一种图像背景不平度的线性校正方法
开篇：润墨网以专业的文秘视角，为您筛选了一篇一种图像背景不平度的线性校正方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要:针对图像检测系统中,由于不均匀光照引起的图像背景不平度现象,采用一种准线性方法建立图像不平度的校正模型。通过2次静态实验得到校正系数,并利用查表取值简化线性校正方法,同时对于校正过程中的相关注意事项做了必要的说明。已经在多个工程项目使用证实该方法简化了测量步骤,增加了图像识别精度,实现简便有效。
中图分类号:TN911.73 文献标识码:A
文章编号:1004-373X(2010)10-0081-02
Linear Correction Method of Image Background Unevenness
MING Jun, JIANG Ning, LI Chun-yang
(Key IC&SP Lab of Ministry of Education, Anhui University, Hefei 230039, China)
Abstract:the correction model of image uneven is established by using linear method to solve image background unevenness phenomenon that leaded by uneven illumination in image detection system. Correction coefficient was derived from experiment and predigested linear correction method with look-up table. The essential explanation regarding the needing attention in correction process is given. This method decreased the step of testing and increased identifiable accuracy of image. In many engineering projects, the validity of method was proved.
Keywords:image background;unevenness; correction; image detection system
图像处理系统中的一个基本问题是图像背景的不平度校正。图像背景的不平度影响主要来源于背景光源照度的不均匀性,以及摄像机边缘感光效果的下降,测量表明在不同等级电平下,不同位置的幅度最大差值约为1倍。这种影响在图像处理中带来了很大的识别误差,如在物料特征库建立过程中,大大增加了库的阈值范围,降低了检测灵敏度。对于背景非均匀现象,理论上需要建立高阶非线性校正方法。由于图像处理系统实时处理的要求,通常不能满足高阶非线性校正要求。本文采用准线性模型,着重于工程实现方法,相关理论分析参见文┫[1-3],其他进一步讨论和应用说明见文献[4-8]。该方法实现简便有效,已经成功地在智能型杂质在线探测仪(国家九五攻关项目)、物流动态识别分类系统(科技部2006年中小企业创新项目)和片烟结构在线检测系统(秦皇岛烟草机械有限责任公司)等多个项目中使用。
1 校正模型及其相关说明
对于某个灰度等级k(常数)的测试板,希望摄像机输出sk(x,y)经过线性校正后,有理想输出k,即:
k=a(x,y)sk(x,y)+b(x,y)(1)
式中:a(x,y)为动态校正系数,在物理概念上反映了对比度的变化,故又称作“对比度校正系数”;b(x,y)为静态校正系数,物理概念上反映幅度的整体增加或减少,故称作“亮度校正系数”。这种方式为线性校正,即对不同的空间位置(x,y),采用不同的对比度和亮度的线性加权。
线性变换包含2个未知数a(x,y),b(x,y),因此只要进行2次测量,即选择2种不同等级灰度测试板,经过两次实验就可以获取对应校正系数。假设对应校正电平为k1,k2且k2>>k1,有:
k1=a(x,y)sk1(x,y)+b(x,y)(2)
k2=a(x,y)sk2(x,y)+b(x,y)(3)
式(2)和式(3)联立求解,可以得到校正系数:
a(x,y)=(k2-k1)/[sk2(x,y)-sk1(x,y)](4)
b(x,y)=k1sk2(x,y)-k2sk1(x,y)sk2(x,y)-sk1(x,y)(5)
参照式(1),对于摄像机输出si(x,y),经线性校正后有:
so(x,y)=a(x,y)si(x,y)+b(x,y)(6)
算法虽然仅包含1次乘法和加法,但是对应M×N的面阵,用计算机进行实时处理,却是相当大的负担。简化的思路可以采用查表法,设a(x,y)在整数K附近波动,即对(6)式变换得到:
so(x,y)=Ksi(x,y)+Δ(si)+b(x,y)(7)
式中:Δ(si)=[a(x,y)-K]si(x,y)。即对于每个输入si(x,y),建立Δ(si)的对应数据表,由此可将式(6)转化为快速的加法运算。
对于实际测试板的选择可以取最黑和最白2种,2个基准校正电平k1,k2就是校正输出的最小值和最大值。这种方法有利于信噪比和校正输出溢出的控制。此外,为了简化测量步骤,其中基准校正电平k1,可以在盖上摄像机镜头盖得到。此时对应完全无光状态,由于摄像机性能比较稳定,校正后出厂使用者无需再进行测量。
此外,实际测试板对应摄像机输出包含杂波,为了得到真实信号,可以通过累加求平均值的方法。即┆i(x,y)=1N∑N1[si(x,y)+n(x,y)],其中n(x,y)为与信号中的杂波。依据信号处理理论分析[9],输出与输入信噪比的关系为PSNRo=NPSNRi,N为迭代次数。系统测量选择N>100,信噪比提高到10倍以上,几乎观察不到杂波的影响。
2 校正系统及其实验结果
图像处理系统基本结构框图如图1所示。传输带上的物料或测试板,在光源照射下反射到摄像机,经视频采集卡读取数据送到计算机。测量过程中,传输带上放置测试板,由此经图像采集卡在计算机中获取数据建立校正电平和校正系数;在实际运行过程中,获取数据经过校正系数控制的线性校正单元得到校正输出。
图1 图像处理系统基本结构框图
系统指标采用两个相对不平度误差标准衡量:一个是最大误差η1=(s┆max-s┆min)/s┆ave,另一个为均方误差η2=1MN∑M,Nm=1,n=1[si(m,n)-s┆ave]2s┆ave。其中:s┆min,s┆max为校正后测试板的最小和最大值,s┆ave=1MN∑m,nsi(m,n)。例如图2和图3为白色板测试输出图像及波形,其对应的校正前测试白板示例,校正后其图形如图4、图5所示。
图2 白色测试板输出图像
图3 白色测试板输出波形
直观上能够看出,背景图像的均匀程度要比图1好得多,且校正后R,G,B值趋向同一等级电平。具体结果参见表1。
图4 校正后白色测试板输出图像
图5 校正后白色测试板输出波形
表1 校正前后背景图像对比参数
测试状态η1η2
校正前0.7230.284
校正后0.1420.047
3 结 语
理论和实践均表明,采用上述不平度校正方法,可以简化测量步骤,提高实时运行速度,有效地降低特征库的范围,增加图像识别精度。
参考文献
[1]TORRES S, REEVES R, HAYAT M. Scene-based non-uniformity correction method using constant range[J]. Performance and Analysis, 2002: 224-229.
[2]VERA E, REEVES R,TORRES S. Adaptive bias compensation for non-uniformity correction on infrared focal plane array detectors [J]. [S.l.]: IOS Press, 2002.
[3]SCRIBNER D, SARKADY K, KRUER M, et al. Adaptive nonuniformity correction for ir focal plane arrays using neural networks [J]. Proceeding of the SPIE, 1991,1541: 100-109.
[4]Hui H, ZHOU X,LAI R, et al. New improved nonuniformity correction for infrared focal plane arrays [J]. Optics Communications, 2005, 245: 49-53.
[5]王兆仲,周付根.基于高斯差分滤波器的图像光场矫正[J].红外与激光工程,2000,29(6):64-67.
[6]郑军,徐春广,肖定国,等.数字图像中照度不均匀校正技术研究[J].北京理工大学学报,2003,23(3):285-289.
[7]王钰,陈前,殷德奎.实时红外图像非均匀性校正技术研究[J].激光与红外,1999,29(4):229-231.
[8]姜光,周慧鑫,王炳健,等.基于场景运动分析的红外图像非均匀性校正[J].西安电子科技大学学报,2003,30(1):81-84.
[9][美]KENNETH R CASTLEMAN.数字图像处理 [M].,译.北京:电子工业出版社,2006.