CN108269239A - 图像的亮度不均匀性的更正方法及相关图像亮度更正装置 - Google Patents

图像的亮度不均匀性的更正方法及相关图像亮度更正装置 Download PDF

Info

Publication number
CN108269239A
CN108269239A CN201710806082.2A CN201710806082A CN108269239A CN 108269239 A CN108269239 A CN 108269239A CN 201710806082 A CN201710806082 A CN 201710806082A CN 108269239 A CN108269239 A CN 108269239A
Authority
CN
China
Prior art keywords
pixel
brightness
image
program
input picture
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.)
Granted
Application number
CN201710806082.2A
Other languages
English (en)
Other versions
CN108269239B (zh
Inventor
张榉馨
任尉中
谢承恩
萧俊贤
狄敬隆
何闿廷
林俊甫
蔡惠民
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.)
Shanghai Jieming Technology Co ltd
Original Assignee
Xi Wei Polytron Technologies Inc
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 Xi Wei Polytron Technologies Inc filed Critical Xi Wei Polytron Technologies Inc
Publication of CN108269239A publication Critical patent/CN108269239A/zh
Application granted granted Critical
Publication of CN108269239B publication Critical patent/CN108269239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Image Input (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Studio Devices (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

本发明提出一种图像的亮度不均匀性的更正方法及图像亮度更正装置。更正方法包含以下步骤：(A)产生原始输入图像，其中原始输入图像具有多个像素所形成的像素矩阵，各像素具有对应的像素亮度值，且，原始输入图像具有不均匀的亮度。(B)针对原始输入图像，进行前处理程序，以产生前处理化图像。(C)针对前处理化图像，进行梯度更正程序。梯度更正程序用以去除原始输入图像的亮度不均匀性。(D)输出经过亮度均匀化处理的输出图像。

Description

图像的亮度不均匀性的更正方法及相关图像亮度更正装置
技术领域
本发明涉及一种具有图像的亮度不均匀性的更正方法及相关图像亮度更正装置，特别是涉及一种通过梯度更正程序(IMAGE GRADIENT CORRECTION)，以至于能够去除原始输入图像的亮度不均匀性的更正方法，也特别是涉及一种图像亮度更正装置，其中的运算单元通过梯度更正程序来去除原始输入图像的亮度不均匀性。
背景技术
一般而言在光学式图像辨识系统(例如但不限于指纹辨识系统)中，常会发生输入设备所提取的图像(例如但不限于指纹图像)具有亮度不均匀的问题，其主要原因有：环境光源的不均匀所造成的亮度不均匀问题、入射光进输入设备的角度不同所造成的亮度不均匀问题、以及图像感测装置所造成的亮度不均匀问题等。
所谓亮度不均匀性的问题，指的是：原始物体的亮度并没有真正反映于所提取的图像中。举例而言，假设原始物体的亮度在整张画面上是完全一致的，但，由于亮度不均匀性的问题所致，所提取的图像中，亮度在整张画面上却不是完全一致的。例如，位于指纹图像边缘的亮度可能会较位于指纹图像中央的亮度来得低，使得位于像素所组成的阵列的边缘的像素会有亮度衰减的问题，以致位于像素阵列边缘的像素会较位于像素阵列中央的像素的亮度相对地较暗，进而影响了指纹辨识的正确性。
有鉴于此，本发明提出一种能够通过梯度更正程序，以至于能够去除原始输入图像的亮度不均匀性的更正方法。此外，本发明提出一种图像亮度更正装置，其中的运算单元能够通过梯度更正程序来去除原始输入图像的亮度不均匀性。
发明内容
本发明的目的在于克服现有技术的不足与缺陷，提出一种图像的亮度不均匀性的更正方法及相关图像亮度更正装置，其能够去除原始输入图像的亮度不均匀性，增加图像辨识的正确性。
为了实现上述发明目的，就其中一观点言，本发明提供了一种图像的亮度不均匀性的更正方法，该更正方法包含以下步骤：(A)产生一原始输入图像，其中该原始输入图像具有多个像素所形成的一像素矩阵，各像素具有一对应的像素亮度值，且，该原始输入图像具有不均匀的亮度；(B)针对该原始输入图像，进行一前处理程序，以产生一前处理化图像；(C)针对该前处理化图像，进行一梯度更正程序(IMAGE GRADIENT CORRECTION)，其中，该梯度更正程序用以去除该原始输入图像的亮度不均匀性；以及(D)输出一经过亮度均匀化处理的输出图像；其中，该梯度更正程序具有以下步骤：(C1)根据该前处理化图像，分别就该多个像素的各像素(本点像素)，产生一下一邻点像素的该像素亮度值与各该本点像素的该像素亮度值间的一亮度差值比例；(C2)将该亮度差值比例减去一亮度比例基础值，以便产生各像素的一像素亮度更正值；以及(C3)根据各像素的该像素亮度更正值进行一积分程序，以产生各像素的一积分化像素亮度更正值，其中，各像素的该积分化像素亮度更正值等于前一邻点像素的该积分化像素亮度更正值乘以(1加上前一邻点像素的该亮度更正值)。
在一种较佳的实施型态中，该更正方法还包含：在步骤(C)之前，针对该前处理化图像，估算该前处理化图像的该多个像素中至少一部份像素所对应的一亮度信息，以产生该前处理化图像的一亮度不均匀性信息。
在一种较佳的实施型态中，该更正方法还包含：在步骤(C)之后及在步骤(D)之前，针对梯度有剧烈变化的像素，将其积分化像素亮度更正值改以一预设亮度值取代，由此去除经过该梯度更正程序处理后的噪声。
在一种较佳的实施型态中，该默认亮度值包括各像素的该积分化像素亮度更正值的一中间值。
在一种较佳的实施型态中，该前处理程序包括以下步骤：(B1)针对该原始输入图像，进行一缺陷移除程序，以移除具有图像信息缺陷的像素；(B2)针对经过该缺陷移除程序处理的该原始输入图像，进行一平滑化程序，以降低该原始输入图像的噪声干扰；以及(B3)针对经过该平滑化程序处理的该原始输入图像，进行一锐利化程序，以增强该原始输入图像中位于边缘的像素彼此间的对比性。
就另一观点言，本发明提供了一种图像亮度更正装置，包含：一图像输入单元，用以产生一原始输入图像，其中该原始输入图像具有多个像素所形成的一像素矩阵，各像素具有一对应的像素亮度值，且，该原始输入图像具有不均匀的亮度；一前处理单元，用以针对该原始输入图像，进行一前处理程序，以产生一前处理化图像；以及一运算单元，用以针对该前处理化图像，进行一梯度更正程序(IMAGE GRADIENT CORRECTION)，其中，该梯度更正程序用以去除该原始输入图像的亮度不均匀性，且，于该运算单元进行完该梯度更正程序之后，该运算单元输出一经过亮度均匀化处理的输出图像。
在一种较佳的实施型态中，该运算单元所执行的该梯度更正程序具有以下步骤：根据该前处理化图像，分别就该多个像素的各像素(本点像素)，产生一下一邻点像素的该像素亮度值与各该本点像素的该像素亮度值间的一亮度差值比例；将该亮度差值比例减去一亮度比例基础值，以便产生各像素的一像素亮度更正值；以及根据各像素的该像素亮度更正值进行一积分程序，以产生各像素的一积分化像素亮度更正值，其中，各像素的该积分化像素亮度更正值等于前一邻点像素的该积分化像素亮度更正值乘以(1加上前一邻点像素的该亮度更正值)。
以下通过具体实施例详加说明，应当更容易了解本发明的目的、技术内容、特点及其所实现的功效。
附图说明
图1A为流程图，示出本发明的图像的亮度不均匀性的更正方法的一实施例；
图1B标出本发明的图像的亮度不均匀性的更正方法所适用的一种硬件架构的一实施例的方块示意图；
图1C标出本发明的图像的亮度不均匀性的更正方法所适用的一种硬件架构的另一实施例的方块示意图；
图1D标出本发明的原始输入图像的像素阵列的示意图；
图2为流程图，示出本发明的图像的亮度不均匀性的更正方法的一具体实施例；
图3A标出本发明进行缺陷移除程序之前，具有图像信息缺陷的原始输入图像的信号示意图；
图3B示出，对应于图3A的原始输入图像的亮度的示意图；
图4标出本发明进行缺陷移除程序时，所使用的一默认图像信息中位数的信号示意图；
图5A标出本发明的原始输入图像经过缺陷移除程序处理之后，所具有的信号示意图；
图5B示出，对应于图5A的经过缺陷移除程序处理的原始输入图像的亮度的示意图；
图6A示出本发明进行光源估算程序(Surface Estimation)时所采用的方式的示意图；
图6B标出本发明的前处理化图像经过光源估算程序处理之后，前处理化图像的亮度的示意图；
图6C标出本发明的前处理化图像有经过光源估算程序处理及未经过光源估算程序处理的示意图；
图7示出本发明的各像素具有各自对应的像素亮度；
图8A-8B示出本发明的前处理化图像经过梯度更正程序处理之后，前处理化图像的亮度的示意图；
图9标出本发明的前处理化图像有经过梯度更正程序处理及未经过梯度更正程序处理的示意图；
图10标出本发明的前处理化图像经过梯度更正程序处理之后，梯度有剧烈变化的像素的示意图。
图中符号说明
10 图像亮度更正装置
21 图像输入单元
22 前处理单元
23 运算单元
30 像素矩阵
37 像素
40 图像输入设备
A 位置
B 位置
C 位置
EE’ 线条
F1 原始输入图像
F2 前处理化图像
F3 输出图像
ST1～ST4 步骤
ST31～ST33 步骤
具体实施方式
涉及本发明的前述及其他技术内容、特点与功效，在以下配合参考附图的一较佳实施例的详细说明中，将可清楚地呈现。本发明中的附图均属示意，主要意在表示各装置以及各元件之间的上下次序关系，至于形状、厚度与宽度则并未依照比例绘制。
请参考图1B、图1C及图1D并对照图1A。图1A为流程图，示出本发明的图像的亮度不均匀性的更正方法的一实施例。图1B标出本发明的图像的亮度不均匀性的更正方法所适用的一种硬件架构的一实施例的方块示意图。图1C标出本发明的图像的亮度不均匀性的更正方法所适用的一种硬件架构的另一实施例的方块示意图。图1D标出本发明的原始输入图像的像素阵列的示意图。
根据本发明所提供的图像的亮度不均匀性的更正方法，此图像的亮度不均匀性的更正方法应用于一图像亮度更正装置10。其中，在一实施例中，图像亮度更正装置10可设置于一图像输入设备40之中，如图1C所示。或者，在另一实施例中，图像亮度更正装置10可独立设置但可选择性地与图像输入设备40相链接，如图1B所示。
图像亮度更正装置10可包括：一图像输入单元21、一前处理单元22以及一运算单元23。
如图1B及图1C所示，图像输入单元21用以产生一原始输入图像F1(步骤ST1)。原始输入图像F1例如但不限于是根据一图像捕获设备对一原始物体(例如手指)提取图像而产生。其中，原始输入图像F1具有多个像素37且原始输入图像F1具有不均匀的亮度。较佳地，在一实施例中，这些像素37可被排成行与列，以形成一像素矩阵30，如图1D所示。然而，在另一实施例中，像素37也可被排成其他的样式(图未示)。各像素37具有一对应的像素亮度值(步骤ST1)。
上述所谓的“原始输入图像F1具有不均匀的亮度”，指的不是原始物体本身的亮度不均匀，而是指：原始物体的亮度并没有真正反映于所提取的图像中。例如，假设图1D中所标示的三个像素37，所对应的原始物体位置，原本具有相同的亮度。然而，亮度不均匀性的问题，可能导致这三个像素的亮度有明显的差距，举例而言，位于像素矩阵30的边缘的像素亮度值可能会较位于像素矩阵30的中央的像素亮度值来得低，使得位于像素矩阵30的边缘的像素37会有亮度衰减的问题，以致位于像素矩阵30的边缘的像素37会较位于像素阵列中央的像素37的亮度相对地较暗。
正是为了解决“原始输入图像F1具有不均匀的亮度”的缺陷，本发明提出一种图像的亮度不均匀性的更正方法，其可应用于图像亮度更正装置10。
根据本发明，具有不均匀性的亮度的缺陷的原始输入图像F1首先会被输入至前处理单元22。
前处理单元22用以针对具有不均匀性的亮度的原始输入图像F1，进行一前处理程序，以产生一前处理化图像F2(步骤ST2)。
在一实施例中，前处理程序可包括，例如但不限于，以下步骤：首先，针对具有不均匀性的亮度的原始输入图像F1，进行一缺陷移除程序，以移除具有图像信息缺陷的像素。在一实施例中，此缺陷移除程序可以进行，例如但不限于，一中位数转换法(Switch Median)，以将图像信息中模糊的部分最小化。其中，在一实施例中，中位数转换法的实施方式及结果可例如但不限于参考图3A、图3B、图4、图5A及图5B。
请参考图3A及图3B。图3A标出本发明进行缺陷移除程序之前，具有图像信息缺陷的原始输入图像的信号示意图。图3B示出，对应于图3A的原始输入图像的亮度的示意图。
如图3B所示，原始输入图像F1具有不均匀性的亮度。而此具有不均匀性的亮度的缺陷的原始输入图像F1，在图3A中，可清楚看出其不均匀性的亮度的缺陷的信号。
为了要移除如图3A所示的不均匀性的亮度的缺陷的信号，中位数转换法可通过一默认图像信息中位数来进行缺陷移除。其中，在一实施例中，此默认图像信息中位数的信号例如但不限于可参考图4，其示出本发明进行缺陷移除程序时，所使用的一默认图像信息中位数的信号示意图。
在一实施例中，中位数转换法可以下列关系式表示：
if|Praw(i)-Pmedian(i)|>Pmedian(i)*ratio
Praw(i)＝Pmedian(i)
其中，Praw(i)表示原始输入图像F1中的像素矩阵30的第i个像素的图像信息；Pmedian(i)表示如图4所示的默认图像信息中位数。
根据上述关系式，所谓的中位数转换法是指：当“第i个像素的图像信息”与“默认图像信息中位数”的差值的绝对值大于“默认图像信息中位数”乘以某个比例时，则此第i个像素的图像信息就用“默认图像信息中位数”来表示。
请参考图5A及图5B。图5A标出本发明的原始输入图像经过缺陷移除程序处理之后，所具有的信号示意图。图5B示出，对应于图5A的经过缺陷移除程序处理的原始输入图像的亮度的示意图。
请比较图3B及图5B，原本在图3B中，具有不均匀性的亮度的缺陷的原始输入图像F1，经过中位数转换法处理后，原始输入图像F1的图像信息缺陷(例如：不均匀性的亮度的缺陷)已被移除。因此，当比较图3A及图5A时，可发现原本在图3A中，可清楚看出原始输入图像F1具有不均匀性的亮度的缺陷的信号，但是，经过中位数转换法处理后，此不均匀性的亮度的缺陷的信号已从原始输入图像F1中被移除。
值得注意的是，本发明所提的前处理程序所包括的缺陷移除程序不限于一定要采用中位数转换法，也可为其他方式。例如，在另一实施例中，本发明所提的缺陷移除程序可以进行，例如但不限于，一中位数法(Median)。由于通过采用中位数法以移除具有图像信息缺陷的像素是本领域技术人员所惯用的，因此中位数法的实施细节于此不再赘述。
接着，在前处理程序中，尚需要针对经过上述的缺陷移除程序处理的原始输入图像F1，进行一平滑化程序，以降低原始输入图像F1的噪声干扰。
在一实施例中，此平滑化程序可以进行，例如但不限于，一高斯平滑化法(Gaussian Smoothing)，以降低原始输入图像F1的噪声干扰。由于通过采用高斯平滑化法以降低原始输入图像F1的噪声干扰本领域技术人员所惯用的，因此高斯平滑化法的实施细节于此不再赘述。
值得注意的是，本发明所提的前处理程序所包括的平滑化程序不限于一定要采用高斯平滑化法，也可为其他方式。
再接着，在前处理程序中，尚需要针对经过上述平滑化程序处理的原始输入图像F1，进行一锐利化程序，以增强原始输入图像F1中位于边缘的像素彼此间的对比性。
在一实施例中，此锐利化程序可以进行，例如但不限于，一非锐利屏蔽法(Un-Sharp Mask)，以增强原始输入图像F1中位于边缘的像素彼此间的对比性。由于通过采用非锐利屏蔽法以增强原始输入图像F1中位于边缘的像素彼此间的对比性是本领域技术人员所惯用的，因此非锐利屏蔽法的实施细节于此不再赘述。
值得注意的是，本发明所提的前处理程序所包括的锐利化程序不限于一定要采用非锐利屏蔽法，也可为其他方式。
根据本发明，具有不均匀性的亮度的原始输入图像F1经过上述的前处理程序处理，而产生前处理化图像F2。而在进行梯度更正程序(Image Gradient Correction)之前，本发明可以选择地先针对前处理化图像F2进行一光源估算程序(Surface Estimation)。
在一实施例中，此光源估算程序可，例如但不限于，针对前处理化图像F2，估算前处理化图像F2的多个像素37中至少一部份像素37所对应的亮度信息，以产生前处理化图像F2的亮度不均匀性信息。
其中，在一实施例中，光源估算程序的实施方式及结果可例如但不限于参考图6A～6C。
请参考图6A～6C。图6A示出本发明进行光源估算程序(Surface Estimation)时所采用的方式的示意图。图6B标出本发明的前处理化图像经过光源估算程序处理之后，前处理化图像的亮度的示意图。图6C标出本发明的前处理化图像有经过光源估算程序处理及未经过光源估算程序处理的示意图。
如图6A所示，在一实施例中，此光源估算程序可以进行，例如但不限于，一多变化的平滑窗口尺寸法(Variable Smooth Window Size)，来实现。所谓的“多变化的平滑窗口尺寸法”可用图6A做说明。
如图6A所示，平滑窗口尺寸为多变的。例如：平滑窗口尺寸可只涵盖一个像素。又例如：平滑窗口尺寸可涵盖三个像素。再例如：平滑窗口尺寸可涵盖五个像素。在此，以平滑窗口尺寸可涵盖五个像素为例而言，来解释何谓“多变化的平滑窗口尺寸法”。当平滑窗口尺寸所涵盖的像素数目为五个时，中间的那一个像素(也就是第3个像素)的亮度信息等于所有五个像素各自的亮度信息相加起来的总和的平均值。以此类推，当平滑窗口尺寸所涵盖的像素数目为3个时，中间的那一个像素(也就是第2个像素)的亮度信息等于所有三个像素各自的亮度信息相加起来的总和的平均值。
如图6B所示，前处理化图像F2沿着线条EE’，在位置A、位置B及位置C各自具有不同的亮度。举例来说，前处理化图像F2在位置A及位置C的像素所具有的对应的像素亮度较其在位置B的像素所具有的对应的像素亮度来得亮。意即，前处理化图像F2在位置A及位置C的像素所具有的对应的像素亮度相对地较亮，而前处理化图像F2在位置B的像素所具有的对应的像素亮度相对地较暗。这样的状况也可对应地在图6C所指出的“前处理化图像”那条曲线看出来。其中，在图6C所指出的“前处理化图像”的那条曲线是指前处理化图像F2尚未经过光源估算程序处理。
请比较图6C所指出的“前处理化图像”的那条曲线与“经过光源估算程序处理的前处理化图像”的那条曲线。由图6C可清楚知道，通过本发明所提的光源估算程序将能够针对前处理化图像F2，估算前处理化图像F2的多个像素37中至少一部份像素37所对应的亮度信息，以产生前处理化图像F2的亮度不均匀性信息。而此一亮度不均匀性信息将会对接下来的梯度更正程序有所帮助。
值得注意的是，本发明所提的光源估算程序不限于一定要采用多变化的平滑窗口尺寸法，也可为其他方式。例如，在另一实施例中，本发明所提的光源估算程序可以进行，例如但不限于，一光源复制法(Replicate)。在又一实施例中，本发明所提的光源估算程序可以进行，例如但不限于，一光源镜相法(Mirror)。在又一实施例中，本发明所提的光源估算程序可以进行，例如但不限于，一光源定值法(Fixed value)。
由于通过采用光源复制法、光源镜相法或光源定值法以产生前处理化图像F2的亮度不均匀性信息是本领域技术人员所惯用的，因此光源复制法、光源镜相法或光源定值法的实施细节于此不再赘述。
请再参考图1B及图1C并对照图2。图2为流程图，示出本发明的图像的亮度不均匀性的更正方法的一具体实施例。
根据本发明，具有不均匀性的亮度的缺陷的原始输入图像F1首先会被输入至前处理单元22(如图2所示的步骤ST1)。接着，前处理单元22用以针对具有不均匀性的亮度的原始输入图像F1，进行前处理程序，以产生前处理化图像F2(如图2所示的步骤ST2)。
再接着，前处理化图像F2可选择性地先经由上述的光源估算程序获取前处理化图像F2的亮度不均匀性信息，然后，前处理化图像F2被输入至运算单元23后，才进行一梯度更正程序(IMAGE GRADIENT CORRECTION)。或者，前处理化图像F2也可直接被输入至运算单元23(而不先经由上述的光源估算程序)，而直接进行梯度更正程序(如图2所示的步骤ST3)。
运算单元23用以针对前处理化图像F2，进行一梯度更正程序(IMAGE GRADIENTCORRECTION)(步骤ST3)。
本发明的特征及优点在于：通过梯度更正程序，以去除原始输入图像F1的亮度不均匀性。
当运算单元23进行完梯度更正程序之后，运算单元23便可输出一经过亮度均匀化处理的输出图像F3。
在一实施例中，本发明的运算单元23所执行的梯度更正程序具有以下步骤：
首先，根据前处理化图像F2，分别就多个像素的各像素37(本点像素)，产生一下一邻点像素的像素亮度值与本点像素的像素亮度值间的一亮度差值比例(如图2所示的步骤ST31)。
在一实施例中，步骤ST31可以下列关系式表示：
其中，P(i,j)表示原始输入图像F1中的像素矩阵30位于第i行第j列的像素37(意即，本点像素，如图7所示)；P(i+1,j)表示原始输入图像F1中的像素矩阵30位于第i+1行第j列的像素37(意即，下一邻点像素，如图7所示)；表示各像素37位于水平方向(X轴上)的亮度差值比例。
值得注意的是，图7所示的各像素37(即本点像素P(i,j))及下一邻点像素P(i+1,j)都用以表示位于水平方向(X轴上)的亮度差值比例。而同样的原则，也可运用于表示各像素37位于垂直方向(Y轴上)的亮度差值比例，如下列关系式的表示：
其中，P(i,j)表示原始输入图像F1中的像素矩阵30位于第i行第j列的像素37(意即，本点像素，如图7所示)；P(i,j+1)表示原始输入图像F1中的像素矩阵30位于第i行第j+1列的像素37(意即，下一邻点像素)；表示各像素37位于垂直方向(Y轴上)的亮度差值比例。
接着，将亮度差值比例减去一亮度比例基础值，以便产生各像素37的一像素亮度更正值(如图2所示的步骤ST32)。
在一实施例中，步骤ST32可以下列关系式表示：
其中，表示各像素37(即本点像素P(i,j))位于水平方向(X轴上)的亮度差值比例；表示各像素37位于水平方向(X轴上)的亮度比例基础值；表示各像素37位于水平方向(X轴上)的像素亮度更正值。
值得注意的是，步骤ST32所示的是用以表示各像素37位于水平方向(X轴上)的像素亮度更正值。而同样的原则，也可运用于表示各像素37位于垂直方向(Y轴上)的像素亮度更正值，如下列关系式的表示：
其中，表示各像素37(即本点像素P(i,j))位于垂直方向(Y轴上)的亮度差值比例；表示各像素37位于垂直方向(Y轴上)的亮度比例基础值；表示各像素37位于垂直方向(Y轴上)的像素亮度更正值。
接着，根据各像素37的像素亮度更正值进行一积分程序，以产生各像素37的一积分化像素亮度更正值，其中，各像素37的积分化像素亮度更正值等于前一邻点像素的积分化像素亮度更正值乘以(1加上前一邻点像素的亮度更正值)(如图2所示的步骤ST33)。
在一实施例中，步骤ST33可以下列关系式表示：
将上述关系式换个方式表示，则得到下列关系式：
其中，表示前一邻点像素(即P(i-1,j))位于水平方向(X轴上)的积分化像素亮度更正值；表示前一邻点像素(即P(i-1,j))位于水平方向(X轴上)的亮度更正值；表示各像素37(即本点像素P(i,j))位于水平方向(X轴上)的积分化像素亮度更正值。
值得注意的是，步骤ST33所示的是用以表示各像素37位于水平方向(X轴上)的像素亮度更正值。而同样的原则，也可运用于表示各像素37位于垂直方向(Y轴上)的像素亮度更正值，如下列关系式的表示：
将上述关系式换个方式表示，则得到下列关系式：
其中，表示前一邻点像素(即P(i,j-1))位于垂直方向(Y轴上)的积分化像素亮度更正值；表示前一邻点像素(即P(i,j-1))位于垂直方向(Y轴上)的亮度更正值；表示各像素37(即本点像素P(i,j))位于垂直方向(Y轴上)的积分化像素亮度更正值。
请参考图8A-8B及图9。图8A-8B示出本发明的前处理化图像经过梯度更正程序处理之后，前处理化图像的亮度的示意图。图9标出本发明的前处理化图像有经过梯度更正程序处理及未经过梯度更正程序处理的示意图。如图8A所示，前处理化图像F2仅是经过光源估算程序处理之后，其亮度不均匀性的缺陷仍旧在。其中，图8A所示的前处理化图像F2的亮度不均匀性的缺陷也可对照图9所示的“经过光源估算处理的前处理化图像(亮度不均匀)”的那条曲线来看。根据图9所示的“经过光源估算处理的前处理化图像(亮度不均匀)”的那条曲线，仅是经过光源估算程序处理之后的前处理化图像F2仍有亮度不均匀性的问题。例如，如图8A及图9所示，位于前处理化图像F2的中央的亮度可能会较位于前处理化图像F2的边缘的亮度来得低，使得位于前处理化图像F2的中央的像素会有亮度衰减的问题，以致位于前处理化图像F2的中央的像素会较位于前处理化图像F2的边缘的亮度相对地较暗，进而影响了原始输入图像F1(例如：一指纹图像)辨识的正确性。
然而，如图8B所示，本发明的特征及优点正是在于：将前处理化图像F2通过梯度更正程序处理，以去除原始输入图像F1的亮度不均匀性。如图8B所示，前处理化图像F2经过梯度更正程序处理之后，其亮度不均匀性的缺陷已大幅改善。其中，图8B所示的前处理化图像F2的亮度不均匀性的缺陷已被大幅改善也可对照图9所示的“经过梯度更正程序处理的前处理化图像(亮度均匀)”的那条曲线来看。很清楚地，可以看出本发明的前处理化图像F2经过梯度更正程序处理后，其亮度已大致均匀了。例如，如图8B及图9所示，经过梯度更正程序处理后，很清楚地，可以看出位于前处理化图像F2的中央的亮度与位于前处理化图像F2的边缘的亮度大致上相同，使得位于前处理化图像F2的中央的像素不再有亮度衰减的问题，以致位于前处理化图像F2的中央的像素会与位于前处理化图像F2的边缘的亮度大致上相同。故，通过梯度更正程序，本发明能够大幅改善原始输入图像F1(例如：一指纹图像)辨识的正确性。
请参考图10并对照图2。图10标出本发明的前处理化图像经过梯度更正程序处理之后，梯度有剧烈变化的像素的示意图。
在一实施例中，本发明在步骤ST3(即梯度更正程序)之后及在步骤ST4(输出经过亮度均匀化处理的输出图像F3)之前，仍可以通过其他的方式，以便继续去除经过该梯度更正程序处理后的噪声。
举例而言，如图10所示，若是前处理化图像F2经过梯度更正程序处理之后，在此亮度已均匀化的前处理化图像F2中，针对梯度有剧烈变化的像素，本发明遂会将这些梯度有剧烈变化的像素的积分化像素亮度更正值改以一预设亮度值取代，由此去除前处理化图像F2经过该梯度更正程序处理后的噪声。
值得注意的是，上述所谓的“梯度有剧烈变化的像素”可以通过下列关系式表示：
其中，表示前一邻点像素(即P(i-1,j))位于水平方向(X轴上)的亮度更正值的正负值；表示各像素37(即本点像素P(i,j))位于水平方向(X轴上)的亮度更正值的正负值。
也就是说，当前一邻点像素(即P(i-1,j))位于水平方向(X轴上)的亮度更正值的正负值不等于各像素37位于水平方向(X轴上)的亮度更正值的正负值时，则表示在水平方向上位于此位置上的像素出现了“梯度有剧烈变化”的噪声缺陷(如图10的椭圆形虚线所示)。
值得注意的是，上述关系式用以判断各像素37位于水平方向(X轴上)是否出现了“梯度有剧烈变化”的噪声缺陷。而同样的原则，也可运用于判断各像素37位于垂直方向(Y轴上)是否出现了“梯度有剧烈变化”的噪声缺陷，如下列关系式的表示：
其中，表示前一邻点像素(即P(i,j-1))位于垂直方向(Y轴上)的亮度更正值的正负值；表示各像素37(即本点像素P(i,j))位于垂直方向(Y轴上)的亮度更正值的正负值。
也就是说，当前一邻点像素(即P(i,j-1))位于垂直方向(Y轴上))的亮度更正值的正负值不等于各像素37位于垂直方向(Y轴上)的亮度更正值的正负值时，则表示在垂直方向上位于此位置上的像素出现了“梯度有剧烈变化”的噪声缺陷(如图10的椭圆形虚线所示)。
当判断各像素37位于水平方向(X轴上)或垂直方向(Y轴上)出现了“梯度有剧烈变化”的噪声缺陷，本发明的解决办法是：将这些梯度有剧烈变化的像素的积分化像素亮度更正值改以一预设亮度值取代，由此去除前处理化图像F2经过该梯度更正程序处理后的噪声。
值得注意的是，上述所谓的“将这些梯度有剧烈变化的像素的积分化像素亮度更正值改以一预设亮度值取代”可以通过下列关系式表示：
其中，Pcorrect(i,j)表示梯度有剧烈变化的像素的积分化像素亮度更正值；表示梯度有剧烈变化的像素的积分化像素亮度更正值的一中间值。
由此，本发明将能够在梯度更正程序之后，将亮度均匀化的前处理化图像F2中具有“梯度剧烈变化”的噪声缺陷去除掉，以便在步骤ST4(输出经过亮度均匀化处理的输出图像F3)之前，得到一个更正确的亮度均匀化的前处理化图像F2。
以上已针对较佳实施例来说明本发明，但以上所述，只是为使本领域技术人员易于了解本发明的内容，并非用来限定本发明的权利范围。在本发明的相同精神下，本领域技术人员可以想到各种等效变化。但凡此类，都可根据本发明的教示类推而得。此外，所说明的各个实施例，并不限于单独应用，也可以组合应用，例如但不限于将两实施例并用。因此，本发明的范围应涵盖上述及其他所有等效变化。此外，本发明的任一实施型态不必需实现所有的目的或优点，因此，权利要求的任一项也不应以此为限。

Claims (7)

1.一种图像的亮度不均匀性的更正方法，其特征在于，该更正方法包含以下步骤：
(A)产生一原始输入图像，其中该原始输入图像具有多个像素所形成的一像素矩阵，各像素具有一对应的像素亮度值，且，该原始输入图像具有不均匀的亮度；
(B)针对该原始输入图像，进行一前处理程序，以产生一前处理化图像；
(C)针对该前处理化图像，进行一梯度更正程序，其中，该梯度更正程序用以去除该原始输入图像的亮度不均匀性；以及
(D)输出一经过亮度均匀化处理的输出图像；
其中，该梯度更正程序具有以下步骤：
(C1)根据该前处理化图像，分别就该多个像素的各像素(本点像素)，产生一下一邻点像素的该像素亮度值与各该本点像素的该像素亮度值间的一亮度差值比例；
(C2)将该亮度差值比例减去一亮度比例基础值，以便产生各像素的一像素亮度更正值；以及
(C3)根据各像素的该像素亮度更正值进行一积分程序，以产生各像素的一积分化像素亮度更正值，其中，各像素的该积分化像素亮度更正值等于前一邻点像素的该积分化像素亮度更正值乘以(1加上前一邻点像素的该亮度更正值)。
2.根据权利要求1所述的图像的亮度不均匀性的更正方法，其中，该更正方法还包含：
在步骤(C)之前，针对该前处理化图像，估算该前处理化图像的该多个像素中至少一部份像素所对应的一亮度信息，以产生该前处理化图像的一亮度不均匀性信息。
3.根据权利要求1所述的图像的亮度不均匀性的更正方法，其中，该更正方法还包含：
在步骤(C)之后及在步骤(D)之前，针对梯度有剧烈变化的像素，将其积分化像素亮度更正值改以一预设亮度值取代，由此去除经过该梯度更正程序处理后的噪声。
4.根据权利要求3所述的图像的亮度不均匀性的更正方法，其中，该预设亮度值包括各像素的该积分化像素亮度更正值的一中间值。
5.根据权利要求1所述的图像的亮度不均匀性的更正方法，其中，该前处理程序包括以下步骤：
(B1)针对该原始输入图像，进行一缺陷移除程序，以移除具有图像信息缺陷的像素；
(B2)针对经过该缺陷移除程序处理的该原始输入图像，进行一平滑化程序，以降低该原始输入图像的噪声干扰；以及
(B3)针对经过该平滑化程序处理的该原始输入图像，进行一锐利化程序，以增强该原始输入图像中位于边缘的像素彼此间的对比性。
6.一种图像亮度更正装置，其特征在于，包含：
一图像输入单元，用以产生一原始输入图像，其中该原始输入图像具有多个像素所形成的一像素矩阵，各像素具有一对应的像素亮度值，且，该原始输入图像具有不均匀的亮度；
一前处理单元，用以针对该原始输入图像，进行一前处理程序，以产生一前处理化图像；以及
一运算单元，用以针对该前处理化图像，进行一梯度更正程序，其中，该梯度更正程序用以去除该原始输入图像的亮度不均匀性，且，于该运算单元进行完该梯度更正程序之后，该运算单元输出一经过亮度均匀化处理的输出图像。
7.根据权利要求6所述的图像亮度更正装置，其中，该运算单元所执行的该梯度更正程序具有以下步骤：
根据该前处理化图像，分别就该多个像素的各像素(本点像素)，产生一下一邻点像素的该像素亮度值与各该本点像素的该像素亮度值间的一亮度差值比例；
将该亮度差值比例减去一亮度比例基础值，以便产生各像素的一像素亮度更正值；以及
根据各像素的该像素亮度更正值进行一积分程序，以产生各像素的一积分化像素亮度更正值，其中，各像素的该积分化像素亮度更正值等于前一邻点像素的该积分化像素亮度更正值乘以(1加上前一邻点像素的该亮度更正值)。
CN201710806082.2A 2016-12-30 2017-09-08 图像的亮度不均匀性的更正方法及相关图像亮度更正装置 Active CN108269239B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662440746P 2016-12-30 2016-12-30
US62/440,746 2016-12-30

Publications (2)

Publication Number Publication Date
CN108269239A true CN108269239A (zh) 2018-07-10
CN108269239B CN108269239B (zh) 2021-03-30

Family

ID=62770899

Family Applications (6)

Application Number Title Priority Date Filing Date
CN201710660643.2A Active CN108268830B (zh) 2016-12-30 2017-08-04 光学识别方法
CN201710659669.5A Active CN108268829B (zh) 2016-12-30 2017-08-04 光学识别方法与系统
CN201710661554.XA Active CN108261195B (zh) 2016-12-30 2017-08-04 实时心跳检测方法及实时心跳检测系统
CN201710806082.2A Active CN108269239B (zh) 2016-12-30 2017-09-08 图像的亮度不均匀性的更正方法及相关图像亮度更正装置
CN201710804079.7A Active CN108270975B (zh) 2016-12-30 2017-09-08 图像感测的曝光时间决定方法
CN201710806124.2A Pending CN108270976A (zh) 2016-12-30 2017-09-08 具有滚动曝光时间补偿的图像感测方法与图像传感器

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN201710660643.2A Active CN108268830B (zh) 2016-12-30 2017-08-04 光学识别方法
CN201710659669.5A Active CN108268829B (zh) 2016-12-30 2017-08-04 光学识别方法与系统
CN201710661554.XA Active CN108261195B (zh) 2016-12-30 2017-08-04 实时心跳检测方法及实时心跳检测系统

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201710804079.7A Active CN108270975B (zh) 2016-12-30 2017-09-08 图像感测的曝光时间决定方法
CN201710806124.2A Pending CN108270976A (zh) 2016-12-30 2017-09-08 具有滚动曝光时间补偿的图像感测方法与图像传感器

Country Status (2)

Country Link
CN (6) CN108268830B (zh)
TW (6) TW201822709A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109637505A (zh) * 2018-12-21 2019-04-16 余姚市荣大塑业有限公司 四琴弦式中提琴
CN110443204A (zh) * 2018-10-11 2019-11-12 神盾股份有限公司 发光信号强度控制方法及电子装置
CN110672621A (zh) * 2019-10-10 2020-01-10 清华大学 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110876055B (zh) * 2018-08-30 2021-04-09 菱光科技股份有限公司 外部触发的线性相机检测系统及其影像均匀度处理方法
US10755065B2 (en) * 2018-12-03 2020-08-25 Novatek Microelectronics Corp. Sensor device and flicker noise mitigating method
CN109901754B (zh) * 2019-02-20 2021-04-13 Oppo广东移动通信有限公司 数据自校准方法及相关装置
TWI739431B (zh) * 2019-12-09 2021-09-11 大陸商廣州印芯半導體技術有限公司 資料傳輸系統及其資料傳輸方法
TWM614138U (zh) * 2020-07-23 2021-07-01 神亞科技股份有限公司 影像感測裝置
CN112272293A (zh) * 2020-10-28 2021-01-26 业成科技（成都）有限公司 影像处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080166030A1 (en) * 2007-01-09 2008-07-10 Morris Jeffrey S Method and computer-program product for detecting and quantifying protein spots
US20090040367A1 (en) * 2002-05-20 2009-02-12 Radoslaw Romuald Zakrzewski Method for detection and recognition of fog presence within an aircraft compartment using video images
CN102156868A (zh) * 2011-03-31 2011-08-17 汉王科技股份有限公司 图像二值化方法和装置
US20130329098A1 (en) * 2012-05-31 2013-12-12 Apple Inc. Systems and Methods for Defective Pixel Correction with Neighboring Pixels
CN103530848A (zh) * 2013-09-27 2014-01-22 中国人民解放军空军工程大学 一种非均匀光照图像二次曝光的实现方法
CN104331683A (zh) * 2014-10-17 2015-02-04 南京工程学院 一种具有噪声鲁棒性的人脸表情识别方法
CN106060658A (zh) * 2016-05-27 2016-10-26 青岛海信电器股份有限公司 一种图像处理方法及装置

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032453A (ja) * 2001-07-12 2003-01-31 Canon Inc 画像処理装置
JP2005535010A (ja) * 2002-06-12 2005-11-17 シリコン オプティックス インコーポレイテッド 光学異常の電子補正のためのシステムおよび方法
FI116246B (fi) * 2003-06-30 2005-10-14 Nokia Corp Menetelmä ja järjestelmä digitaalisessa kuvannuksessa valotuksen säätämiseksi ja vastaava laite
EP2151191B1 (en) * 2003-07-04 2017-02-22 Panasonic Intellectual Property Corporation of America Living eye judging method and device
CN1529277A (zh) * 2003-10-16 2004-09-15 王立丰 自动感应活体手指的光学指纹采集仪
CN1317671C (zh) * 2003-11-26 2007-05-23 佳能株式会社 信号处理设备和控制方法
JP2006230603A (ja) * 2005-02-23 2006-09-07 Canon Inc 撮像装置、生体認証システム及び画像取得方法
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
JP4247691B2 (ja) * 2006-05-17 2009-04-02 ソニー株式会社 登録装置、照合装置、登録方法、照合方法及びプログラム
CN103902974A (zh) * 2006-07-31 2014-07-02 光谱辨识公司 空间-光谱指纹欺骗检测
US8446480B2 (en) * 2006-12-20 2013-05-21 Nokia Corporation Exposure control based on image sensor cost function
CN100446036C (zh) * 2006-12-27 2008-12-24 浙江大学 一种基于累计直方图的非线性亮度校正方法
US8055070B2 (en) * 2007-01-05 2011-11-08 Geo Semiconductor Inc. Color and geometry distortion correction system and method
US7953256B2 (en) * 2007-09-21 2011-05-31 International Business Machines Corporation Method and system for detecting fingerprint spoofing
CN101399924B (zh) * 2007-09-25 2010-05-19 展讯通信（上海）有限公司 基于亮度直方图的自动曝光方法和装置
CN101494739B (zh) * 2009-02-09 2011-09-28 胡燕翔 一种多次曝光组合中曝光次数确定及曝光时间分配的方法
CN101989156B (zh) * 2010-10-08 2012-08-15 苏州佳世达电通有限公司 校正影像感测器的感测亮度的方法
US20120157791A1 (en) * 2010-12-16 2012-06-21 General Electric Company Adaptive time domain filtering for improved blood pressure estimation
CN104270582B (zh) * 2011-03-03 2017-08-22 原相科技股份有限公司 图像传感器
JP2012222529A (ja) * 2011-04-06 2012-11-12 Sony Corp 固体撮像素子および駆動方法、並びに電子機器
US9077917B2 (en) * 2011-06-09 2015-07-07 Apple Inc. Image sensor having HDR capture capability
CN102222225B (zh) * 2011-06-24 2012-12-05 洛阳师范学院 一种手指静脉图像防伪获取方法
US9801552B2 (en) * 2011-08-02 2017-10-31 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
CN103083005B (zh) * 2011-11-01 2015-05-13 北京瓦力网络科技有限公司 一种心率检测的方法
TWI476641B (zh) * 2011-11-22 2015-03-11 Pixart Imaging Inc 遙控器及顯示系統
JP6041858B2 (ja) * 2012-03-01 2016-12-14 株式会社日本マイクロニクス 表示デバイスの表示むら検出方法及びその装置
US9191635B2 (en) * 2012-03-19 2015-11-17 Semiconductor Components Industries, Llc Imaging systems with clear filter pixels
US20130332195A1 (en) * 2012-06-08 2013-12-12 Sony Network Entertainment International Llc System and methods for epidemiological data collection, management and display
TWI489865B (zh) * 2012-11-13 2015-06-21 Pixart Imaging Inc 曝光調整裝置、影像均化裝置及影像均化方法
CN103077377B (zh) * 2012-12-31 2015-07-29 清华大学 基于方向场分布的指纹校正方法
MX349155B (es) * 2013-01-15 2017-07-14 Avigilon Corp Aparato de imagenologia con compensacion de auto-exposicion adaptable de escena.
ITMI20130104A1 (it) * 2013-01-24 2014-07-25 Empatica Srl Dispositivo, sistema e metodo per la rilevazione e il trattamento di segnali di battito cardiaco
US9111125B2 (en) * 2013-02-08 2015-08-18 Apple Inc. Fingerprint imaging and quality characterization
CN103258156B (zh) * 2013-04-11 2016-01-20 杭州电子科技大学 一种基于指纹特征生成密钥的方法
TWI512270B (zh) * 2015-01-13 2015-12-11 Pixart Imaging Inc 具動態曝光時間的光學測距系統
US9880634B2 (en) * 2015-03-20 2018-01-30 Optim Corporation Gesture input apparatus, gesture input method, and program for wearable terminal
TWI537875B (zh) * 2015-04-08 2016-06-11 大同大學 影像合成方法與影像處理裝置
CN105635359B (zh) * 2015-12-31 2018-10-26 宇龙计算机通信科技(深圳)有限公司 心率测量方法及装置、终端
CN105877730B (zh) * 2016-03-21 2019-07-26 联想(北京)有限公司 一种心率检测方法、装置及电子设备
CN105847708B (zh) * 2016-05-26 2018-09-21 武汉大学 基于图像直方图分析的线阵相机自动曝光调整方法及系统
CN106127134B (zh) * 2016-06-20 2019-07-26 联想(北京)有限公司 光学装置、电子设备及其控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090040367A1 (en) * 2002-05-20 2009-02-12 Radoslaw Romuald Zakrzewski Method for detection and recognition of fog presence within an aircraft compartment using video images
US20080166030A1 (en) * 2007-01-09 2008-07-10 Morris Jeffrey S Method and computer-program product for detecting and quantifying protein spots
CN102156868A (zh) * 2011-03-31 2011-08-17 汉王科技股份有限公司 图像二值化方法和装置
US20130329098A1 (en) * 2012-05-31 2013-12-12 Apple Inc. Systems and Methods for Defective Pixel Correction with Neighboring Pixels
CN103530848A (zh) * 2013-09-27 2014-01-22 中国人民解放军空军工程大学 一种非均匀光照图像二次曝光的实现方法
CN104331683A (zh) * 2014-10-17 2015-02-04 南京工程学院 一种具有噪声鲁棒性的人脸表情识别方法
CN106060658A (zh) * 2016-05-27 2016-10-26 青岛海信电器股份有限公司 一种图像处理方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443204A (zh) * 2018-10-11 2019-11-12 神盾股份有限公司 发光信号强度控制方法及电子装置
CN109637505A (zh) * 2018-12-21 2019-04-16 余姚市荣大塑业有限公司 四琴弦式中提琴
CN109637505B (zh) * 2018-12-21 2020-11-17 苏州依唯森电器有限公司 四琴弦式中提琴
CN110672621A (zh) * 2019-10-10 2020-01-10 清华大学 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法
CN110672621B (zh) * 2019-10-10 2021-03-05 清华大学 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法

Also Published As

Publication number Publication date
TWI629904B (zh) 2018-07-11
CN108268829B (zh) 2021-03-30
CN108269239B (zh) 2021-03-30
CN108261195B (zh) 2020-12-11
CN108268829A (zh) 2018-07-10
TWI629645B (zh) 2018-07-11
TW201824068A (zh) 2018-07-01
TW201822709A (zh) 2018-07-01
TWI629643B (zh) 2018-07-11
CN108261195A (zh) 2018-07-10
CN108268830B (zh) 2021-03-30
TW201841493A (zh) 2018-11-16
TW201824081A (zh) 2018-07-01
CN108270975A (zh) 2018-07-10
TW201826164A (zh) 2018-07-16
CN108268830A (zh) 2018-07-10
CN108270975B (zh) 2020-09-15
TW201824857A (zh) 2018-07-01
CN108270976A (zh) 2018-07-10

Similar Documents

Publication Publication Date Title
CN108269239A (zh) 图像的亮度不均匀性的更正方法及相关图像亮度更正装置
CN111563889B (zh) 基于计算机视觉的液晶屏幕Mura缺陷检测方法
CN105740876B (zh) 一种图像预处理方法及装置
CN105301810A (zh) 一种屏幕缺陷检测方法及装置
CN109727233B (zh) 一种lcd缺陷检测方法
TW200913687A (en) Moving body image extraction apparatus and program
CN111474177A (zh) 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN103646392B (zh) 逆光检测方法及设备
CN104021527B (zh) 一种图像中雨雪的去除方法
EP3300060B1 (en) Image display method and display device
CN109801231B (zh) 一种电泳电子纸检测设备的图像处理方法
CN110910372A (zh) 基于深度卷积神经网络的匀光板缺陷检测方法
CN104749801B (zh) 高精度自动光学检测方法和系统
CN110111347A (zh) 图像标志提取方法、装置及存储介质
CN106846271A (zh) 一种去除身份证照片中网纹的方法
CN113706607B (zh) 一种基于圆环阵列图的亚像素定位方法、计算机设备与装置
CN107256539A (zh) 一种基于局部对比度的图像锐化方法
CN107506767A (zh) 一种图片内数字粘连识别的方法和装置
JP2005283197A (ja) 画面のスジ欠陥検出方法及び装置
CN115564727A (zh) 一种爆光显影异常缺陷检测方法及系统
CN207439372U (zh) 检测系统
CN110298812A (zh) 一种图像融合处理的方法及装置
CN109448012A (zh) 一种图像边缘检测方法及装置
CN106803240B (zh) 一种工业图像均光处理方法
CN102685370B (zh) 一种视频序列的去噪方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20191009

Address after: Maai Island, Seychelles

Applicant after: Seychelles water wood technology Co.,Ltd.

Address before: Hsinchu County, Taiwan, China

Applicant before: EOSMEM Corp.

TA01 Transfer of patent application right
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200730

Address after: 2nd floor, building 1, 1998 Licheng middle Avenue, Longqiao street, Putian City, Fujian Province

Applicant after: Putian Jiemu Technology Co.,Ltd.

Address before: Maai Island, Seychelles

Applicant before: Seychelles water wood technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 351100 705-706, building a, Jiulong community, No. 999, lihuadong Avenue, Xialin street, Chengxiang District, Putian City, Fujian Province

Patentee after: Fujian Jiemu Technology Co.,Ltd.

Address before: 351100 floor 2, building 1, No. 1998, lichengzhong Avenue, Longqiao street, Putian City, Fujian Province

Patentee before: Putian Jiemu Technology Co.,Ltd.

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20231107

Address after: Room 308 and Room 309, No. 268 Xiangke Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 201210

Patentee after: Shanghai Jieming Technology Co.,Ltd.

Address before: 351100 705-706, building a, Jiulong community, No. 999, lihuadong Avenue, Xialin street, Chengxiang District, Putian City, Fujian Province

Patentee before: Fujian Jiemu Technology Co.,Ltd.

TR01 Transfer of patent right