CN102842116A - 图像内快速响应矩阵码的光照均衡处理方法 - Google Patents

Abstract

一种图像内快速响应矩阵码的光照均衡处理方法，第一步，初始化读入图像，将输入的RGB图像转换到灰度空间；第二步，对灰度图像进行光照均衡处理，将不均匀光照图像分割成若干子块，然后计算每个子块内的背景光照值，通过相邻的几个子块的背景光照值插值出子块内部每个点的背景光照值，再根据每个点的背景光照值，自适应的调整它的灰度值，消除原图像中存在的不均匀光照情况，最后利用大津法对图像进行二值化处理。用这种方法对光照不均的快速响应矩阵码图像进行处理能够得到很好的效果。

Description

图像内快速响应矩阵码的光照均衡处理方法

技术领域

本发明属于图像处理方法，对在光照不均条件下根据国标GB/T18284-2000《快速响应矩阵码》生成的快速响应矩阵码进行光照均衡处理并最后能够得到理想的二值图像。

背景技术

当今社会快速响应矩阵码已经被应用于人们日常生活中的各个方面，对于摄像头采集快速响应矩阵码，想要很好的识别，关键的第一步就是要很好的得到图像的二值图像，这样才能够为下面的识别提供方便，但用摄像头采集的图像普遍存在光照不均的缺点，因此本文就如何得到黑白比例保持较好的二值图像进行了研究。

发明内容

本发明是一种图像内快速响应矩阵码的光照均衡处理方法。

为了实现该目标，本发明采取如下技术方案：

一种图像内快速响应矩阵码的光照均衡处理方法，按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数(W＝640,H＝480)，分别表示图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为W×H，

步骤2：对灰度图像进行光照均衡处理，方法如下：

步骤2.1子图像背景光照值计算：将灰度图像W×H，按列分成M份，M=32，按行分成N份，N＝24，灰度图像被分成M×N个子图像S_k,k=1,2,3,...,M×N,i表示灰度图像中子图像的序号，

将每个子图像S_k中的像素点灰度值按从大到小的顺序进行排列，k=1,2,3,...,M×N，取前面L个像素点灰度值，L＝250：P_k1,P_k2,...,P_kL，将它们的平均值作为该子图像的背景光照值，公式如下：

$B_k=\frac{\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{kj}}}{L}$

遍历所有的子图像就可以得到所有子图像的背景光照值B_k，k=1,2,3,...,M×N，其中B_k表示第k个子图像的背景光照值，

步骤2.2子图像内部像素点的背景光照值计算：由当前子图像S_g的背景光照值B_g和与它相邻的四个子图像的背景光照值B_g-1,B_g+1,B_top,B_bottom计算出当前S_g子图像内每个像素点的光照值，g∈k，B_g-1，B_g+1,B_top,B_bottom分别表示S_g子图像的左，右，上和下四个子图像的背景光照值，将S_g子图像按照分为四个同样大小的三角形，分别标记为S_g1,S_g2,S_g3,S_g4，分别表示左，上，右，下四个子图像，

下面求取S_g1内的一点P(m,n)的背景光照值B(m,n)，m，n分别表示该点在该子图像中的行号和列号，插值函数构造如下：

$B(m,n)=\left[\frac{1}{2}(\frac{\mathrm{\β}+\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{\mathrm{top}}+\frac{\mathrm{\α}\×\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{g-1}+\frac{\mathrm{\β}+\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_g)\right]$

$\mathrm{\α}=\sqrt{m^2+n^2}$

$\mathrm{\β}=\sqrt{n^2+{(m-H/N)}^2}$

$\mathrm{\χ}=\sqrt{{(n-W/2M)}^2+{(m-H/2N)}^2}$

公式中[]表示取整，其中α，β，χ分别是点P(m,n)到点P(m,n)所在的三角形的三个顶点之间的距离，

遍历子图像S_g，得到每一个像素点的背景光照值，再遍历灰度图像中的每个子图像得到所有像素点的背景光照值，

步骤2.3修正每个像素点的像素点灰度值，每个像素点的修正系数由以下公式确定：

factor(i,j)＝C/B(i,j)

f'(i,j)＝f(i,j)×factor(i,j)

公式中factor(i,j)为坐标为(i,j)的像素点的修正数值，i表示行号，j表示列号，常数C表示整幅图像的光照常数，常数C取值范围为200~250之间，f(i,j)为灰度图像中坐标为(i,j)的像素灰度值，f'(i,j)为修正后的像素灰度值，遍历整幅灰度图像，得到光照均衡处理后的图像，

步骤2.4利用大津法对光照均衡处理后的图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₁)²

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3……255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，图像中灰度大于T的像素点赋值为0，小于T的像素点赋值为1，得到大小为W×H的二值图像。

与现有的技术相比，本发明的特点在于：

考虑到在光照不均匀的条件下，直接使用传统的全局和局部阈值二值化算法存在很多的问题，提出了一种光照均衡处理算以平衡整幅图像的光照，该算法将不均匀光照图像分割成若干子块，然后计算每个子块内的背景光照值，通过相邻的几个子块的背景光照值插值出子块内部每个点的背景光照值，最后根据每个点的背景光照值，自适应的调整它的灰度值，从而完成图像的光照均衡，从而很好的消除了原图像中存在的不均匀光照情况。

附图说明

图1是光照均衡的流程图；

图2是灰度图像划分为M×N个子图像；

图3是子图像S_g的原插值示意图；

图4是子图像S_g中的子图像中一点的差值示意图。

具体实施方式

在具体的实施方式中，将结合附图，清楚完整地描述了图像内快速响应矩阵码的光照均衡处理方法的详细过程，

一种图像内快速响应矩阵码的光照均衡处理方法，其特征在于按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数(W＝640,H＝480)，分别表示图像的列数和行数，然后针对彩色图像的每一个像素点，使用公式Y＝0.299*R+0.587*G+0.114*B（R、G、B分别代表每一个像素红色，绿色，蓝色分量值）将Y作为该点灰度值，从而将彩色图像转换为灰度图像，大小为W×H，

步骤2：对灰度图像进行光照均衡处理，方法如下：

步骤2.1子图像背景光照值计算：将灰度图像W×H，按列分成M（M=32）份，按行分成N(N＝24)份，图像被分成M×N个子图像S_k,k=1,2,3,...,M×N,i表示灰度图像中子图像的序号，

将每个子图像S_k(k=1,2,3,...,M×N)中的像素点灰度值按照从大到小的顺序进行排列，取前面L(L＝250)个像素点灰度值：P_k1,P_k2,...,P_kL，将它们的平均值作为该子图像的背景光照值，公式如下：

$B_k=\frac{\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{kj}}}{L}$

遍历所有的子图像就可以得到所有子图像的背景光照值B_k(k=1,2,3,...,M×N)，其中B_k表示第k个子图像的背景光照值，

步骤2.2子图像内部像素点的背景光照值计算：由当前子图像S_g的背景光照值B_g和与它相邻的四个子图像的背景光照值B_g-1，B_g+1,B_top,B_bottom，分别表示S_g子图像的左，右，上和下四个子图像的背景光照值，计算出当前S_g子图像内每个像素点光照值，将子图像S_g按照分为四个同样大小的三角形，分别标记为S_g1,S_g2,S_g3,S_g4，分别表示左，上，右，下四个子图像，

下面求取S_g1内的一点P(m,n)（m，n分别表示该点在该子图像中的行号和列号）的背景光照值B(m,n)，由于子图像S_g1与其左和上子图像相邻，故构造插值函数如下：

$B(m,n)=\left[\frac{1}{2}(\frac{\mathrm{\β}+\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{\mathrm{top}}+\frac{\mathrm{\α}\×\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{g-1}+\frac{\mathrm{\β}+\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_g)\right]$

$\mathrm{\α}=\sqrt{m^2+n^2}$

$\mathrm{\β}=\sqrt{m^2+{(n-H/N)}^2}$

$\mathrm{\χ}=\sqrt{{(m-W/2M)}^2+{(n-H/2N)}^2}$

公式中[]表示取整，其中α，β，χ分别是点P(m,n)到三角形的三个顶点之间的距离。遍历子图像中S_g得到每一个点的背景光照值，再遍历灰度图像中的每个子图像得到所有像素点的背景光照值，

步骤2.3修正每个点的像素灰度值，每个点的修正系数可以由以下公式确定：

factor(i,j)＝C/B(i,j)

f'(i,j)＝f(i,j)×factor(i,j)

公式中factor(i,j)为坐标为(i,j)(i表示行号，j表示列号)的像素点的修正数值，常数C表示整幅图像的光照常数，一般取200~250之间，f(i,j)为原始图像中坐标为(i,j)的像素灰度值，f'(i,j)为修正后的像素灰度值，遍历整幅灰度图像得到光照均衡处理后的图像，

步骤2.4利用大津法对光照均衡处理后的图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₁)^2

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3……255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，图像中灰度大于T的像素点赋值为0，小于T的像素点赋值为1，得到大小为W×H的二值图像。

Claims (1)

1.一种图像内快速响应矩阵码的光照均衡处理方法，其特征在于按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数(W＝640,H＝480)，分别表示图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为W×H，

步骤2：对灰度图像进行光照均衡处理，方法如下：

步骤2.1子图像背景光照值计算：将灰度图像W×H，按列分成M份，M=32，按行分成N份，N＝24，灰度图像被分成M×N个子图像S_k,k=1,2,3,...,M×N,i表示灰度图像中子图像的序号，

将每个子图像S_k中的像素点灰度值按从大到小的顺序进行排列，k=1,2,3,...,M×N，取前面L个像素点灰度值，L＝250：P_k1,P_k2,...,P_kL，将它们的平均值作为该子图像的背景光照值，公式如下：

$B_k=\frac{\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{P}_{\mathrm{kj}}}{L}$

遍历所有的子图像就可以得到所有子图像的背景光照值B_k，k=1,2,3,...,M×N，其中B_k表示第k个子图像的背景光照值，

步骤2.2子图像内部像素点的背景光照值计算：由当前子图像S_g的背景光照值B_g和与它相邻的四个子图像的背景光照值B_g-1，B_g+1,B_top,B_bottom计算出当前S_g子图像内每个像素点的光照值，g∈k，B_g-1，B_g+1,B_top,B_bottom分别表示S_g子图像的左，右，上和下四个子图像的背景光照值，将S_g子图像按照分为四个同样大小的三角形，分别标记为S_g1,S_g2,S_g3,S_g4，分别表示左，上，右，下四个子图像，

下面求取S_g1内的一点P(m,n)的背景光照值B(m,n)，m，n分别表示该点在该子图像中的行号和列号，插值函数构造如下：

$B(m,n)=\left[\frac{1}{2}(\frac{\mathrm{\β}+\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{\mathrm{top}}+\frac{\mathrm{\α}\×\mathrm{\χ}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_{g-1}+\frac{\mathrm{\β}+\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}+\mathrm{\χ}}\×B_g)\right]$

$\mathrm{\α}=\sqrt{m^2+n^2}$

$\mathrm{\β}=\sqrt{n^2+{(m-H/N)}^2}$

$\mathrm{\χ}=\sqrt{{(n-W/2M)}^2+{(m-H/2N)}^2}$

公式中[]表示取整，其中α，β，χ分别是点P(m,n)到点P(m,n)所在的三角形的三个顶点之间的距离，

遍历子图像S_g，得到每一个像素点的背景光照值，再遍历灰度图像中的每个子图像得到所有像素点的背景光照值，

步骤2.3修正每个像素点的像素点灰度值，每个像素点的修正系数由以下公式确定：

factor(i,j)＝C/B(i,j)

f'(i,j)＝f(i,j)×factor(i,j)

公式中factor(i,j)为坐标为(i,j)的像素点的修正数值，i表示行号，j表示列号，常数C表示整幅图像的光照常数，常数C取值范围为200~250之间，f(i,j)为灰度图像中坐标为(i,j)的像素灰度值，f'(i,j)为修正后的像素灰度值，遍历整幅灰度图像，得到光照均衡处理后的图像，

步骤2.4利用大津法对光照均衡处理后的图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₁)²

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3……255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，图像中灰度大于T的像素点赋值为0，小于T的像素点赋值为1，得到大小为W×H的二值图像。

Images