CN102885631B - 一种运用于平板ccd探测器的畸变校正方法 - Google Patents

Abstract

本发明提供了一种运用于平板CCD探测器的畸变校正方法，该方法包括以下步骤：首先使用平板CCD探测器采集圆点模板图像；然后采用网格搜索的方法获取圆点模板图像中各个圆点的相邻关系；再以四个圆点圆心构建四边形，从而构建圆点模板图像的圆点四边形网格；最后利用坐标变换获取畸变系数，使用该组系数及三次插值方法实现医学影像的校正。本发明中的方法，畸变系数的求解运算量适当，效率高；并且在得到摄像机的成像模式之前，无需预先评估摄像机的成像模型和特性。

Description

一种运用于平板CCD探测器的畸变校正方法

技术领域

本发明属于数字图像处理领域，特别是医学数字影像处理领域。

背景技术

目前，市场上单CCD(charge coupling device)探测器存在以下缺陷：首先，单CCD探测器需选用超大广角镜头，因此系统采集光路较长，从而导致产品的体积和重量偏大，不利于安装和运输等工程化操作；其次，由于镜头和X射线特性的影响，使得采集所得的图像均呈现中心较亮，且沿四周方向逐渐变暗等亮度不均匀现象，影响医学影像的质量和图像的空间分辨率；再次，由于采集光路较长，造成光源衰减严重，而图像又处于弱光环境，为弥补其损失，需提高X射线的剂量；此外，单CCD探测器选用了大分辨率的CCD及超大广角镜头等贵重器件，因此产品的成本较高，且采集系统对工作环境的要求也非常苛刻。

现有技术中有一种平板CCD探测器方案，基本上解决了单CCD探测器存在的上述缺陷。该板CCD探测器的工作原理为：采用多个CCD分别采集医学影像各部分小图像，然后对其进行拼接融合操作，组成完整的一帧大图像。

但因镜头光学畸变的影响，其采集的图像存在非线性畸变现象，严重影响多帧图像的拼接，因此，拼接前需执行畸变操作。

当前，针对摄像机非线性畸变提出的校正方法很多，但根据其畸变校正的实现原理大致可将它们分为感兴趣对象控制法和模式法两大类。

感兴趣对象控制法常用方法有：

1)空间坐标的多项式变换方法^[1]；

2)基于偏差目标函数的最小优化法^[2]。

感兴趣对象控制法的原理为：(1)分析感兴趣对象的世界坐标和图像像素坐标之间的映射关系，从而建立包含镜头参数和摄像机参数的对象控制函数；(2)采用最优化方法对对象控制函数进行求解，得到畸变系数，实现对摄像机镜头的非线性畸变校正。该方法的优点是畸变系数的求解精度高，畸变校正效果好；但畸变系数的求解运算量大，效率低。

模式法常用方法有：

1)基于径向排列约束(radial alignment constraint，RAC)的两步法^[3][4]；

2)基于摄像机模型的校正方法^[5][6]。

模式法的原理为：(1)分析摄像机的成像模型、姿态模型和光学特性，得到摄像机的成像模式；(2)根据摄像机成像模式得到畸变校正系数，实现非线性畸变图像的校正。该方法的运算小，工程实用性强，且具有很强的鲁棒性；但在得到摄像机的成像模式之前，必须预先评估摄像机的成像模型和特性。

发明内容

针对上述畸变校正方法存在的不足，本发明的目的在于提出一种运用于平板CCD探测器的畸变校正方法，该方法包括以下步骤：首先使用平板CCD探测器采集圆点模板图像；然后采用网格搜索的方法获取圆点模板图像中各个圆点的相邻关系；再以四个圆点圆心构建四边形，从而构建圆点模板图像的圆点四边形网格；最后利用坐标变换获取畸变系数，使用该组系数及三次插值方法实现医学影像的校正。

优选的是，采集圆点模板图像的处理包括：将16位医学影像转换为8位医学影像，以提高后续的图像处理效率；采用OTSU方法查找自适应阈值，实现模板图像圆点与背景分离；对图像上的各部分连通区域进行标记，并提取其轮廓；通过统计连通区域面积，将较小区域设为背景，从而剔除伪目标；用椭圆拟合法拟合圆点区域，获得各圆点圆心和直径等信息，用于后续处理；以及进行中心校正和位置校正。

圆点模板图像采集时，会因摆放位置关系，存在旋转和平移，需对其进行校正，使方法具有旋转平移不变性，提高其鲁棒性；因噪声等原因，图像会存在较小面积伪目标，为剔除其干扰需要剔除伪目标。

本发明中的方法，畸变系数的求解运算量适当，效率高；并且在得到摄像机的成像模式之前，无需预先评估摄像机的成像模型和特性。

附图说明

图1(a)采集的圆点模板图像

图1(b)畸变校正后的圆点模板图像

图2(a)采集的医学影像

图2(b)畸变校正后的医学影像

图3畸变校正流程

图4阈值分割后的圆点模板图像

图5轮廓提取后的圆点模板图像

图6椭圆拟合后的圆点模板图像具体实施方式

图7垂直搜索示意图

图8水平搜索示意图

图9网格搜索后的圆点模板图像

图10四边形网格圆点模板图像

具体实施方式

图1(a)所示为圆点模板原始图像，图像存在明显畸变，使用上述畸变方案，实验结果如图1(b)所示，由图可知，图像已无畸变且未见明显损失。使用圆点模板畸变系数对图2(a)进行畸变校正操作，结果如图2(b)所示，同样图像几乎不存在畸变且没有明显损失。

对于特定的镜头而言，其光学畸变基本上保持不变。因此，可以采用标定的方法对其光学畸变属性进行标定。具体为采用圆点模板的方法，通过拍摄圆点模板图像，经过一系列图像处理，实现对圆点模板图像的畸变校正，从而得到镜头光学畸变参数，实现对镜头光学畸变的标定。在拍摄医学影像时，即可使用该标定参数实现对医学影像的光学畸变校正。

方案实现流程如图3所示，具体步骤为：

步骤一：位数转换，将16位圆点模板图像转换为8位圆点模板图像，提高图像处理速度；

步骤二：阈值分割，采用OTSU方法获取自适应阈值，对圆点模板图像进行二值化；OTSU即大津法，其原理为：根据图像的灰度特性，将图像分成背景和前景两部分；当两者的方差达到最大时，说明构成图像的两部分差别越大，因为方差是灰度分布均匀性的一种度量，此时得到的图像分割阈值也就越准确；由于使用大津法得到的阈值对不同的图像具有相当强的针对性，因此，使用该方法得到的阈值也就具有最佳的自适应，图像阈值化效果也就越好；阈值分割后的圆点模板图像如图4所示；

步骤三：轮廓提取，采用连通区域标记的方法，将图像中符合某种连通规则，如4邻域连通或8邻域连通的像素用相同的标号表示出来，以提取不同区域的特征；

步骤四：伪目标剔除，通过统计连通区域面积，采用设定阈值的方法，实现对因噪声等原因产生的伪轮廓目标进行剔除；

轮廓提取并剔除伪目标后的圆点模板图像如图5所示；

步骤五：椭圆拟合，采用最小二乘法对椭圆进行拟合，该方法通过寻找最佳参数，使数据点与椭圆之间的距离最小，具体使用最大似然法对随机误差进行最优估计，使测量误差的平方和最小。通过椭圆拟合方法拟合圆点区域，获得各圆点圆心和直径等信息；椭圆拟合后的圆点模板图像如图6所示；

步骤六：中心和位置校正，对采集的圆点模板图像因摆放位置关系而存在的旋转和平移进行校正；通过查找得到中心大圆点和其相邻水平方向上的两个小圆点，得到圆点模板图像的旋转和偏移量，通过该旋转和偏移量对圆点模板图像进行中心和位置校正，防止在网格搜索查找理想情况下的相邻圆点的误判；

步骤七：网格搜索，对中心和位置校正后的圆点模板图像进行网格搜索，得到理想情况下各个圆点的相邻关系；其具体搜索步骤如下：

子步骤一：垂直扫描，示意图如图7所示，从中心(红点)开始，依此向上(1、2)或向下(3、4)搜索垂直方向的最近邻，直至搜索到目标个数的圆点为止；

子步骤二：水平扫描，示意图如图8所示，以垂直扫描得到的圆点为基准点，从上到下对每一行圆点分别进行扫描，直至搜索到目标个数的圆点为止；

圆点模板图像网格搜索的结果如图9所示；

步骤八：构建网格，根据网格搜索得到的各个圆点理想情况下的相邻关系，以四个相邻圆点圆心构建一个四边形局部区域，依此类推，从而获得全图的四边形网格；圆点模板图像构建的四边形网格如图10所示；

步骤九：畸变校正，利用坐标变换获取各局部区域的畸变系数，从而实现对镜头光学畸变的标定；使用该组系数及立方卷积插值方法即可实现圆点模板图像和医学影像的畸变校正；圆点模板图像及医学影像的畸变校正效果分别如图1(b)和图2(b)所示。

Claims (1)

1.一种运用于平板CCD探测器的畸变校正方法，该方法包括以下步骤:

使用平板CCD探测器采集圆点模板图像；

采用网格搜索的方法获取圆点模板图像中各个圆点的相邻关系；

以四个圆点圆心构建四边形，从而构建圆点模板图像的圆点四边形网格；以及

利用坐标变换获取畸变系数，使用该组系数及三次插值方法实现医学影像的校正；

其中，采集圆点模板图像的步骤包括：

转换医学影像，降低医学影像的图像位数；

查找自适应阈值，实现模板图像圆点与背景分离；

对图像上的各部分连通区域进行标记，并提取其轮廓；

通过统计连通区域面积，设定阈值剔除伪目标；

用椭圆拟合法拟合圆点区域，获得的各圆点圆心和直径的信息用于后续处理；以及，

进行中心校正和位置校正。