CN112381896B - 一种显微图像的亮度校正方法及系统、计算机设备 - Google Patents
一种显微图像的亮度校正方法及系统、计算机设备 Download PDFInfo
- Publication number
- CN112381896B CN112381896B CN202011267199.6A CN202011267199A CN112381896B CN 112381896 B CN112381896 B CN 112381896B CN 202011267199 A CN202011267199 A CN 202011267199A CN 112381896 B CN112381896 B CN 112381896B
- Authority
- CN
- China
- Prior art keywords
- image
- coefficient matrix
- correction coefficient
- brightness correction
- brightness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 105
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- 239000012535 impurity Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 2
- 239000000523 sample Substances 0.000 description 16
- 239000003292 glue Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013074 reference sample Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Multimedia (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optics & Photonics (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种显微图像的亮度校正方法及系统、计算机设备,该方法首先利用若干张亮度标定图像计算第一亮度校正系数矩阵,再采用非等距分割法将第一亮度校正系数矩阵分割成若干个网格,计算各网格角点的校正系数,并将其保存为第二亮度校正系数矩阵,利用第二亮度校正系数矩阵采用线性插值的方式对待校正显微图像进行亮度校正,该方法计算简单,校正效果好,尤其适用于显微成像设备的快速扫描拼接,可实现边扫描、边校正、边拼接。
Description
技术领域
本发明涉及显微图像处理技术领域,尤其是一种显微图像的亮度校正方法及系统、计算机设备。
背景技术
在光学成像系统中,由于透镜中心的聚光能力远大于边缘的聚光能力,从而导致图像传感器影像区的边缘区域接收的光线强度比中心小,即采集的图像中间亮,边缘暗,此种现象称之为边缘光照度衰减。由于边缘光照度衰减造成的图像中心和四角亮度不一致会影响后续图像处理的准确性,因此从图像传感器输出的数字图像必须先经过亮度校正来消除边缘光照度衰减给图像带来的影响。
此外,在显微成像过程中,由于样本表面对光的反射和吸收性能的不同以及光照条件的影响,会造成图像的亮度不均匀,此外,显微镜的结构也会造成图像的亮度不均匀,使得拍摄的显微图像中间亮,边缘暗。这种亮度不均匀的现象会导致显微图像拼接过程中图像拼接位置处的亮度差异问题,因此需要对图像进行亮度校正以提高拼接后输出的图像质量。
传统的亮度校正方法是利用摄像头拍摄一张参考样本图像,然后通过累加该参考样本图像中所有像素值再除以像素数量,获得平均灰度值,利用获得的样本图像的平均灰度值对目标图像进行校正,得到校正图像,该方法的缺陷是亮度校正效果差,对参考样本图像的拍摄环境要求高。
发明内容
本发明提供一种显微图像的亮度校正方法及系统、计算机设备,用于克服现有技术中亮度校正效果差等缺陷。
为实现上述目的,本发明提出一种显微图像的亮度校正方法,包括:
获取玻片样本中空白视野下的若干张亮度标定图像;
将所述亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵;
采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,计算每个网格四个角点的校正系数,对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵;
利用所述第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
为实现上述目的,本发明还提出一种显微图像的亮度校正系统,包括:
图像获取模块,用于获取玻片样本中空白视野下的若干张亮度标定图像;
亮度校正系数矩阵获取模块,用于将所述亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵;采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,计算每个网格四个角点的校正系数,对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵
图像校正模块,用于利用所述第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
为实现上述目的,本发明还提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
为实现上述目的,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
与现有技术相比,本发明的有益效果有:
1、本发明提供的显微图像的亮度校正方法首先利用若干张亮度标定图像计算第一亮度校正系数矩阵,再采用非等距分割法将第一亮度校正系数矩阵分割成若干个网格,计算各网格角点的校正系数,并将其保存为第二亮度校正系数矩阵,利用第二亮度校正系数矩阵采用线性插值的方式对待校正显微图像进行亮度校正,该方法计算简单,校正效果好,尤其适用于显微成像设备的快速扫描拼接,可实现边扫描、边校正、边拼接。
2、本发明提供的显微图像的亮度校正方法根据YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵,相比于RGB图像的R、G、B三通道,采用Y通道或者V通极大地减小了计算量,提高了亮度校正的效率。
3、本发明提供的显微图像的亮度校正方法考虑到亮度的衰减率与偏离图像中心位置呈非线性关系,即偏离图像中心越远,亮度的衰减率越大,本发明采用非等距分割法对第一亮度校正系数矩阵进行分割,使获得的第二亮度校正系数矩阵更符合镜头的光学特性,最终生成高质量的亮度校正显微图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提供的显微图像的亮度校正方法的流程图;
图2为本发明中非等距分割示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示,本发明提出一种显微图像的亮度校正方法,包括:
101:获取玻片样本中空白视野下的若干张亮度标定图像;
空白视野,为无任何细胞和杂质的视野。空白视野不能有空泡、胶水等杂质,同时空白视野不能是玻片的封胶位置。
102:将亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵;
YUV是一种颜色编码的方法,其中Y表示明亮度(Luminance),也就是灰阶值;U和V表示色度(Chrominance),作用是描述图像的色彩度及饱和度,用于指定像素的颜色。
HSV是一种比较直观的颜色编码方法,其中H表示色度,S表示饱和度,V表示明亮度。
103:采用非等距分割法将第一亮度校正系数矩阵分割成若干个网格,计算每个网格四个角点的校正系数,对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵;
对每个网格进行编号,即网格1(x1,x2,x3,x4),网格2(x1,x2,x3,x4)等。
104:利用第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
本发明提供的显微图像的亮度校正方法首先利用若干张亮度标定图像计算第一亮度校正系数矩阵,再采用非等距分割法将第一亮度校正系数矩阵分割成若干个网格,计算各网格角点的校正系数,并将其保存为第二亮度校正系数矩阵,利用第二亮度校正系数矩阵采用线性插值的方式对待校正显微图像进行亮度校正,该方法计算简单,校正效果好,尤其适用于显微成像设备的快速扫描拼接,可实现边扫描、边校正、边拼接。
在其中一个实施例中,对于步骤101,首先需要调整显微成像设备至标准拍摄状态,具体为:
调整光路成像系统,确保透镜和光源中心严格对准;调整光源的亮度达到指定范围,使图像传感器中心区域的光源分布均匀;调整扫描相机的曝光参数和白平衡参数至最优值并固定。
进一步的,调整光源的亮度达到指定范围的方法为:
调节光源的亮度并利用图像传感器采集当前光源照射下的参考图像,计算参考图像的灰度直方图,从灰度直方图中判断光源的峰值范围,确定光源的亮度;
若光源的亮度未达到指定范围,重复上述过程。
获取玻片样本中空白视野下的若干张亮度标定图像,包括:
001:利用显微成像设备,将载物台上的玻片样本移动至有细胞的视野,控制所述显微成像设备对当前视野进行自动聚焦;
002:将载物台上的玻片样本移动至无任何细胞和杂质的空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
003:将载物台上的玻片样本移动至下一空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
004:重复玻片样本移动和空白显微图像的采集过程(即重复步骤003),直至获得若干张空白显微图像,所述空白显微图像即为亮度标定图像。
亮度标定图像的数量一般为1~10张。
在下一个实施例中,对于步骤102,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵,包括:
根据YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵;
根据候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵。
在某个实施例中,根据YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵,包括:
根据YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵为:
式中,Ii(x,y)表示第i幅Y通道图像或第i幅V通道图像;Ci(x,y)表示第i幅候选亮度校正系数矩阵;MaxVi表示第i幅Y通道图像或第i幅V通道图像的亮度最大值。
在另一个实施例中,根据候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵,包括:
根据候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵为:
式中,Co(x,y)为第一亮度校正系数矩阵;N为Y通道图像或V通道图像的数量;Ci(x,y)表示第i幅候选亮度校正系数矩阵。
在下一个实施例中,对于步骤103,采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,包括:
设第一亮度校正系数矩阵的大小为W×H,O为矩阵中心,以O为原点构建x-y坐标系,在O点左边非等距的选取与y轴平行的m条分割线,并在O点右边对称位置处取与y轴平行的m条分割线,得到水平方向上的2m+1条分割线(包含y轴);
在O点上边非等距的选取与x轴平行的n条分割线,并在O点下边对称位置处取与x轴平行的n条分割线,得到垂直方向上的2n+1条分割线(包含x轴);
所述水平方向上的2m+1条分割线和垂直方向上的2n+1条分割线将第一亮度校正系数矩阵分割成2m×2n个网格,如图2所示。
进一步的,非等距分割具体为:
根据第一亮度校正系数矩阵宽度一半的平方,在x轴左右两边非等距的选取若干分割线,以x轴右侧区域为例,每条分割线距离x轴的距离分别为:
根据第一亮度校正系数矩阵高度一半的平方,在y轴上下两边非等距的选取各分割线,以y轴上方区域为例,每条分割线距离y轴的距离分别为:
在某个实施例中,计算每个网格四个角点的校正系数,包括:
将网格分割成大小相等的四个小块,计算各个小块内第一亮度校正系数的平均值,将获得的四个平均值作为网格四个角点的校正系数。
在另一个实施例中,对于步骤104,利用显微成像设备对玻片样本进行扫描时,采集完单个视野下的显微图像后,利用第二亮度校正系数矩阵对采集到的显微图像进行亮度校正,得到校正后的显微图像。
利用第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正,包括:
根据待校正显微图像中每个像素的坐标,判断出各像素对应的网格编号,根据网格编号在第二亮度校正系数矩阵中取出该网格四个角点对应的四个校正系数,利用线性插值的方式计算出各像素对应的校正系数,将获得的校正系数乘以对应的亮度值,得到各个像素校正后的亮度值,进而获得亮度校正后的显微图像。
本发明还提出一种显微图像的亮度校正系统,包括:
图像获取模块,用于获取玻片样本中空白视野下的若干张亮度标定图像;
亮度校正系数矩阵获取模块,用于将所述亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵;采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,计算每个网格四个角点的校正系数,对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵
图像校正模块,用于利用所述第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
在其中一个实施例中,图像获取模块还包括:
利用显微成像设备,将载物台上的玻片样本移动至有细胞的视野,控制所述显微成像设备对当前视野进行自动聚焦;
将载物台上的玻片样本移动至无任何细胞和杂质的空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
将载物台上的玻片样本移动至下一空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
重复玻片样本移动和空白显微图像的采集过程,直至获得若干张空白显微图像,所述空白显微图像即为亮度标定图像。
在下一个实施例中,亮度校正系数矩阵获取模块还包括:
根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵;
根据所述候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵。
在另一个实施例中,亮度校正系数矩阵获取模块还包括:
根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵为:
式中,Ii(x,y)表示第i幅Y通道图像或第i幅V通道图像;Ci(x,y)表示第i幅候选亮度校正系数矩阵;MaxVi表示第i幅Y通道图像或第i幅V通道图像的亮度最大值。
在下一个实施例中,亮度校正系数矩阵获取模块还包括:
根据所述候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵为:
式中,Co(x,y)为第一亮度校正系数矩阵;N为Y通道图像或V通道图像的数量;Ci(x,y)表示第i幅候选亮度校正系数矩阵。
在某个实施例中,亮度校正系数矩阵获取模块还包括:
设所述第一亮度校正系数矩阵的大小为W×H,O为矩阵中心,以O为原点构建x-y坐标系,在O点左边非等距的选取与y轴平行的m条分割线,并在O点右边对称位置处取与y轴平行的m条分割线,得到水平方向上的2m+1条分割线;
在O点上边非等距的选取与x轴平行的n条分割线,并在O点下边对称位置处取与x轴平行的n条分割线,得到垂直方向上的2n+1条分割线;
所述水平方向上的2m+1条分割线和垂直方向上的2n+1条分割线将第一亮度校正系数矩阵分割成2m×2n个网格。
在下一个实施例中,亮度校正系数矩阵获取模块还包括:
将网格分割成大小相等的四个小块,计算各个小块内第一亮度校正系数的平均值,将获得的四个平均值作为网格四个角点的校正系数。
本发明还提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (7)
1.一种显微图像的亮度校正方法,其特征在于,包括:
获取玻片样本中空白视野下的若干张亮度标定图像;
将所述亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵,包括:根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵;根据所述候选亮度校正系数矩阵,通过求平均值计算获得第一亮度校正系数矩阵;
采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,包括:设所述第一亮度校正系数矩阵的大小为W×H,O为矩阵中心,以O为原点构建x-y坐标系,在O点左边非等距的选取与y轴平行的m条分割线,并在O点右边对称位置处取与y轴平行的m条分割线,得到水平方向上的2m+1条分割线;在O点上边非等距的选取与x轴平行的n条分割线,并在O点下边对称位置处取与x轴平行的n条分割线,得到垂直方向上的2n+1条分割线;所述水平方向上的2m+1条分割线和垂直方向上的2n+1条分割线将第一亮度校正系数矩阵分割成2m×2n个网格;
计算每个网格四个角点的校正系数,包括:将网格分割成大小相等的四个小块,计算各个小块内第一亮度校正系数的平均值,将获得的四个平均值作为网格四个角点的校正系数;
对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵;
利用所述第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
2.如权利要求1所述的显微图像的亮度校正方法,其特征在于,获取玻片样本中空白视野下的若干张亮度标定图像,包括:
利用显微成像设备,将载物台上的玻片样本移动至有细胞的视野,控制所述显微成像设备对当前视野进行自动聚焦;
将载物台上的玻片样本移动至无任何细胞和杂质的空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
将载物台上的玻片样本移动至下一空白视野,利用上一视野的聚焦状态,采集一张空白显微图像;
重复玻片样本移动和空白显微图像的采集过程,直至获得若干张空白显微图像,所述空白显微图像即为亮度标定图像。
3.如权利要求1所述的显微图像的亮度校正方法,其特征在于,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵,包括:
根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵为:
式中,Ii(x,y)表示第i幅Y通道图像或第i幅V通道图像;Ci(x,y)表示第i幅候选亮度校正系数矩阵;MaxVi表示第i幅Y通道图像或第i幅V通道图像的亮度最大值。
4.如权利要求1所述的显微图像的亮度校正方法,其特征在于,根据所述候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵,包括:
根据所述候选亮度校正系数矩阵,计算获得第一亮度校正系数矩阵为:
式中,Co(x,y)为第一亮度校正系数矩阵;N为Y通道图像或V通道图像的数量;Ci(x,y)表示第i幅候选亮度校正系数矩阵。
5.一种显微图像的亮度校正系统,其特征在于,包括:
图像获取模块,用于获取玻片样本中空白视野下的若干张亮度标定图像;
亮度校正系数矩阵获取模块,用于将所述亮度标定图像由RGB图像转化为YUV图像或HSV图像,根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算获得第一亮度校正系数矩阵,包括:根据所述YUV图像中的Y通道图像或HSV图像中的V通道图像,计算各图像对应的候选亮度校正系数矩阵;根据所述候选亮度校正系数矩阵,通过求平均值计算获得第一亮度校正系数矩阵;采用非等距分割法将所述第一亮度校正系数矩阵分割成若干个网格,包括:设所述第一亮度校正系数矩阵的大小为W×H,O为矩阵中心,以O为原点构建x-y坐标系,在O点左边非等距的选取与y轴平行的m条分割线,并在O点右边对称位置处取与y轴平行的m条分割线,得到水平方向上的2m+1条分割线;在O点上边非等距的选取与x轴平行的n条分割线,并在O点下边对称位置处取与x轴平行的n条分割线,得到垂直方向上的2n+1条分割线;所述水平方向上的2m+1条分割线和垂直方向上的2n+1条分割线将第一亮度校正系数矩阵分割成2m×2n个网格;计算每个网格四个角点的校正系数,包括:将网格分割成大小相等的四个小块,计算各个小块内第一亮度校正系数的平均值,将获得的四个平均值作为网格四个角点的校正系数;对每个网格进行编号,并将每个网格四个角点的校正系数及网格编号存储在第二亮度校正系数矩阵中,获得第二亮度校正系数矩阵;
图像校正模块,用于利用所述第二亮度校正系数矩阵,采用线性插值方式对待校正显微图像进行亮度校正。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~4中任一项所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267199.6A CN112381896B (zh) | 2020-11-13 | 2020-11-13 | 一种显微图像的亮度校正方法及系统、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267199.6A CN112381896B (zh) | 2020-11-13 | 2020-11-13 | 一种显微图像的亮度校正方法及系统、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381896A CN112381896A (zh) | 2021-02-19 |
CN112381896B true CN112381896B (zh) | 2023-05-12 |
Family
ID=74583781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011267199.6A Active CN112381896B (zh) | 2020-11-13 | 2020-11-13 | 一种显微图像的亮度校正方法及系统、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381896B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630164B (zh) * | 2023-07-21 | 2023-09-26 | 中国人民解放军国防科技大学 | 海量显微图像的实时拼接方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108063932A (zh) * | 2017-11-10 | 2018-05-22 | 广州极飞科技有限公司 | 一种光度标定的方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000209437A (ja) * | 1999-01-11 | 2000-07-28 | Sharp Corp | 画像補正方法および画像補正プログラムを格納した記録媒体 |
JP2011124948A (ja) * | 2009-12-14 | 2011-06-23 | Sony Corp | 情報処理装置、情報処理方法、プログラム、及び光学顕微鏡を搭載した撮像装置 |
DE102014112002A1 (de) * | 2014-08-21 | 2016-02-25 | Carl Zeiss Microscopy Gmbh | Verfahren zur Abbildung einer Probe mittels eines Mikroskops und Mikroskop |
JP6415638B2 (ja) * | 2017-06-01 | 2018-10-31 | 株式会社朋栄 | フリッカーを除去する画像処理方法とその画像処理装置 |
CN111007661B (zh) * | 2019-12-02 | 2022-02-22 | 湖南国科智瞳科技有限公司 | 一种基于深度学习的显微图像自动聚焦方法及装置 |
CN111818239B (zh) * | 2020-03-12 | 2023-05-02 | 成都微光集电科技有限公司 | 一种图像传感器中镜头阴影校正方法 |
-
2020
- 2020-11-13 CN CN202011267199.6A patent/CN112381896B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108063932A (zh) * | 2017-11-10 | 2018-05-22 | 广州极飞科技有限公司 | 一种光度标定的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112381896A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492776B (zh) | 一种amoled屏亮度不均智能外部光学补偿方法 | |
CN108760767B (zh) | 基于机器视觉的大尺寸液晶屏缺陷检测方法 | |
CN109068025B (zh) | 一种镜头阴影校正方法、系统及电子设备 | |
US8699820B2 (en) | Image processing apparatus, camera apparatus, image processing method, and program | |
RU2466438C2 (ru) | Способ облегчения фокусировки | |
KR20070004853A (ko) | 낮은 동적 범위로부터 높은 동적 범위로 이미지를 변환하는방법 및 시스템 | |
CN115797225B (zh) | 一种水下地形测量用无人船采集图像增强方法 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
CN110163807A (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN114757853B (zh) | 平场校正函数的获取方法及系统、平场校正方法及系统 | |
CN112381896B (zh) | 一种显微图像的亮度校正方法及系统、计算机设备 | |
US10656406B2 (en) | Image processing device, imaging device, microscope system, image processing method, and computer-readable recording medium | |
CN110740314B (zh) | 彩色线阵相机坏点校正方法及系统 | |
CN109920381B (zh) | 一种调整背光值的方法和设备 | |
CN113763401B (zh) | 一种快速多点自动对焦方法、系统及其应用设备 | |
CN109903275B (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
CN109302571B (zh) | 一种快速自动曝光图形的生成方法 | |
CN116503324A (zh) | 一种基于机器视觉的黑胶模组外观检测方法及系统 | |
CN115587948A (zh) | 一种图像暗场校正方法及设备 | |
CN114331826A (zh) | 一种基于畸变拉伸因子的鱼眼图像快速校正方法 | |
CN112132767A (zh) | 一种基于计算机视觉的太阳能电池板阴影处理方法 | |
EP2306397A1 (en) | Method and system for optimizing lens aberration detection | |
KR102315200B1 (ko) | 자동 화이트 밸런스를 위한 영상 처리 장치 및 그 처리 방법 | |
CN109615592B (zh) | 一种通过灰度曲线实现图像区域补偿的方法 | |
KR102649330B1 (ko) | 3차원 이변수 다항식 모델 기반의 비네트 영상 보정 방법 |
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 |