CN107610218B - 一种面向立体结构网点三维图像重建的层面数据获取方法 - Google Patents
一种面向立体结构网点三维图像重建的层面数据获取方法 Download PDFInfo
- Publication number
- CN107610218B CN107610218B CN201710742939.9A CN201710742939A CN107610218B CN 107610218 B CN107610218 B CN 107610218B CN 201710742939 A CN201710742939 A CN 201710742939A CN 107610218 B CN107610218 B CN 107610218B
- Authority
- CN
- China
- Prior art keywords
- image
- image sequence
- sequence
- layer
- pixels
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种面向立体结构网点三维图像重建的层面数据获取方法,包括以下步骤,对采集得到的单目网点层面图像序列S进行灰度化及假彩化处理得到重构的图像序列SP;计算SP各层面图像蓝通道上像素的相关系数,得到相关系数图像序列SR;对图像序列S中的各层面图像上的像素进行模糊系数的计算,得到模糊系数图像序列SF;定义相关度和模糊度的判别阈限值;设计低通滤波器,分别对SR和SF进行滤波处理,得到对应的二值图像序列BR和BF,将BR和BF两个图像序列中对应的层面图像上诸像素进行二值乘法运算得到判别图像序列BD;利用图像序列S和判别图像序列BD解算出清晰要素图像序列SE。本发明解决印刷版上立体结构网点实现MPR重建时高质量层面数据获取的问题,提高后续重建的三维图像及以其为基础的网点结构参数测量的精度。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种印刷凹版的网穴以及以柔性版和橡胶版为代表的凸版等印刷版面上面向立体结构网点三维图像重建的层面数据获取方法。
背景技术
凹版上网穴(也称为网点)和以柔性版、橡胶版为代表的凸版上网点的立体结构是决定相应印刷版印刷适性的主要技术参数。在凹版及凸版的制版过程中需要对印刷版上的网点质量参数进行有效的测量。目前,在使用单目成像系统时对上述网点质量参数的测量与解算主要是使用计算机视觉技术实现对网点顶部面积、网点高度的测量和底部面积的测算。但对网点侧壁曲面上的几何属性参数的测量与解算,上述类型的系统是无能为力的,而是需要在立体结构网点三维图像重建的基础上进行相应参数的测量与解算。该三维图像重建的核心支撑技术之一就是高精度层面数据的获取。
发明内容
本发明所要解决的技术问题是,提供一种面向立体结构网点三维图像重建的层面数据获取方法。对具有立体结构网点的单目断层图像数据进行分析,提取网点结构中清晰成像的图像区域并对其中的误检像素进行处理,本案由此产生。
本发明解决其技术问题所采用的技术方案是:提供一种面向立体结构网点三维图像重建的层面数据获取方法,包括以下步骤,步骤1,对输入图像序列S进行8位灰度化处理:比较彩色像素的三通道色度信号值,提取其中的最大值作为灰度化值并赋给像素,实现图像的灰度化处理,处理完成之后需要以图像的像素灰度值对图像序列S进行重构,得到图像序列SG;步骤2,对图像序列SG进行假彩化处理:将像素灰度值扩展为三元组数据结构,其中,三元组的三个域分别表示假彩色RGB图像的三通道色度信号值;假彩化的三个通道中,红和绿通道为保留域,初始化为0,分别用于漏检和多检属性的标记;蓝通道的域为像素的灰度值,处理完成之后需要对原图像序列进行重构,得到图像序列SP;步骤3,利用SP各层面图像上的像素计算相关系数,得到相关系数图像序列SR;步骤4,利用SP各层面图像上的像素进行模糊系数的计算,得到模糊系数图像序列SF;步骤5,定义相关度和模糊度的判别阈限值;设计低通滤波器,分别对SR和SF进行滤波处理,得到对应的二值图像序列BR和BF,将BR和BF两个图像序列中对应的层面图像上诸像素进行二值乘法运算得到判别图像序列BD;步骤6,利用图像序列SP和判别图像序列BD解算出清晰要素图像序列SE;步骤7,输出图像序列SE,即所获取的面向立体结构网点三维图像重建的层面数据。
按上述技术方案,对灰度图像序列SG进行增强处理:先使用高斯滤波器对灰度化图像序列SG的诸层图像进行滤波处理得到IG;再使用数学形态学提取各层图像上的边缘得到二值边缘图像序列IE;将IG和IE进行图像融合得到增强图像序列IH,处理完成之后需要以增强图像序列IH对图像序列SG进行重构。
按上述技术方案,对图像序列S中的层面图像进行空间褶接处理,具体处理方法如下:分别计算待处理图像行和列上的绝对差分投影均值DR和DC,当DR不小于DC时,图像平面沿垂直方向卷接,再将得到的图像柱面沿水平方向对接;当DR<DC时,图像平面沿水平方向卷接,再将图像柱面沿垂直方向对接。
按上述技术方案,在下层断面图像上对漏检像素进行判断与标记处理,具体处理方法如下:计算SG上诸层面图像中所有像素的聚焦系数得到聚焦系数图像序列IF;采用平均先进法计算SG序列的最大聚焦系数集合的平均先进聚焦系数FAA,以FAA为判据对SE图像序列中的像素进行伪彩色标记,处理完毕后重构待输出图像序列SE。
按上述技术方案,在获取层面图像时,对相应的像素数据进行判断与标记处理,具体处理方法如下:将BD中相邻层面图像进行乘法运算,得到标记图像序列BI,若BI为非零集合,首先判断SE图像序列属性,如果其为灰度图像,则将其扩展为伪彩色图像得到SI;如果已经扩展为伪彩色图像,则将其进行复制且将复制的数据集定义为SI,再以序列的诸层面图像中像素值为1作为条件在BI中检索得到层面信息k-1和k,以及像素的位置信息,进而比较IF图像序中相应的两层对应位置像素的聚焦系数值并进行标记,处理完毕后按下式重构待输出图像序列SE。
本发明产生的有益效果是:本发明旨在对短景深单目光学成像系统在恒定的进给位移量下获取的由网点顶部至底部的层面图像序列进行处理,实现一种面向立体结构网点三维图像重建的层面数据获取的方法。本发明所获取的层面数据可以直接应用于具有立体结构网点的三维图像重建并为其几何结构的多参数直接测量提供支持。
附图说明
图1是面向立体结构网点三维图像重建的层面数据获取方法实施的流程图。
具体实施方式
为了使本发明的技术方案更加清楚,以下结合附图,以柔印版网点三维图像重建的层面数据获取为例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
以拍摄得到的网点单目层面图像序列S为输入数据集,S={I1,I2,…,In},n为序列中图像的幅数,亦即网点图像拍摄时层面的数量。判断输入S中图像为彩色还是灰度图,如果为彩色图像,则对其进行灰度化处理:设输入图像序列S的第k层图像上(i,j)位置为当前处理像素的红、绿、蓝三个通道的色彩分量分别定义为Ik(r;i,j)、Ik(g;i,j)、Ik(b;i,j),则按下式进行灰度化处理,如图1所述,
遍历S中各层图像上的诸像素并进行灰度化处理,处理完毕后重构输入图像序列S,S={Ik←I'k|k=1,2,…,n}。
因为拍摄网点外表面为非均匀漫反射面,且成像系统工作时引入的噪声,需要对灰度图像序列S进行增强处理。
先使用高斯滤波器对灰度化图像序列S的诸层图像进行噪声平滑处理得到IG;再使用数学形态学提取各层图像的边缘得到二值边缘图像序列IE;将IG和IE进行图像融合得到增强图像序列IH。任取第k层图像上(i,j)位置为当前处理像素(0<k<n+1),
按式(2)遍历S上诸层图像进行上述增强处理,处理完毕后重构输入图像序列S,S={Ik=IHk|k=1,2,…,n}。
建立相关系数图像序列SR,SR={IR1,IR2,…,IRn}。以第k层图像上当前处理像素(i,j)为图像分块的角点像素,设置4个大小为K×K像素数的图像信息子块;对各个子块进行傅里叶变换,对变换结果取模的对数操作得到矩阵计算矩阵L的主对角子矩阵和副对角子矩阵的相关系数:
式中,cov和σ分别为协方差和均方差算子。按下式像素(i,j)与在(2K-1)×(2K-1)域上的相关系数:
IRk(i,j)=(c1+c2)/2. (4)
遍历S中各层图像上的诸像素并计算相关系数得到相关系数图像序列SR。
建立模糊系数图像序列SF,SF={IF1,IF2,…,IFn}。以第k层图像上当前处理像素(i,j)为中心,设置M×M像素数的图像窗口;计算窗口内像素灰度值的均方差σL和当前层面图像的全局均方差σG;计算当前像素的模糊系数:
IFk(i,j)=|σL-σG|/σG. (5)
遍历S中各层图像上的诸像素,计算模糊系数得到模糊系数图像序列SF。
计算相关系数图像序列SR的方差,按照西电准则(Western Electric rules)定义相关度判别阈限值为HR。类似,利用糊系数图像序列SF计算模糊度的判别阈限值HF;设计滤波器LPFR和LPFF:
按式(6-7),对SR和SF各层图像上的诸像素进行滤波处理,得到对应的二值图像序列BR,BR={BR1,BR2,…,BRn}和BF,BF={BF1,BF2,…,BFn}。
将BR和BF两个图像序列中对应的层面图像上诸像素进行二值乘法运算,得到判别图像序列BD,BD={BD1,BD2,…,BDn}。设BD上第k层图像上当前处理像素(i,j),则
BDk(i,j)=BRk(i,j)×BFk(i,j). (8)
进一步,利用图像序列S和判别图像序列BD解算出清晰要素图像序列SE,SE={IE1,IE2,…,IEn},
按式(9),图像序列SE的层面图像中,清晰区域的像素灰度值为相应S中对应层面图像中像素的灰度值,模糊区域的像素灰度值置0。
网点层面图像拍摄时出现的上层对下层的局部遮挡,导致下层面图像采集不完整的情况。需要在下层断面图像上进行判断与标记。
定义像素的聚焦系数为该像素8邻域内所有像素的均方差σ。计算S上诸层面图像中所有像素的聚焦系数得到聚焦系数图像序列IF,并求取IF中各层面图像内的最大值并将其记为该层面图像的最大聚焦系数σi max(i=1,…,n)。采用平均先进法计算S序列的最大聚焦系数集合的平均先进聚焦系数FAA:
式(10)中,max、average、mean函数分别为求取最大值、平均值和中位值的函数。
为了对像素的特殊属性,如漏检、多检等属性进行标记,将灰度图像扩展到三通道的假彩色RGB图像。设图像I在(i,j)位置处的像素灰度值为I(i,j),扩展为三元组数据结构IX(r,g,b;i,j)。其中,三元组的域IX(r;i,j)、IX(g;i,j)、IX(b;i,j)分别表示假彩色RGB图像的三通道色度信号值。按下式将灰度图像扩展到假彩色RGB图像:
三个通道中,r和g为保留域,分别用于漏检和多检属性的标记。
将图像序列SE的灰度层面图像按式(11)扩展为假彩色RGB图像,得到扩展的要素图像序列SO,SO={IO1,IO2,…,IOn},计算平均先进聚焦系数FAA并按下式对层面间遮挡而引入的漏检像素进行标记:
式(12)中,IEk∈SE,IOk∈SO,IFk∈IF,k=1,2,…,n。按式(12)遍历SE诸层面图像的所有像素,以FAA为判据对SE图像序列中的像素进行伪彩色标记。处理完毕后重构待输出图像序列SE,SE={IEk←IOk|k=1,2,…,n}。
在获取层面图像时,考虑到景深区域相交可能会引入的层面内的多检像素,需要对相应的像素数据进行判断与标记。
将判别图像序列BD中相邻层面图像进行乘法运算,得到标记图像序列BI,BI={BI1,BI2,…,BIn}:
若BI为非零集合,首先检查SE图像序列属性,如果其为灰度图像,则按式(11)将其扩展为伪彩色图像得到SI,SI={II1,II2,…,IIn};如果已经扩展为伪彩色图像,则将其进行复制且将复制的数据集定义为SI。再BI序列的诸层面图像中以像素值为1作为条件在BI中检索得到层面信息k-1和k,以及像素的位置信息(i,j),进而比较IF图像序中相应的两层对应位置像素的聚焦系数值并按下式进行标记。
式(14)中,IEk∈SE,IIk∈SI,IFk∈IF,k=2,…,n。按式(14)遍历BI中值为1的像素位置对应的IF序列的相应层面图像上的所有对应像素,并进行伪彩色标记。处理完毕后按下式重构待输出图像序列SE。
输出图像序列SE,即所获取的面向立体结构网点三维图像重建的层面数据。
在对图像像素进行邻域上的变换处理时,图像边界像素存在邻域像素缺失的情况,需要对图像进行空间褶接处理。
设图像I的大小为m×n(像素),分别计算行和列上的绝对差分投影均值DR和DC:
式(16-17)中,r和c分别表示当前层面图像的行和列的序号。按下述逻辑进行空间褶接处理:
(1)当DR>DC时,I(1,·)的后继行为I(m,·),I(m,·)的前驱行为I(1,·),其余像素的空间前驱-后继维持关系不变。进一步,将图像柱面沿水平方向对接,I(·,1)的后继列为I(·,n),I(·,n)的前驱列为I(·,1),其余像素的空间前驱-后继维持关系不变;当DR=DC时,水平方向优先,执行本逻辑。
(2)当DR<DC时,图像平面沿水平方向卷接。进一步,将图像柱面沿垂直方向对接。
本案所发明的技术手段也适用于丝网印刷品上的网点,以及工业及医学等领域中涉及微观立体结构的多层面三维图像重建的层面数据获取方法。
应当理解的是,对本领域技术人员来说,可以根据上述说明加以变换或改进,而所有这些变换和改进都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种面向立体结构网点三维图像重建的层面数据获取方法,其特征在于,包括以下步骤,步骤1,对输入图像序列S进行8位灰度化处理:比较彩色像素的三通道色度信号值,提取其中的最大值作为灰度化值并赋给像素,实现图像的灰度化处理,处理完成之后需要以图像的像素灰度值对图像序列S进行重构,得到图像序列SG;步骤2,对图像序列SG进行假彩化处理:将像素灰度值扩展为三元组数据结构,其中,三元组的三个域分别表示假彩色RGB图像的三通道色度信号值;假彩化的三个通道中,红和绿通道为保留域,初始化为0,分别用于漏检和多检属性的标记;蓝通道的域为像素的灰度值,处理完成之后需要对原图像序列进行重构,得到图像序列SP;步骤3,利用SP各层面图像上的像素计算相关系数,得到相关系数图像序列SR;步骤4,利用SP各层面图像上的像素进行模糊系数的计算,得到模糊系数图像序列SF;步骤5,定义相关度和模糊度的判别阈限值;设计低通滤波器,分别对SR和SF进行滤波处理,得到对应的二值图像序列BR和BF,将BR和BF两个图像序列中对应的层面图像上诸像素进行二值乘法运算得到判别图像序列BD;步骤6,利用图像序列SP和判别图像序列BD解算出清晰要素图像序列SE;步骤7,输出图像序列SE,即所获取的面向立体结构网点三维图像重建的层面数据。
2.根据权利要求1所述的面向立体结构网点三维图像重建的层面数据获取方法,其特征在于,对灰度图像序列SG进行增强处理:先使用高斯滤波器对灰度化图像序列SG的诸层图像进行滤波处理得到IG;再使用数学形态学提取各层图像上的边缘得到二值边缘图像序列IE;将IG和IE进行图像融合得到增强图像序列IH,处理完成之后需要以增强图像序列IH对图像序列SG进行重构。
3.根据权利要求1或2所述的面向立体结构网点三维图像重建的层面数据获取方法,其特征在于,对图像序列S中的层面图像进行空间褶接处理,具体处理方法如下:分别计算待处理图像行和列上的绝对差分投影均值DR和DC,当DR不小于DC时,图像平面沿垂直方向卷接,再将得到的图像柱面沿水平方向对接;当DR<DC时,图像平面沿水平方向卷接,再将图像柱面沿垂直方向对接。
4.根据权利要求1所述的面向立体结构网点三维图像重建的层面数据获取方法,其特征在于,在下层断面图像上对漏检像素进行判断与标记处理,具体处理方法如下:计算SG上诸层面图像中所有像素的聚焦系数得到聚焦系数图像序列IF;采用平均先进法计算SG序列的最大聚焦系数集合的平均先进聚焦系数FAA,以FAA为判据对SE图像序列中的像素进行伪彩色标记,处理完毕后重构待输出图像序列SE。
5.根据权利要求4所述的面向立体结构网点三维图像重建的层面数据获取方法,其特征在于,在获取层面图像时,对相应的像素数据进行判断与标记处理,具体处理方法如下:将BD中相邻层面图像进行乘法运算,得到标记图像序列BI,若BI为非零集合,首先判断SE图像序列属性,如果其为灰度图像,则将其扩展为伪彩色图像得到SI;如果已经扩展为伪彩色图像,则将其进行复制且将复制的数据集定义为SI,再以序列的诸层面图像中像素值为1作为条件在BI中检索得到层面信息k-1和k,以及像素的位置信息,进而比较IF图像序中相应的两层对应位置像素的聚焦系数值并进行标记,处理完毕后按下式重构待输出图像序列SE。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742939.9A CN107610218B (zh) | 2017-08-25 | 2017-08-25 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742939.9A CN107610218B (zh) | 2017-08-25 | 2017-08-25 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107610218A CN107610218A (zh) | 2018-01-19 |
CN107610218B true CN107610218B (zh) | 2020-10-23 |
Family
ID=61055790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710742939.9A Active CN107610218B (zh) | 2017-08-25 | 2017-08-25 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610218B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242880B (zh) * | 2019-12-30 | 2023-05-02 | 广州市明美光电技术有限公司 | 一种用于显微镜的多景深图像叠加方法、设备及介质 |
CN112489196B (zh) * | 2020-11-30 | 2022-08-02 | 太原理工大学 | 一种多尺度三维频域变换的颗粒物三维形貌重建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413347A (zh) * | 2013-07-05 | 2013-11-27 | 南京邮电大学 | 基于前景背景融合的单目图像深度图提取方法 |
CN106570930A (zh) * | 2016-10-08 | 2017-04-19 | 中国海洋大学 | 一种基于三维超体素描述的数字化生理生物体建模方法 |
CN104463948B (zh) * | 2014-09-22 | 2017-05-17 | 北京大学 | 三维虚拟现实系统与地理信息系统的无缝可视化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2323101A3 (en) * | 2009-10-11 | 2011-06-22 | Axs Ingenierie | Method for 3D spine and full 3D trunk imaging fusion in standing position |
-
2017
- 2017-08-25 CN CN201710742939.9A patent/CN107610218B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413347A (zh) * | 2013-07-05 | 2013-11-27 | 南京邮电大学 | 基于前景背景融合的单目图像深度图提取方法 |
CN104463948B (zh) * | 2014-09-22 | 2017-05-17 | 北京大学 | 三维虚拟现实系统与地理信息系统的无缝可视化方法 |
CN106570930A (zh) * | 2016-10-08 | 2017-04-19 | 中国海洋大学 | 一种基于三维超体素描述的数字化生理生物体建模方法 |
Non-Patent Citations (1)
Title |
---|
《三维显示信息重建及评价方法研究》;蒋昊;《中国博士学位论文全文数据库 信息科技辑》;20130815(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107610218A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN112308832B (zh) | 一种基于机器视觉的轴承质量检测方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
Harb et al. | Improved image magnification algorithm based on Otsu thresholding | |
EP1958158A2 (en) | Method for detecting streaks in digital images | |
JP2010121992A (ja) | ひび割れ検出方法 | |
CN107610218B (zh) | 一种面向立体结构网点三维图像重建的层面数据获取方法 | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
JP5705711B2 (ja) | ひび割れ検出方法 | |
CN111489319A (zh) | 基于多尺度双边滤波和视觉显著性的红外图像增强方法 | |
TWI420124B (zh) | 邊緣檢測裝置以及應用於邊緣檢測裝置的運算電路 | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
Chang et al. | Automatic brain MR image denoising based on texture feature-based artificial neural networks | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
JP2017085570A (ja) | 画像補正方法及び画像補正装置 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
Huang et al. | A total variation denoising method based on median filter and phase consistency | |
JP3860540B2 (ja) | エントロピーフィルタ及び該フィルタを用いた領域抽出法 | |
CN115984246A (zh) | 基于机器视觉的缺陷快速检测方法及装置、设备、存储介质 | |
CN113763380B (zh) | 基于矢量梯度的无参考图像清晰度评价方法 | |
JP2006226837A (ja) | しみ検査方法及びしみ検査装置 | |
Boiangiu et al. | Methods of bitonal image conversion for modern and classic documents | |
CN113744200A (zh) | 一种摄像头脏污检测方法、装置及设备 | |
Abdullah et al. | Evaluation of the performance of kirsch and robinson methods on different color spaces |
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 |