法律状态公告日
法律状态信息
法律状态
2016-11-16
授权
授权
2016-07-27
实质审查的生效 IPC(主分类):G06T7/00 申请日:20160118
实质审查的生效
2016-06-29
公开
公开
技术领域
本发明主要涉及到数字图像处理领域,特指针对折射性色差的快速检测校正算法。
背景技术
目前,单反相机、摄像机等成像设备在人们的日常生活中发挥越来越大的作用。但是受 到光学镜片自身特性的影响,实际光学系统与理想光学系统有很大的差异,即一个物点发出 的光线经实际光学系统后,不再会聚于一点,而是一个弥散斑,弥散斑的大小与光学系统的 像差有关。光学系统的像差具体可分为单色像差与色差。其中,色差是彩色成像设备中常见 的一种畸变。色差产生的主要原因是光学系统的光学系统的色散效应,光学系统对穿过透镜 的不同波长的色光具有不同的折射率,从而该成像系统不能将不同色光很好地聚焦在一起。 根据在图像中的不同位置,色差又可以简单分为两类:(1)强光区域周围的色差。主要是由 于强光包含大量白光,白光向周围扩散时不同波长的单色光出现误差,从而导致强光区域周 围一般会出现较大的色差。(2)一般折射性色差。除了强光区域,如果某个边界两边颜色差 别比较大,则由于色散效应,该边界处会出现色差。这种色差可以称为折射性色差,如图1 所示。如果同时处理这两种不同位置处的色差,会影响算法的整体稳健性和速度。强光区域 周围的色差可以通过计算彩色图像的纯度V而快速检测并校正,但是利用纯度V却无法检测 出其他边界处的折射性色差。因此,如何有效去除折射性色差也是图像处理领域亟需解决的 一个问题。
色差具体可以分为两种类型:垂轴色差和轴向色差,如图2所示。目前色差校正的算法 有单独针对轴向色差的校正算法,但是垂轴色差不能很好地消除。有的算法虽然针对两个类 型的色差,但是对强光区域周围的色差,检测色差边界的方法比较复杂,而且检测不够准确。 直接通过图像计算消除色差的方法较少,更多的方法是基于镜头和相机参数,这类方法需要 的参数较多,计算过程复杂。
发明内容
针对除了强光区域周围色差之外的普通折射性色差,本发明提出一种针对折射性色差的 快速检测校正算法,其是一种基于绿色通道梯度值的折射性色差快速检测校正算法。由绿色 通道的梯度检测出包含折射性色差的主要边界区域,然后通过适当扩展得到折射性的色差区 域的边界,并进行校正,可以有效地消除图像较大对比度边界处的折射性色差。
本发明的技术方案是:
一种针对折射性色差的快速检测校正算法,包括以下步骤:
步骤一:利用相机拍摄含有边界的图像,首先求出其绿色通道G在垂直方向的梯度,采 用垂直Sobel算子,如式(1)所示:
其中,表示SG_v(i,j)表示坐标(i,j)处垂直方向的Sobel梯度,i表示图像中像素点的横坐 标,j表示图像中像素点的纵坐标,G(i,j)表示坐标(i,j)处的像素值。
然后求出其绿色通道G在水平方向的梯度,采用水平Sobel算子,如式(2)所示:
其中,表示SG_h(i,j)表示坐标(i,j)处水平方向的Sobel梯度,i表示图像中像素点的横坐 标,j表示图像中像素点的纵坐标,G(i,j)表示坐标(i,j)处的像素值。
步骤二:针对步骤一中所求得的图像绿色通道在垂直方向和水平方向的梯度,设置阈值T, 然后利用该阈值T分别对垂直方向和水平方向梯度进行过滤,将垂直方向和水平方向梯度图 像中小于该阈值T的像素都令为0,其余像素值不变,则过滤得到的区域包含存在折射性色 差的区域。具体操作方法如下式所示:
其中,Gg(i,j)表示梯度图像中坐标为(i,j)的像素点的像素值,Gg(i,j)new表示过滤后对应 梯度图像中坐标为(i,j)的像素点的像素值;
步骤三:对步骤二中得到的包含折射性色差区域的图像利用matlab中的bwlabel函数进行 二值化分区,bwlabel函数能将图像中不同的连通区域区分开来,且不同区域的像素值不同, 所以该函数能将不同色差区域区分并进行标记;
步骤四:依次提取步骤三中得到的每个色差区域,检测每个色差区域间的边界并进行扩 展,从而得到折射性色差的基本区域范围;对所检测色差区域的边界进行扩展是指,以该某 个色差区域边界最先被检测到的一点为中心,该点坐标为k,分别向与该边界垂直的两个方 向扩展。
垂直方向的边界扩展公式如式(4)所示:
其中,kv表示步骤四中所检测垂直梯度图像中色差区域边界最先被检测到的点的纵坐标, dvd1和dvd2表示从步骤四所检测出的边界向上向下所扩展的宽度,up和dp分别表示所检测色 差区域扩充之后的上边界和下边界的纵坐标。
水平方向的边界扩展公式如式(5)所示:
其中,kh表示步骤四中所检测水平梯度图像中色差区域边界最先被检测到的点的横坐标, dhd1和dhd2表示从步骤四所检测出的边界向左向右所扩展的宽度,lp和rp分别表示所检测色 差区域扩充之后的左边界和右边界的横坐标。
步骤五:由步骤四中所确定的扩展后的色差区域边界,按照图像边缘颜色差异理论进行 校正,得到色差消除后的图像,其具体校正如下:
以绿色通道G作为参考通道,分别对红色通道和蓝色通道进行校正,红色通道和蓝色通 道的校正方式相同,所述红色通道的校正方式为:先对红色通道在垂直方向进行校正,然后 对红色通道在水平方向进行校正,其中红色通道的垂直方向和水平方向的校正方法相同,所 述红色通道在垂直方向的校正方法如下:
红色通道在垂直方向的校正过程如式(5)所示:
其中,up和dp分别表示色差区域扩充之后的上下边界点的纵坐标,R(i,up)和R(i,dp)分 别表示红色通道在坐标(i,up)和(i,dp)处的像素值,G(i,up)和G(i,dp)分别表示绿色通道在坐 标(i,up)和(i,dp)处的像素值,Drgup表示上边界点处红色通道与绿色通道的差值,Drgdp表示 下边界点处红色通道与绿色通道的差值;
其中,Maxrg表示上下边界点处红色通道与绿色通道差值的最大值,Minrg表示上下边界 点处红色通道与绿色通道差值的最小值;
遍历该色差区域上下边界间的所有像素点,求出该像素点处红色通道与绿色通道的差值, 如果该像素点处差值大于上下边界点处红色通道与绿色通道差值中的最大值,则取其差值为 上下边界点处红色通道与绿色通道差值中的最大值;如果该像素点处差值小于上下边界点处 红色通道与绿色通道差值中的最小值,则取其差值为上下边界点处红色通道与绿色通道差值 中的最小值,如式(7)所示:
其中,R(i,j)表示位于色差区域上下边界间一坐标为(i,j)的像素点的红色通道像素值,
Rnew(i,j)表示更新后该像素点的像素值,G′(i,j)表示位于色差区域上下边界间一坐标为(i,j) 的像素点的绿色通道像素值,Maxrg和Minrg分别表示色差区域上下边界处红色通道与绿色通 道差值的最大值和最小值,Drg(i,j)表示色差区域上下边界间一坐标为(i,j)的像素点上红色通 道与绿色通道的差值;
按照公式(7)的方法依次遍历处理每个色差区域,完成红色通道的垂直方向的校正;再 按照红色通道在垂直方向的校正方法对红色通道的水平方向进行校正,完成红色通道的校正;
蓝色通道和红色通道的校正方式相同,按照红色通道的校正方法对蓝色通道进行校正, 完成红色通道和蓝色通道校正后即可得到色差校正后的图像。
本发明的有益技术效果:
本发明提供的针对折射性色差的快速检测校正算法,针对对比度较大边界附近出现的折 射性色差,直接利用绿色通道的梯度检测色差边界,这种方法简单快速,能很好地校正强光 区域周围色差之外的普通折射性色差,在图像处理领域具有非常重要的意义。
附图说明
图1为对比度较强边界处的折射性色差;其中图1(a)为原始拍摄的含有色差的图像, 图1(b)为色差局部放大示意图,图1(c)为色差局部放大示意图;
图2为垂轴色差与轴向色差示意图;其中图2(a)为垂轴色差,图2(b)为轴向色差;
图3为本发明的流程图;
图4为采用本发明方法得到的最终色差校正结果图;其中图4(a)为色差校正后的整体 图像,图4(b)为色差校正后的局部放大示意图,图4(c)为色差校正后的局部放大示意图;
具体实施方式
下面结合附图,对本发明作进一步的说明:
如图3所示,本实施例提供的一种针对折射性色差的快速检测校正算法,包括如下步骤:
步骤一:利用相机拍摄含有边界的图像,首先求出其绿色通道G在垂直方向的梯度,采 用垂直Sobel算子,如式(1)所示:
其中,表示SG_v(i,j)表示坐标(i,j)处垂直方向的Sobel梯度,i表示图像中像素点的横坐 标,j表示图像中像素点的纵坐标,G(i,j)表示坐标(i,j)处的像素值。
然后求出其绿色通道G在水平方向的梯度,采用水平Sobel算子,如式(2)所示:
其中,表示SG_h(i,j)表示坐标(i,j)处水平方向的Sobel梯度,i表示图像中像素点的横坐 标,j表示图像中像素点的纵坐标,G(i,j)表示坐标(i,j)处的像素值。
步骤二:针对步骤一中所求得的图像绿色通道在垂直方向和水平方向的梯度,设置阈值T, 然后利用该阈值T分别对垂直方向和水平方向梯度进行过滤,将垂直方向和水平方向梯度图 像中小于该阈值T的像素都令为0,其余像素值不变,则过滤得到的区域包含存在折射性色 差的区域。具体操作方法如下式所示:
其中,Gg(i,j)表示梯度图像中坐标为(i,j)的像素点的像素值,Gg(i,j)new表示过滤后对应 梯度图像中坐标为(i,j)的像素点的像素值;T表示测试所得到的合适阈值。本实施例中所采 用的阈值T=0.85。
步骤三:对步骤二中得到的包含折射性色差区域的图像利用matlab中的bwlabel函数进行 二值化分区,bwlabel函数能将图像中不同的连通区域区分开来,且不同区域的像素值不同, 所以该函数能将不同色差区域区分并用进行标记,从而将不同的色差区域区分开来,这样有 利于后续对每个色差区域单独处理。
步骤四:依次提取步骤三中得到的每个色差区域,检测每个色差区域间的边界并进行扩 展,从而得到折射性色差的基本区域范围;对所检测色差区域的边界进行扩展是指,以该某 个色差区域边界最先被检测到的一点为中心,该点坐标为k,分别向与该边界垂直的两个方 向扩展。
垂直方向的边界扩展公式如式(4)所示:
其中,kv表示步骤四中所检测垂直梯度图像中色差区域边界最先被检测到的点的纵坐标, dvd1和dvd2分别表示从步骤四所检测出的边界向上、向下所扩展的宽度,up和dp分别表示所 检测色差区域扩充之后的上边界和下边界的纵坐标。
水平方向的边界扩展公式如式(5)所示:
其中,kh表示步骤四中所检测水平梯度图像中色差区域边界最先被检测到的点的横坐标, dhd1和dhd2分别表示从步骤四所检测出的边界向左、向右所扩展的宽度,lp和rp分别表示所 检测色差区域扩充之后的左边界和右边界的横坐标。
本实施例中dvd1=5,dvd2=15,dhd1=5,dhd2=15。
步骤五:由步骤四中所确定的扩展后的色差区域边界,按照图像边缘颜色差异理论进行 校正,得到色差消除后的图像。图像边缘颜色差异理论具体是指对于没有色差的图像边缘, 在边缘渐变区域内,RGB三个通道的像素值一般都在边界两边像素值之间,而如果有色差, 则边缘渐变区域内的像素值会超出该边界两边像素值。色差校正的主要目的即是将该渐变区 域内超出图像边缘两端像素值的某些像素值调整到正常范围内。在校正过程中,以绿色通道 G作为参考通道,分别对红色通道和蓝色通道进行校正,红色通道和蓝色通道的校正方式相 同,所述红色通道的校正方式为:先对红色通道在垂直方向进行校正,然后对红色通道在水 平方向进行校正,其中红色通道的垂直方向和水平方向的校正方法相同,所述红色通道在垂 直方向的校正方法如下:
红色通道在垂直方向的校正过程如式(5)所示:
其中,up和dp分别表示色差区域扩充之后的上下边界点的纵坐标,R(i,up)和R(i,dp)分 别表示红色通道在坐标(i,up)和(i,dp)处的像素值,G(i,up)和G(i,dp)分别表示绿色通道在坐 标(i,up)和(i,dp)处的像素值,Drgup表示上边界点处红色通道与绿色通道的差值,Drgdp表示 下边界点处红色通道与绿色通道的差值;
其中,Maxrg表示上下边界点处红色通道与绿色通道差值的最大值,Minrg表示上下边界 点处红色通道与绿色通道差值的最小值;
遍历该色差区域上下边界间的所有像素点,求出该像素点处红色通道与绿色通道的差值, 如果该像素点处差值大于上下边界点处红色通道与绿色通道差值中的最大值,则取其差值为 上下边界点处红色通道与绿色通道差值中的最大值;如果该像素点处差值小于上下边界点处 红色通道与绿色通道差值中的最小值,则取其差值为上下边界点处红色通道与绿色通道差值 中的最小值,如式(7)所示:
其中,R(i,j)表示位于色差区域上下边界间一坐标为(i,j)的像素点的红色通道像素值,
Rnew(i,j)表示更新后该像素点的像素值,G′(i,j)表示位于色差区域上下边界间一坐标为(i,j) 的像素点的绿色通道像素值,Maxrg和Minrg分别表示色差区域上下边界处红色通道与绿色通 道差值的最大值和最小值,Drg(i,j)表示色差区域上下边界间一坐标为(i,j)的像素点上红色通 道与绿色通道的差值;
按照公式(7)的方法依次遍历处理每个色差区域,完成红色通道的垂直方向的校正;再 按照红色通道在垂直方向的校正方法对红色通道的水平方向进行校正,完成红色通道的校正;
蓝色通道和红色通道的校正方式相同,按照红色通道的校正方法对蓝色通道进行校正, 完成红色通道和蓝色通道校正后即可得到色差校正后的图像。最终的色差校正结果图4所示。
机译: 快速检测和鉴定样品中一种或多种目标微生物的方法;一种用于快速检测和鉴定牡蛎中生活的一种或多种目标微生物的设备;用于快速检测和鉴定样品中生活的一种或多种目标微生物的检测试剂盒,用于该方法。
机译: 快速检测和鉴定样品中一种或多种活体目标微生物的方法;用于快速检测和鉴定样品中一种或多种活目标微生物的设备;以及用于快速检测和鉴定样品中用于该方法的一种或多种活靶微生物的试剂盒测试。
机译: 快速检测和鉴定样品中一种或多种活体目标微生物的方法;用于快速检测和鉴定样品中一种或多种活目标微生物的设备;以及用于快速检测和鉴定样品中用于该方法的一种或多种活靶微生物的试剂盒测试。