CN102169575B - 一种非基色单色光图像数据的处理方法及其处理装置 - Google Patents

Abstract

一种非基色单色光图像数据的处理方法及其处理装置，利用同一像素的色光分量的不同，运用数据处理单元获取高动态范围图像数据，降低图像的噪声，大大提高图像质量；使原来图像中由于超过该色分量传感器信号最大值而过曝光造成数据丢失的数据，可以从欠曝光数据中恢复；而原来由于欠曝光分量中暗的部分的图像数据的噪声大，可以从过曝光相同像素的低噪声图像数据中恢复，提高图像质量；其它部分的图像数据也可以用过曝光，正常曝光，欠曝光的数据平均获得，降低图像的噪声，增加图像的动态范围，提高图像质量。

Description

一种非基色单色光图像数据的处理方法及其处理装置

技术领域：本发明涉及图像处理领域，特别涉及非基色单色光图像数据的处理方法及其处理装置。

背景技术：目前非基色单色光大量运用于医疗设备、物体的无损伤性探查，夜视等领域，无论是医疗设备、物体的无损伤性探查，夜视等均是采集荧光图像，并将其转换为电信号获得数码图像。但由于光电转换设备的制约，图像的灰阶总是不能超过设备的采集阈值，所以，必然使设备的采集阈值确定了图像与物的差距。

图像的灰阶是有局限的，怎样获得灰阶高动态范围图像，是使图像更接近被摄物，也是提高图像质量的重要课题，从中国专利，或其它国家专利和见到的记载中，有通过多次曝光进行处理后合成一幅高动态图像，但存在不同时刻的曝光可能存在的差异的重要缺点，也有中国专利公开号为CN101917551A，名称为：一种单次曝光的高动态范围图像获取方法，运用电荷耦合器件输出的模拟电信号通过串行信号线，分别输入高增益模拟数字转换器和低增益模拟信号转换器进行采样，由高增益模拟信号转换器通过数字并行总线输出一幅亮图，由低增益信号转换器通过数字并行总线输出一幅暗图，通过处理后合成一幅高动态图像。但存在电荷耦合元件在采集信号时受其电荷耦合元件本身的动态范围限制。

发明内容：为了克服或缩小物与图像的差距，本发明的目的在于提出一种利用非基色单色光图像数据的同一像素的色光分量的不同，运用数据处理单元获取高动态范围图像数据的方法及其处理装置。

本发明的技术方案是：一种非基色单色光图像数据的处理方法，其特征在于，至少包括下列方法对图像数据进行处理：

A.通过二色及其以上的处理设备，采集到二色以上的图像数据F_12…i(x，y，z)，其中，x为图像的水平坐标，y为图像的垂直坐标，z＝1，2，……，i(i≥2)

分离各色分量为：

F₁(x，y)＝F_12…i(x，y，1)

F₂(x，y)＝F_12…i(x，y，2)

……

Fi(x，y)＝F_12…i(x，y，i)

$F_1(x,y)=\left(\begin{array}{cccc}F1\left(\mathrm{0,0}\right)& F1\left(\mathrm{0,1}\right)& ...& F1(0,N-1)\\ F1\left(\mathrm{1,0}\right)& F1\left(\mathrm{1,1}\right)& ...& F1(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F1(M-\mathrm{1,0})& F1(M-\mathrm{1,1})& ...& F1(M-1,N-1)\end{array}\right)$

$F_2(x,y)=\left(\begin{array}{cccc}F2\left(\mathrm{0,0}\right)& F2\left(\mathrm{0,1}\right)& ...& F2(0,N-1)\\ F2\left(\mathrm{1,0}\right)& F2\left(\mathrm{1,1}\right)& ...& F2(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F2(M-\mathrm{1,0})& F2(M-\mathrm{1,1})& ...& F2(M-1,N-1)\end{array}\right)$

……

$\mathrm{Fi}(x,y)=\left(\begin{array}{cccc}\mathrm{Fi}\left(\mathrm{0,0}\right)& \mathrm{Fi}\left(\mathrm{0,1}\right)& ...& \mathrm{Fi}(0,N-1)\\ \mathrm{Fi}\left(\mathrm{1,0}\right)& \mathrm{Fi}\left(\mathrm{1,1}\right)& ...& \mathrm{Fi}(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ \mathrm{Fi}(M-\mathrm{1,0})& \mathrm{Fi}(M-\mathrm{1,1})& ...& \mathrm{Fi}(M-1,N-1)\end{array}\right)$

其中，M为图像的水平最大坐标，N为图像的垂直最大坐标；

B.将F₁(x，y)，F₂(x，y)，……Fi(x，y)传输到数据处理单元，并进行：

B.1选择F₁(x，y)，F₂(x，y)，……Fi(x，y)中的n个相同像素点(n为1至M×N之间)，求出F₁(x，y)，F₂(x，y)，……Fi(x，y)的n个相同像素点和：

$S1=\underset{1}{\overset{n}{\mathrm{\Σ}}}F1(x,y)$

$S2=\underset{1}{\overset{n}{\mathrm{\Σ}}}F2(x,y)$

……

$\mathrm{Si}=\underset{1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Fi}(x,y)$

选择S1，S2，……Si的其中之一为Sj(j为1至i)；

B.2利用计算单元计算，每个S1，S2，……Si与Sj比例的关系：

$K1j=\frac{\mathrm{Sj}}{S1}$

$K2j=\frac{\mathrm{Sj}}{S2}$

……

$\mathrm{Kjj}=\frac{\mathrm{Sj}}{\mathrm{Sj}}=1$

……

$\mathrm{Kij}=\frac{\mathrm{Sj}}{\mathrm{Si}}$

在K1j，K2j，……，Kij中，选择Kmj为同一性校正的标准比例，m为1至i；

B.3利用计算单元，对F1(x，y)，F2(x，y)，……，Fi(x，y)的各像素值进行同一性校正，

$D1(x,y)=F1(x,y)\×\frac{K1j}{\mathrm{Kmj}}$

$D2(x,y)=F2(x,y)\×\frac{K2j}{\mathrm{Kmj}}$

……

Dj(x，y)＝Fj(x，y)×Kjj/Kmj＝Fj(x，y)/Kmj

……

$\mathrm{Dm}(x,y)=\mathrm{Fm}(x,y)\×\frac{\mathrm{Kmj}}{\mathrm{Kmj}}=\mathrm{Fm}(x,y)$

……

$\mathrm{Di}(x,y)=\mathrm{Fi}(x,y)\×\frac{\mathrm{Kij}}{\mathrm{Kmj}}$

B.4利用计算单元从D1(x，y)，D2(x，y)，……Di(x，y)中再造F(x，y)，

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

其中，F(x，y)是D1(x，y)，D2(x，y)，……Di(x，y)同一像素的最小值至最大值之间的数值。

所述的选择F₁(x，y)，F₂(x，y)，……Fi(x，y)中的n个相同像素点时，处理设备的采集最高值即最大信号幅度数值L，设定系数a，a为0.7-1之间，设定系数b，b为0-0.3之间，设置为最高阈值TH＝a×L和最低阈值TL＝b×L，对图像中每一个象素点，去除所有分量亮度值超过TH的象素点和所有分量亮度值低于TL的象素点，将剩下合格的象素点的1，2，……，i分量分别求和，得出S1，S2，……，Si。

所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的a为0.97-1之间，所述的b为0-0.1之间。

所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的S1，S2，……Si选最大为Sj。

所述的一种非基色单色光图像数据的处理方法，其特征在于：所述在K1j，K2j，……，Kij中，选最大为Kmj，所述的选择Kmj为同一性校正的标准比例。

所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的B4中的再造F(x，y)对D1(x，y)，D2(x，y)，……，Di(x，y)中选取，遵循S1，S2，…..，Si中数值大的所对应的D1(x，y)，D2(x，y)，……，Di(x，y)对F(x，y)中的小数值区域贡献大，S1，S2，…..，Si中数值小的所对应的D1(x，y)，D2(x，y)，……，Di(x，y)对F(x，y)中的大数值区域贡献大的原则。

所述的利用计算单元从D1(x，y)，D2(x，y)，……Di(x，y)中再造F(x，y)，

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

设定c为0.7-1之间，d为0-0.6之间，L为最大信号幅度数值，设置为最高阈值TH1＝c×L和最低阈值TL1＝d×L，

按照S1，S2，……Si由小到大的顺序排列D1(x，y)，D2(x，y)，……，Di(x，y)，得到D1S(x，y)，D2S(x，y)，……DiS(x，y)，其对应的K1S，K2S，……KiS是按相反顺序排列，即由大到小的顺序排列，

对图像中每一个象素点，进行如下处理，得到再造新图像，

如果最小D1S(x，y)≤TL1×K1S/Kmj

F(x，y)＝DiS(x，y)，即用最大；

如果最小D1S(x，y)＞TL1×K1S/Kmj和DiS(x，y)≤TH1×KiS/Kmj

F(x，y)＝(D1S(x，y)+D2S(x，y)+……+DiS(x，y))/i；

如果DiS(x，y)＞TH1×KiS/Kmj和Di-1S(x，y)≤TH1×Ki-1S/Kmj

F(x，y)＝(D1S(x，y)+D2S(x，y)+……+Di-1S(x，y))/(i-1)；

如果Di-1S(x，y)＞TH1×Ki-1S/Kmj和Di-2S(x，y)≤TH1×Ki-2S/Kmj

F(x，y)＝(D1S(x，y)+D2S(x，y)+……+Di-2S(x，y))/(i-2)；

……

如果D3S(x，y)＞TH1×K3S/Kmj和D2S(x，y)≤TH1×K2S/Kmj

F(x，y)＝(D1S(x，y)+D2S(x，y))/2；

如果D2S(x，y)＞TH1×K2S/Kmj

F(x，y)＝D1S(x，y)，即用最小。

一种非基色单色光图像数据的处理装置，它由一个非基色单色光的被摄物和被摄物图像数据的处理设备，进行运算和处理数据的单元组成，其特征在于：被摄物图像数据的处理设备采集二色以上的图像数据F_12…i(x，y，z)，其中，x为图像的水平坐标，y为图像的垂直坐标，z＝1，2，……，i(i≥2)，并将F_12…i(x，y，z)图像数据分离为F₁(x、y)、F₂(x、y)……F_i(x、y)，i≥2，并将F₁(x、y)、F₂(x、y)……F_i(x、y)传输到运算和处理数据单元。

所述的一种非基色单色光图像数据的处理装置，其特征在于所述被摄物图像数据的处理设备和运算和处理数据单元是至少包括能够对下列图像数据进行处理的单元：

A.通过二色及其以上的处理设备，采集到二色以上的图像数据，F_12…i(x，y，z)，其中，

z＝1，2，……，i(i≥2)

F₁(x，y)＝F_12…i(x，y，1)

F₂(x，y)＝F_12…i(x，y，2)

……

Fi(x，y)＝F_12…i(x，y，i)

$F_1(x,y)=\left(\begin{array}{cccc}F1\left(\mathrm{0,0}\right)& F1\left(\mathrm{0,1}\right)& ...& F1(0,N-1)\\ F1\left(\mathrm{1,0}\right)& F1\left(\mathrm{1,1}\right)& ...& F1(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F1(M-\mathrm{1,0})& F1(M-\mathrm{1,1})& ...& F1(M-1,N-1)\end{array}\right)$

$F_2(x,y)=\left(\begin{array}{cccc}F2\left(\mathrm{0,0}\right)& F2\left(\mathrm{0,1}\right)& ...& F2(0,N-1)\\ F2\left(\mathrm{1,0}\right)& F2\left(\mathrm{1,1}\right)& ...& F2(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F2(M-\mathrm{1,0})& F2(M-\mathrm{1,1})& ...& F2(M-1,N-1)\end{array}\right)$

……

$\mathrm{Fi}(x,y)=\left(\begin{array}{cccc}\mathrm{Fi}\left(\mathrm{0,0}\right)& \mathrm{Fi}\left(\mathrm{0,1}\right)& ...& \mathrm{Fi}(0,N-1)\\ \mathrm{Fi}\left(\mathrm{1,0}\right)& \mathrm{Fi}\left(\mathrm{1,1}\right)& ...& \mathrm{Fi}(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ \mathrm{Fi}(M-\mathrm{1,0})& \mathrm{Fi}(M-\mathrm{1,1})& ...& \mathrm{Fi}(M-1,N-1)\end{array}\right)$

B.将F1(x，y)，F2(x，y)，……Fi(x，y)传输到数据处理单元，并进行：

B.1选择F1(x，y)，F2(x，y)，……Fi(x，y)中的n个相同像素点，n为1至M×N之间，求出F1(x，y)，F2(x，y)，……Fi(x，y)之间的比例关系：

$S1=\underset{1}{\overset{n}{\mathrm{\Σ}}}F1(x,y)$

$S2=\underset{1}{\overset{n}{\mathrm{\Σ}}}F2(x,y)$

……

$\mathrm{Si}=\underset{1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Fi}(x,y)$

选择S1，S2，……Si的其中之一为Sj，

B.2计算每个S1，S2，……Si与Sj比例的关系：

$K1j=\frac{\mathrm{Sj}}{S1}$

$K2j=\frac{\mathrm{Sj}}{S2}$

……

$\mathrm{Kij}=\frac{\mathrm{Sj}}{\mathrm{Si}}$

在K1j，K2j，……，Kij中，选择Kmj为同一性校正的标准比例，式中m为1至i，

B.3对F1(x，y)，F2(x，y)，…….Fi(x，y)进行各像素值进行同一性校正。

$D1(x,y)=F1(x,y)\×\frac{K1j}{\mathrm{Kmj}}$

$D2(x,y)=F2(x,y)\×\frac{K2j}{\mathrm{Kmj}}$

……

Dj(x，y)＝Fj(x，y)/Kmj

……

$\mathrm{Dm}(x,y)=\mathrm{Fm}(x,y)\×\frac{\mathrm{Kmj}}{\mathrm{Kmj}}=\mathrm{Fm}(x,y)$

……

$\mathrm{Di}(x,y)=\mathrm{Fi}(x,y)\×\frac{\mathrm{Kij}}{\mathrm{Kmj}}$

B.4从D1(x，y)，D2(x，y)，……Di(x，y)中再造F(x，y)，

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

其中，F(x，y)是D1(x，y)，D2(x，y)，……Di(x，y)同一像素的最大值或最小值之间的数值的。

根据国际照明委员会(CIE)于1931年创立CIE 1931色彩空间，即CIE 1931 XYZ色彩空间可知，一种非基色单色光均可分解为红R，绿G，兰B三色分量，为此，通过R，G，B三色采集设备，必可以采集到F1(x，y)、F2(x，y)、F3(x，y)三个数据，除极端情况下，F1(x，y)≠F2(x，y)≠F3(x，y)，有大小之分，且相互之间成比例关系。映射到图像上，即有图像亮暗之分。为此，在适当曝光的情况下，对于F1(x，y)、F2(x，y)、F3(x，y)必有“过曝光，适中曝光，欠曝光”之分。正是利用“过曝光”对应的数据中，对较暗像素的信息记载的较为充分；“欠曝光”对应的数据中，对较亮像素的信息记载的较为充分的原理，对一次曝光同时采集到的F1(x，y)、F2(x，y)、F3(x，y)进行处理后，合成一幅含有高动态图像信息的数据F(x，y)，提高图像的信噪比。

在本发明中运用数字图像理论，一个图像对应一个矩阵数据F_12…i(x，y，z)，其中，x为图像的水平坐标，y为图像的垂直坐标，z＝1，2，……，i(i≥2)的二色以上图像数据，将F_12…i(x，y，z)图像数据分离为F₁(x、y)、F₂(x、y)……F_i(x、y)，i≥2，并将F₁(x、y)、F₂(x、y)……F_i(x、y)传输到运算和处理数据单元进行运算和处理。

根据色彩理论，任何一个非基色单色光是由二色以上的基色光组成。所以一个非基色单色光图像对应一个数据矩阵F_12…i(x，y，z)，可将F_12…i(x，y，z)图像数据分离为F₁(x、y)、F₂(x、y)……F_i(x、y)，i≥2。由于在一个F_12…i(x，y，z)图像数据中，分离的F₁(x、y)、F₂(x、y)……F_i(x、y)同一像素对应的F₁(x、y)、F₂(x、y)……F_i(x、y)数据是有一定比例的，并且该比例对于该图像同一像素对应的F₁(x、y)、F₂(x、y)……F_i(x、y)是相同的。为此可利用每个S1，S2，……Si与Sj比例进行各像素值进行同一性校正。从理论上而言，被掩盖的数据可以用F₁(x、y)、F₂(x、y)……F_i(x、y)数据代替，重组F(x，y)。

本发明的优点在于：利用同一像素的色光分量的不同，运用数据处理单元获取高动态范围图像数据，降低图像的噪声，大大提高图像质量。使原来图像中由于超过该色分量传感器信号最大值而过曝光造成数据丢失的数据，可以从欠曝光数据中恢复；而原来由于欠曝光分量中暗的部分的图像数据的噪声大，可以从过曝光相同像素的低噪声图像数据中恢复，提高图像质量；其它部分的图像数据也可以用过曝光，正常曝光，欠曝光的数据平均获得，降低图像的噪声，增加图像的动态范围，提高图像质量。

附图说明：

图1-1为本发明采用专用灰度采集设备采集的灰度图像。

图1-2为本发明采用彩色采集设备采集的彩色图像。

图1-3为本发明1(红)分量图像。

图1-4为本发明2(绿)分量图像。

图1-5为本发明3(兰)分量图像。

图1-6为本发明再造图像。

图1-7为本发明原始图像的A部分图像。

图1-8为本发明再造图像A相同部分的图像。

图1-9为本发明原始图像的B部分图像。

图1-10为本发明再造图像B相同部分的图像。

图2-1为本发明采用专用灰度采集设备采集灰度图像。

图2-2为本发明采用彩色采集设备采集彩色图像。

图2-3为本发明1(红)分量图像。

图2-4为本发明2(绿)分量图像。

图2-5为本发明3(兰)分量图像。

图2-6为本发明再造的新图像。

图2-7为本发明原始图像的A部分图像。

图2-8为本发明再造图像A相同部分的图像。

图2-9为本发明原始图像的B部分图像。

图2-10为本发明再造图像B相同部分的图像。

图3-1为本发明夜视图像。

图3-2为本发明1(红)分量图像。

图3-3为本发明2(绿)分量图像。

图3-4为本发明3(兰)分量图像。

图3-5为本发明灰色图像。

图3-6为本发明再造图像。

图3-7为本发明原始图像的A部分图像。

图3-8为本发明再造图像A相同部分的图像。

具体实施方式：本发明的技术方案通过以下实施例作详细说明，但不限于下列实施例。

例1、X光灰阶分辨率及清晰度分辨率卡的照片图像的获取及处理

一般情况下，X光信息是被照射物体的在照射方向上密度信息的叠加形成的，因此，只有强度信息，并无色彩信息，一般采用专用灰度采集设备采集其强度信号，见图1-1。

本发明是用医用X光胃肠机对灰阶分辨率测试卡及清晰度分辨率测试卡进行X光拍摄的彩色图像采集装置，对该X光设备的影像增强器输出荧光屏采集到的彩色照片图像数据，见图1-2。上述图像数据的采集照相装置是佳能EOS450D照相机，将该照相装置获取的三色图像数据传输到处理运算单元，本例中用计算机代替。

1.计算机读入包含红R、绿G、兰B图像分量的彩色uint16(16位整数)图像。图像R分量为1分量，图像G分量为2分量，图像B分量为3分量。

F₁₂₃(x，y，z)为彩色图像，x为图像水平坐标，y为图像垂直坐标，z为1，2，3图像分量坐标。z＝1为1分量图像，z＝2为2分量图像，z＝3为3分量图像。

F1(x，y)为1分量图像，x为图像水平坐标，y为图像垂直坐标。

F2(x，y)为2分量图像，x为图像水平坐标，y为图像垂直坐标。

F3(x，y)为3分量图像，x为图像水平坐标，y为图像垂直坐标。

F1(x，y)＝F₁₂₃(x，y，1)

F2(x，y)＝F₁₂₃(x，y，2)

F3(x，y)＝F₁₂₃(x，y，3)

2.观察可以发现，1，2，3图像分量图像中，2分量最亮，1分量次之，3分量最暗。

1分量图像如图1-3。

F1(x，y)＝F₁₂₃(x，y，1)

$F_1(x,y)=\left(\begin{array}{cccc}F1\left(\mathrm{0,0}\right)& F1\left(\mathrm{0,1}\right)& ...& F1(0,2479)\\ F1\left(\mathrm{1,0}\right)& F1\left(\mathrm{1,1}\right)& ...& F1(1,2479)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F1(2479,0)& F1(2479,1)& ...& F1(2479,2479)\end{array}\right)$

M＝2480，N＝2480

2分量图像如图1-4

F2(x，y)＝F₁₂₃(x，y，2)

$F_2(x,y)=\left(\begin{array}{cccc}F2\left(\mathrm{0,0}\right)& F2\left(\mathrm{0,1}\right)& ...& F2(0,2479)\\ F2\left(\mathrm{1,0}\right)& F2\left(\mathrm{1,1}\right)& ...& F2(1,2479)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F2(2479,0)& F2(2479,1)& ...& F2(2479,2479)\end{array}\right)$

M＝2480，N＝2480

3分量图像如图1-5

F3(x，y)＝F₁₂₃(x，y，3)

$F3(x,y)=\left(\begin{array}{cccc}F3\left(\mathrm{0,0}\right)& F3\left(\mathrm{0,1}\right)& ...& F3(0,2479)\\ F3\left(\mathrm{1,0}\right)& F3\left(\mathrm{1,1}\right)& ...& F3(1,2479)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F3(2479,0)& F3(2479,1)& ...& F3(2479,2479)\end{array}\right)$

M＝2480，N＝2480

3.处理运算单元对其进行如下程序的处理：

3.1.设置最高阈值TH和最低阈值TL

比如，16为无符号整数的最大为65535，

TH＝65535*0.987＝64684

TL＝65535*0.037＝2425

3.2.对图像中每一个象素点，去除所有分量亮度值超过TH的象素点和所有分量低于TL的象素点，将剩下合格的象素点的1，2，3分量分别求和，得出S1，S2，S3。

实际图像的水平像素数为2480，图像的垂直像素数为2480。

求出S1＝3.7641e+010，S2＝6.7229e+010，

S3＝2.6009e+010，

选择最大的S2为Sj，j＝2，S2＝6.7229e+010，

3.3.计算分量2与分量1，3间的比例关系：

K12＝S2/S1＝1.7861，

K32＝S2/S3＝2.5848，

找出最大比例数为K32，确定为同一性校正的标准比例。

3.4.为了减少数据精度对图像质量的影响，将Uint16整数彩色图像数据转换为Double双精度数据彩色图像。

3.5.对F1(x，y)，F3(x，y)各像素值进行同一性校正。

$D1(x,y)=F1(x,y)\×\frac{K12}{K32};$

D2(x，y)＝F2(x，y)/K32；

$D3(x,y)=F3(x,y)\×\frac{K32}{K32}=F3(x,y);$

3.6.从D1(x，y)，D2(x，y)，D3(x，y)中再造F(x，y)。

3.6.1.计算新的阈值：比如：双精度最高亮度值为1，T31＝1*0.987，T41＝1*0.037

3.6.2.对于每一个象素点，进行如下处理：

再造的新图像如图1-6。

3.7.结果比较：

3.7.1.动态范围比较：

将原始双精度图像数据RGB彩色图像转换为灰色图像，图像的最大亮度为MAX＝0.3869，最小亮度为MIN＝6.3573e-004，MAX-MIN＝0.3862，即原始图像的动态范围是0.3862。

我们再造的双精度图像的最大亮度为MAX＝1，最小亮度为MIN＝8.0285e-004，MAX-MIN＝0.9992，即图像的动态范围是0.9992，显然，动态范围是原来动态范围的0.9992/0.3862＝2.5872倍，有了明显扩展。

3.7.2.图像效果比较

图1-7是处理前原始图像的部分图像，图1-8是再造图像相同部分的图像；图1-9是处理前原始图像的部分图像，图1-10是再造图像相同部分的图像。从图中可以明显看出，由于再造图像的动态范围比原始的动态范围大，原始图像中由于过曝光丢失的信息可以在再造图像中清晰的显示出来。

例2、X光胸部透视视频图像的获取及处理

采用专用灰度采集设备采集其强度图像。见图2-1。

采用医用X光胃肠机对人体胸部透视图像进行X光摄像的彩色图像采集装置，对该X光设备的影像增强器输出荧光屏用录像方式采集到的一组彩色图像数据，选取其中一张图像，去除无用部分数据，再将其进行处理，见图2-2。其它图像按相同方法处理，就可以得到一组高动态图像，将其连续播放，就可看到高动态范围的视频影像。上述图像数据的采集装置是索尼NEX-5数码照相机，将该照相装置获取的三色图像数据传输到处理运算单元，本例中用计算机代替。

1.计算机读入包含R(红)G(绿)B(兰)图像分量的彩色uint16(16位整数)图像。图像R(红)分量为1分量，图像G(绿)分量为2分量，图像B(兰)分量为3分量。

F₁₂₃(x，y，z)为彩色图像，x为图像水平坐标，y为图像垂直坐标，z为1，2，3图像分量坐标。z＝1为1分量图像，z＝2为2分量图像，z＝3为3分量图像，

F1(x，y)为1分量图像，x为图像水平坐标，y为图像垂直坐标。

F2(x，y)为2分量图像，x为图像水平坐标，y为图像垂直坐标。

F3(x，y)为3分量图像，x为图像水平坐标，y为图像垂直坐标。

F1(x，y)＝F123(x，y，1)

F2(x，y)＝F123(x，y，2)

F3(x，y)＝F123(x，y，3)

2.观察可以发现，1，2，3图像分量图像中，2分量最亮，1分量次之，3分量最暗。

1分量图像如图2-3。

F1(x，y)＝F₁₂₃(x，y，1)

$F_1(x,y)=\left(\begin{array}{cccc}F1\left(\mathrm{0,0}\right)& F1\left(\mathrm{0,1}\right)& ...& F1(0,1079)\\ F1\left(\mathrm{1,0}\right)& F1\left(\mathrm{1,1}\right)& ...& F1(1,1079)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F1(1079,0)& F1(1079,1)& ...& F1(1079,1079)\end{array}\right)$

M＝1080，N＝1080

2分量图像如图2-4

F2(x，y)＝F₁₂₃(x，y，2)

$F_2(x,y)=\left(\begin{array}{cccc}F2\left(\mathrm{0,0}\right)& F2\left(\mathrm{0,1}\right)& ...& F2(0,1079)\\ F2\left(\mathrm{1,0}\right)& F2\left(\mathrm{1,1}\right)& ...& F2(1,1079)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F2(1079,0)& F2(1079,1)& ...& F2(1079,1079)\end{array}\right)$

M＝1080，N＝1080

3分量图像如图2-5

F3(x，y)＝F₁₂₃(x，y，3)

$F3(x,y)=\left(\begin{array}{cccc}F3\left(\mathrm{0,0}\right)& F3\left(\mathrm{0,1}\right)& ...& F3(0,1079)\\ F3\left(\mathrm{1,0}\right)& F3\left(\mathrm{1,1}\right)& ...& F3(1,1079)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F3(1079,0)& F3(1079,1)& ...& F3(1079,1079)\end{array}\right)$

M＝1080，N＝1080

3.处理运算单元对其进行如下程序的处理：

3.1.设置最高阈值TH和最低阈值TL

比如，16为无符号整数的最大为65535，

TH＝65535*0.987＝64684

TL＝65535*0.037＝2425

3.2.对图像中每一个象素点，去除最亮2分量亮度值超过TH的象素点和最暗3分量低于TL的象素点，将剩下合格的象素点的1，2，3分量分别求，得出S1，S2，S3。

实际图像的水平像素数为1080，图像的垂直像素数为1080。

求出S1＝1.9382e+010，S2＝3.5353e+010，

S3＝1.3919e+010，

选择最大的S2为Sj，j＝2，S2＝3.5353e+010，

3.3.计算分量2与分量1，3间的比例关系：

K12＝S2/S1＝1.8240，

K32＝S2/S3＝2.5397

找出最大比例数为K32，确定为同一性校正的标准比例。

3.4.为了减少数据精度对图像质量的影响，将Uint16整数彩色图像数据转换为Double(双精度)数据彩色图像。

3.5.对F1(x，y)，F3(x，y)各像素值的进行同一性校正。

$D1(x,y)=F1(x,y)\×\frac{K12}{K32};$

D2(x，y)＝F2(x，y)/K32；

$D3(x,y)=F3(x,y)\×\frac{K32}{K32}=F3(x,y);$

3.6.从D1(x，y)，D2(x，y)，……Di(x，y)中再造F(x，y)。

3.6.1.计算新的阈值：比如：双精度最高亮度值为1，T31＝1*0.987，T41＝1*0.037

3.6.2.对于每一个象素点，进行如下处理：

再造的新图像如图2-6。

3.7.结果比较：

3.7.1.动态范围比较：

原始图像的最大亮度为MAX＝0.3684，最小亮度为MIN＝7.1865e-004，MAX-MIN＝0.3676，即原始图像的动态范围是0.3676。

我们再造的双精度图像的最大亮度为MAX＝0.6514，最小亮度为MIN＝9.0122e-004，MAX-MIN＝0.6505，即图像的动态范围是0.6505，显然，动态范围是原来动态范围的0.6505/0.3676＝1.7695倍，有了明显扩展。

3.7.2.图像效果比较

图2-7是处理前原始图像的A部分图像，图2-8是再造图像A相同部分的图像；图2-9是处理前原始图像的B部分图像，图2-10是再造图像B相同部分的图像。从图中可以明显看出，由于再造图像的动态范围比原始的动态范围大，原始图像中由于过曝光丢失的信息可以在再造图像中清晰的显示出来。

例3、一张夜视成像仪图像获取及处理

从美国国防部(U.S.DEPARTMET OF DEFENSE)网站(http://www.defense.gov/news/newsarticle.aspx？id＝1617)下载的夜视图像hires_Night Vision.jpg来进行测试，图像水平为1222，垂直为1875，数据位数为uint8。夜视图像见图3-1。

将该三色图像数据传输到处理运算单元，本例中用计算机代替。

1.计算机读入包含R(红)G(绿)B(兰)图像分量的彩色uint8(8位整数)图像。

图像R(红)分量为1分量，图像G(绿)分量为2分量，图像B(兰)分量为3分量。

F₁₂₃(x，y，z)为彩色图像，x为图像水平坐标，y为图像垂直坐标，z为1，2，3图像分量坐标。z＝1为1分量图像，z＝2为2分量图像，z＝3为3分量图像，

F1(x，y)为1分量图像，x为图像水平坐标，y为图像垂直坐标。

F2(x，y)为2分量图像，x为图像水平坐标，y为图像垂直坐标。

F3(x，y)为3分量图像，x为图像水平坐标，y为图像垂直坐标。

F1(x，y)＝F₁₂₃(x，y，1)

F2(x，y)＝F₁₂₃(x，y，2)

F3(x，y)＝F₁₂₃(x，y，3)

2.观察可以发现，1，2，3图像分量图像中，2分量最亮，1分量次之，3分量最暗。

1分量图像如图3-2。

F1(x，y)＝F₁₂₃(x，y，1)

$F_1(x,y)=\left(\begin{array}{cccc}F1\left(\mathrm{0,0}\right)& F1\left(\mathrm{0,1}\right)& ...& F1(0,1874)\\ F1\left(\mathrm{1,0}\right)& F1\left(\mathrm{1,1}\right)& ...& F1(1,1874)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F1(1221,0)& F1(1221,1)& ...& F1(1221,1874)\end{array}\right)$

M＝1222，N＝1875

2分量图像如图3-3

F2(x，y)＝F₁₂₃(x，y，2)

$F_2(x,y)=\left(\begin{array}{cccc}F2\left(\mathrm{0,0}\right)& F2\left(\mathrm{0,1}\right)& ...& F2(0,1874)\\ F2\left(\mathrm{1,0}\right)& F2\left(\mathrm{1,1}\right)& ...& F2(1,1874)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F2(1221,0)& F2(1221,1)& ...& F2(1221,1874)\end{array}\right)$

M＝1222，N＝1875

3分量图像如图3-4

F3(x，y)＝F₁₂₃(x，y，3)

$F3(x,y)=\left(\begin{array}{cccc}F3\left(\mathrm{0,0}\right)& F3\left(\mathrm{0,1}\right)& ...& F3(0,1874)\\ F3\left(\mathrm{1,0}\right)& F3\left(\mathrm{1,1}\right)& ...& F3(1,1874)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F3(1221,0)& F3(1221,1)& ...& F3(1221,1874)\end{array}\right)$

M＝1222，N＝1875

3.处理运算单元对其进行如下程序的处理：

3.1.设置最高阈值TH和最低阈值TL

比如，8为无符号整数的最大为255，

TH＝255*0.987＝252

TL＝255*0.037＝9

3.2.对图像中每一个象素点，去除最亮2分量亮度值超过TH的象素点和最暗3分量低于TL的象素点，将剩下合格的象素点的1，2，3分量分别求，得出S1，S2，S3。

实际图像的水平像素数为1222，图像的垂直像素数为1875。

求出S1＝59061635，S2＝190827744，S3＝49007209，

选择最大的S2为Sj，j＝2，S2＝190827744，

3.3.计算分量2与分量1，3间的比例关系：

K12＝S2/S1＝3.2310，

K32＝S2/S3＝3.8939，

找出最大比例数为K32，确定为同一性校正的标准比例。

3.4.为了减少数据精度对图像质量的影响，将Uint8整数彩色图像数据转换为Double(双精度)数据彩色图像.

3.5.对F1(x，y)，F3(x，y)各像素值进行同一性校正。

$D1(x,y)=F1(x,y)\×\frac{K12}{K32};$

D2(x，y)＝F2(x，y)/K32；

$D3(x,y)=F3(x,y)\×\frac{K32}{K32}=F3(x,y);$

3.6.从D1(x，y)，D2(x，y)，……Di(x，y)中再造F(x，y)。

3.6.1.计算新的阈值：比如：双精度最高亮度值为1，T31＝1*0.987，T41＝1*0.037

3.6.2.对于每一个象素点，进行如下处理：

再造的新图像如图3-6。

3.7.结果比较：

3.7.1.动态范围比较：

将原始夜视RGB彩色图像转换为灰色图像，见3-5。图像的最大亮度为MAX＝0.2568，最小亮度为MIN＝0，MAX-MIN＝0.2568，即原始图像的动态范围是0.2568。

我们再造的双精度图像的最大亮度为MAX＝1，最小亮度为MIN＝0，MAX-MIN＝1，即图像的动态范围是1，显然，动态范围是原来动态范围的1/0.2568＝3.894倍，有了明显扩展。

3.7.2.图像效果比较

图3-7是处理前原始图像的A部分图像，图3-8是再造图像A相同部分的图像。从图中可以明显看出，由于再造图像的动态范围比原始的动态范围大，原始图像中由于过曝光丢失的信息可以在再造图像中清晰的显示出来，并且噪声也明显减少。

Claims (8)

1.一种非基色单色光图像数据的处理方法，其特征在于，至少包括下列步骤对图像数据进行处理：

A.通过二色及其以上的处理设备，采集到二色以上的图像数据F_12…i(x,y,z)，其中，x为图像的水平坐标,y为图像的垂直坐标,z=1，2，……，i,i≥2,

分离各色分量为:

F₁(x,y)=F_12…i(x,y,1)

F₂(x,y)=F_12…i(x,y,2)

……

F_i(x,y)=F_12…i(x,y,i)

$F_1(x,y)=\left(\begin{array}{cccc}{F}_1\left(\mathrm{0,0}\right)& F_1\left(\mathrm{0,1}\right)& ...& F_1(0,N-1)\\ F_1\left(\mathrm{1,0}\right)& F_1\left(\mathrm{1,1}\right)& ...& F_1(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_1(M-\mathrm{1,0})& F_1(M-\mathrm{1,1})& ...& F_1(M-1,N-1)\end{array}\right)$

$F_2(x,y)=\left(\begin{array}{cccc}{F}_2\left(\mathrm{0,0}\right)& F_2\left(\mathrm{0,1}\right)& ...& F_2(0,N-1)\\ F_2\left(\mathrm{1,0}\right)& F_2\left(\mathrm{1,1}\right)& ...& F_2(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_2(M-\mathrm{1,0})& F_2(M-\mathrm{1,1})& ...& F_2(M-1,N-1)\end{array}\right)$

……

$F_i(x,y)=\left(\begin{array}{cccc}{F}_i\left(\mathrm{0,0}\right)& F_i\left(\mathrm{0,1}\right)& ...& F_i(0,N-1)\\ F_i\left(\mathrm{1,0}\right)& F_i\left(\mathrm{1,1}\right)& ...& F_i(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_i(M-\mathrm{1,0})& F_i(M-\mathrm{1,1})& ...& F_i(M-1,N-1)\end{array}\right)$

其中，M为图像的水平最大坐标，N为图像的垂直最大坐标；

B.将F₁(x，y)，  F₂(x，y)，……F_i(x，y)传输到数据处理单元，并进行：

B.1选择F₁(x，y)，F₂(x，y)，……F_i(x，y)中的n个相同像素点，n为l至M×N之间；求出F₁(x，y)，F₂(x，y)，……F_i(x，y)的n个相同像素点和：

$S_1=\underset{1}{\overset{n}{\mathrm{\Σ}}}{F}_1(x,y)$

$S_2=\underset{1}{\overset{n}{\mathrm{\Σ}}}{F}_2(x,y)$

……

$S_i=\underset{i}{\overset{n}{\mathrm{\Σ}}}{F}_i(x,y)$

选择S₁，S₂，……S_i的其中之一为S_j，j为1至i；

B.2利用计算单元计算，每个S₁，S₂，……S_i与S_j比例的关系：

$K_{1j}=\frac{S_j}{S_1}$

$K_{2j}=\frac{S_j}{S_2}$

……

$K_{\mathrm{jj}}=\frac{s_j}{s_j}=1$

……

$K_{\mathrm{ij}}=\frac{S_j}{S_i}$

在K_1j，K_2j，……，K_ij中，选择K_mj为同一性校正的标准比例，m为1至i;

B.3利用计算单元，对F₁(x,y)，F₂(x,y)，……,F_i(x,y)的各像素值进行同一性校正,

$D_1(x,y)=F_1(x,y)\×\frac{K_{1j}}{K_{\mathrm{mj}}}$

$D_2(x,y)=F_2(x,y)\×\frac{K_{2j}}{K_{\mathrm{mj}}}$

……

D_j(x，y)=F_j(x，y)×K_jj/K_mj=F_j(x，y)/K_mj

……

$D_m(x,y)=F_m(x,y)\×\frac{K_{\mathrm{mj}}}{K_{\mathrm{mj}}}=F_m(x,y)$

……

$D_i(x,y)=F_i(x,y)\×\frac{K_{\mathrm{ij}}}{K_{\mathrm{mj}}}$

B.4利用计算单元从D₁(x,y),D₂(x,y),……D_i(x,y)中再造F(x,y),

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

其中，F(x,y)是D₁(x,y),D₂(x,y),……D_i(x,y)同一像素的最小值至最大值之间的数值。

2.根据权利要求1所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的选择F₁(x,y)，F₂(x,y)，……F_i(x,y)中的n个相同像素点时，处理设备的采集最高值即最大信号幅度数值L，设定系数a，a为0.7-1之间，设定系数b，b为00.3之间，设置为最高阈值TH=a×L和最低阈值TL=b×L，对图像中每一个像素点,去除所有分量亮度值超过TH的像素点和所有分量亮度值低于TL的像素点，将剩下合格的像素点的1，2，……,i分量分别求和，得出S₁，S₂，……,S_i。

3.根据权利要求2所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的a为0.97-1之间，所述的b为0-0.1之间。

4.根据权利要求1所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的S₁，S₂,……S_i选最大为S_j。

5.根据权利要求1所述的一种非基色单色光图像数据的处理方法，其特征在于：所述在K_1j，K_2j，……，K_ij中，选最大为K_mj，所述的K_mj为同一性校正的标准比例。

6.根据权利要求1所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的B.4中的再造F(x,y)对D₁(x,y),D₂(x,y),……,D_i(x,y)的选取，遵循S₁,S₂,……,S_i中数值大的所对应的D₁(x,y),D₂(x,y),……,D_i(x,y)对F(x,y)中的小数值区域贡献大，S₁,S₂,……,S_i中数值小的所对应的D₁(x,y),D₂(x,y),……,D_i(x,y)对F(x,y)中的大数值区域贡献大的原则。

7.根据权利要求1或6所述的一种非基色单色光图像数据的处理方法，其特征在于：所述的利用计算单元从D₁(x,y),D₂(x,y),……D_i(x,y)中再造F(x,y),

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

设定c为0.7-1之间，d为0-0.6之间，L为最大信号幅度数值，设置为最高阈值TH1=c×L和最低阈值TL1=d×L，

按照S₁，S₂,……S_i由小到大的顺序排列D₁(x,y),D₂(x,y),……,D_i(x,y)，得到D_1S(x,y),D_2S(x,y),……D_iS(x,y)，其对应的K_1S，K_2S，……K_iS是按相反顺序排列，即由大到小的顺序排列，

对图像中每一个像素点,进行如下处理，得到再造新图像，

如果最小D_1S(x,y)≤TL1×K_1S/K_mj

F(x,y)=D_iS(x,y)，即用最大；

如果最小D_1S(x,y)＞TL1×K_1S/K_mj和D_iS(x,y)≤TH1×K_iS/K_mj

F(x,y)=(D_1S(x,y)+D_2S(x,y)+……+D_iS(x,y))/i；

如果D_iS(x,y)＞TH1×K_iS/K_mj和D_i-1S(x,y)≤TH1×K_i-1S/K_mj

F(x,y)=(D_1S(x,y)+D_2S(x,y)+……+D_i-1S(x,y))/(i-1)；

如果D_i-1S(x,y)＞TH1×K_i-1S/K_mj和D_i-2S(x,y)≤TH1×K_i-2S/K_mj

F(x,y)=(D_1S(x,y)+D_2S(x,y)+……+D_i-2S(x,y))/(i-2)；

……

如果D_3S(x,y)＞TH1×K_3S/K_mj和D_2S(x,y)≤TH1×K_2S/K_mj

F(x,y)=(D_1S(x,y)+D_2S(x,y))/2；

如果D_2S(x,y)＞TH1×K_2S/K_mj

F(x,y)=D_1S(x,y)，即用最小。

8.一种非基色单色光图像数据的处理装置，它由一个非基色单色光的被摄物和被摄物图像数据的处理设备，进行运算和处理数据的单元组成，其特征在于：被摄物图像数据的处理设备采集二色以上的图像数据F_12…i(x,y,z)，其中，x为图像的水平坐标,y为图像的垂直坐标,z=1，2，……，i,i≥2，并将F_12…i(x,y,z)图像数据分离为F₁(x、y)、F₂(x、y)……F_i(x、y)，i≥2，并将F₁(x、y)、F₂(x、y)……F_i(x、y)传输到运算和处理数据单元；

所述被摄物图像数据的处理设备及运算和处理数据的单元是至少包括能够对下列图像数据进行处理的单元：

A.通过二色及其以上的处理设备，采集到二色以上的图像数据，F_12…i(x,y,z)，其中，z=1，2，……，i,i≥2,

F₁(x,y)=F_12…i(x,y,1)

F₂(x,y)=F_12…i(x,y,2)

……

F_i(x,y)=F_12…i(x,y,i)

$F_1(x,y)=\left(\begin{array}{cccc}{F}_1\left(\mathrm{0,0}\right)& F_1\left(\mathrm{0,1}\right)& ...& F_1(0,N-1)\\ F_1\left(\mathrm{1,0}\right)& F_1\left(\mathrm{1,1}\right)& ...& F_1(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_1(M-\mathrm{1,0})& F_1(M-\mathrm{1,1})& ...& F_1(M-1,N-1)\end{array}\right)$

$F_2(x,y)=\left(\begin{array}{cccc}{F}_2\left(\mathrm{0,0}\right)& F_2\left(\mathrm{0,1}\right)& ...& F_2(0,N-1)\\ F_2\left(\mathrm{1,0}\right)& F_2\left(\mathrm{1,1}\right)& ...& F_2(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_2(M-\mathrm{1,0})& F_2(M-\mathrm{1,1})& ...& F_2(M-1,N-1)\end{array}\right)$

……

$F_i(x,y)=\left(\begin{array}{cccc}{F}_i\left(\mathrm{0,0}\right)& F_i\left(\mathrm{0,1}\right)& ...& F_i(0,N-1)\\ F_i\left(\mathrm{1,0}\right)& F_i\left(\mathrm{1,1}\right)& ...& F_i(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F_i(M-\mathrm{1,0})& F_i(M-\mathrm{1,1})& ...& F_i(M-1,N-1)\end{array}\right)$

其中,M为图像的水平最大坐标,N为图像的垂直最大坐标；

B.将F₁(x,y)，F₂(x,y)，……F_i(x,y)传输到数据处理单元，并进行：

B.1选择F₁(x,y)，F₂(x,y)，……F_i(x,y)中的n个相同像素点，n为1至M×N之间；求出F₁(x,y)，F₂(x,y)，……F_i(x,y)的n个相同像素点和：

$S_1=\underset{1}{\overset{n}{\mathrm{\Σ}}}{F}_1(x,y)$

$S_2=\underset{1}{\overset{n}{\mathrm{\Σ}}}{F}_2(x,y)$

……

$S_i=\underset{1}{\overset{n}{\mathrm{\Σ}}}{F}_i(x,y)$

选择S₁，S₂，……S_i的其中之一为S_j，j为1至i；

B.2利用计算单元计算，每个S₁，S₂，……S_i与S_j比例的关系：

$K_{1j}=\frac{S_j}{S_1}$

$K_{2j}=\frac{S_j}{S_2}$

……

$K_{\mathrm{jj}}=\frac{s_j}{s_j}=1$

……

$K_{\mathrm{ij}}=\frac{S_j}{S_i}$

在K_1j，K_2j，……，K_ij中，选择K_mj为同一性校正的标准比例，m为1至i;

B.3利用计算单元，对F₁(x,y)，F₂(x,y)，……,F_i(x,y)的各像素值进行同一性校正,

$D_1(x,y)=F_1(x,y)\×\frac{K_{1j}}{K_{\mathrm{mj}}}$

$D_2(x,y)=F_2(x,y)\×\frac{K_{2j}}{K_{\mathrm{mj}}}$

……

D_j(x，y)=F_j(x，y)×K_jj/K_mj=F_j(x，y)/K_mj

……

$D_m(x,y)=F_m(x,y)\×\frac{K_{\mathrm{mj}}}{K_{\mathrm{mj}}}=F_m(x,y)$

……

$D_i(x,y)=F_i(x,y)\×\frac{K_{\mathrm{ij}}}{K_{\mathrm{mj}}}$

B.4利用计算单元从D₁(x,y),D₂(x,y),……D_i(x,y)中再造F(x,y),

$F(x,y)=\left(\begin{array}{cccc}F\left(\mathrm{0,0}\right)& F\left(\mathrm{0,1}\right)& ...& F(0,N-1)\\ F\left(\mathrm{1,0}\right)& F\left(\mathrm{1,1}\right)& ...& F(1,N-1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ F(M-\mathrm{1,0})& F(M-\mathrm{1,1})& ...& F(M-1,N-1)\end{array}\right)$

其中，F(x,y)是D₁(x,y),D₂(x,y),……D_i(x,y)同一像素的最小值至最大值之间的数值。

Images