CN112509013A - 一种检测图像位移检测算法精度的方法 - Google Patents
一种检测图像位移检测算法精度的方法 Download PDFInfo
- Publication number
- CN112509013A CN112509013A CN202011407690.4A CN202011407690A CN112509013A CN 112509013 A CN112509013 A CN 112509013A CN 202011407690 A CN202011407690 A CN 202011407690A CN 112509013 A CN112509013 A CN 112509013A
- Authority
- CN
- China
- Prior art keywords
- image
- displacement
- detection algorithm
- frequency domain
- errors
- 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.)
- Pending
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 94
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/20—Analysis of motion
- G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种检测图像位移检测算法精度的方法,包括以下步骤:将原始图像经过傅里叶变换至频域,在频域进行人工位移;使用傅里叶反变换回至时域获得移位图像,舍弃移位图像的虚部;将原始图像和移位图像输入图像位移检测算法,获得图像位移检测算法输出的检测位移值,计算检测位移值和人工位移的误差;多次重复以上步骤,获得多个误差,对多个误差进行离散频域变换,舍弃较低频系统误差,获得图像位移检测算法的测量误差。本发明的实质性效果是:避免了采用插值方法带来的效率降低和误差增大问题,将多次获得的测量误差进行离散频域变换,获得较高频的测量误差,提供了准确的度量图像位移检测算法精度的方法。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种检测图像位移检测算法精度的方法。
背景技术
在工业视觉检测等需要检测目标二维平面运动的场景下,为了验证图像位移检测算法的精度,需要人为制造图像位移,在已知位移的情况下对比检测算法结果的精度。人工图像位移有两种方式:拍摄实际运动的带有明显角点、边缘特征的物体,使用亚像素级的角点、边缘检测方法获取真实位移;使用数字图像处理方法直接操作图像像素产生指定位移,对于整像素直接平移,对于亚像素使用插值方法平移。拍摄实际物体运动的方法,使用的是相机不同时刻的成像,由于相机工艺、环境振动、光照等因素,容易引入额外误差,通常不被采用。由于是对同一张图像进行处理,直接操作像素的数字图像处理方法,避免了使用相机拍摄引入的误差。但由于数字图像在计算机中以像素矩阵形式存储,是离散值,该方法只有在制造整像素位移时没有误差,而在要求亚像素级位移时,通常采用双线性插值、三次样条插值等插值方法。随着所需像素位移的减小,如精确到小数点后2位,使用插值方法制造的亚像素级位移误差会越来越大且难以分离,导致无法准确度量待验证的位移检测算法的精度。
由中国科学院西安光学精密机械研究所申请的中国专利CN106651929B,公开日2019年6月28日,公开了一种高精度亚像元位移产生方法,其通过将偏差校正系数作为待求解的变量,以理想位移序列与实际输出的位移序列之间的偏差均方根误差作为目标函数,利用全局优化在高维空间中搜索来获得最优的偏差校正系数。其技术方案采用将傅里叶变换亚像元位移产生与位相相关亚像素精度位移检测嵌入到模拟退火算法全局优化框架中,获得亚像素位移结果。但其技术方案不一定能获得全局最优解,运算过程耗时长,且仅能够获得图像的亚像素位移,还不能消除因亚像素位移带来的新的系统误差,不能完成准确评估图像位移检测算法精度的任务。
发明内容
本发明要解决的技术问题是:目前图像位移检测算法的精度难以准确度量的技术问题。提出了一种检测图像位移检测算法精度的方法,本方法提供了亚像素的图像位移产生方法,并剥离了系统误差,提高了图像位移检测算法精度的检测精度。
为解决上述技术问题,本发明所采取的技术方案为:一种检测图像位移检测算法精度的方法,包括以下步骤:将原始图像经过傅里叶变换至频域,在频域进行人工位移;使用傅里叶反变换回至时域获得移位图像,舍弃移位图像的虚部;将原始图像和移位图像输入图像位移检测算法,获得图像位移检测算法输出的检测位移值,计算检测位移值和人工位移的误差;多次重复以上步骤,获得多个误差,对多个误差进行离散频域变换,获得较低频率的系统误差和较高频率的测量误差,舍弃系统误差,获得图像位移检测算法的测量误差。过傅里叶变换以及反变换提供了亚像素级的图像移位,通过多次检测并进行离散频域变换,将系统误差剥离,从而获得准确的检测误差。
作为优选,将原始图像经过傅里叶变换至频域,在频域进行人工位移的方法包括:
其中,f(x,y)表示原始图像,F(u,v)为其傅里叶变换,进一步可得
其中,x0、y0分别为原始图像在水平、竖直两个方向上的人工位移量,M、N分别为图像水平、竖直两个方向的像素数量,对于给定人工位移量(x0,y0),计算出的值即可获得原始图像在频域进行人工位移的表达。通过设置系数即可获得亚像素级的移位图像的频域表达,使用傅里叶反变换即可获得移位图像。
作为优选,用傅里叶反变换使得反变换为时域的移位图像f′(x,y)中的像素值为复数,舍弃像素值复数的虚部,获得移位图像。将傅里叶反变换产生的虚部舍弃即可快速获得移位后的移位图像,提高图像移位的效率。
作为优选,对多个误差进行离散频域变换的方法包括:对多个误差使用集合经验模态分解进行离散频域变换。由将傅里叶反变换产生的虚部舍弃即可快速获得移位后的移位图像,带来了新的系统误差,通过多次检测并进行离散频域变换,消除该新的系统误差对检测准确度的影响。
作为优选,在频域进行人工位移的方法包括:令x、y为0~n的整数,x0=sin(x)、y0=sin(y)作为人工位移量,其中n为检测次数。
作为优选,获得较高频率的测量误差,对离散的测量误差进行聚类,取每个聚类中的最大值,按聚类占比进行加权平均,加权平均值作为图像位移检测算法的测量误差。由于进行了多次检测,获得了多个检测误差结果,通过将检测误差结果聚类,取每个聚类的最大值,而后计算加权平均值,能够更为准确的表示测量误差。
本发明的实质性效果是:通过傅里叶变换以及反变换提供了亚像素级的图像移位,避免了采用插值方法带来的效率降低和误差增大问题,通过多次检测,将多次获得的测量误差进行离散频域变换,将较低频的系统误差提取并舍弃,获得较高频的测量误差,从系统上提供了准确的度量图像位移检测算法的精度的技术方案。
附图说明
图1为实施例一检测图像位移检测算法精度的方法流程示意图。
图2为图像位移检测算法的位移检测结果示意图。
图3为实施例一检测误差结果示意图。
图4为实施例一较低频段系统误差示意图。
图5为实施例一较高频段测量误差示意图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
一种检测图像位移检测算法精度的方法,如图1所示,本实施例包括包括以下步骤:
(1)将原始图像经过傅里叶变换至频域,在频域进行人工位移。
将原始图像经过傅里叶变换至频域:
其中,f(x,y)表示原始图像,F(u,v)为其傅里叶变换,进一步可得
其中,x0、y0分别为原始图像在水平、竖直两个方向上的人工位移量,M、N分别为图像水平、竖直两个方向的像素数量,对于给定人工位移量(x0,y0),计算出的值即可获得原始图像在频域进行人工位移的表达。由于数字图像平移时需要在空出的部分补零,因此不可能无限平移,需将人工位移设置为正弦往复运动。在频域进行人工位移的方法包括:令x、y为0~n的整数,x0=sin(x)、y0=sin(y)作为人工位移量,其中n为检测次数,本实施例中,n的值为1000。
(2)使用傅里叶反变换回至时域获得移位图像,舍弃移位图像的虚部。用傅里叶反变换使得反变换为时域的移位图像f′(x,y)中的像素值为复数,舍弃像素值复数的虚部,获得移位图像。数字图像只能以实数存储,因此需要将虚部舍弃,这一过程产生了本检测方法的系统误差,需要使用后续步骤分离系统误差。
(3)将原始图像和移位图像输入图像位移检测算法,获得图像位移检测算法输出的检测位移值,如图2所示,为检测位移值和人工位移示意图,其横轴为检测次数,计算检测位移值和人工位移的误差,误差结果如图3所示。
(4)多次重复以上步骤,获得多个误差,对多个误差进行离散频域变换,获得较低频率的系统误差和较高频率的测量误差,对多个误差进行离散频域变换的方法包括:对多个误差使用集合经验模态分解进行离散频域变换,即使用EEMD进行离散频域变换。较低频率的系统误差如图4所示,较高频率的测量误差如图5所示,舍弃系统误差,获得图像位移检测算法的测量误差,即图5所示的监测误差。由于进行了1000次检测,每次检测所得误差均有所不同。因而需要在获得较高频率的测量误差后,对离散的测量误差进行聚类,取每个聚类中的最大值,按聚类占比进行加权平均,加权平均值作为图像位移检测算法的测量误差。将检测误差结果聚类,取每个聚类的最大值,而后计算加权平均值,能够更为准确的表示测量误差。
本实施例的有益技术效果是:通过傅里叶变换以及反变换提供了亚像素级的图像移位,避免了采用插值方法带来的效率降低和误差增大问题,通过多次检测,将多次获得的测量误差进行离散频域变换,将较低频的系统误差提取并舍弃,获得较高频的测量误差,从系统上提供了准确的度量图像位移检测算法的精度的技术方案。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (6)
1.一种检测图像位移检测算法精度的方法,其特征在于,
包括以下步骤:
将原始图像经过傅里叶变换至频域,在频域进行人工位移;
使用傅里叶反变换回至时域获得移位图像,舍弃移位图像的虚部;
将原始图像和移位图像输入图像位移检测算法,获得图像位移检测算法输出的检测位移值,计算检测位移值和人工位移的误差;
多次重复以上步骤,获得多个误差,对多个误差进行离散频域变换,获得较低频率的系统误差和较高频率的测量误差,舍弃系统误差,获得图像位移检测算法的测量误差。
3.根据权利要求1或2所述的一种检测图像位移检测算法精度的方法,其特征在于,
用傅里叶反变换使得反变换为时域的移位图像f′(x,y)中的像素值为复数,舍弃像素值复数的虚部,获得移位图像。
4.根据权利要求1或2所述的一种检测图像位移检测算法精度的方法,其特征在于,
对多个误差进行离散频域变换的方法包括:对多个误差使用集合经验模态分解进行离散频域变换。
5.根据权利要求1或2所述的一种检测图像位移检测算法精度的方法,其特征在于,
在频域进行人工位移的方法包括:
令x、y为0~n的整数,x0=sin(x)、y0=sin(y)作为人工位移量,其中n为检测次数。
6.根据权利要求1或2所述的一种检测图像位移检测算法精度的方法,其特征在于,
获得较高频率的测量误差,对离散的测量误差进行聚类,取每个聚类中的最大值,按聚类占比进行加权平均,加权平均值作为图像位移检测算法的测量误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407690.4A CN112509013A (zh) | 2020-12-04 | 2020-12-04 | 一种检测图像位移检测算法精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407690.4A CN112509013A (zh) | 2020-12-04 | 2020-12-04 | 一种检测图像位移检测算法精度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112509013A true CN112509013A (zh) | 2021-03-16 |
Family
ID=74970199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011407690.4A Pending CN112509013A (zh) | 2020-12-04 | 2020-12-04 | 一种检测图像位移检测算法精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112509013A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1927535A (zh) * | 2006-07-21 | 2007-03-14 | 上海大学 | 跟踪式在线测量圆度误差和机床主轴误差的方法 |
CN106355008A (zh) * | 2016-08-30 | 2017-01-25 | 苏州博众精工科技有限公司 | 一种力‑位移测量时接触点的计算方法 |
CN106651929A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院西安光学精密机械研究所 | 一种高精度亚像元位移产生方法 |
-
2020
- 2020-12-04 CN CN202011407690.4A patent/CN112509013A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1927535A (zh) * | 2006-07-21 | 2007-03-14 | 上海大学 | 跟踪式在线测量圆度误差和机床主轴误差的方法 |
CN106355008A (zh) * | 2016-08-30 | 2017-01-25 | 苏州博众精工科技有限公司 | 一种力‑位移测量时接触点的计算方法 |
CN106651929A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院西安光学精密机械研究所 | 一种高精度亚像元位移产生方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340944B (zh) | 基于隐式函数和人体模板的单图像人体三维重建方法 | |
RU2540829C2 (ru) | Интерактивный итеративный алгоритм ближайших точек для сегментации органов | |
JP2000149029A (ja) | デジタル画像のサブピクセル・アライメント方法 | |
CN105308627A (zh) | 一种标定相机的方法及其系统 | |
CN112233249A (zh) | 基于密集点云的b样条曲面拟合方法及装置 | |
US11512946B2 (en) | Method and system for automatic focusing for high-resolution structured light 3D imaging | |
CN107818542B (zh) | 一种图像变形的修复方法及装置 | |
CN109035170A (zh) | 基于单网格图分段映射的自适应广角图像校正方法及装置 | |
CN111462246B (zh) | 一种结构光测量系统的设备标定方法 | |
CN114820563A (zh) | 一种基于多视点立体视觉的工业部件尺寸估计方法及系统 | |
CN111260776A (zh) | 一种自适应正态分析的三维形貌重建方法 | |
CN110728718A (zh) | 改进摄像机标定各参数的方法 | |
CN107590787B (zh) | 一种扫描电子显微镜的图像畸变校正方法 | |
JP2012514192A5 (zh) | ||
CN112509013A (zh) | 一种检测图像位移检测算法精度的方法 | |
CN116911356A (zh) | 基于深度卷积神经网络优化的InSAR相位解缠方法、装置及存储介质 | |
CN114485417B (zh) | 一种结构振动位移识别方法及系统 | |
CN116124393A (zh) | 一种离轴测量时桥梁多点动挠度测量方法和装置 | |
CN115619643A (zh) | 一种用于旋转体图像超分辨率网络模型的构建方法 | |
CN115326025A (zh) | 一种用于海浪的双目影像测量与预测方法 | |
CN109035201A (zh) | 一种基于数字图像衍射的物体变形量获取方法 | |
CN110111371B (zh) | 一种基于卷积神经网络的斑点图图像配准方法 | |
KR102250687B1 (ko) | 3차원 VR을 위한 2차원 LiDAR 기반 전 방향 3차원 계측 기법 및 이의 장치 | |
Lv et al. | Improved SRCNN for super-resolution reconstruction of retinal images | |
CN111210877A (zh) | 一种推断物性参数的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |
|
RJ01 | Rejection of invention patent application after publication |