的距离序列;利用边缘特征点的频率,可以获得亮区域图像中第k行中边缘特征点的频率组成的序列,进一步可以计算亮区域图像中行边缘特征点的距离均值以及边缘特征点的距离偏差。
具体的,亮区域图像中第k行的边缘特征点间的距离均值为亮区域图像中第k行的边缘特征点间的距离偏差为其中d1kh为亮区域图像中第行的第h个边缘特征点的距离值,此处r边缘特征点之间的距离序列中边缘特征点的距离值的个数。
进一步的,亮区域图像中的行像素的边缘特征的分布均匀程度均值为此处Jy1q为亮区域第q行边缘特征分布均匀程度,N为频率图像的行数,进一步可以得到亮区域图像中的列像素的边缘特征分布均匀程度均值亮区域图像的边缘分布均匀程度为最后将边缘特征点的行分布均匀程度与列分布均匀程度相乘,获得亮区域图像的纹理均匀程度Jy2。
进一步的,利用与亮区域图像纹理均匀程度相同的获取方法,可以得到暗区域的纹理均匀程度Jy2。
10223、将纹理丰富度及纹理均匀度相乘,得到亮区域图像/暗区域图像的纹理完整性。
亮区域的纹理完整性为Wz1=ff1*Jy1,其中ff1为亮区域图像的纹理丰富度,Jy1为亮区域图像的纹理均匀程度;暗区域的纹理完整性为Wz2=ff2*Jy2,其中ff2为暗区域图像的纹理丰富度,Jy2为暗区域图像的纹理均匀程度。
1023、根据亮区域的纹理完整性及暗区域的纹理完整性,获得第一图像的纹理完整度。
具体的,将亮区域的纹理完整性及暗区域的纹理完整性相加,得到第一图像的纹理完整度,纹理完整度能够反应第一图像即异常曝光图像的纹理信息。
需要说明的是,第一图像的纹理完整度的倒数为修正必要性指标,修正必要性指标能够反应对第一图像进行修正的必要性,判断修正必要性指标是否大于预设第一阈值,若判断结果为是,则需要对第一图像进行修正,若判断结果为否,说明该图像不存在异常曝光的情况,无需对其进行后续的修正。
103、根据第一图像的纹理完整度获得调整值下限及调整值上限,并根据调整值下限、调整值上限以及第一图像的曝光值,获得曝光值范围。
具体的,α为调整值下限,β为调整值上限,α与第一图像中过曝区域的纹理信息有关,β与第一图像中欠曝区域的纹理信息有关;当亮区域中纹理信息缺失较为严重时,应该降低亮区域的曝光值;当暗区域中纹理信息缺失较为严重时,应该提高暗区域的曝光值。本实施例中调整值下限调整值上限其中Wz1为亮区域的纹理完整性,Wz2为暗区域的纹理完整性,为常量参数可根据实施者具体需要进行选取。
进一步可以获得曝光值范围,[Bg-α,Bg+β,其中Bg为异常曝光图像即第一图像的曝光值。
104、对第一图像的曝光值进行调整,获得曝光值范围内的不同曝光值的多个第二图像。
具体的,根据103中获得的曝光值范围,在第一图像的基础上可以获取不同曝光值的多个第二图片,得到的第二图像与第一图像区别在于曝光值不同,且所有第二图像的曝光值均位于曝光值范围内。
105、按照获取第一图像的纹理完整度的方法获得每张第二图像的纹理完整度,并根据每张第二图像的纹理完整度,获得每张第二图像的融合权重。
进一步的,利用本实施例102中的图像的纹理完整度的获取方法,可以获得每一个第二图像对应的亮区域图像的纹理完整性以及暗区域图像的纹理完整性。
需要说明的是,第一图像的灰度图像中的亮区域对应第一图像中的过曝区域,第一图像的灰度图像中的暗区域对应第一图像中的欠曝区域,则第a张第二图像对于过曝区域的融合权重为:第a张第二图像对于欠曝区域的融合权重其中v表示第二图像的总数。
106、对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对第一图像的修正。
具体的,根据第二图像的融合权重,对第一图像中的过曝区域及欠曝区域进行融合,第一图像中的正常区域则保持不变,得到的图像即为修正后的第一图像。
需要和说明的是,第一图像中过曝区域中像素值的修正方式为其中表示第一图像的灰度图像中亮区域的像素点,在第a张第二图像中对应的像素点的像素值;第一图像中的欠曝区域中像素值的修正方式为其中表示第一图像的灰度图像中的暗区域的像素点,在第a张第二图像中对应的像素点的像素值;Xs1为第一图像中过曝区域经过修正后的像素值,Xs2为第一图像中欠曝区域经过修正后的像素值。
相比于现有技术,本发明的有益效果是:利用采集到的零件图像中的纹理信息判断是否存在异常曝光,能够避免对无需进行修正的图像进行不必要的处理;利用图像的纹理信息得到曝光值范围,对曝光值范围内的不同曝光值下的,多张图像中的过曝区域和欠曝区域进行加权融合,能够对异常曝光图像中的过曝区域和欠曝区域同时进行修正,使得图像修正过程更具针对性和准确性。
实施例2
本发明实施例2提供了一种基于纹理信息的零件异常曝光图像修正方法装置,如图2所示包括:
图像及曝光值获取模块21,用于获取第一图像以及第一图像的曝光值,第一图像指待修正的异常曝光图像。
第一计算模块22,用于根据第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得第一图像的纹理完整度,并根据第一图像的纹理完整度获得修正必要性指标,当修正必要性指标大于预设第一阈值时对第一图像进行修正。
第二计算模块23,用于根据第一图像的纹理完整度获得调整值下限及调整值上限,并根据调整值下限、调整值上限以及第一图像的曝光值,获得曝光值范围。
图像生成模块24,用于对第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,第二图像的曝光值位于曝光值范围内。
第三计算模块25,用于按照获取第一图像的纹理完整度的方法获得每张第二图像的纹理完整度,并根据每张第二图像的纹理完整度,获得每张第二图像的融合权重。
图像修正模块26,用于对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对第一图像的修正。
综上所述,相比于现有技术,本发明的有益效果是:利用采集到的零件图像中的纹理信息判断是否存在异常曝光,能够避免对无需进行修正的图像进行不必要的处理;利用图像的纹理信息得到曝光值范围,对曝光值范围内的不同曝光值下的,多张图像中的过曝区域和欠曝区域进行加权融合,能够对异常曝光图像中的过曝区域和欠曝区域同时进行修正,使得图像修正过程更具针对性和准确性。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的方法和***中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例,并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (8)
1.一种基于纹理信息的零件异常曝光图像修正方法,其特征在于,包括:
获取第一图像以及第一图像的曝光值,所述第一图像指待修正的异常曝光图像;
根据所述第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得所述第一图像的纹理完整度,并根据所述第一图像的纹理完整度获得修正必要性指标,当所述修正必要性指标大于预设第一阈值时对所述第一图像进行修正;
根据所述第一图像的纹理完整度获得调整值下限及调整值上限,并根据所述调整值下限、所述调整值上限以及所述第一图像的曝光值,获得曝光值范围;
对所述第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,所述第二图像的曝光值位于所述曝光值范围内;
按照获取第一图像的纹理完整度的方法获得每张所述第二图像的纹理完整度,并根据所述每张第二图像的纹理完整度,获得每张所述第二图像的融合权重;
对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正。
2.根据权利要求1所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述第一图像/第二图像的纹理完整度是由第一图像/第二图像的亮区域的纹理完整性和暗区域的纹理完整性得到的,具体的方法包括:
获得所述第一图像/第二图像的灰度图像,并根据所述灰度图像获得亮区域图像和暗区域图像,所述亮区域图像包含所述灰度图像中的亮区域,所述暗区域图像包含所述灰度图像中的暗区域;
根据所述亮区域图像的纹理信息,获得亮区域的纹理完整性;
根据所述暗区域图像的纹理信息,获得暗区域的纹理完整性;
根据所述亮区域的纹理完整性及所述暗区域的纹理完整性,获得所述纹理完整度。
3.根据权利要求2所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述纹理完整性的获取过程,包括:
根据亮区域图像/暗区域图像的纹理特征,获取亮区域图像/暗区域图像的纹理丰富度及纹理均匀程度;
将所述纹理丰富度及所述纹理均匀度相乘,得到亮区域图像/暗区域图像的所述纹理完整性。
4.根据权利要求3所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述纹理丰富度的获取过程,包括:
将亮区域图像/暗区域图像中,所有像素点中灰度值的最大值与灰度值的最小值相减,得到灰度值宽度;
根据亮区域图像/暗区域图像的灰度直方图中,不同灰度值的出现次数的方差,得到直方图均匀程度;
将所述灰度值宽度与所述直方图均匀程度相乘,得到纹理丰富度。
5.根据权利要求3所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述纹理均匀程度的获得方法,包括:
对亮区域图像/暗区域图像进行边缘检测,得到亮区域图像/暗区域图像的边缘特征点;
将亮区域图像/暗区域图像中边缘特征点的八邻域像素点,以及自身像素点共九个像素点中边缘特征点的个数作为边缘特征点的频率;
根据亮区域图像/暗区域图像中行的边缘特征点的频率,以及行的边缘特征点的行距离特征,获得边缘特征点的行分布均匀程度;
根据亮区域图像/暗区域图像中列的边缘特征点的频率,以及列的边缘特征点的列距离特征,获得边缘特征点的列分布均匀程度;
将所述边缘特征点的行分布均匀程度与列分布均匀程度相乘,获得所述纹理均匀程度。
6.根据权利要求5所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述行距离特征指的是,边缘特征点到同一行相邻的其他边缘特征点之间的距离,或边缘特征点到亮区域图像/暗区域图像的边界的距离;
所述列距离特征指的是,边缘特征点到同一列相邻的其他边缘特征点之间的距离,或边缘特征点到亮区域图像/暗区域图像的边界的距离。
7.根据权利要求1所述的基于纹理信息的零件异常曝光图像修正方法,其特征在于,所述对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正,包括:
所述融合权重包括,暗区域融合权重以及亮区域融合权重;
利用所述暗区域融合权重,对所述第二图像的灰度图像中的暗区域,对应的所述第二图像中的区域进行加权融合;
利用所述亮区域融合权重,对所述第二图像的灰度图像中的亮区域,对应的所述第二图像中的区域进行加权融合。
8.一种基于纹理信息的零件异常曝光图像修正装置,其特征在于,包括:
图像及曝光值获取模块,用于获取第一图像以及第一图像的曝光值,所述第一图像指待修正的异常曝光图像;
第一计算模块,用于根据所述第一图像的边缘特征及第一图像的灰度直方图中灰度值的频率,获得所述第一图像的纹理完整度,并根据所述第一图像的纹理完整度获得修正必要性指标,当所述修正必要性指标大于预设第一阈值时对所述第一图像进行修正;
第二计算模块,用于根据所述第一图像的纹理完整度获得调整值下限及调整值上限,并根据所述调整值下限、所述调整值上限以及所述第一图像的曝光值,获得曝光值范围;
图像生成模块,用于对所述第一图像的曝光值进行调整,获得不同曝光值的多个第二图像,所述第二图像的曝光值位于所述曝光值范围内;
第三计算模块,用于按照获取第一图像的纹理完整度的方法获得每张所述第二图像的纹理完整度,并根据所述每张第二图像的纹理完整度,获得每张所述第二图像的融合权重;
图像修正模块,用于对得到的所有第二张图像的融合权重进行融合叠加得到第一图像的像素值,完成对所述第一图像的修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210348628.5A CN114723632A (zh) | 2022-04-01 | 2022-04-01 | 一种基于纹理信息的零件异常曝光图像修正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210348628.5A CN114723632A (zh) | 2022-04-01 | 2022-04-01 | 一种基于纹理信息的零件异常曝光图像修正方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723632A true CN114723632A (zh) | 2022-07-08 |
Family
ID=82241583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210348628.5A Pending CN114723632A (zh) | 2022-04-01 | 2022-04-01 | 一种基于纹理信息的零件异常曝光图像修正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723632A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188462A (zh) * | 2023-04-24 | 2023-05-30 | 深圳市翠绿贵金属材料科技有限公司 | 一种基于视觉鉴定的贵金属质量检测方法及*** |
-
2022
- 2022-04-01 CN CN202210348628.5A patent/CN114723632A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188462A (zh) * | 2023-04-24 | 2023-05-30 | 深圳市翠绿贵金属材料科技有限公司 | 一种基于视觉鉴定的贵金属质量检测方法及*** |
CN116188462B (zh) * | 2023-04-24 | 2023-08-11 | 深圳市翠绿贵金属材料科技有限公司 | 一种基于视觉鉴定的贵金属质量检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505459B (zh) | 适用于内窥镜的图像颜色校正方法、装置和存储介质 | |
US7557812B2 (en) | Multilevel texture processing method for mapping multiple images onto 3D models | |
US8035871B2 (en) | Determining target luminance value of an image using predicted noise amount | |
EP2849431B1 (en) | Method and apparatus for detecting backlight | |
US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
CN112752023B (zh) | 一种图像调整方法、装置、电子设备及存储介质 | |
US20090080796A1 (en) | Defect Correction in Blurred Images | |
CN108009997B (zh) | 一种调整图像对比度的方法及装置 | |
WO2009029365A1 (en) | Systems and methods for determination of a camera imperfection for an image | |
US7522314B2 (en) | Image sharpening | |
CN111340721B (zh) | 一种像素的修正方法、装置、设备及可读存储介质 | |
CN114723632A (zh) | 一种基于纹理信息的零件异常曝光图像修正方法及装置 | |
CN113596573A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN107659777B (zh) | 一种自动曝光的方法及装置 | |
CN113592739B (zh) | 一种镜头阴影校正的方法、装置及存储介质 | |
CN110175967A (zh) | 图像去雾处理方法、***、计算机设备和存储介质 | |
WO2005025207A1 (en) | Image processing utilizing locally adaptive color correction and cumulative histograms | |
KR100999811B1 (ko) | 균등확률분할 히스토그램 평활화를 이용한 영상 화질 개선 방법 | |
CN113808045B (zh) | 一种图像亮度调节方法及装置 | |
CN114757853B (zh) | 平场校正函数的获取方法及***、平场校正方法及*** | |
CN110086997B (zh) | 人脸图像曝光亮度补偿方法及装置 | |
CN111640068A (zh) | 一种图像曝光度的无监督自动化校正方法 | |
CN115802169A (zh) | 一种基于亮度直方图的自动曝光方法及终端 | |
EP1919189B1 (en) | Method and apparatus for processing digital images | |
US20040109602A1 (en) | Method and apparatus for inspecting a bump electrode |
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 |