CN106780411B - 一种基于非线性变换的凝胶图像校正方法及系统 - Google Patents
一种基于非线性变换的凝胶图像校正方法及系统 Download PDFInfo
- Publication number
- CN106780411B CN106780411B CN201611110297.2A CN201611110297A CN106780411B CN 106780411 B CN106780411 B CN 106780411B CN 201611110297 A CN201611110297 A CN 201611110297A CN 106780411 B CN106780411 B CN 106780411B
- Authority
- CN
- China
- Prior art keywords
- gel images
- corrected
- gel
- deformation
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 72
- 230000008859 change Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 abstract description 16
- 235000018102 proteins Nutrition 0.000 description 16
- 102000004169 proteins and genes Human genes 0.000 description 16
- 108090000623 proteins and genes Proteins 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000000539 two dimensional gel electrophoresis Methods 0.000 description 5
- MKXZASYAUGDDCJ-NJAFHUGGSA-N dextromethorphan Chemical group C([C@@H]12)CCC[C@]11CCN(C)[C@H]2CC2=CC=C(OC)C=C21 MKXZASYAUGDDCJ-NJAFHUGGSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001502 gel electrophoresis Methods 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- 238000001155 isoelectric focusing Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002264 polyacrylamide gel electrophoresis Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000004252 protein component Nutrition 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002415 sodium dodecyl sulfate polyacrylamide gel electrophoresis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于非线性变换的凝胶图像校正方法及系统,其中该方法包括:接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;计算B样条形变模型的控制点系数,构建出B样条形变模型;对待校正凝胶图像的网格空间依次进行笑脸形变和B样条形变,最后输出校正后的凝胶图像。
Description
技术领域
本发明属于凝胶图像校正领域,尤其涉及一种基于非线性变换的凝胶图像校正方法及系统。
背景技术
双向凝胶电泳技术从1975年产生,已经成为蛋白质组学研究的核心技术之一,双向凝胶电泳技术利用蛋白质等电点和分子量的不同来分离复杂蛋白质组份。通过第一向的等电聚焦电泳(IEF)和第二向的聚丙烯酰胺凝胶电泳(SDS-PAGE)将蛋白质进行双向分离,将分离好的二维凝胶电泳扫描存档,即采集到双向凝胶电泳图像。在相关的研究中,采集两张或多张凝胶图像,分析哪些对应的蛋白点对发生了变化,从而提取这些感兴趣的蛋白点对进行研究;或者通过实验分析鉴定蛋白质在未感染病菌与感染病菌情况下的异常变化,从而诊断各种疾病。因此,凝胶图像的匹配问题成为研究的重要问题之一。
双向凝胶电泳图像中含有大量蛋白质点,蛋白质的形状大小灰度都会有所不同。在凝胶图像的获取过程中,即使对同一个特定样本进行重复分析,由于蛋白点的移动或形变、光照或者环境的改变、所用仪器的多样性及其使用所致噪声以及图像采集过程中视角改变等问题,也可能造成凝胶图像间的失真。为了更好地进行蛋白质组的分析,首先要去除失真,图像校正是指对失真图像进行的复原性处理。如果能进行有效的校正形变,将会对凝胶图像的匹配起到非常积极的作用。因此,对凝胶图像的失真进行形变校正是基于计算机的2-DE图像分析关键一步。
图像形变就是利用一个空间变换,使得一幅图像上的点映射到另一幅图像的对应点上。在校正过程中,将待配准的两幅图像称为标准图像和待校正图像,分别用Is和Im表示。校正过程实际上就是将待校正图像通过空间变换映射到标准图像对应位置的最优化问题。Is(x,y)和Im(x,y)分别代表各自对应点的灰度值。因此图像的形变可以用下面的公式来表示:Is(x,y)=Im(f(x,y)),这里(x',y')=f(x,y)代表一个二维空间变换。
80年代中期,主要采用刚性变换,用基于图像灰度的方法,决定刚性变换的参数。20世纪初,从仿射变换开始,1992年Tang和Suen分析了多项式变换,应用于解决凝胶图像的失真校正,但是多项式变换不能校正所有的几何失真。1992年Conradsen和Pedersen提出一种通过立方卷积插值法重新采样的多分辨率方法来去除低分辨率的全局失真和高分辨率的局部失真,通过最小化平方差的和来估算凝胶图像间的不同,和互相关技术基本一致,增加分辨率,但是没有考虑平滑约束,不能得到清晰的校正图像。1994年Glasbey,C.A.andWright,F.针对多轨迹凝胶电泳中,由于、蛋白质的不均一的流动性产生的“微笑”和“皱眉”形变,提出了用一个梯度滤波器来估计边带方向,但这种方法不能处理由轨道本身造成的失真。
综上所述,由于凝胶图像具有非线性失真的特点,而针对凝胶图像校正的方法只能单独适用于全局形变或局部校正,还没有寻找到合适的形变函数来同时适用于上述两种情况且在保证形变的平滑性同时又能达到较好的匹配效果,图像的校正效果差且不准确。
发明内容
为了解决现有技术的缺点,本发明提供了一种基于非线性变换的凝胶图像校正方法。
一种基于非线性变换的凝胶图像校正方法,包括:
步骤一:接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
步骤二:生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
步骤三:利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
步骤四:通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
步骤五:对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像。
进一步地,所述步骤一中,待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标。
本发明的该笑脸形变模型会引起图像垂直方向的变化,为了获得与标准图像尺寸相同的校正图像,而引入高度校正系数H,进而能够有效地对待校正凝胶图像进行全局的形变。
进一步地,所述B样条形变模型为三次B样条函数。
三次B样条模型具有良好的逼近性能和快速计算特性。
进一步地,所述待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定。
每个控制点系数变化时,只改变控制点系数周围邻域的变形,而不会使整幅二维图像的像素点位置发生改变;大间距的控制点能够模拟全局的非线性变形,小间距的控制点可以模拟局部变形,而且控制点密集能逼近真实的物理形变,有很强的局部控制能力,对待校正图像周围蛋白点的校正效果更佳。
本发明的第二目的是提供一种基于非线性变换的凝胶图像校正系统,包括:
笑脸形变模型构建模块,其用于接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
网格坐标确定模块,其用于生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
笑脸形变模块,其用于利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
B样条形变模型构建模块,其用于通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
校正输出模块,其用于对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像。
本发明还提供另一种基于非线性变换的凝胶图像校正系统,该系统包括:
图像采集装置,其用于采集待校正凝胶图像并传送至服务器;
所述服务器,其被配置为:
接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像。
本发明的有益效果为:
(1)通过对已有图像形变模型进行分析,针对凝胶图像的非线性失真的特点,提出了一种非线性形变的校正方法及系统,“笑脸”形变能够有效的对图像进行全局的形变,而B样条函数形变模型则在局部校正有很大优势,本发明将两者有效地融合,通过细化网格空间解决了自动提取标记点的难题,在全局形变的基础上满足局部的校正,使图像的校正更加准确。
(2)每个控制点系数变化时,只改变控制点系数周围邻域的变形,而不会使整幅二维图像的像素点位置发生改变;大间距的控制点能够模拟全局的非线性变形,小间距的控制点可以模拟局部变形,而且控制点密集能逼近真实的物理形变,有很强的局部控制能力,对待校正图像周围蛋白点的校正效果更佳。
附图说明
图1(a)是标准凝胶图像示意图;
图1(b)是待校正凝胶图像示意图;
图1(c)是标准凝胶图像示意图和待校正凝胶图像的差值图像示意图;
图2(a)是改进的“笑脸”形变模型校正后的凝胶图像;
图2(b)是改进的“笑脸”形变模型校正后的凝胶图像与标准凝胶图像的差值图像示意图;
图3(a)是B样条形变模型校正后的凝胶图像;
图3(b)是B样条形变模型校正后的凝胶图像与标准凝胶图像的差值图像示意图;
图4(a)是本发明方法校正后的凝胶图像;
图4(b)是本发明方法校正后的凝胶图像与标准凝胶图像的差值图像示意图;
图5是本发明的一种基于非线性变换的凝胶图像校正方法流程图。
图6是本发明的一种基于非线性变换的凝胶图像校正系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明:
在凝胶图像的获取过程中,由于不同凝胶部分的蛋白质不均一流动性会造成一种常见的变形被称为“smile effect”,只有图像的行坐标发生了改变,且是轴对称的,原“笑脸”形变模型:
Y=(5×10-5)βx2 (1)
其中,β为形变程度系数,x为图像形变前的列坐标。
基于多项式形变模型,改进的“笑脸”形变模型g(X,Y)为:
可以看出,此模型会引起图像垂直方向的变化,为了获得与标准图像尺寸相同的校正图像,引入高度校正系数H,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标;X,Y分别为图像中校正后的列坐标和行坐标。
如图5所示,本发明基于非线性变换的凝胶图像校正方法的具体过程如下:
(1)接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,获得垂直校正系数K和图像的列数n,得到“笑脸”形变模型中未知参数;
可以利用matlab中的size函数得到待校正凝胶图像img得列数n。
图1(a)和图1(b)分别是标准凝胶图像和待校正凝胶图像,对比可以发现待校正图像和标准图像之间有很大差别,图1(c)是待校正凝胶图像和标准凝胶图像的差值图像。
待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标;X,Y分别为图像中校正后的列坐标和行坐标。
(2)生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标分别为(x,y)和(u,v)。
生成与图像大小相同的网格空间,将二维图像表示为Ω={(x,y)|0≤x<X′,0≤y<Y′},其中[X′,Y′]表示图像的尺寸。利用网格空间,生成nx×ny个网格节点,上面有均匀分布的控制网格点(i,j),一般情况下相邻节点的距离相同δx=δy=δ。利用选定的网格节点作为标记点进行“笑脸”形变和B样条形变。
(3)利用“笑脸”形变模型对标记点坐标点(x,y)进行变换的到(x',y')。标记点坐标(x,y)带入“笑脸”形变模型:得到坐标点(x',y')。
图2(a)是改进后的“笑脸”形变模型校正后凝胶图像。图2(b)是经过笑脸形变模型校正后的凝胶图像和标准凝胶图像的差值图像。
(4)通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
利用标记点坐标(x',y')和(u,v),获得B样条形变模型的未知参数。
优选地,B样条形变模型为三次B样条函数。
三次B样条模型具有良好的逼近性能和快速计算特性。
三次B样条具有计算高效性、平滑性以及局部控制特性,从B样条曲线到B样条曲面的是从一维到二维空间的延伸,B样条曲面是两个方向的控制点形成一个控制曲面。根据三次均匀B样条函数。利用网格空间,生成nx×ny个网格节点,上面有均匀分布的控制网格点(i,j),一般情况下相邻节点的距离相同δx=δy=δ。对于图像上任意点(x,y)的灰度值可以由相邻的4*4个控制节点决定,其表达式:
其中这里三次B样条基函数的每个控制点系数即上述它的作用范围在周围两个像素点之间,通过计算两幅图像对应点周围邻域的相似性测度即可。
Bm(u)表示由节点u定义的第m个三次B样条基函数,Bn(v)表示由节点v定义的第n个三次B样条基函数。三次基函数的形式为
均匀三次B样条模型具有良好的逼近性能和快速计算特性。每个控制点系数变化时,只改变4*4邻域的变形,而不会使整幅二维图像的像素点位置发生改变;δ控制着形变程度,当δ较小时,变形方程描述着局部形变;当δ较大时,变形方程可对全局进行形变。
样条函数的选择以及所选样条函数的次数决定插值后图像灰度值的平滑度以及插值计算量,次数越高,平滑度越好,但是计算量就越大,反之成立。基于平滑度和计算量的考虑,在实际应用中,一般选择三次样条就可以满足要求。
待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定。
本发明所用B样条算法中,每个点节是由它周围的4*4个节点决定,较大间距的控制点能够模拟全局的非线性变形,较小间距的控制点可以模拟局部变形,而且控制点密集能逼近真实的物理形变,有很强的局部控制能力,对待校正图像周围蛋白点的校正效果更佳。
因此,B样条形变模型为:
(5)对笑脸形变后的网格空间再利用B样条形变模型进行B样条形变,图3(a)是B样条形变模型校正后的凝胶图像,图3(b)是经过B样条形变模型校正后的凝胶图像和标准凝胶图像的差值图像。
最后输出校正后的凝胶图像,如图4(a)所示。图4(b)是本发明方法校正后的凝胶图像和标准凝胶图像的差值图像。
本发明的该方法所需标记点是根据网格自动获取对应标记点,解决了手动选择对应标记节点存在误差的问题,提高了获取标记点的准确性。
此外,在本发明所用B样条算法中,每个点节是由它周围的4*4个节点决定,较大间距的控制点能够模拟全局的非线性变形,较小间距的控制点可以模拟局部变形,而且控制点密集能逼近真实的物理形变,有很强的局部控制能力,对待校正图像周围蛋白点的校正效果更佳,解决了每一个节点发生形变影响到整幅图像且对只适用于图全局形变而不适合图像的局部性变的情况。
图6是本发明的基于非线性变换的凝胶图像校正系统的结构示意图。如图6所示的基于非线性变换的凝胶图像校正系统,包括笑脸形变模型构建模块、网格坐标确定模块、笑脸形变模块、B样条形变模型构建模块和校正输出模块。
(1)笑脸形变模型构建模块,其用于接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型。
待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标。
笑脸形变模型为:
(2)网格坐标确定模块,其用于生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标分别为(x,y)和(u,v)。
生成与图像大小相同的网格空间。利用网格空间,生成nx×ny个网格节点,上面有均匀分布的控制网格点(i,j),一般情况下相邻节点的距离相同δx=δy=δ。利用选定的网格节点作为标记点进行“笑脸”形变和B样条形变。
(3)笑脸形变模块,其用于利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标。
(4)B样条形变模型构建模块,其用于通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型。
利用标记点坐标(x',y')和(u,v),获得B样条形变模型的未知参数。
优选地,B样条形变模型为三次B样条函数。
三次B样条模型具有良好的逼近性能和快速计算特性。
三次B样条具有计算高效性、平滑性以及局部控制特性,从B样条曲线到B样条曲面的是从一维到二维空间的延伸,B样条曲面是两个方向的控制点形成一个控制曲面。根据三次均匀B样条函数。利用网格空间,生成nx×ny个网格节点,上面有均匀分布的控制网格点(i,j),一般情况下相邻节点的距离相同δx=δy=δ。对于图像上任意点(x,y)的灰度值可以由相邻的4*4个控制节点决定,其表达式:
其中这里三次B样条基函数的每个控制点系数即上述它的作用范围在周围两个像素点之间,通过计算两幅图像对应点周围邻域的相似性测度即可。
Bm(u)表示由节点u定义的第m个三次B样条基函数,Bn(v)表示由节点v定义的第n个三次B样条基函数。三次基函数的形式为
均匀三次B样条模型具有良好的逼近性能和快速计算特性。每个控制点系数变化时,只改变4*4邻域的变形,而不会使整幅二维图像的像素点位置发生改变;δ控制着形变程度,当δ较小时,变形方程描述着局部形变;当δ较大时,变形方程可对全局进行形变。
样条函数的选择以及所选样条函数的次数决定插值后图像灰度值的平滑度以及插值计算量,次数越高,平滑度越好,但是计算量就越大,反之成立。基于平滑度和计算量的考虑,在实际应用中,一般选择三次样条就可以满足要求。
待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定。
本发明所用B样条算法中,每个点节是由它周围的4*4个节点决定,较大间距的控制点能够模拟全局的非线性变形,较小间距的控制点可以模拟局部变形,而且控制点密集能逼近真实的物理形变,有很强的局部控制能力,对待校正图像周围蛋白点的校正效果更佳。
因此,B样条形变模型为:
(5)校正输出模块,其用于对待校正凝胶图像的网格空间利用笑脸形变模型进行笑脸形变,笑脸形变后的网格空间再利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像。
本发明还提供另一种基于非线性变换的凝胶图像校正系统,该系统包括:图像采集装置和服务器。
其中:
图像采集装置,其被配置采集凝胶图像;
所述服务器,其被配置为:
接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
对笑脸形变后的网格空间再利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像。
本发明通过对已有图像形变模型进行分析,针对凝胶图像的非线性失真的特点,提出了一种非线性形变的校正方法及系统,“笑脸”形变能够有效的对图像进行全局的形变,而B样条函数形变模型则在局部校正有很大优势,本发明将两者有效地融合,通过细化网格空间解决了自动提取标记点的难题,在全局形变的基础上满足局部的校正,使图像的校正更加准确。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于非线性变换的凝胶图像校正方法,其特征在于,包括:
步骤一:接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
步骤二:生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
步骤三:利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
步骤四:通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
步骤五:对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像,所述待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定,每个控制点系数变化时,只改变控制点系数周围邻域的变形,不会使整幅图像的像素点位置发生改变。
2.如权利要求1所述的一种基于非线性变换的凝胶图像校正方法,其特征在于,所述步骤一中,待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标。
3.如权利要求1所述的一种基于非线性变换的凝胶图像校正方法,其特征在于,所述B样条形变模型为三次B样条函数。
4.一种基于非线性变换的凝胶图像校正系统,其特征在于,包括:
笑脸形变模型构建模块,其用于接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
网格坐标确定模块,其用于生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
笑脸形变模块,其用于利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
B样条形变模型构建模块,其用于通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
校正输出模块,其用于对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像,所述待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定,每个控制点系数变化时,只改变控制点系数周围邻域的变形,不会使整幅图像的像素点位置发生改变。
5.如权利要求4所述的一种基于非线性变换的凝胶图像校正系统,其特征在于,待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标。
6.如权利要求4所述的一种基于非线性变换的凝胶图像校正系统,其特征在于,所述B样条形变模型为三次B样条函数。
7.一种基于非线性变换的凝胶图像校正系统,其特征在于,包括:
图像采集装置,其用于采集待校正凝胶图像并传送至服务器;
所述服务器,其被配置为:
接收待校正凝胶图像,将待校正凝胶图像与预存的标准凝胶图像进行对比,得到待校正凝胶图像的垂直校正系数和列数,进而构建出笑脸形变模型;
生成两个大小相同的网格空间,用于分别覆盖整个待校正凝胶图像需要形变的部分和标准凝胶图像,确定出待校正凝胶图像的网格坐标和标准凝胶图像的网格坐标;
利用笑脸形变模型对待校正凝胶图像的网格空间进行变形,得到待校正凝胶图像变形后的坐标;
通过计算待校正凝胶图像变形后的坐标与标准凝胶图像的网格坐标的相似性,得到B样条形变模型的控制点系数,构建出B样条形变模型;
对待校正凝胶图像笑脸形变后的网格空间利用B样条形变模型进行B样条形变,最后输出校正后的凝胶图像,所述待校正凝胶图像上的任一点的灰度值由B样条形变模型的控制点系数决定,每个控制点系数变化时,只改变控制点系数周围邻域的变形,不会使整幅图像的像素点位置发生改变。
8.如权利要求7所述的一种基于非线性变换的凝胶图像校正系统,其特征在于,待校正凝胶图像经过笑脸形变模型变换后的行坐标Y的表达式为:
其中,H表示高度校正系数,K表示垂直校正系数;n表示待校正凝胶图像的列数;x表示图像中校正前的列坐标;y表示图像中校正前的行坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611110297.2A CN106780411B (zh) | 2016-12-06 | 2016-12-06 | 一种基于非线性变换的凝胶图像校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611110297.2A CN106780411B (zh) | 2016-12-06 | 2016-12-06 | 一种基于非线性变换的凝胶图像校正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780411A CN106780411A (zh) | 2017-05-31 |
CN106780411B true CN106780411B (zh) | 2019-09-24 |
Family
ID=58874443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611110297.2A Expired - Fee Related CN106780411B (zh) | 2016-12-06 | 2016-12-06 | 一种基于非线性变换的凝胶图像校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780411B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886517A (zh) * | 2017-10-23 | 2018-04-06 | 张家港伸兴机电有限公司 | 一种基于影像辨识的贴布绣方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751427A (zh) * | 2015-04-16 | 2015-07-01 | 山东师范大学 | 基于改进tps模型的凝胶图像校正算法 |
KR20160128649A (ko) * | 2015-04-29 | 2016-11-08 | 엘지디스플레이 주식회사 | 플렉서블 기판, 이를 이용한 플렉서블 표시 장치 및 이의 제조 방법 |
-
2016
- 2016-12-06 CN CN201611110297.2A patent/CN106780411B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751427A (zh) * | 2015-04-16 | 2015-07-01 | 山东师范大学 | 基于改进tps模型的凝胶图像校正算法 |
KR20160128649A (ko) * | 2015-04-29 | 2016-11-08 | 엘지디스플레이 주식회사 | 플렉서블 기판, 이를 이용한 플렉서블 표시 장치 및 이의 제조 방법 |
Non-Patent Citations (1)
Title |
---|
凝胶电泳图像形变分析及校正算法研究;时维娜;《中国优秀硕士学位论文全文数据库》;20150915(第9期);第24-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106780411A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345736B (zh) | 一种虚拟视点绘制方法 | |
CN106447601B (zh) | 一种基于投影-相似变换的无人机遥感影像拼接方法 | |
CN110223330A (zh) | 一种可见光和红外图像的配准方法及系统 | |
CN106991695A (zh) | 一种图像配准方法及装置 | |
CN105741252A (zh) | 基于稀疏表示与字典学习的视频图像分级重建方法 | |
CN107945217B (zh) | 一种适用于自动装配的图像特征点对快速筛选方法及系统 | |
CN101639947A (zh) | 基于图像的植物三维形态测量与重建方法及系统 | |
CN107229920B (zh) | 基于整合深度典型时间规整及相关修正的行为识别方法 | |
CN105354841B (zh) | 一种快速遥感影像匹配方法及系统 | |
CN107564091A (zh) | 一种基于快速对应点搜索的三维重建方法及装置 | |
Abate | Built-heritage multi-temporal monitoring through photogrammetry and 2D/3D change detection algorithms | |
CN110503137B (zh) | 基于交叉融合的遥感影像时空融合基础图像对的确定方法 | |
CN108401565B (zh) | 基于改进的KAZE特征和Pseudo-RANSAC算法的遥感图像配准方法 | |
CN106709870B (zh) | 一种近景影像直线段匹配方法 | |
CN107845066B (zh) | 基于分段仿射变换模型的城市遥感图像拼接方法及装置 | |
Laycock et al. | Aligning archive maps and extracting footprints for analysis of historic urban environments | |
CN108961385A (zh) | 一种slam构图方法及装置 | |
CN107958489B (zh) | 一种曲面重建方法及装置 | |
CN106780411B (zh) | 一种基于非线性变换的凝胶图像校正方法及系统 | |
CN111179173A (zh) | 一种基于离散小波变换和坡度融合算法的图像拼接方法 | |
CN110956601A (zh) | 一种基于多传感器样态系数的红外图像融合方法和装置以及计算机可读存储介质 | |
CN107941241B (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
CN103914807A (zh) | 一种缩放尺度补偿的非局部性图像超分辨率方法及系统 | |
Duan et al. | A combined image matching method for Chinese optical satellite imagery | |
CN104751427A (zh) | 基于改进tps模型的凝胶图像校正算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190924 Termination date: 20211206 |