CN102938137A - 基于图像序列分析的线扫描图像动态非均匀性校正方法 - Google Patents

Abstract

本发明提供基于图像序列分析的线扫描图像动态非均匀性校正方法，首先为当前要校正的图像选择k（k=1,2,…,∈Z）幅图像，并设定一个理想的期望值q；然后求出所有k幅图像的各列上的像数值的平均值，得到一个均值向量，再利用该均值向量与所设定的理想期望值的比值作为校正系数来校正图像，从而得到一个背景均匀、缺陷轮廓分明、便于后续缺陷目标定位的新图像。该方法可有效克服检测对象材料规格、厚度等参数、检测角度、板型一致性以及光源照度衰减等因素变化的影响，动态实时得到一个灰度分布均匀，清晰度高的，检测目标被显著增强的理想图像，在很大程度上简化了后续图像处理难度，有效提高整体系统的实时性能。

Description

基于图像序列分析的线扫描图像动态非均匀性校正方法

技术领域

本发明涉及高反光材料表面线扫描图像非均匀性校正的方法，尤其涉及一种基于图像序列分析的线扫描图像动态非均匀性校正方法，应用于冶金、造纸、纺织等行业线扫描表面视觉智能检测，属于先进制造技术及设备技术领域。

背景技术

在有色加工或钢铁加工领域内，对金属表面的质量要求越来越高，在金属板带材表面质量检测中，机器视觉检测技术正在取代传统的人工检测，成为高精板带生产必备的质量检测设备。而图像质量是带材表面缺陷检测效果的一个至关重要的因素，直接关系到缺陷图像的分割和定位效果，图像背景一致性越好，越容易检测出目标缺陷，越能简化图像后续的处理过程，从而进一步提高视觉检测系统的整体实时性。

理想情况下，当相机对均匀的表面成像时，所得图像所有像素灰度值理论上应该相同，但在实际应用中，由于现场光照的不均匀，镜片中心和镜片边缘的响应不一致，线阵相机各像元的光电响应不一致，固定的图像背景噪声等因素的影响，表面成像时，得到的图像的像素值差异比较大，图像的横向分布很难达到理想的一致性，一般中间亮，两边暗，虽然某些应用场合可以通过传统平场校正的方法减轻这种情况，但在实际应用中，由于检测对象规格、检测环境等因素完全可能处在不断变化过程中，采集系统依然很难保证图像的一致性和稳定性。另外，特别是对于诸如金属板带材等高反光材料出现板形不理想的时候、以及当采用高亮LED光源出现热点镜像效果时，图像纵向会出现不同程度的非线性条带分布，条带上的像素与其邻域内的像素的灰度值不同，条带明暗相间，这些不良的影响在此称为伪缺陷特征，容易与真实表面的缺陷相混淆，将直接干扰到图像后续分析与判断，增加了整体系统后续处理的难度，使得系统实时性难以保证，所以必须采用一定的方法消除上述因素对图像的影响。

传统的线阵相机图像平场校正方法，一般有点校正方法和自适应校正方法。点校正方法一般采用两点校正法，或多点校正法及分段校正方法。两点校正方法需要用在不曝光条件下的暗本底图像和曝光下的在均匀光照场下所成的参考图像，来得到校正曲线。要求暗曝光与接近饱和曝光时间相同，并保证实验在恒温下进行，以消除曝光时间和温度带来的影响；而且参考图像的光照场要均匀，同时照明光场的光照水平尽量接近饱和照明条件；这种校正需要每隔20摄氏度的温差变化就得调整一次。然而，这些条件在现场难以满足，加上现场环境恶劣，光路中还存在透明物体阻挡，对光线透过存在较大影响的情形，这种情形又是有变化的，一般，多数地方四季的温差变化基本大于40摄氏度，所以平场校正要根据成像环境条件的改变而改变校正参数。在条件不具备时， 难以用于应用。同时，两点校正方法是以像元响应线性为前提条件，响应不一致的分布是固定的，这些假设在现场往往难以满足，而多点校正法是对两点校正法的改进，采用多个光照度下定标，利用多项式插值法求得校正系数，准确度高于两点校正法，但代价是运算量大，在实际应用中存在一定的困难。随后产生二点多段线性校正法，即将光照度分成多段，在每段内用两点校正法，力求改善两点校正算法的低准确度和避免多点校正算法的复杂运算。该方法首先要判断像元的响应属于哪个光照度区，然后选用对应的校正参数来校正像素值。所有参数固化到查询表中，假设在每个光照度区内，像元响应输出与光照度是线性的，像元响应非均匀性的分布是固定的。而这一假设在实际应用中一般无法保证，因为现场的外部光源环境是多变的。自适应校正方法目前主要应用于在红外焦平面阵列非均匀性校正，如基于场景的、基于神经网络等，这些方法运算量大，耗时长，不适用于高速在线实时检测系统中。

发明内容

本发明针对现有的线阵相机图像平场校正方法的不足和在高速环境下带状宽幅材料表面检测现场的不适用性，提出一种基于图像序列相关性分析的线扫描图像的动态非均匀性校正方法，在满足实时性的同时，可有效的校正图像不均匀性，消除现场线阵相机图像的非线性不均匀分布对表面检测系统所带来的干扰，从而保证整体系统的稳定性。

本发明的目的通过以下技术方案来实现：

基于图像序列分析的线扫描图像动态非均匀性校正方法，包含以下步骤：

首先，为要校正的图像选定k（k=1,2,…,k∈Z）幅图像进行图像列上元素求和，得和向量S=(S₁,S₂,…,S_M)，其中S_j为k幅图像第j列上的像素值之和，M表示总列数；

进而，计算均值向量：  $\mathrm{Mean}=\frac{S}{k\·N}=\frac{1}{k\·N}(S_1,S_2,...,S_M)$ ，

其中N表示每幅图像每列上的像素个数；

接着，用给定的期望值q与均值向量Mean，求得校正系数 $f=k\·N\·q(\frac{1}{S_1},\frac{1}{S_2},...,\frac{1}{S_M})$ ；

最后，通过转换系数校正图像。

进一步地，上述的基于图像序列分析的线扫描图像动态非均匀性校正方法，对需校正的图像选择其前k幅相邻图像， k幅图像与需校正图像在时间上邻近， k幅图像包含需校正的图像本身， k值大于等于1。

更进一步地，上述的基于图像序列分析的线扫描图像动态非均匀性校正方法，对选定的

幅相邻图像进行列向求和，求得一个由列上元素的均值所构成的均值向量Mean。

更进一步地，上述的基于图像序列分析的线扫描图像动态非均匀性校正方法，设定一个固定的理想的期望值q，该值反映均匀表面在某个均匀光照场下理想的灰度值。

再进一步地，上述的基于图像序列分析的线扫描图像动态非均匀性校正方法，用设定的期望值q与对应列上的均值的比值作为列上的像素的校正系数，整个图像的校正系数为比值所构成的向量：

$f=k\·N\·q(\frac{1}{S_1},\frac{1}{S_2},...,\frac{1}{S_M})=(f_1,f_2,...,f_M)$ 。

再进一步地，上述的基于图像序列分析的线扫描图像动态非均匀性校正方法，需校正的图像F用f校正后的新图像为G：G=(f₁·F₁,f₂·F₂,…,f_M·F_M)，其中F_i（i=1,2,…,M）表示图像矩阵F的第i列的元素构成的列向量，f_i（i=1,2,…,M）表示向量 f的第i个元素。

本发明技术方案突出的实质性特点和显著的进步主要体现在：

本发明非常实用的线扫描图像灰度校正方法：设定一个期望背景值，这是均匀表面在某一理想情况下所成图像的理想灰度值，然后对历史图像纵向求均值，即各列上求均值，计算均值与期望背景值的比值，得到图像每列上的校正因子，用这个比值修正每列上的像素的灰度值，消除各种干扰因素对成像的影响，使得所有列上的明暗度接近理论上的程度。该方法可有效克服检测对象材料规格、厚度等参数、检测角度、板型一致性以及光源照度衰减等因素的变化，动态实时得到一个灰度分布均匀，清晰度高的，检测目标被显著增强的理想图像，在很大程度上简化了后续图像处理难度，有效提高整体系统的实时性能。

附图说明

下面结合附图对本发明技术方案作进一步说明：

图1：本发明的流程示意图。

具体实施方式

本发明提出基于图像序列相关性分析的线扫描图像非均匀性校正方法，考虑到现场实时检测的实时性要求和带材图像能实时反映成像环境，相邻或相近图像序列之间具有较强的相关性，可以用历史数据来刻画当前的成像环境，反映线扫描图像所具有的环境特征和检测对象特征。由此，设计了一种实用的线扫描图像平场校正方法：设定一个期望背景值，这是均匀表面在某一理想情况下所成图像的理想灰度值，对历史图像纵向即各列上求均值，计算均值与期望背景值的比值，得到图像每列上的校正因子，用这个比值修正每列上的像素的灰度值，消除各种干扰因素对成像的影响，使得所有列上的明暗度接近理论上的程度。同时这种方法计算简单，借助一定的简化快速实现算法，完全满足在带材高速运行下对图像处理的实时性要求。

基于图像序列分析的线扫描图像动态非均匀性校正方法，首先，对需校正的图像选择其前k幅相邻图像， k幅图像与需校正图像在时间上邻近， k幅图像包含需校正的图像本身， k值大于等于1；为要校正的图像选定k（k=1,2,…,k∈Z）幅图像进行图像列上元素求和，得和向量S=(S₁,S₂,…,S_M)，其中S_j为k幅图像第j列上的像素值之和，M表示总列数；

进而，对选定的k幅相邻图像进行列向求和，求得一个由列上元素的均值所构成的均值向量Mean；计算均值向量：  $\mathrm{Mean}=\frac{S}{k\·N}=\frac{1}{k\·N}(S_1,S_2,...,S_M)$ ，

其中N表示每幅图像每列上的像素个数；

接着，设定一个固定的理想的期望值q，该值反映均匀表面在某个均匀光照场下理想的灰度值；用设定的期望值q与对应列上的均值的比值作为列上的像素的校正系数，整个图像的校正系数为比值所构成的向量：

$f=k\·N\·q(\frac{1}{S_1},\frac{1}{S_2},...,\frac{1}{S_M})=(f_1,f_2,...,f_M)$ ；

最后，通过转换系数校正图像，需校正的图像F用f校正后的新图像为G：G=(f₁·F₁,f₂·F₂,…,f_M·F_M)，其中F_i（i=1,2,…,M）表示图像矩阵F的第i列的元素构成的列向量，f_i（i=1,2,…,M）表示向量 f的第i个元素。从而得到一个背景均匀、缺陷轮廓分明、便于后续缺陷目标定位的新图像。

设R为参考图像，F为需要校正的图像，G为校正后的图像，用x表示图像矩阵列的位置，y表示行的位置，(x,y)表示图像像素在图像矩阵中的位置，图像大小均为M*N，即M列N行，且所对应的成像表面都是均匀的。根据线阵相机的成像原理，一帧的数据就对应于图像的一行，对处于同一列上的像素的转换系数是一样的，因为在帧上的位置相同。对图像R进行列向求均值，得到一个大小为M的均值向量，这个均值向量反映了传感器当前每个像元的响应值，若像元的响应具有一致性，均匀性，则与期望值q之间的比值是相同， 而实际上像元的响应度是非均匀的，即各列之间的具有明暗变化，所以与期望值之间的比值是不相同的。求出每列上的均值与期望值q的比值，这个比值就是转换系数，利用该比值修正每列上像素的的响应值程度，即明暗程度， 使得所有列上的明暗度一致。

传统上的线扫描图像平场校正方法，参考图一般要求是均匀的光照下所成的图像，且曝光时间和均匀光照水平的饱和度要求严格。在这里，该方法所用的参考图没有上述要求。当前需校正的图像的相邻的前k幅图像作为参考图， k∈Z，通过和设定的期望值q来给出转换函数的系数。如图1所示，具体步骤如下：

（1）k幅图像列上求和，

，得和向量S=(S₁,S₂,…,S_M)；其中R_i(x,y)表示k幅图像中的第i幅图像在(x,y)位置上的灰度值。

（2）计算均值向量： $\mathrm{Mean}=\frac{S}{k\·N}=\frac{1}{k\·N}(S_1,S_2,...,S_M)$ ；

（3）用期望值q除以均值向量Mean，得转换系数

；

（4）校正图像F得新图像G：G=(f₁·F₁,f₂·F₂,…,f_M·F_M)，其中F_i（i=1,2,…,M）表示图像矩阵F的第i列的元素构成的列向量，f_i（i=1,2,…,M）表示 Mean的第i个元素。

新图像像素具有了一致的响应，图像消除了明暗不均和条带现象，图像背景分布具有均匀性，从而消除了对缺陷分割的干扰，提高缺陷分割的精度。由于是采用k幅图像列均值作为刻画图像成像的环境，图像序列的表面即使有缺陷，由于缺陷在各列上的像素个数占的比例是极小的，可以看成是噪声的一部分，因而对校正因子产生的影响极轻微，可以忽略不计，不会对应用带来不良影响

综上所述，本发明非常实用的线扫描图像灰度校正方法：设定一个期望背景值，这是均匀表面在某一理想情况下所成图像的理想灰度值，然后对历史图像纵向求均值，即各列上求均值，计算均值与期望背景值的比值，得到图像每列上的校正因子，用这个比值修正每列上的像素的灰度值，消除各种干扰因素对成像的影响，使得所有列上的明暗度接近理论上的程度。该方法可有效克服检测对象材料规格、厚度等参数、检测角度、板型一致性以及光源照度衰减等因素的变化，动态实时得到一个灰度分布均匀，清晰度高的，检测目标被显著增强的理想图像，在很大程度上简化了后续图像处理难度，有效提高整体系统的实时性能。

需要理解到的是：以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于包含以下步骤：

首先，为要校正的图像选定k（k=1,2,…,k∈Z）幅图像进行图像列上元素求和，得和向量S=(S₁,S₂,…,S_M)，其中S_j为k幅图像第j列上的像素值之和，M表示总列数；

进而，计算均值向量：  $\mathrm{Mean}=\frac{S}{k\·N}=\frac{1}{k\·N}(S_1,S_2,...,S_M)$ ，

其中N表示每幅图像每列上的像素个数；

接着，用给定的期望值q与均值向量Mean，求得校正系数 $f=k\·N\·q(\frac{1}{S_1},\frac{1}{S_2},...,\frac{1}{S_M})$ ；

最后，通过转换系数校正图像。

2.根据权利要求1所述的基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于：对需校正的图像选择其前k幅相邻图像， k幅图像与需校正图像在时间上邻近， k幅图像包含需校正的图像本身，k值大于等于1。

3.根据权利要求1所述的基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于：对选定的k幅相邻图像进行列向求和，求得一个由列上元素的均值所构成的均值向量Mean。

4.根据权利要求1所述的基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于：设定一个固定的理想的期望值q，该值反映均匀表面在某个均匀光照场下理想的灰度值。

5.根据权利要求1所述的基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于：用设定的期望值q与对应列上的均值的比值作为列上的像素的校正系数，整个图像的校正系数为比值所构成的向量：

$f=k\·N\·q(\frac{1}{S_1},\frac{1}{S_2},...,\frac{1}{S_M})=(f_1,f_2,...,f_M)$ 。

6.根据权利要求1所述的基于图像序列分析的线扫描图像动态非均匀性校正方法，其特征在于：需校正的图像F用f校正后的新图像为G：G=(f₁·F₁,f₂·F₂,…,f_M·F_M)，其中F_i（i=1,2,…,M）表示图像矩阵F的第i列的元素构成的列向量，f_i(i=1,2,…,M)表示向量 f的第i个元素。

Images