CN107784673B - 一种基于非均匀性校正的光纤图像处理方法 - Google Patents

一种基于非均匀性校正的光纤图像处理方法 Download PDF

Info

Publication number
CN107784673B
CN107784673B CN201710974990.2A CN201710974990A CN107784673B CN 107784673 B CN107784673 B CN 107784673B CN 201710974990 A CN201710974990 A CN 201710974990A CN 107784673 B CN107784673 B CN 107784673B
Authority
CN
China
Prior art keywords
optical fiber
image
gray
gray scale
correction
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
Application number
CN201710974990.2A
Other languages
English (en)
Other versions
CN107784673A (zh
Inventor
何春
尚守锋
杨小光
任晓楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 41 Institute
Original Assignee
CETC 41 Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 41 Institute filed Critical CETC 41 Institute
Priority to CN201710974990.2A priority Critical patent/CN107784673B/zh
Publication of CN107784673A publication Critical patent/CN107784673A/zh
Application granted granted Critical
Publication of CN107784673B publication Critical patent/CN107784673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Coupling Of Light Guides (AREA)

Abstract

本发明公开了一种基于非均匀性校正的光纤图像处理方法，属于光纤图像处理领域，包括将光纤图像中光纤包层、光纤纤芯和图像背景进行分割，确定需要进行非均匀性校正的灰度区间，根据同一光纤显微镜头下，选择不同光照强度的图像作为标定图像并确定标定参数，利用标定参数使用两点校正算法进行非均匀性校正。本方法在占用较少硬件资源的条件下有效的去除光纤图像背景中的黑斑和亮斑，从而减小了图像缺陷对光纤种类与位置识别的干扰，提高了光纤对准的精度。

Description

一种基于非均匀性校正的光纤图像处理方法
技术领域
本发明属于光纤图像处理领域，具体涉及一种基于非均匀性校正的光纤图像处理方法。
背景技术
光纤熔接机在工作过程中，显微物镜镜片上可能会附着灰尘或油污，从而在光纤图像上产生黑斑或亮斑，一般有两种处理方法：第一种是基于标定的两点非均匀性校正算法，但是一般的非均匀性校正算法仅在响应区域近似为线性的灰度范围内有效，在处理灰度范围较广的图像时会引起严重的失真。第二种是利用硬件将光纤图像的源数据进行处理，首先判断出光纤在图像中的位置，然后将光纤所在区域标定出来，对标定区域外的图像进行处理。这种算法在判断光纤位置时易发生判断错误，从而造成光纤图像边缘不完整和被误处理。同时无法对光纤纤芯处的黑斑进行处理。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种基于非均匀性校正的光纤图像处理方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种基于非均匀性校正的光纤图像处理方法，包括如下步骤：
步骤1：选取光纤图像中图像背景所在的灰度区间[T2 T1]，实现图像背景与光纤区域的分割；
步骤2：计算光纤图像背景所在灰度区间的包括增益量校正系数kij和偏移量校正系数bij在内的标定参数；
步骤3：在光纤图像背景所在灰度区间内使用两点校正算法进行非均匀性校正；
判断光纤图像中各个像素的灰度值Xij(φ)是否在非均匀性校正灰度区间[T2 T1]内；
若：判断结果是不在非均匀性校正灰度区间[T2 T1]内，则对于不在[T2 T1]区间内的像素，不进行校正，直接使用其灰度值进行输出；
或判断结果是在非均匀性校正灰度区间[T2 T1]内，则对于在[T2 T1]区间内的像素，使用标定参数kij和bij进行非均匀性校正，输出校正后的像素灰度值X′ij(φ)，即：
Figure GDA0002276710750000011
优选地，在步骤1中，利用图像的灰度分布来选取光纤图像的非均匀性校正灰度区间的上沿T1和下沿T2，具体包括如下步骤：
步骤1.1：将全部像素点按照灰度值从大到小排序；
步骤1.2：从步骤1.1中选取其中一个灰度值，记作T1，灰度值大于T1的像素点占像素总数的5％；
步骤1.3：将光纤图像中光纤纤芯部分与图像背景视为一个整体，采用基本全局阈值法计算非均匀性校正灰度区间下沿的阈值T2。
优选地，在步骤2中，具体包括如下步骤：
步骤2.1：在两个不同的光照强度下各采集一幅标定图像，使两幅标定图像的平均灰度值
Figure GDA0002276710750000021
和
Figure GDA0002276710750000022
分别在(T1-T2)/5+T2和4*(T1-T2)/5+T2附近；
步骤2.2：使用两幅标定图像上对应的一对像素点的灰度值Xij(φH)和Xij(φL)，计算出增益量校正系数kij和偏移量校正系数bij，校正系数计算公式如下：
Figure GDA0002276710750000023
Figure GDA0002276710750000024
步骤2.3：将每个像素的增益量校正系数kij和偏移量校正系数bij储存到硬件设备中以供校正使用。
优选地，在步骤1.3中，具体包括如下步骤：
步骤1.3.1：设定灰度分割阈值T2的初值；
步骤1.3.2：使用g(x，y)＝{1,f(x,y)>T2；0,f(x,y)<＝T2}来分割图像，产生两组像素：G1由灰度大于T2的所有像素组成，G2由灰度小于T2的所有像素组成；
步骤1.3.3：分别计算G1和G2的像素的平均灰度值m1和m2；
步骤1.3.4：计算新阈值：T2＝1/2*(m1+m2)；
步骤1.3.5：重复重复步骤1.3.2-步骤1.3.4，直至连续迭代的两次T2值之间的差小于1时停止。
本发明所带来的有益技术效果：
利用图像分割和基于标定的非均匀性校正算法实现了光纤包层与图像背景的完美分离，并对图像背景进行非均匀性校正，该方法的硬件负担小、易于实现，有效祛除光纤图像背景中的黑斑和亮斑，使光纤熔接机对光纤位置的判断更为准确，提高了光纤对准的精确度。
附图说明
图1为本发明中光纤显微成像系统示意图。
图2为本发明中有黑斑光纤图像。
图3为本发明中光纤图像灰度直方图。
图4为本发明中经算法处理后的光纤图像。
图5为本发明方法的流程图。
其中，1-光源；2-光纤；3-高倍显微镜；4-光纤图像；5-光纤包层；6-光纤纤芯；7-图像背景。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
如图1所示的光纤显微成像系统，光源1沿水平方向照射到光纤2，由于空气、光纤包层和光纤纤芯之间折射率不同，且纤芯和光纤的边缘相对于高倍显微镜3来说物距不同，因此在焦平面上将产生明暗图像，当背景平均亮度为130时，其黑斑光纤图像如图2所示，其灰度直方如图3所示。在液晶屏幕上显示的光纤图像4主要包括三部分，即光纤包层5、光纤纤芯6和图像背景7。光纤包层5灰度所在的范围与图像背景7相差很远，不适合直接进行非均匀性校正。光纤纤芯6与图像背景7的灰度值可视为在同一个灰度区间内。若图像背景7中存在黑斑，则其灰度范围会较宽。
确定分割光纤图像的灰度阈值，将其作为非均匀性校正灰度区间的上、下沿。对于光纤熔接机上的光纤成像系统，在一段时间内光照条件不会发生变化，其图像的灰度统计直方图基本保持不变，其灰度分割阈值也保持不变。该部分只需要每隔一段时间重新进行一次，可以作为标定的一部分。
选取非均匀性校正灰度区间上沿T1。将全部像素点按照灰度值从大到小排序，选取T1使灰度值大于T1的像素点占像素总数的5％。
确定非均匀性校正灰度区间的下沿T2。将光纤纤芯部分与图像背景视为一个整体，为了将它们与光纤包层部分分割开，采用全局阈值处理计算光纤图像的非均匀性校正灰度区间下沿的阈值，利用迭代算法来完成：
步骤1.3.1：设定灰度分割阈值T2的初值；
步骤1.3.2：使用g(x，y)＝{1,f(x,y)>T2；0,f(x,y)<＝T2}来分割图像，产生两组像素：G1由灰度大于T2的所有像素组成，G2由灰度小于T2的所有像素组成；
步骤1.3.3：分别计算G1和G2的像素的平均灰度值m1和m2；
步骤1.3.4：计算新阈值：T2＝1/2*(m1+m2)；
步骤1.3.5：重复步骤1.3.2-步骤1.3.4，直至连续迭代的两次T2值之间的差小于1时停止。
基于标定的非均匀性校正算法仅对灰度值在一定区间内的点有效，校正时仅对灰度值处于T1和T2之间的所有像素进行校正，对超出该范围的像素，保留其灰度值不变。
两点非均匀性校正分为标定和校正两个部分。
标定过程的具体实施方式如下：
首先设定两个不同的光照条件。不放入光纤，在两个不同的光照强度下各采集一幅标定图像。该光照强度的特征为：使标定图像背景的平均灰度值
Figure GDA0002276710750000041
分别在4*(T1-T2)/5+T2和(T1-T2)/5+T2附近。利用某个像素(i,j)的在这两幅标定图像中对应的灰度值Xij(φH)和Xij(φL)，计算出增益量校正系数kij和偏移量校正系数bij，校正系数计算公式如下：
Figure GDA0002276710750000042
Figure GDA0002276710750000043
将每个像素的增益量校正系数kij和偏移量校正系数bij储存到硬件设备中以供校正使用。
校正部分的实施方式如下：
在图像背景所在灰度区间内使用两点校正算法进行非均匀性校正。其算法的特征为：
判断该像素的灰度值Xij(φ)是否在非均匀性校正灰度区间[T2 T1]内。对于不在区间内的像素，不进行校正，直接使用其灰度值进行输出。对于在[T2 T1]区间内的像素，使用标定参数kij和bij进行非均匀性校正，输出校正后的像素灰度值X′ij(φ)。即：
Figure GDA0002276710750000044
经本发明方法处理后的光纤图像如图4所示。
本发明方法的流程如图5所示。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (3)

1.一种基于非均匀性校正的光纤图像处理方法，其特征在于：包括如下步骤：
步骤1：选取光纤图像中图像背景所在的灰度区间[T2 T1]，实现图像背景与光纤区域的分割；
步骤2：计算光纤图像背景所在灰度区间的包括增益量校正系数kij和偏移量校正系数bij在内的标定参数；具体包括如下步骤：
步骤2.1：在两个不同的光照强度下各采集一幅标定图像，使两幅标定图像的平均灰度值
Figure FDA0002276710740000011
和
Figure FDA0002276710740000012
分别在(T1-T2)/5+T2和4*(T1-T2)/5+T2附近；
步骤2.2：使用两幅标定图像上对应的一对像素点的灰度值Xij(φH)和Xij(φL)，计算出增益量校正系数kij和偏移量校正系数bij，校正系数计算公式如下：
Figure FDA0002276710740000013
Figure FDA0002276710740000014
步骤2.3：将每个像素的增益量校正系数kij和偏移量校正系数bij储存到硬件设备中以供校正使用；
步骤3：在光纤图像背景所在灰度区间内使用两点校正算法进行非均匀性校正；
判断光纤图像中各个像素的灰度值Xij(φ)是否在非均匀性校正灰度区间[T2 T1]内；
若：判断结果是不在非均匀性校正灰度区间[T2 T1]内，则对于不在[T2 T1]区间内的像素，不进行校正，直接使用其灰度值进行输出；
或判断结果是在非均匀性校正灰度区间[T2 T1]内，则对于在[T2 T1]区间内的像素，使用标定参数kij和bij进行非均匀性校正，输出校正后的像素灰度值X′ij(φ)，即：
Figure FDA0002276710740000015
2.根据权利要求1所述的基于非均匀性校正的光纤图像处理方法，其特征在于：在步骤1中，利用图像的灰度分布来选取光纤图像的非均匀性校正灰度区间的上沿T1和下沿T2，具体包括如下步骤：
步骤1.1：将全部像素点按照灰度值从大到小排序；
步骤1.2：从步骤1.1中选取其中一个灰度值，记作T1，灰度值大于T1的像素点占像素总数的5％；
步骤1.3：将光纤图像中光纤纤芯部分与图像背景视为一个整体，采用基本全局阈值法计算非均匀性校正灰度区间下沿的阈值T2。
3.根据权利要求2所述的基于非均匀性校正的光纤图像处理方法，其特征在于：在步骤1.3中，具体包括如下步骤：
步骤1.3.1：设定灰度分割阈值T2的初值；
步骤1.3.2：使用g(x，y)＝{1,f(x,y)>T2；0,f(x,y)<＝T2}来分割图像，产生两组像素：G1由灰度大于T2的所有像素组成，G2由灰度小于T2的所有像素组成；
步骤1.3.3：分别计算G1和G2的像素的平均灰度值m1和m2；
步骤1.3.4：计算新阈值：T2＝1/2*(m1+m2)；
步骤1.3.5：重复步骤1.3.2-步骤1.3.4，直至连续迭代的两次T2值之间的差小于1时停止。
CN201710974990.2A 2017-10-19 2017-10-19 一种基于非均匀性校正的光纤图像处理方法 Active CN107784673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710974990.2A CN107784673B (zh) 2017-10-19 2017-10-19 一种基于非均匀性校正的光纤图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710974990.2A CN107784673B (zh) 2017-10-19 2017-10-19 一种基于非均匀性校正的光纤图像处理方法

Publications (2)

Publication Number Publication Date
CN107784673A CN107784673A (zh) 2018-03-09
CN107784673B true CN107784673B (zh) 2020-04-21

Family

ID=61434793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710974990.2A Active CN107784673B (zh) 2017-10-19 2017-10-19 一种基于非均匀性校正的光纤图像处理方法

Country Status (1)

Country Link
CN (1) CN107784673B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112130256A (zh) * 2020-11-06 2020-12-25 南京天兴通电子科技有限公司 一种新型光纤类型识别系统
CN113503814B (zh) * 2021-07-06 2022-09-27 上海飞博激光科技股份有限公司 一种光纤束中间臂居中检测装置和检测方法
CN113570520A (zh) * 2021-07-28 2021-10-29 苏州微景医学科技有限公司 光纤图像校正方法、装置和计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176742A (zh) * 2011-03-14 2011-09-07 浙江兆晟科技有限公司 图像校正系数的获取方法、非均匀图像校正方法及系统
CN104964746A (zh) * 2015-06-17 2015-10-07 北京空间机电研究所 基于无快门的非制冷红外成像系统和非均匀性校正方法
CN106373094A (zh) * 2016-08-25 2017-02-01 中国科学院长春光学精密机械与物理研究所 一种红外图像的非均匀性校正方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL173418A (en) * 2006-01-29 2013-10-31 Rafael Advanced Defense Sys Correction of unevenness of characters produced by staring detectors

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176742A (zh) * 2011-03-14 2011-09-07 浙江兆晟科技有限公司 图像校正系数的获取方法、非均匀图像校正方法及系统
CN104964746A (zh) * 2015-06-17 2015-10-07 北京空间机电研究所 基于无快门的非制冷红外成像系统和非均匀性校正方法
CN106373094A (zh) * 2016-08-25 2017-02-01 中国科学院长春光学精密机械与物理研究所 一种红外图像的非均匀性校正方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Background modeling for adaptive nonuniformity correction in IRFPA;Xingang Mou et al.;《2010 International Conference on Optics, Photonics and Energy Engineering (OPEE)》;20100712;第84-87页 *
大视场红外平行光管测试系统分析软件研究;饶奇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20141115;第2014年卷(第11期);第I135-23页 *

Also Published As

Publication number Publication date
CN107784673A (zh) 2018-03-09

Similar Documents

Publication Publication Date Title
CN110018167B (zh) 一种曲面屏外观缺陷快速检测方法及系统
TWI805857B (zh) 用於特性化一樣品之系統及方法
CN108876768B (zh) 导光板暗影缺陷检测方法
CN102438107B (zh) 一种显微视频图像的处理方法
CN107784673B (zh) 一种基于非均匀性校正的光纤图像处理方法
CN109490311B (zh) 基于多角度拍摄的背光面板缺陷检测系统及方法
CN105181713B (zh) 一种用于光纤倒像器表面缺陷的检测装置
US8237785B2 (en) Automatic focusing apparatus for use in a microscope in which fluorescence emitted from a cell is captured so as to acquire a cell image, and automatic focusing method therefor
Kask et al. Flat field correction for high‐throughput imaging of fluorescent samples
CN110021012B (zh) 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法
JP2009175041A (ja) 表示画像のギラツキ評価方法
CN109741307A (zh) 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统
CN109064439B (zh) 基于分区的单侧入光式导光板暗影缺陷提取方法
JP5127328B2 (ja) ホトマスクの白欠陥修正方法
CN112150418A (zh) 一种磁粉探伤智能识别方法
CN116990323A (zh) 一种高精密印刷版视觉检测系统
CN115272256A (zh) 亚像素级传感光纤路径高斯提取方法及系统
CN115602093A (zh) 基于白色画面进行Demura补偿的方法、系统和设备
US7831083B1 (en) Image quality monitoring for substrate inspection
JP2016014974A (ja) 画像処理方法および画像処理装置
CN117197108A (zh) 光学变焦图像质量评估方法、系统、计算机装置及介质
CN109816609B (zh) 一种基于傅里叶变换的数字pcr图像还原方法及其应用
CN116503324A (zh) 一种基于机器视觉的黑胶模组外观检测方法及系统
TWI760934B (zh) 顯示面板Mura補償方法、系統、電子裝置及存儲介質
CN112381896B (zh) 一种显微图像的亮度校正方法及系统、计算机设备

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