CN112823509A - 用于估计多光谱光源的曝光时间的方法和系统 - Google Patents
用于估计多光谱光源的曝光时间的方法和系统 Download PDFInfo
- Publication number
- CN112823509A CN112823509A CN201980065924.0A CN201980065924A CN112823509A CN 112823509 A CN112823509 A CN 112823509A CN 201980065924 A CN201980065924 A CN 201980065924A CN 112823509 A CN112823509 A CN 112823509A
- Authority
- CN
- China
- Prior art keywords
- light source
- type
- exposure time
- exposure
- saturation level
- 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
Links
Images
Classifications
-
- 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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B15/00—Special procedures for taking photographs; Apparatus therefor
- G03B15/02—Illuminating scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- 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
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
描述了用于估计成像设备的曝光时间、特别是用于估计提供最大饱和水平而同时保持图像传感器在其线性范围内操作的曝光时间的方法和/或系统和/或控制器。本发明的各实施例可以应用于包括外部或嵌入式图像传感器以及外部或嵌入式光源的任何类型的成像设备。此类设备可以是皮肤镜、腹腔镜、内窥镜、显微镜、或任何数字媒体设备,诸如移动电话、平板、膝上型设备等等。本发明的各实施例可以被描述为包括LED或OLED光源。然而,可以使用任何类型的固态光源来实现本发明。
Description
本发明涉及用于估计成像设备的曝光(例如,如由一个或多个曝光参数(其中一个是曝光时间)定义的曝光)、特别是用于估计提供最大饱和水平而同时保持图像传感器在其线性范围内操作的曝光(例如,如由曝光参数(其中曝光时间是一个示例)定义的曝光)的方法和/或系统和/或控制器。还提供了用于执行全部或许多方法步骤的软件。
背景技术
可以使用多光谱光源来实现成像设备以提高成像质量。多光谱光源可以被细分成光源群,其中每一群可以在特定带宽内发射光。每一群可包括一个或多个个体光源。为了获得用多光谱光源照射的对象的高质量图像,要求光源和图像传感器使用恰适的设置(诸如ISO曝光标准、LED电流或曝光时间)。用于确定曝光时间的常见方法是使用自动曝光规程,其中迭代地改变曝光设置直至获得良好图像质量。这是耗时的,并且如果光照条件改变,则通常必须重复该规程。
发明内容
本发明的目的在于提供一种用于估计曝光(例如,如由一个或多个曝光参数定义的曝光的良好方法和/或系统和/或控制器,其中成像设备的曝光时间可以是这些曝光参数之一)。
本发明的至少一些实施例的优点在于能够提供一种用于估计提供图像传感器的像素的高(例如,最大)饱和水平而同时保持图像传感器在其线性范围内操作的良好曝光(例如,如由曝光参数(诸如曝光时间)定义的曝光)的时间高效方法或系统。
本发明的各实施例提供用于对光源的曝光控制、对图像传感器的曝光控制、或其组合的方法和系统。
本发明的各实施例可以应用于包括外部或嵌入式图像传感器以及外部或嵌入式光源的任何类型的成像设备。此类设备可以是皮肤镜、腹腔镜、内窥镜、显微镜、或任何数字媒体设备,诸如移动电话、平板、膝上型设备等等。本发明的各实施例可以被描述为包括固态光源,其中LED或OLED是此类固态光源。然而,可以使用任何其他类型的固态光源来实现本发明。
在本发明的一个实施例中,提供了一种用于估计成像设备的曝光(例如,如由一个或多个曝光参数(其中曝光时间是一个示例)定义的曝光)的方法,该成像设备可以包括:
固态光源,该固态光源被布置成至少一个类型1群以及(零个或)一个或多个类型2光源群,光源群可以在波长带内发射光,其中类型2光源群的波长带大于任何类型1光源群的波长带。该实施例可以进一步包括:图像传感器,其具有采用饱和水平的数字传感器值;以及
图像处理器,其可以接收数字传感器值。该方法可包括以下步骤:
对于每个类型1光源群:
在初始曝光(例如,如由一个或多个曝光参数(诸如曝光时间)定义的初始曝光)期间照射对象,
图像传感器可以捕获该对象的图像,以及
将图像映射到数字传感器值,
图像处理器随后可以被适配成存储数字传感器值,例如存储在直方图中,并提取预定饱和水平的98或95-98百分位(替换地75、85、95、98、99、99.5、100百分位中的任一者),以及
通过以下操作来计算每个类型1光源群的改进曝光(例如,如由一个或多个曝光参数(其中曝光时间是一示例)定义的改进曝光):将每个类型2光源群的初始曝光时间(Texp,wide(T曝光,宽)或其他曝光参数)乘以常数(C)并乘以图像传感器的预定饱和水平(maxsat)、除以所测量的98或95-98百分位(替换地75、85、95、98、99、99.5、100百分位中的任一者)饱和水平(PCTwide(PCT宽)),其中该常数因变于类型2群的曝光时间。参见式(4)。
对于每个类型2光源群(如果存在),通过使用类型1群的初始曝光时间来估计改进曝光,诸如类型1群的改进曝光时间。
这具有能够获得曝光(例如,如由一个或多个曝光参数定义的曝光,其中与预定饱和水平相对应的曝光时间是这些曝光参数之一)的优点。此外,该方法可以实现减少必要的测量次数并估计曝光(诸如一个或多个曝光参数,其中一些光源群的曝光时间是一个示例)。
附加地或替换地,该方法可以包括参考目标,并且对于每个类型1光源群,将常数C设置为:类型2光源群的95-98百分位饱和水平(PCTwide)(替换地75、85、95、98、99、99.5、100百分位中的任一者)、并将其除以类型2光源群的对应曝光时间(Texp,wide)(或其他曝光参数)、并进一步除以类型1光源群的95-98百分位饱和水平(PCTgroup(PCT群))(替换地75、85、95、98、99、99.5、100百分位中的任一者)、除以类型1光源群的对应曝光时间(Texp,group(T曝光,群)或其他曝光参数)(参见式4)。
Texp,group=(C×(maxsat-black)×Texp,wide)/(PCTwide-black) (3)
类似于上文,“maxsat”是期望的最大线性饱和水平,而“black(黑)”对应于图像传感器偏移。PCTwide是白光群(诸如OLED或LED群)的百分位饱和水平。例如,可以使用95-98百分位。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。
为了补偿针对所有LED或OELD群使用PCTwide,引入曝光因子Cgroup(C群)。Cgroup对于每个群或色彩由下式给出:
Cgroup=(PCTwide-black)/Texp,wide/(PCTgroup-black)/Texp,group (4)
Cgroup对于类型1光源群是常数C,类型1光源群具有窄带宽,如单个色彩(例如,红、蓝或绿)。
在等式(式3说明和式4说明)中提供了明晰的描述。
Texp,group=(C×(maxsat-black)×Texp,wide)/(PCTwide,skin-blackskin meas)(式3说明)
对于每个群或色彩,针对常数C通过下式引入曝光因子Cgroup:Cgroup=(PCTwide,reference-blackreference meas)/Texp,wide/(PCTgroup-black)/Texp,group(式4说明)
术语“maxsat”是期望饱和水平,而“black”对应于图像传感器偏移。PCTwide是类型2光源群的百分位饱和水平。例如,可以使用95-98百分位(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者)。
Texp,wide和Texp,group分别是宽类型2光源群和有色类型1群的曝光(诸如由一个或多个曝光参数(其中曝光时间是一个示例)定义的曝光)并且可以从校准文件获得。例如,对于蓝色,将使用来自校准文件的PCTblue(PCT蓝)和Texp,blue(T曝光,蓝)来计算Cblue(C蓝)。可以事先计算所有曝光因子Cgroup并存储在数据库中。例如,工厂校准值可以用于曝光因子。为了补偿针对所有光源群使用PCTwide,针对类型1光源群引入曝光因子Cgroup。Cgroup对于每个群或色彩通过式(4)给出。注意,式(3)中的PCTwide是从待研究的实际对象的图像推导出的,而式(4)中的PCTwide是在校准阶段期间从参考目标的图像推导出的。这经过必要修改后对于黑电平同样有效。这意味着等式中(如式3说明中所示)的PCTwide是从实际身体(诸如生物组织,其中皮肤是一个示例)的图像推导出的。因此它被称为PCTwide,skin(PCT宽,皮肤)。这同样适用于黑色:-blackskin meas(-black皮肤测量)。
式(4)中的PCTwide是在校准阶段期间从参考目标的图像推导出的。因此在式4说明中它被示为PCTwide,reference(PCT宽,参考)。这同样适用于黑色:-blackreference meas(-black参考测量)。
这具有提供所估计类型1光源群与在估计中使用的类型2光源群的相关性的优点。
附加地或替换地,该方法可以包括图像传感器具有偏移电流,并且该方法包括:以对应于偏移电流的值来减小饱和水平。
这具有提高所测量值的准确性的优点。
附加地或替换地,该方法可以包括:将曝光时间(或其他曝光参数)乘以0至1之间的对象相关权重因子。
这具有为不同类型的对象提供校正因子的优点。可以通过实验来确定对校正的此类需求。
附加地或替换地,该方法可以包括:将预定饱和水平设置为图像传感器的最高线性饱和水平(例如60-80%)。
在本发明的另一实施例中,提供了一种用于估计成像设备的曝光(例如,如由一个或多个曝光参数(其中曝光时间是一个示例)定义的曝光)的系统,该成像设备包括固态光源,其被布置成至少一个类型1群以及(零个或)一个或多个类型2光源群。光源群可以具有波长带,其中类型2光源群的波长带优选地大于任何类型1光源群的波长带。该系统可以进一步包括:图像传感器,其具有采用饱和水平的数字传感器值;以及图像处理器,其接收数字传感器值。
该系统可以被配置成实现以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
图像传感器捕获该对象的图像,以及
将该图像映射到数字传感器值,
图像处理器被适配用于存储数字传感器值(例如存储在直方图中),并提取预定饱和水平的98或95-98百分位(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者),以及通过以下操作来计算类型1光源群的曝光时间:将类型2光源群的初始曝光时间乘以常数并乘以图像传感器的预定饱和水平、除以所测量的98或95-98百分位饱和水平(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者),其中该常数因变于类型2群的曝光时间。参见式(4)。
例如,对于每个类型2光源群(如果存在),通过使用类型1群的初始曝光时间来估计类型1群的改进曝光时间。
这具有提供一种用于获得与预定饱和水平相对应的曝光时间的系统的优点。此外,该系统可以实现一种减少必要测量次数并估计一些光源群的曝光时间的方法。
附加地或替换地,该系统可以包括参考目标,其中对于每个类型1光源群,常数C可以是:类型2光源群的95-98百分位饱和水平(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者)除以类型2光源群的对应曝光时间、除以类型1光源群的95-98百分位饱和水平(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者)、除以类型1光源群的对应曝光时间。
这具有提供一种可以将类型1光源群的所估计曝光(例如,如由一个或多个曝光参数定义的曝光)与在估计中使用的类型2光源群进行相关的系统的优点。
附加地或替换地,该系统可以包括图像传感器具有电流偏移,并且以对应于偏移电流的值来减小饱和水平。这具有提高所测量值的准确性的优点。
附加地或替换地,该系统可以包括曝光时间乘以0至1之间的对象相关权重因子相乘。
这具有为不同类型的对象提供校正因子的优点。可以通过实验来确定此类因子。
附加地或替换地,该系统可以包括:预定饱和水平是图像传感器的最高线性饱和水平(例如60-80%)。
在本发明的另一实施例中,提供了一种用于估计成像设备的曝光(例如,如由一个或多个曝光参数(其中曝光时间是一个示例)定义的曝光)的控制器,该成像设备包括固态光源,其被布置成至少一个类型1群以及(零个或)一个或多个类型2光源群。光源群可以具有波长带,其中类型2光源群的波长带可以大于任何类型1光源群的波长带。该控制器可以进一步包括:
图像传感器,其具有采用饱和水平的数字传感器值;以及图像处理器,其接收数字传感器值。
该控制器可以被配置成实现以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
图像传感器捕获该对象的图像,以及
将该图像映射到数字传感器值,
图像处理器被适配用于存储数字传感器值(例如存储在直方图中),并提取预定饱和水平的98或95-98百分位(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者),以及
通过以下操作来计算类型1光源群的改进曝光(例如,如由一个或多个曝光参数定义的改进曝光,诸如改进曝光时间):将类型2光源群的初始曝光时间乘以常数并乘以图像传感器的预定饱和水平、除以所测量的98或95-98百分位(替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者)饱和水平(参见式3),其中该常数因变于类型2群的曝光(诸如曝光时间)。参见式(4)。
例如,对于每个类型2光源群(如果存在),通过使用类型1群的初始曝光时间来估计类型1群的改进曝光时间。
这具有提供一种用于获得与预定饱和水平相对应的曝光(例如,如由一个或多个曝光参数(其中曝光时间是一个示例)定义的曝光)的控制器的优点。此外,该控制器可以实现一种用于减少必要测量次数并估计曝光(例如,如由一个或多个曝光参数(其中一些光源群的曝光时间是一个示例)定义的曝光)的方法。
附加地或替换地,该控制器可以包括参考目标,并且对于每个类型1光源群,常数可以是:类型2光源群的95-98百分位饱和水平(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者)除以类型2光源群的对应曝光(如由一个或多个曝光参数(其中曝光时间是一个曝光参数)定义的曝光)、除以类型1光源群的95-98百分位饱和水平(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者)、除以类型1光源群的对应曝光时间(或任何其他曝光参数)。
这具有提供一种可以将所估计类型1光源群与在估计中使用的类型2光源群进行相关的控制器的优点。
附加地或替换地,该控制器可以包括:曝光时间与0至1之间的对象相关权重因子相乘。如果不同对象存在差异,则可以使用对象相关权重因子以允许此类差异。可以通过实验来确定对象相关权重因子。
附加地或替换地,该控制器可以包括:预定饱和水平是图像传感器的最高线性饱和水平(例如,60-80%)。
在本发明的另一实施例中,提供了一种包括代码的计算机程序产品,该代码在处理设备上被执行时可以执行上述方法步骤中的任一方法步骤。
在本发明的另一实施例中,提供了一种可以存储上述计算机程序产品的机器可读非瞬态存储装置。此类机器可读非瞬态存储装置可以是光盘(诸如CD-ROM或DVD-ROM)、磁带、硬盘、固态存储器(诸如闪存存储器)、或类似物。
附图说明
图1示出了包括本发明的一实施例的流程图。
图2示出了包括本发明的一实施例的流程图。
图3A和图3B示出了针对不同曝光时间的饱和水平的98百分位。
图4示出了包括本发明的一实施例的流程图。
图5示出了包括本发明的一实施例的系统设置。
图6示出了根据本发明的一实施例的包括光类型计量的流程图。
图7示出了根据本发明的一实施例的包括指示要在估计中使用的每种光类型图像的示例的表。
图8示出了根据本发明的一实施例的包括基于白光以及R、G和B百分位位置的估计的流程图。
图9示出了根据本发明的一实施例的包括基于附加参数的估计的流程图。
图10示出了根据本发明的一实施例的包括基于“参考设备”的估计的流程图。
图11示出了根据本发明的一实施例的与在对漫反射体校准目标进行成像时的不同曝光时间值相对应的曝光值。
图12示出了根据本发明的一实施例的包括一种用于确定‘模型系数’或设备校准数据的方法的流程图。
定义
“成像设备”可以是包括图像传感器的任何类型的设备或仪器,例如,皮肤镜、腹腔镜、内窥镜、显微镜或任何数字媒体设备(诸如移动电话、平板、膝上型设备,等等)。成像设备可以访问嵌入式或外部图像传感器以及嵌入式或外部光源。
本发明的各实施例提供用于对光源的曝光控制、对图像传感器的曝光控制、或其组合的方法和系统以及控制器。
本发明的各实施例提供以下任一者或全部:
-对白色和/或(诸)有色光源的使用;
-对光源、图像传感器、或其组合的曝光(例如,如由一个或多个曝光参数(诸如曝光时间)定义的曝光)的估计;
-(预)曝光达初始(短)时间长度;
-使用已知传感器特性来确定由于初始曝光引起的传感器输出(例如,数字传感器值DSV);和/或
-对光源曝光(例如,诸如曝光时间之类的曝光参数)、图像传感器曝光(诸如曝光时间)、或其组合(举例而言,诸如导致线性范围内最大DSV数值的曝光时间之类的曝光)进行外插。
“图像传感器”是可以检测并获取电磁辐射(被布置在图像或图案中)的信号并将该信号变换成电信号的传感器。在大多数情形中,图像传感器是数字式的。图像传感器在其获取图像信号时存储的每像素电信号可以被映射到“数字像素值”、“像素值”或“数字传感器值”(DSV)。DSV的底层物理实体可以是辉度(例如,以坎每平方米来表达),即使DSV本身没有单位,但是可以被视为饱和水平(通常以完全饱和的百分比来表达)。饱和水平y的百分位x是图像传感器的所有传感器或像素的x百分比已达到低于或等于y%的饱和水平的情况。例如,在所有像素中的98%具有低于或等于80%的饱和水平的情况下,98百分位是80%。
图像传感器可以将入射辐射映射为每传感器单位或像素的DSV。这可以针对表示原色(例如,分别为红、绿和蓝)的三个传感器类型或通道来完成。由此,每个通道可以具有饱和水平,并且还有线性区域,在该线性区域中DSV对曝光(例如,曝光时间)进行线性响应。图像传感器可以连接到图像处理器,该图像处理器可以提取DSV以供进一步操纵。
DSV的底层物理实体可以是辉度(例如,以坎每平方米来表达),即使DSV本身没有单位,但是可以被视为饱和水平(通常以完全饱和的百分比来表达)。
本发明的各实施例可以应用于图像传感器侧或照明侧或两者,即,可以在传感器侧和照明侧之间拆分曝光(诸如一个或多个曝光参数,诸如曝光时间)。曝光的典型示例是相机可以使用快门来确定曝光时间,或者如果快门保持打开足够久,则可以由闪光设备来确定曝光时间。
“图像处理器”可以是中央处理单元的一部分,该中央处理单元可以包括可以对数据集执行操作的电子电路。“图像处理器”可以是自立的、单独的或嵌入式控制器的一部分。
“固态光源”可以包括被布置成群的一个或多个子类型光源,其中一群内的所有光源具有相同特性。这些光源可以包括诸如LED或OLED或者LED群或OLED群之类的固态光源。对固态光源的任何引述可以由LED或OLED或者LED群或OLED群代替。
“多光谱固态光源”或仅仅“多光谱光源”可以在若干波长带中发射光。它可以包括针对每个波长带的光源“群”。一群可以是一个或多个光源。可以单独选择每个波长带,即,可以单独选择每个群。例如,“LED群”可以是发射相同类型和波长的光的相同类型LED的集合。在许多情形中,LED群中的LED同时操作。
光源可以包括固态光源,诸如具有至少一个滤色器的LED或OLED光源。这允许生成不同的有色光源。
“类型1和类型2光源群”
在本发明的各实施例中,固态光源可以被布置成至少一个类型1群以及一个或多个类型2光源群。
光源群可以在波长带内发射光,其中类型2光源群的波长带大于任何类型1光源群的波长带。因此,类型1群和类型2群的带宽不同,这是因为类型2光源群的波长带大于任何类型1光源群的波长带。
可以启用每个固态光源群i(1<=i<=n)以照射对象。对象可以是例如生物组织,诸如皮肤、或来自人类或动物的其他类型的组织。每个固态光源群i(1≤i≤n)可以使用固态光源的初始驱动电流并以已知或者可以从工厂校准获得的曝光(诸如曝光时间)来照射对象。这样做的优点是通过以下操作进一步减少获取时间:通过使用具有足以覆盖一个或多个其他固态光源群的带宽的宽带宽的一个固态光源来代替用于全固态光源群的步骤。该宽带群可以例如是白色固态光源群。
每个类型2光源群具有的带宽覆盖类型1光源群的带宽。因此,存在特定的固态光源群(被称为第一光源群的类型2光源),其带宽大于其他群(被称为第二光源群的类型2光源群),但该特定群不必是白光群。该特定群可以例如是白色固态光源群。因此,“宽”带宽并不一定表示白光,但白光(因其性质)当然具有“宽带宽”。
类型1光源群可以包括较窄波长带,例如,覆盖一个色彩,并且可以被称为第二光源群,而类型2光源群(包括较宽波长带,例如,覆盖白色)可以被称为第一光源群。
一种要求可以是类型1群中的所有波长带的覆盖足够大以使得波长带覆盖为其计算曝光时间的类型2群中的任何波长带(举例而言,诸如蓝色、绿色和红色之类的单独色彩)。可以使用其具有的宽带宽足以覆盖一个或多个其他固态光源群的带宽的一个固态光源群。类型2光源群的波长带大于任何类型1光源群的波长带,或者其中,类型2光源群的波长带覆盖任何类型1光源群的波长带。
因此,在本发明的各实施例中,对于每个类型2光源群,在初始曝光时间期间照射对象,图像传感器捕获该对象的图像、并将该图像映射到数字传感器值,图像处理器被适配成存储数字传感器值并且被适配用于:提取预定饱和水平的至少第一百分位(诸如至少90百分位(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者))中的那些数字传感器值,以及通过以下操作来计算曝光(诸如曝光时间):将类型2光源群的初始曝光(诸如初始曝光时间)乘以常数并乘以图像传感器的预定饱和水平、除以至少第一百分位(诸如至少90百分位饱和水平(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者)),并且对于每个类型2光源群(如果存在),通过使用类型1光源群的初始曝光时间来估计改进曝光时间。
“饱和水平”是指例如“饱和的水平”,其是例如完全饱和的百分比。本发明的至少一些实施例的优点在于,能够提供一种用于估计提供最大饱和水平而同时保持图像传感器在其线性范围内操作的良好曝光(例如,如由一个或多个曝光参数(诸如曝光时间)定义的曝光)的时间高效方法。
“饱和水平”并非表示自动地完全饱和,而是完全饱和的百分比。由此,在79%的完全饱和水平的98百分位处,在98百分位中不存在饱和像素,这是由于像素值最多处于79%的完全饱和。因此,98%的像素具有79%的完全饱和或更小,而2%的像素具有高于79%的饱和,以使得该2%像素中的一些像素可以是饱和的并且可以具有非线性行为。非线性输出行为可以开始于例如80%线之后。
“曝光因子”=常数Cgroup
为了补偿针对所有类型1光源群(诸如LED或OELD群)使用类型2光源群的值(诸如PCTwide),引入曝光因子Cgroup。Cgroup针对每个群或色彩由下式给出:
Cgroup=(PCTwide-black)/Texp,wide/(PCTgroup-black)/Texp,group 式(4)
Texp,wide和Texp,group分别是宽和有色LED或OLED群的曝光(诸如曝光时间)并且可以从校准文件获得。例如,对于蓝色,将使用来自校准文件的PCTblue和Texp,blue来计算Cblue。可以事先计算所有曝光因子Cgroup并存储在数据库中。例如,工厂校准值可以用于曝光因子。
仅当被成像对象(例如,生物组织,诸如皮肤)的光谱反射率曲线与白色参考反射体的光谱反射率曲线具有相同形状(这也许不太可能)时,曝光因子Cgroup为常数的假设才成立。因此,所估计的曝光时间Texp,group可能太高或太低以至于无法获得期望曝光(诸如80%)。曝光不足是可惜的,这是因为未充分使用传感器的动态范围,但这不一定成问题。然而,曝光过度是有问题的,这是因为它导致信息丢失。常数Cgroup描述色彩(例如,绿色)与所选参考色彩(例如,白色)如何相关。
“对象相关权重因子”
根据本发明的各实施例的方法和系统优选地包括:曝光(诸如曝光时间)与0至1之间的对象相关权重因子相乘。这允许在发现有必要的情况下对某些对象的适配。可以通过实验来确定对象相关权重因子的值。
“对曝光时间的使用”
可以例如使用曝光(诸如曝光时间)来捕获对象的良好图像,并且技术人员知道如何使用曝光(诸如曝光时间)来获得图像控制(从图像传感器侧或从光源侧)。
曝光(诸如曝光时间或传感器曝光时间)是“曝光参数”。其他曝光参数可以是例如LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益、光源亮度或光学孔径。这些曝光参数单独地或相组合地或全部都可以对曝光作出贡献。
传感器曝光(诸如曝光时间)的变化可以被表达为任何或多个其他曝光参数的变化。
待成像“对象”可以是生物组织,例如,皮肤、内脏器官组织、牙齿或骨骼组织。对象可以包括活组织和/或死组织。
具体实施方式
本发明的各实施例可以提供一种用于估计提供最大饱和水平而同时保持图像传感器在其线性范围内操作的曝光时间的时间高效方法。
本发明的各实施例可以应用于包括外部或嵌入式图像传感器以及外部或嵌入式光源的任何类型的成像设备。此类设备可以是皮肤镜、腹腔镜、内窥镜、显微镜、或任何数字媒体设备,诸如移动电话、平板、膝上型设备等等。本发明的各实施例可以被描述为包括LED或OLED光源。然而,可以使用任何类型的固态光源来实现本发明。
在本发明的一个实施例中,提供了一种用于估计成像设备的曝光(例如,如由一个或多个曝光参数(诸如曝光时间)定义的曝光)的方法,该成像设备可以包括:
固态光源,其被布置成至少一个类型1群以及零个或一个或多个类型2光源群,光源群可以在波长带内发射光,其中类型2光源群的波长带大于任何类型1光源群的波长带。该实施例可以进一步包括:图像传感器,其具有采用饱和水平的数字传感器值;以及图像处理器,其可以接收数字传感器值。该方法可以包括以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
图像传感器可以捕获该对象的图像,以及
将该图像映射到数字传感器值,
图像处理器随后可以被适配成存储数字传感器值(例如,存储在直方图中),并提取预定饱和水平的98或95-98百分位(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者),以及
通过以下操作来计算曝光时间:将初始曝光时间乘以常数并乘以图像传感器的预定饱和电平、除以所测量的98或95-98百分位饱和电平(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者),以及
对于每个类型2光源群(如果存在),通过使用类型1群的改进曝光时间来估计曝光时间。
这具有能够获得对应于预定饱和水平的曝光时间的优点。此外,该方法可以实现减少必要测量次数并估计一些光源群的曝光时间。
本发明的各实施例可以应用于图像传感器侧或照明侧或两者,即,在传感器侧和照明侧之间拆分曝光时间。典型的示例是相机可以使用快门来确定曝光时间,或者如果快门保持打开足够久,则可以由闪光设备来确定曝光时间。
图5示出了包括本发明的一实施例的系统57。系统57包括成像设备50,该成像设备50具有光源51和图像传感器52、嵌入式图像处理器53、以及光学系统(诸如透镜系统56)或者与其联用。图像传感器可以是例如具有R、G、B通道的有色光图像传感器53。替换地,图像处理器53可以是外部图像处理器。光源51和图像传感器52连接到图像处理器53或者可以连接到外部图像处理器。系统57进一步包括待研究对象54(举例而言,生物组织,诸如人类皮肤)、以及要用于校准的参考样本55(例如,白色参考样本)。光源51可以包括固态光源,诸如离散光源(其可以是LED或OLED或者LED群或OLED群)。光源51可以包括n群。可以使用控制器(诸如微控制器或嵌入式控制器)来实现系统57。可以使控制器可移除,这允许通过替换控制器来执行主要更新。
1.第一实施例
图1示出了包括本发明的一实施例的高级流程图10。流程图10中的方法可以在合适的系统(诸如图5的系统57)上实现。
该方法包括:从使用光源51以初始曝光(例如,如由一个或多个曝光参数(其中曝光时间是一个示例)定义的初始曝光)照射的对象54的图像中提取DSV(数字传感器值)。可以通过初始地执行一次性校准或“工厂校准”来获得恰适初始曝光时间(例如,避免饱和或太低DSV的初始曝光时间)。在步骤11中,可以使用白色参考目标55针对每个固态光源群I(诸如LED或OLED群i)执行此类校准。可以提取各种初始参数并存储在校准文件(例如,.json文件)中。如果已经知道恰适初始设置,则这些初始设置可以代替步骤11。存储并重用曝光(诸如曝光时间)被包括在本发明的范围内。曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。
在步骤12中,例如从工厂校准获得的恰适初始曝光时间可以被用于光源51和图像传感器52以获取对象54的图像。可以针对n个固态光源(诸如LED或OLED群)中的每一者执行图像捕获。可以按顺序一个接一个地针对n个固态光源(诸如LED或OLED群)中的一者执行图像捕获。图像传感器52可以将图像映射到DSV并将这些DSV布置在数值定量数据的图形显示(其中直方图是一个示例)中。这可以针对图像传感器52的每个R、G、B通道完成。随后可以从图形显示(诸如直方图)中提取所测量的饱和水平(例如98百分位或95-98百分位)并用于计算一个或多个改进的经估计曝光时间。“95-98百分位”可以是98百分位或95百分位或x百分位(其中x在95至98之间的范围中)中的任一者。替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者。可以针对所有固态(诸如LED或OLED群)执行该规程。随后在步骤13中,可以使用经估计曝光时间来捕获对象54的图像。曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。现在将对这些方法步骤进行更详细的描述。
图2示出了本发明的一实施例的流程图20。可以通过使用系统57针对一些或全部固态光源(诸如LED或OLED群)实现步骤21至24。在步骤21中,可以启用每个固态光源(诸如LED或OLED群i(1≤i≤n))以使用初始驱动电流(诸如初始固态光源(诸如LED或OLED)电流)和曝光时间(其是已知的或者可以从工厂校准获得)来照射对象54。曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。
在工厂校准中,可以顺序地启用所有固态光源(例如,LED或OLED群)以照射白色参考目标55。可以选择“低曝光时间”(例如,1至4毫秒)以免使图像传感器饱和。曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。图像处理器可以接收每个图像传感器通道的DSV并确定该通道的饱和百分比。这可以通过使处理器布置一个通道(例如,红色)的DSV并针对某个百分位(例如,95-98或98,替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者)提取该饱和百分比来完成。如果光例如是“主要红色”,则红色通道将给出最高饱和百分比。随后可以选择该百分比来表示使用“主要红色”光和“低曝光时间”的红色通道的饱和百分比。图像处理器可以是自立的、单独的或嵌入式控制器的一部分。
当图像已被映射到DSV时,图像处理器可以将DSV布置在数值定量数据的图形显示(其中直方图是一个示例)中,并确定95-98或98百分位饱和水平(步骤22)。替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者。
替换地,这些值可以分类到值仓中,这些值仓具有与所测量DSV相同的分辨率或者每个仓具有一个以上DSV。图像处理器可以是自立的、单独的或嵌入式控制器的一部分。
期望使图像传感器在其线性范围内操作以获得曝光时间与DSV之间的可靠关系。线性范围随所使用的图像传感器类型而变化。图3A和3B示出了分别因变于两个不同图像传感器的曝光时间的像素值或DSV的98百分位。可以看到,图3A和3B中图像传感器的DSV分别针对直至80%和60%的DSV呈线性响应。
由此,对于图3A中的图像传感器,将期望使用对应于80%饱和水平的曝光时间以得到线性范围内尽可能多的光。然而,例如从工厂校准获得的初始曝光时间不太可能给出80%的DSV水平。然而,可以在步骤23中使用本发明中所包括的式(1)来计算该曝光时间“Texp(T曝光)”,其中曝光时间Texp对应于期望的最大线性饱和水平“maxsat”。曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。
Texp=Texp,initial×(maxsat-black)/(PCT-black) (1)
“Texp,initial(T曝光,初始)”是来自工厂校准(或提前已知)的初始曝光时间。“black”对应于与仪器偏移电流(即使图像传感器未检测到任何辐射,该偏移电流也存在)相对应的人工DSV。“PCT”是最饱和的图像传感器通道的所测量百分位(例如,98),如上所述。作为98百分位的替代,在本发明的任何实施例中可以使用95-98百分位。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。
图3A和3B各自解说了像素值的百分位。由于述及小于100%的百分位,因此意味着未在图3A或3B中表示所有像素。为讨论起见,假设98百分位。
相应地,在图3A中,在表示饱和水平的80%的水平线处,所有像素中的98%具有最大饱和的80%(或以下)的饱和水平。因此,所有像素中的2%可以具有大于80%的饱和水平。这些像素中的一些像素由于非线性传感器行为而可以饱和。因此,对具有80%或以下的饱和水平的98百分位的引述是指非完全/最大/全部/…饱和的像素。在80%饱和线以上,确实存在饱和和非线性的可能性。但本发明在根据本发明的各实施例的任何方法中不需要非线性区域中的这些像素。这经过必要修改后对于图3B在60%的水平线处同样有效。
在实际实现中,可能期望提供最大曝光时间“maxexp”的限制以避免饱和。在该限制是下限的情况下,这可以通过使min函数选择maxexp值来获得,如在式(2)中。
Texp=min(Texp,initial×(maxsat-black)/(PCT-black),maxexp) (2)
当已针对所有固态光源群(诸如LED或OLED群i)执行步骤21至23时,可以在步骤24中使用经估计Texp以使用固态或LED或OLED群i来捕获对象54的图像。替换地,可以首先针对所有固态(诸如LED或OLED群i)执行步骤21至23,并且随后执行步骤24中的图像捕获。
图4示出了本发明的另一实施例。图2中的方法针对光源的每个固态(诸如LED或OLED群)涉及两个图像捕获序列:步骤21和24。发明人已发现,可以通过以下操作来进一步减少获取时间:通过使用其具有的宽带宽足以覆盖一个或多个其他固态(诸如LED或OLED群)的带宽的一个固态(诸如LED或OLED群)来替代用于全固态(诸如LED或OLED群)的步骤21。这可以例如是白色固态(诸如LED或OLED群)。
以此方式,步骤21将使用包括宽固态(诸如LED或OLED群)的一个图像捕获序列的步骤41来替代。类似于步骤21,可以使用例如来自校准文件的恰适固态(诸如LED或OLED)电流和曝光时间。在步骤42中,图像传感器可以将DSV布置在数值定量数据的图形显示(其中直方图是一个示例)中,并且可以从具有最高百分位饱和水平的通道获得PCTwide,如上所述。例如,可以使用95-98的百分位。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。随后,使用式(1)或(2),可以计算宽固态(诸如LED或OLED群)的经估计曝光时间Texp,wide。
在步骤43中,随后可以根据式(3)来计算(而不是通过测量推导出)其余固态(诸如LED或OLED群)的经估计曝光时间Texp,group:
Texp,group=(C×(maxsat-black)×Texp,wide)/(PCTwide-black) (3)
类似于上文,“maxsat”是期望的最大线性饱和水平,而“black”对应于图像传感器偏移。PCTwide是白色固态(诸如OLED或LED群)的百分位饱和水平。例如,可以使用95-98百分位。替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者。
为了补偿针对所有固态(诸如LED或OLED群)使用PCTwide,引入曝光因子Cgroup。Cgroup对于每个群或色彩通过下式给出:
Cgroup=(PCTwide-black)/Texp,wide/(PCTgroup-black)/Texp,group (4)
Texp,wide和Texp,group分别是宽和有色固态(诸如LED或OLED群)的曝光时间并且可以从校准文件获得。例如,对于蓝色,Cblue将使用来自校准文件的PCTblue和Texp,blue来计算。可以事先计算所有曝光因子Cgroup并存储在数据库45中。例如,工厂校准值可以用于曝光因子。
仅当被成像对象(例如,皮肤)的光谱反射率曲线与白色参考反射体的光谱反射率曲线具有相同形状(这不太可能)时,曝光因子C为常数的假设才成立。因此,经估计曝光时间Texp,group可能太高或太低以至于无法获得80%的期望曝光。曝光不足是可惜的,这是因为未充分使用传感器的动态范围,但这不一定成问题。然而,曝光过度是有问题的,这是因为它导致信息丢失。出于此原因,针对每个固态(诸如LED或OLED群)引入安全因子S,并将式(3)调整为式(5):
Texp,group=(C×(maxsat-black)×Texp,wide)/(PCTwide-black)×S (5)
其中S在0至1之间变化。安全因子S可以基于来自不同人的一系列皮肤图像捕获通过实验来确定。每当遇到特定固态(诸如LED或OLED群)的曝光过度时,可以向下递增地调整这些因子。
在步骤44中,使用所计算的曝光时间Texp,group,针对每一群i以最佳或改进曝光时间来捕获图像。
替换地,中间数目的群可以使用基于宽LED群的经估计曝光时间,而其余群的曝光时间基于其所测量饱和水平。
在本发明的另一实施例中,可以实现替换规程来对暗对象(诸如暗皮肤)进行图像捕获。如果步骤41中的初始曝光时间基于白色反射目标,则这可能导致暗皮肤上非常低的第一曝光、以及对曝光时间的不良估计。以下措施可以避免该场景:
·数值定量数据的图形显示(诸如直方图)可以基于12比特像素值而不是8比特值。
·可以增加步骤41中的初始曝光时间。
·可以通过分析待改进的临床图像来改进安全因子。
2.示例性第二实施例
本发明可以植入有索尼IMX274LQC图像传感器、以及来自Vishay的白色和有色LED(VLMW1300、TLMS1100、TLMO1100、TLMY1100、TLMG1100、TLMP1100、TLMB1100)。LED被布置在11个不同的LED群中。
出于解说性目的,示例性实施例使用80%的最大饱和水平(maxsat)的98百分位,但本发明不限于此。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。
2.1工厂校准
ISO可以被设置为100并且LED电流值可以被设置为180,以使曝光尽可能最大,而不存在引发热安全机制的风险。
可以使用白色参考目标(例如,Bentham Instruments漫反射标准2866/1)通过两个步骤来完成工厂校准:
·以足够低(例如,1至4毫秒)的曝光时间值获得所有LED群的捕获序列,以使白色参考目标的曝光远低于80%的最大饱和水平。该捕获序列的直方图可以用于计算将给出80%饱和水平的曝光时间。
·以所计算的曝光时间获得第二捕获序列。随后可以将每个LED群的以下参数存储在校准文件中:
·LED电流(180)
·曝光时间(1至4毫秒)
·黑电平(归一化至范围0.0-1.0)
·红色直方图的98百分位(归一化至0.0-1.0)
·绿色直方图的98百分位(归一化至0.0-1.0)
·蓝色直方图的98百分位(归一化至0.0-1.0)
对于每个LED群,通道R、G或B之一可以达到约80%的饱和水平。
在本示例中,可以假设任何对象将反射少于该白色目标,以使得可以避免第一测量中的过饱和图像或DSV。
3.第三实施例(测量所有群)
可以采用以下设置:
·对于所有捕获的帧使ISO值保持固定在100
·使用每个LED群固定的LED电流值(不同的电流值可以用于不同的LED群),例如,26.28-450mA之间(其在该示例中对应于101至200之间的数值)
·针对被拍摄对象改变曝光时间以获得98百分位(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者)的80%饱和水平
这些选择背后的基本原理可以是:
·ISO:保持ISO较低以保持低噪声水平
·LED电流:
·离散LED电流值的数值(100)较低
·热安全机制可以过早关闭设置高于180的LED,从而有效地将离散电平的数值限制为80
·所发射的光量与LED电流非线性相关,因此通过(在每一群内)
保持电流固定来避免对此进行表征的需要
·初始曝光时间:应当与所得到的像素值线性相关,这使得能够因变于曝光时间来预测像素值。使用来自工厂校准的曝光时间的一部分(例如,50%),初始曝光时间可以被设置为具有0.014948至33.247260毫秒之间的值。
可以实现以下步骤:
1.对于每个LED群,以预定LED电流和初始曝光时间进行一系列曝光,每个LED群曝光一次。
2.基于步骤1中每个图像的98百分位,可以使用式(2a)来估计曝光时间Texp:
Texp=min(Texp,initial×(0.8-black)/(PCT98-black),maxexp) (2a)
其中
Texp,initial是步骤1中的初始曝光时间(以毫秒计),0.8是80%饱和水平,PCT98是来自步骤1的图像或DSV中曝光最多的通道(R、G或B)的98百分位,并且black是归一化的偏移电平。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。
新的曝光时间被限制为图像传感器的最大可能值(例如,33.24726毫秒)。取决于被成像对象,最大曝光时间可能不足以获得80%的饱和水平。
表1示出了每个LED群的LED电流和经估计曝光时间的示例。
表1
3.以步骤2中计算的新曝光时间Texp来进行第二系列的曝光,每个LED群曝光一次。
4.第四实施例(使用白色LED群)
步骤1中针对有色LED所测量的80%饱和水平的98百分位可以由白色LED(群6)的所测量的80%饱和水平的98百分位替代。这假设以下比率或曝光系数是常数:
Cgroup=(PCT98white-black)/Texp,white/(PCT98group-black)/Texp,group (4a)
其中PCT98white(PCT98白)和PCT98group(PCT98群)分别是白色LED群和有色LED群的R、G或B(来自给出最高值的任一通道R、G或B)直方图的所测量98百分位饱和水平。
Texp,white和Texp,group分别标示白色LED群和有色LED群的曝光时间。可以基于校准文件中的校准数据为每个LED群计算曝光因子C。对于白色LED,C等于1。表2示出了所计算的曝光因子C。
表2
群 | 因子 | 通道 |
0 | 0.2624 | 蓝色 |
1 | 0.3306 | 蓝色 |
2 | 0.4887 | 红色 |
3 | 1.4917 | 红色 |
4 | 0.8315 | 绿色 |
5 | 0.5672 | 绿色 |
6 | 1.0 | 绿色 |
7 | 0.6238 | 绿色 |
8 | 0.7302 | 蓝色 |
9 | 0.6491 | 红色 |
10 | 1.0366 | 红色 |
11 | 1.4190 | 绿色 |
基于对白光群(6)的一次捕获,可以使用式(3a)来估计所有有色LED群的恰适曝光时间:
Texp,group=(C×(maxsat-black)×Texp,white)/(PCTwhite-black) (3a)
其中PCTwhite(PCT白)是白色LED群的具有最高响应的通道(R、G或B)的所测量百分位(例如,98)饱和值。
Texp,white(T曝光,白)是白色LED的所测量百分位饱和水平。
如上所述,每个LED群可以有安全因子S,这将公式调整为:
Texp,group=(C×(0.8-black)×Texp,white)/(PCT98white-black)×S (5a)
其中S是在0.0至1.0之间的因子。现在可以通过使用白色LED群的单次测量来计算经估计曝光时间并插入上面的步骤3中。
上述图像处理器53以及与本发明的各实施例联用的其他设备可以是自立的数字处理设备或者可以嵌入在另一设备中。此类设备或方法可以使用数字处理引擎来执行各功能。数字处理设备优选地具有诸如由一个或多个微处理器、FPGA或中央处理单元(CPU)和/或图形处理单元(GPU)提供的处理能力,其被适配成通过用软件(即一个或多个计算机程序)进行编程来执行相应的功能。对软件的引用可涵盖以能由处理器(诸如图像处理器53)直接或间接执行的任何语言(经由经编译或解释性语言(诸如Java))编写的任何类型的程序。本发明的任何方法的实现可以由逻辑电路、电子硬件、处理器或电路系统来执行或辅助,其可以涵盖任何种类的逻辑或模拟电路系统,集成到任何程度,并且不限于通用处理器、数字信号处理器、ASIC、FPGA、分立组件或晶体管逻辑门等。
此类设备(例如,图像处理器53)可以具有存储器(诸如非易失性存储器、非瞬态计算机可读介质、RAM和/或ROM)、操作系统、可任选地显示器(诸如固定格式显示器)、用于数据输入设备的端口(诸如键盘)、指针设备(诸如“鼠标”)、用于与其他设备通信的串行或并行端口、连接到任何网络的网卡和连接。软件可被实施在计算机程序产品中,计算机程序产品被适配成在软件被加载到图像处理器53或控制器上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA等)上执行时执行以下列出的功能。与本发明的任何实施例联用的设备可以纳入能够运行计算机软件形式的一个或多个计算机应用的计算机系统。
当软件被加载到相应的一个或多个设备(诸如图像处理器53)上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上执行时,本发明的各实施例的方法可以通过在电子设备(诸如图像处理器53)上运行的一个或多个计算机程序来执行,计算机程序通过被加载到存储器中并在诸如由美国微软公司提供的WindowsTM、Linux、Android之类的操作系统上或与之相关联地运行来在电子设备上运行。电子设备图像处理器53可以包括主存储器,优选地为随机存取存储器(RAM),并且还可以包括非瞬态硬盘驱动器和/或可移动非瞬态存储器和/或非瞬态固态存储器。非瞬态可移动存储器可以是由合适的读取器读取并写入的诸如压缩碟(CD-ROM或DVD-ROM)之类的光盘、磁带。可移动非瞬态存储器可以是其中存储有计算机软件和/或数据的计算机可读介质。非易失性储存存储器可以用于存储在计算机系统断电的情况下也不应丢失的持久信息。应用程序可使用信息并将其存储在非易失性存储器中。
本发明的各实施例涉及软件可以与固态光源一起工作,该固态光源被布置成至少一个类型1群以及零个或一个或多个类型2光源群,光源群在波长带内发射光,其中类型2光源群的波长带大于任何类型1光源群的波长带。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
估计成像设备的曝光时间,
图像传感器具有采用饱和水平的数字传感器值。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
例如在图像处理器处接收数字传感器值。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
图像传感器捕获该对象的图像,以及
将该图像映射到数字传感器值,
图像处理器被适配成存储数字传感器值并被适配用于提取预定饱和水平的98或95-98百分位(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者),
图像处理器被配置成通过以下操作来计算曝光时间:将初始曝光时间乘以常数并乘以图像传感器的预定饱和水平、除以所测量的98或95-98百分位饱和水平(替换地可以使用75、85、95、98、99、99.5、100百分位中的任一者),以及
对于每个类型2光源群(如果存在),通过使用类型1群的曝光时间来估计曝光时间。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
对于每个类型2光源群,将常数设置为:类型1光源群的95-98百分位饱和水平,并将其除以类型1光源群的对应曝光时间。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者;
进一步除以类型2光源群的95-98百分位饱和水平、除以类型2光源群的对应曝光时间。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
当图像传感器具有偏移电流时,以对应于该偏移电流的值来减小饱和水平;
将曝光时间乘以0至1之间的对象相关权重因子;
将预定饱和水平设置为图像传感器的最高线性饱和水平;
将预定饱和水平设置为60%至80%之间的任何值;
图像处理器被适配成将数字传感器值布置在直方图中。
图像处理器可以是嵌入式、自立的或单独的控制器的一部分。
上述任何软件可以针对特定处理器(诸如图像处理器53)进行编译。软件可以具有计算机程序产品的形式,该计算机程序产品被存储在非瞬态存储器中,诸如可移动存储器(其中光盘(例如,压缩碟(CD-ROM或DVD-ROM))、磁带是示例)或者可以是磁带、硬盘或闪存存储器或类似物。
5.进一步实施例
可以增加与本发明的各实施例联用的参数数目,以获得对经估计曝光时间的较高准确性。在本发明的任何或全部实施例中,曝光可以由一个或多个曝光参数(其中曝光时间是一个示例)定义。
5.1.介绍
这些实施例的目的可以是对相同对象的一个或多个多光谱图像执行良好曝光的图像捕获。该对象可以是生物组织,诸如人类或动物的皮肤。可以假设对象在捕获序列期间未移动,或者仅移动了不显著影响对焦和曝光的程度。本发明的这些实施例可以通过四个阶段来获得这一点:(1)对焦阶段,(2)曝光计量阶段,(3)曝光估计阶段,以及(4)获取阶段。计量是相机或图像传感器用以适配曝光(诸如适配一个或多个曝光参数(其中曝光时间是一个示例))的过程。
5.2.对焦(Focus)阶段
当图像传感器以实况视频预览对对象(例如,生物组织,诸如人类或动物皮肤)进行成像时,可以使用(非)偏振(即,偏振或非偏振)白光LED照明来照射对象。设备可以在该阶段期间执行连续自动对焦。替换地,还可以存在手动对焦模式,例如对于非接触锥与皮肤和毛发相结合地使用的情形。结果可以是对焦设置Focus[白光(非)偏振],其中感兴趣对象被良好对焦。设备还可以具有针对每种光类型的校准数据以及对焦设置与对象距离之间的关系。基于对焦设置Focus[白光(非)偏振],使用(非)偏振白光LED照明结合对应校准数据,可以计算对象距离。接着,基于对象距离结合针对每种多光谱光类型的对焦校准数据,可以计算这些多光谱光类型中的每一者的对焦设置Focus[i]。这些对焦设置可以用于后续阶段中。
5.3.曝光计量阶段
在计量阶段期间,可以使用例如在对焦阶段期间确定的对焦设置、或已知的曝光设置(照明LED电流、传感器模拟增益、传感器数字增益、传感器曝光时间T[exp,initial,i](T[曝光,初始,i]))针对一种或多种光类型获取一幅或多幅静止图像。
5.4.曝光估计阶段
在曝光估计阶段期间,可以估计在获取阶段期间用于获取的曝光设置T[exp,i](T[曝光,i])。该步骤对应于图1中的步骤12或图2的步骤22和23以及对应文字。
贯穿不同实现,可以提取提供关于曝光最多的像素如何表现的信息的一些度量。期望避免太多像素被限幅于最大可能传感器值(完全饱和的像素)。如上所述,对于接近传感器范围上限的值,大多数传感器表现为非线性。因此,也希望避免太多像素具有该非线性传感器范围内的像素值。
对于多光谱皮肤镜图像的获取,可以使用索尼IMX274传感器。可以通过实验定义在曝光最多的色彩通道的98百分位位于传感器范围的60%(曝光目标PCT[target]=0.6)处的情况下可以获得‘良好曝光’图像。替换地,可以使用75、85、95、98、99、99.5、100百分位中的任一者。其他传感器和/或其他对象类型可以具有确定‘良好曝光’图像的其他度量和/或目标值。替换地,作为避免使太多像素具有非线性传感器范围中的像素值的替代,还可以对这些传感器非线性进行补偿。可以通过例如对附加线性像素值进行外插并将传感器值映射到这些外插值来实现该补偿。取决于传感器和对象类型,这可能得到引起较好信噪比的较高合适曝光目标PCT[target]。然而,必须注意,该较高的曝光目标不会引起太多完全饱和的像素。
5.5.获取阶段
在获取阶段期间,对于每种光类型‘i’,可以使用先前确定的对焦设置Focus[i]和曝光设置T[exp,i]来获取静止图像。这对应于图1中的步骤13和对应文字。
该实施例的变型也属于本发明并且这些变型主要在以下主题方面有变化:
-定义在曝光计量阶段期间针对哪些光类型需要静止图像获取,或
-针对不同的光类型如何估计要在获取阶段期间使用的曝光设置T[exp,i]。
6.第五实施例–每种光类型计量
6.1图6示出了第五实施例-每种光类型计量-的流程图。
对于每个固态光源(诸如LED群i),执行以下步骤:
A1:在启用LED群i(群i的预定LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益)的情况下捕获图像。该步骤的输出是图像。
B1:制作图像直方图并确定98百分位值
至下一步骤的输出是百分位值+初始曝光时间+传感器黑色偏移。
C1:给定98百分位值、初始曝光时间(或值)以及传感器黑色偏移,计算LED群i的新曝光时间(或值)。该步骤的输出是该新曝光时间(或值)。
D1:在启用LED群i(群i的与之前相同的LED电流,使用群i的新曝光时间)的情况下捕获图像。该步骤的输出是具有改进曝光的LED群i的图像。
6.2.现在进一步详细描述每一步骤。
6.2.1.曝光计量阶段-步骤A1:
在计量阶段期间,可以针对每种光类型(白光和多光谱两者,偏振和非偏振两者)获取一幅静止图像。
可以使用以下各项来获取这些静止图像:
·在对焦阶段期间确定的对焦设置
·已知的初始曝光设置(照明LED电流、传感器模拟增益、传感器数字增益、传感器曝光时间T[exp,initial,i])
这些初始曝光设置可以基于每设备的校准数据。这些设置被选择成使得例如如果待照明对象是Spectralon 99%漫反射体,则每一幅静止图像(不同光类型)将被曝光以使得最饱和的传感器色彩通道的98百分位将接近传感器范围的80%。如果对例如人类或动物皮肤进行成像,则漫反射将显著小于99%,并且因此传感器将不会饱和且大部分像素值将在传感器线性范围内。该初始曝光设置可以确保静止图像不会太暗,从而提供恰当的信噪比来估计要在获取阶段期间使用的适当曝光设置。
6.2.2.曝光估计阶段-步骤B1和C1:
对于在步骤A1中获取的对应于光类型‘i’的每一幅静止图像,可以提取以下参数:
■传感器黑色偏移:black[i]
这可以被表达为归一化传感器值并且可以从传感器的在机械上被阻止任何照明的专用区域取回。
对于将没有此类光学黑色区域的传感器,可以估计或校准该黑色偏移。
■所观测曝光百分位位置PCT[i]
这对应于最饱和色彩通道的98百分位位置的归一化传感器像素值。
接着,对于每种光类型‘i’,使用下式估计改进的传感器曝光时间T[exp,i]以使得最饱和色彩通道的98百分位位置将位于PCT[target,i](PCT[目标,i])附近:
T[exp,i]=T[exp,initial,i]×(PCT[target,i]-Black[i])/(PCT[i]-Black[i]) (6)
光类型i的索引target”对应于式(1)、(2)、(3)和(5)中的“maxsat”。
作为改变传感器曝光时间的替代,可以改变曝光设置(诸如照明固态光源,诸如LED电流、传感器模拟增益或传感器数字增益)以获得改进的曝光。可任选地可以考虑这些特征的非线性行为。
6.2.3.获取阶段-步骤D1:
在获取阶段期间,对于每种光类型‘i’,使用先前确定的对焦设置Focus[i]和曝光设置T[exp,i]来获取静止图像。7.从白光(或具有宽光谱带的光)图像估计多光谱图像的曝光设置。
7.从白光图像估计多光谱图像的曝光设置
7.1.介绍
上述实施例包括:对于要在‘获取阶段’期间最终获取的每一幅图像,需要在‘曝光计量阶段’期间获取对应的图像。可能期望减少需要获取的静止图像数量以提高速度。该实施例对应于图4和对应文字。
7.2.减少在捕获序列期间获取的静止图像总数。
这可以通过基于从例如白光偏振图像(其是宽光谱带图像)提取的参数集来估计多光谱图像(其是窄光谱带图像)(的子集或全部)的T[exp,i]来获得。因此,移除在计量阶段期间获取多光谱图像的需要(或者至少减少需要为其单独计量静止图像的光类型数目)。
图7中的表示出了指示针对每种光类型使用哪一静止图像来估计曝光时间T[exp,i]的示例。在图7的示例中,这可以将静止图像的总数从11×2=22减少到3×2+8=14。
注意,交叉偏振照明类型将阻止镜面反射(例如,允许透视皮肤的顶层)。这也意味着白光偏振照明类型不具有与这些镜面反射相关的任何信息。基于白光偏振照明类型来估计非偏振照明类型的曝光获取设置因此可能不是非常准确。
非偏振照明类型的曝光获取设置因此可以通过使用‘办法1-每种光类型计量’的图6中的步骤A1至D1来作出。
7.3.第八实施例-基于白光R、G和B的98百分位位置来估计曝光设置。
7.3.1.介绍
以下光类型仍然使用实施例-每种光类型计量:
·白光偏振
·白光非偏振
·蓝光非偏振
在获取这些光类型的图像之后,存在良好曝光的‘白光偏振’静止图像可用。
‘白光偏振’静止图像可以用于估计其余光类型的曝光设置。
7.3.2.图8示出了第八实施例-基于白光R、G和B的98百分位位置来估计曝光设置-的流程图,包括以下步骤
A2:在启用白光LED群(预定LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益)的情况下捕获图像。该步骤的输出是图像。
B2:制作图像直方图并确定R、G和B通道的98百分位值。该步骤的输出是R、G和B百分位值。
C2:估计LED群i的改进曝光时间(或值)。该步骤的输出是经估计曝光时间(或值)。
D2:使用白色反射目标针对所有LED群获得的校准数据被输入到步骤C。
E2:使用LED群i的经估计改进曝光时间,在启用LED群i的情况下捕获图像。该步骤的输出是具有改进曝光的LED群i的图像。
针对每个LED群i执行步骤C2、D2、E2。
7.3.3.现在进一步详细描述每一步骤。
7.3.3.1.曝光计量阶段-步骤A2:
在该实施例中,基于使用白光(偏振)LED群(其是宽光谱带照明)来照明的单个良好曝光的静止图像来完成曝光计量阶段。
用于获取该‘良好曝光’白光图像的曝光设置可以使用实施例“每种光类型计量”的图6中的步骤A1至D1来获得。
7.3.3.2.曝光估计阶段-步骤B2、C2和D2:
在校准阶段中,可以针对每种照明类型‘i’获得例如Spectralon漫反射体(99%)的良好曝光图像。白光照明光类型(其是宽光谱带照明)在下文被称为‘宽’。从这些图像可以提取所观测的98%百分位位置PCT[reflector,wide](PCT[反射体,宽])和PCT[reflector,i](PCT[反射体,i])连同对应的黑色偏移值Black[reflector,wide](Black[反射体,宽])和Black[reflector,i](Black[反射体,i])。附加地,从对应的获取设置可以提取所使用的曝光时间T[exp,reflector,wide](T[曝光,反射体,宽])和T[exp,reflector,i](T[曝光,反射体,i])。对于这些照明类型中的每种照明类型‘i’,每设备定义并存储以下因子Ci(又称C[group](C[群])):
C[i]=((PCT[reflector,wide]-Black[reflector,wide])/T[exp,reflector,wide])/((PCT[reflector,i]-Black[reflector,i]/T[exp,reflector,i]) (7)
注意:该等式中的分母对应于具有宽光谱带照明(例如,白光偏振LED群)的曝光模型的斜率(图11)。分子对应于具有多光谱照明的曝光模型的斜率(图11)。
在获取目标对象(例如,皮肤)的图像时,首先使用白光偏振LED群来获取良好曝光的静止图像。
通过该静止图像,提取所观测的98%百分位值PCT[wide](PCT[宽])和黑色偏移Black[wide](Black[宽]),连同用于获取该图像的曝光时间T[exp,wide](T[曝光,宽])。接着,使用下式来估计用以获得PCT[target,i]的曝光目标的照明类型‘i’的曝光时间(T[exp,i],其对应于式(3)中的T[exp,group]):
T[exp,i]=C[i]×T[exp,wide]×(PCT[target,i]-Black]wide])/(PCT[wide]-Black[wide]) (8)
因此,此处首先计算改进的曝光时间以使图像在曝光目标位置PCT[target]处被曝光,就如同将使用白光照明一样。并且接着,使用因子C[i]将该曝光时间从白光照明域变换到多光谱照明域‘i’。
7.3.3.3.获取阶段-步骤E2:
此处纳入了实施例“每种光类型计量”的图6中的步骤D1。
8.第九实施例-基于更多参数来估计曝光设置
81.介绍
与先前实施例相比的主要区别在于,可以从白光图像中提取出附加信息。该信息可以被用作更复杂模型的输入。该办法的目标是更准确地估计在获取阶段期间使用的改进曝光时间。
8.2.图9示出了第八实施例-基于更多参数来估计曝光设置-的流程图,包括以下步骤:
A3:在启用白光LED群(预定LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益)的情况下捕获图像。该步骤的输出是图像。
B3:提取以下参数:
对于R、G和B色彩通道:
>百分位位置75、85、95、98、99、99.5、100%
>百分位位置处的斜率(一阶导数)
>饱和像素(>99.x%)的数目
该步骤的输出是所提取的参数集。
C3:估计LED群i的改进曝光时间。该步骤的输出是经估计曝光时间。
D3:模型系数被输入到步骤C3。
E3:在启用LED群i的情况下,以群i的经估计改进曝光时间来捕获图像。该步骤的输出是具有改进曝光的LED群i的图像。
8.3.现在进一步详细描述每一步骤。
8.3.1.曝光计量阶段-步骤A3:
此处纳入实施例“基于白光R、G和B 98百分位位置来估计曝光设置”中的图8的步骤A2。
8.3.2.曝光估计阶段-步骤B3、C3和D3:
在步骤B3中,可以从白光静止图像中提取数个参数。
如之前提到的,为了具有“良好曝光”图像,重要的是对图像中曝光最多的像素如何表现进行表征。
在先前实施例中,曝光最多的像素的表现通过提取出R、G和B色彩通道的98百分位位置来建模。然而,这可以提供有限的信息。例如:如果直方图的尾巴较长,则与陡峭/短直方图的尾巴相比,具有高于98百分位位置的值的太多像素完全饱和或位于非线性传感器范围内的风险更高。
因此,为了更好地表征曝光最多的像素(曝光最多的色彩通道的直方图尾巴)的行为,可以添加第二百分位位置,或者可以添加98百分位位置处的一阶导数。还可以添加多少像素完全饱和或接近饱和(例如,值>传感器范围的99.x%)的信息。
本发明的一个实施例包括一种模型,该模型使用每色彩通道7个百分位位置(75、85、95、98、99、99.5、100),共计21个模型输入参数。
在步骤C3中,全连通神经网络可以被用作执行估计的模型。也可以使用替换的模型架构、或者甚至其他等效的机器学习方法。通过使用全连通神经网络、以具有64个节点(+偏置)和作为激活函数的ReLU的单个隐藏层执行该回归任务、继以通过全连通层+偏置来获得模型输出,实验得到足够的模型性能。下面在章节‘文档-用于确定模型系数的算法示例’中的下一办法中解释了如何在该模型中使用系数的示例算法(步骤D3)。
8.4.获取阶段-步骤E3:
此处纳入实施例‘每种光类型计量’的图6中的步骤D1。
8.4.第十实施例-基于“参考设备”和“实际设备”的模型的曝光估计模型。
8.4.1.介绍
可以对可以用于执行感兴趣对象(例如,皮肤)的实际捕获序列的设备进行建模并将其称为“实际设备”。“参考设备”是另一设备的模型,其中该模型不同于“实际设备”的模型。不同之处可以包括:可以对“实际设备”的非理想效应(诸如照明LED的光学效率可变性)进行补偿。可以首先将曝光估计模型输入参数推广到此类“参考设备”,并且估计曝光时间,随后可以将估计推广到“实际设备”。
8.4.2.图10示出了实施例-基于“参考设备”的曝光估计模型-的流程图,包括以下步骤:
A4:在启用白光LED群(预定LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益)的情况下捕获图像。该步骤的输出是图像。
B4:通过补偿以下各项中的任何一者或多者将图像归一化为“参考设备”:
*传感器黑色偏移
*传感器光学灵敏度
*传感器非线性
*传感器非均匀性
*曝光设置
(照明LED电流、传感器曝光时间、
传感器模拟增益、传感器数字增益)
*照明光学效率
*照明非均匀性
*温度
*...
该步骤的输出是归一化图像。
C4:使用漫反射体校准目标针对所有LED群提供“实际设备”的校准数据作为步骤B4和G4的输入。(例如,取决于要执行的测量,可以使用Spectralon 20%或Spectralon99%校准目标。)
D4:提取参数:
对于R、G和B色彩通道:
>百分位位置75、85、95、98、99、99.5、100%,
>百分位位置处的斜率(一阶导数)
>饱和像素(>99.x%)的数目
该步骤的输出是所提取的参数集。
E4:估计“理想设备”的LED群i的改进曝光时间值。该步骤的输出是“参考设备”的改进曝光值。
F4:“参考设备”的模型系数被输入到步骤E。
G4:估计“实际设备”的LED群i的改进曝光时间。该步骤的输出是“实际设备”的曝光值。
H4:在启用LED群i的情况下,使用群i的经估计改进曝光时间来捕获图像。该步骤的输出是LED群i的改进曝光图像。
针对每个LED群i执行步骤E4、F4、G4、H4。
8.4.3.现在进一步详细描述每一步骤。
‘办法3-基于更多参数来估计曝光设置’的图9中的步骤A3、B3、C3和H3在此分别被纳入步骤A4、D4、E4和H4中。还存在两个附加步骤B4和G4,结合附加的设备校准数据C4。
该办法的益处在于,可以基于由具有已知参数的设备(被称为“参考设备”)获取的图像来确定模型参数。随后可以在该参考设备上作出对曝光(例如,如由一个或多个曝光参数(诸如曝光时间(或其他曝光参数))定义的曝光)的估计并且稍后使用附加设备校准数据推广到“实际设备”。
8.4.4.将图像/参数归一化为“参考设备”-步骤B4、C4和D4
注意,取决于期望补偿哪些效应,可以交换步骤B4和D4的次序。作为示例:在数学上可以交换这两个步骤之间的黑色偏移补偿。然而,需要在图像本身上完成例如对照明非均匀性的补偿。
执行其中对百分位位置而不是图像进行归一化的一些实验(为了计算性能,也可以在图像上以数学上等效的方式完成所选步骤)。
对于光类型‘i’和百分位位置‘j’(PCT[i,j]),可以使用下式通过补偿黑色偏移Black[i]和初始曝光时间T[exp,initial,i]来计算归一化的百分位位置PCT'[i,j]:
PCT'[i,i]=(PCT[i,i]–Black[i])/T[exp,initial,i] (9)
可以附加地补偿系统的总光学效率(照明光功率、照明光谱特征、传感器灵敏度、偏振器效率等等的组合)。这可以通过使用附加校准数据来完成,该附加校准数据针对每种光类型将‘曝光值’建模为因变于‘曝光时间’。该‘曝光值’可以例如被定义为在对Spectral20%漫反射体进行成像时跨传感器视场(FOV)的中心500×500像素的黑色偏移补偿均值。
PCT”[i,i]=(PCT[i,i]–Black[i])/(f[cal,i](T[exp,initial,i]))=(PCT[i,i]–Black[i])/exposure_value[i] (10)
给定光类型‘i’的这种校准数据函数f[cal,i]的示例在该附图中被示为虚线。
图11示出了在对漫反射体校准目标进行成像时对应于不同曝光时间值的曝光值。曝光值是图像的感兴趣区域(可能来自曝光最多的色彩通道)中的平均像素值。
注意,在图11中,‘饱和’的定义用于指示高于给定阈值(传感器范围的80%)的像素值,这些实际上并非真正完全饱和的像素(即,限幅于最大传感器值),而是在非线性传感器范围中的像素值。
8.5.将“参考设备”的经估计“曝光值”推广到“该设备”的“曝光时间”
这可以通过将校准函数的逆(f[cal,i])^(-1)应用于模型输出(其是“曝光值”)并获得对应的“曝光时间”来完成。
T[exp,i]=(f[cal,i])^(-1)(exposure,value[i]) (11)
8.5.1.图12示出了一种用于确定‘模型系数’的方法的示例的流程图。
A5是使用具有获取设置元数据(LED电流、传感器曝光时间、模拟增益、数字增益)和设备标识符(序列号)的一个或多个不同设备获取的“良好曝光”白光LED(皮肤病变)图像的数据库
B5是使用具有获取设置元数据(LED电流、传感器曝光时间、模拟增益、数字增益)和设备标识符(序列号)的一个或多个不同设备获取的“良好曝光”LED群(皮肤病变)图像的数据库
C5是具有用于每个设备的校准数据的数据库,这些设备用于使用漫反射体校准目标(Spectralon 20%和Spectralon 99%)针对所有LED群获取(皮肤病变)图像的数据集
步骤D5:将白光LED(皮肤病变)图像数据库归一化为“参考设备”。该步骤的输出是归一化图像。
步骤E5:提取参数。该步骤的输出是模型输出参数集。
步骤F5:将LED群i传感器曝光时间归一化为“参考设备”。该步骤的输出是“参考设备”的“理想曝光目标”的曝光值。
步骤G5:对该模型进行训练以估计“参考设备”的曝光时间。该步骤的输出是经训练模型。
步骤H5:对“参考设备”的系数进行建模。
针对每个LED群i执行步骤E5、F5、G5、H5。
3.5.5.现在进一步详细描述每一步骤。
3.5.5.1.具有白光LED和多光谱图像的数据库-A5和B5
在本发明的一个实施例中,可以存在使用多个设备获取的大型数据库(4)(>1000皮肤病变)。对于这些数据库元素中的每一者具有以下数据:
数据库A5:
■良好曝光的白光偏振图像结合对应的获取设置;
■良好曝光的白光非偏振图像连同对应的获取设置;
■用于获取这些图像的设备的序列号。
数据库B5:
■对于每种多光谱光类型‘i’:
■使用光类型‘i’的照明获取的良好曝光图像
■对应的获取设置
■用于获取这些图像的设备的序列号。
对于获取设置,将设置称为:对焦设置、照明LED电流、传感器曝光时间、传感器模拟增益、传感器数字增益、传感器黑色偏移等等。
在两个数据库中均被成像的对象是同一(皮肤病变)对象。可以预期/允许两个数据库中不同图像之间的有限运动,但当运动过度时,这些图像可以作为一种数据清洗步骤从数据库中排除。
8.5.2.具有每设备校准数据的数据库-C5
该数据库C5包含针对用于获取数据库A5和B5中的数据的每个设备的每设备校准数据。两个数据库之间的链接是基于设备序列号来建立的。
8.5.3.将图像/参数归一化为“参考设备”-步骤C5、D5和E5。
该步骤经过必要修改后纳入上文办法4中的步骤B4、C4和D4。
8.5.4.对传感器曝光时间进行归一化-步骤F5
对于数据库(B5)中的光类型‘i’的每个良好曝光图像,提取曝光时间(T[exp,i])、黑色偏移(Black[i])和所观测曝光(被观测为98百分位位置PCT[i])。该所观测曝光将非常接近改进的曝光目标PCT[target],但可能稍有偏离。因此计算曝光时间以更精确匹配改进的曝光目标:
T'[exp,i]=T'[exp,i]×(PCT[target]-Black[i])/(PCT[i]-Black[i]) (12)
接着,将“该设备”(用于获取这些图像的设备)的该“理想曝光时间”变换为“参考设备”的理想曝光值。
exposure_value[i]=f[cal,i](T'[exp,i]) (13)
8.5.5.对模型进行训练以估计参考设备的曝光时间-步骤G5
先前步骤已从步骤C5、D5和D5得到‘模型输入参数’,并且从步骤F5得到‘模型输出标记’或“参考设备”的“理想曝光目标”的曝光值。
对于每种多光谱照明类型‘i’,基于该数据来训练专用模型。此类模型的示例基于使用白光偏振照明类型从良好曝光图像提取(并归一化)的参数来估计青光偏振照明类型的改进曝光值。
对模型系数的训练可以被实现为求解机器学习线性回归问题。此处要使用的一种可能模型是全连通神经网络。也可以使用替换的模型架构。通过使用全连通神经网络、以具有64个节点(+偏置)和作为激活函数的ReLU的单个隐藏层执行该回归任务、继以通过全连通层+偏置来获得模型输出,实验得到足够的模型性能。可以在对该模型的训练期间使用标准机器学习优化技术(诸如权重正则化、正确的损失函数选择、超参数调谐、丢弃(dropout)、训练/评估/测试数据集拆分等等)。
8.5.6.提取模型系数-步骤H5
一旦训练了不同多光谱光类型的不同模型,就将所得到的系数输出并保存至数据库H5。
这些模型系数连同模型架构(层数、每层的节点、激活函数等等)稍后可以由设备输入以执行对应的设备上估计。
8.5.7.备注
其他选项被包括在本发明的范围内。
例如,可以从‘非偏振白光’静止捕获中预测‘非偏振蓝光’曝光,并且这会移除在曝光计量阶段期间获取‘非偏振蓝光’静止图像的需要,从而进一步减少总捕获序列时间。
优选地,捕获序列具有获取不同图像的可预测次序。作为示例:在获取阶段中,通常基于曝光计量阶段中的白光偏振静止图像来预测T[exp,Green polarized](T[曝光,绿光偏振])。然而,可以基于已获取(例如,基于偏振青光)的(任何)较早图像(的组合)(在获取阶段中)预测T[exp,Green polarized]。可以使用多个已获取图像的组合(例如,基于偏振白光和偏振青光)。
包括对曝光估计模型进行训练的各实施例的优点在于并非仅仅依赖于设备校准数据,而且还依赖于皮肤图像的数据库(例如,白光+多光谱)。
可以为所有设备确定默认的模型参数集,并且这些模型参数可以基于所获取图像的所观测特性(例如,主要是高加索人的皮肤科医生与主要是非裔美国人的皮肤科医生)“在现场”进一步微调。
9.实现
上述图像处理器53以及与本发明的各实施例联用的其他设备可以是自立的数字处理设备或者可以嵌入在另一设备中。此类设备或方法可使用数字处理引擎来执行各功能。数字处理设备优选地具有诸如由一个或多个微处理器、FPGA或中央处理单元(CPU)和/或图形处理单元(GPU)提供的处理能力,其被适配成通过用软件(即一个或多个计算机程序)进行编程来执行相应的功能。对软件的引用可涵盖以能由处理器(诸如图像处理器53)直接或间接执行的任何语言(经由经编译或解释性语言(诸如Java))编写的任何类型的程序。本发明的任何方法的实现可以由逻辑电路、电子硬件、处理器或电路系统执行或辅助,其可以涵盖任何种类的逻辑或模拟电路系统,集成到任何程度,并且不限于通用处理器、数字信号处理器、ASIC、FPGA、分立组件或晶体管逻辑门等。
此类设备(例如,图像处理器53)可以具有存储器(诸如非易失性存储器、非瞬态计算机可读介质、RAM和/或ROM)、操作系统、可任选地显示器(诸如固定格式显示器)、用于数据输入设备的端口(诸如键盘)、指针设备(诸如“鼠标”)、用于与其他设备通信的串行或并行端口、连接到任何网络的网卡和连接。软件可被实施在计算机程序产品中,计算机程序产品被适配成在软件被加载到图像处理器53或控制器上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA等)上执行时执行以下列出的功能。与本发明的任何实施例联用的设备可以纳入能够运行计算机软件形式的一个或多个计算机应用的计算机系统。
当软件被加载到相应的一个或多个设备(诸如图像处理器53)上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上执行时,本发明的各实施例的方法可以通过在电子设备(诸如图像处理器53)上运行的一个或多个计算机程序来执行,计算机程序通过被加载到存储器中并在诸如由美国微软公司提供的WindowsTM、Linux、Android之类的操作系统上或与之相关联地运行来在电子设备上运行。电子设备图像处理器53可以包括主存储器,优选地为随机存取存储器(RAM),并且还可以包括非瞬态硬盘驱动器和/或可移动非瞬态存储器和/或非瞬态固态存储器。非瞬态可移动存储器可以是由合适的读取器读取并写入的诸如压缩碟(CD-ROM或DVD-ROM)之类的光盘、磁带。可移动非瞬态存储器可以是其中存储有计算机软件和/或数据的计算机可读介质。非易失性储存存储器可以用于存储在计算机系统断电的情况下也不应丢失的持久信息。应用程序可使用信息并将其存储在非易失性存储器中。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
估计用于使用成像设备将对象进行成像的曝光参数,该成像设备包括:被布置成至少第一群和至少第二群的多个固态光源,光源群在波长带内发射光,其中第一光源群的所有波长带的总覆盖与第二光源群的任何波长带至少一样宽或更宽;以及具有数字传感器值的图像传感器。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
图像处理器接收数字传感器值并执行包括以下步骤的方法:
使用第一光源群以第一曝光参数值来将对象进行成像,
图像传感器捕获该对象的图像,以及
将该图像映射到数字传感器值,以及
图像处理器从数字传感器值估计第二光源群的第二曝光参数值,以及
提取数字传感器值的至少一个百分位,以及
估计以下各项:
因变于第一曝光参数值的第二曝光参数值,以及
设备校准数据,以及
图像传感器的目标饱和水平,以及
第一黑电平,以及
第一群的所测量数字传感器值,以及
第二黑电平,
其中设备校准数据包括数字传感器值与参考对象的第二曝光参数值之间的关系。
当软件被加载到相应的一个或多个设备上并且在一个或多个处理引擎(诸如微处理器、ASIC、FPGA)上被执行时实现以下功能:
提取在范围50至100或者70至100或者95至98或者100中的百分位;
通过使用多个百分位来估计曝光参数值;
将以下一者或多者包括在校准数据中:传感器黑色偏移、传感器光学灵敏度、传感器非线性、传感器非均匀性、光源驱动电流、传感器曝光时间、传感器模拟增益、传感器数字增益、光源光学效率、光源非均匀性或光源温度;
通过使用至少两个第一光源群来估计曝光参数值;
通过估计光源电流、传感器曝光时间、传感器模拟增益、传感器数字增益、光源亮度、光学孔径中的任一者来估计曝光参数值。
上述任何软件可以针对特定处理器(诸如图像处理器53)进行编译。软件可以具有计算机程序产品的形式,该计算机程序产品存储在非瞬态存储器上,诸如可移动存储器(其中光盘(例如,压缩碟(CD-ROM或DVD-ROM)、磁带是示例),或者可以是磁带、硬盘或闪存存储器或类似物。
Claims (21)
1.一种用于估计使用成像设备将对象进行成像的曝光参数的方法,所述成像设备包括:
多个固态光源,所述多个固态光源被布置成至少第一光源群和至少第二光源群,所述光源群在波长带内发射光,其中所述第一光源群的所有波长带的总覆盖与所述第二光源群的任何波长带至少一样宽或更宽,
图像传感器,其具有数字传感器值,
图像处理器,其接收所述数字传感器值并执行所述方法,所述方法包括以下步骤:
使用所述第一光源群以第一曝光参数值将所述对象进行成像,
所述图像传感器捕获所述对象的图像,以及
将所述图像映射到所述数字传感器值,以及
所述图像处理器从所述数字传感器值估计所述第二光源群的第二曝光参数值,以及
提取所述数字传感器值的至少一个百分位,以及
估计以下各项:
因变于所述第一曝光参数值的所述第二曝光参数值,以及
设备校准数据,以及
所述图像传感器的目标饱和水平,以及
第一黑电平,以及
所述第一光源群的所测量数字传感器值,以及
第二黑电平,
其中所述设备校准数据包括所述数字传感器值与参考对象的传感器曝光参数值之间的关系。
2.根据权利要求1所述的方法,其特征在于,包括:提取在范围50至100或者70至100或者95至98中的百分位。
3.根据权利要求1或2中任一项所述的方法,其特征在于,包括:通过使用多个百分位来估计所述曝光参数值。
4.根据权利要求1至3中任一项所述的方法,其特征在于,包括将以下一者或多者包含在所述校准数据中:传感器黑色偏移、传感器光学灵敏度、传感器非线性、传感器非均匀性、光源驱动电流、传感器曝光时间、传感器模拟增益、传感器数字增益、光源光学效率、光源非均匀性、或光源温度。
5.根据权利要求1至4中任一项所述的方法,其特征在于,包括:通过使用至少两个第一光源群来估计所述曝光参数值。
6.根据权利要求1至5中任一项所述的方法,其特征在于,包括通过估计以下任一者来估计所述曝光参数值:光源电流、传感器曝光时间、传感器模拟增益、传感器数字增益、光源亮度、光学孔径。
7.一种用于估计成像设备的曝光时间的方法,所述成像设备包括:
固态光源,所述固态光源被布置成至少一个类型1光源群以及零个或一个或多个类型2光源群,所述光源群在波长带内发射光,其中所述类型2光源群的波长带大于任何类型1光源群的波长带,
图像传感器,其具有采用饱和水平的数字传感器值,
图像处理器,其接收所述数字传感器值,
所述方法包括以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
所述图像传感器捕获所述对象的图像,以及
将所述图像映射到所述数字传感器值,
所述图像处理器被适配成存储所述数字传感器值并且被适配用于:提取预定饱和水平的98或95-98百分位或者提取预定饱和水平的75、85、95、98、99、99.5、100%百分位中的任一者,以及通过以下操作来计算所述曝光时间:将所述初始曝光时间乘以常数并乘以所述图像传感器的所述预定饱和水平、除以所测量的98或95-98百分位饱和水平或者除以所测量的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者,并且如果所述类型2光源群存在,则对于每个类型2光源群,通过使用类型1光源群的曝光时间来估计所述曝光时间。
8.根据权利要求7所述的方法,其特征在于,包括参考目标,所述方法包括:对于每个类型2光源群,将所述常数设置为:类型1光源群的95-98百分位饱和水平,并将所述类型1光源群的95-98百分位饱和水平除以所述类型1光源群的对应曝光时间,并进一步除以所述类型2光源群的95-98百分位饱和水平或者除以所述类型2光源群的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者、除以所述类型2光源群的对应曝光时间。
9.根据权利要求7或8所述的方法,其特征在于,所述图像传感器具有偏移电流,并且所述方法包括:以对应于所述偏移电流的值来减小所述饱和水平。
10.根据权利要求7至9中任一项所述的方法,其特征在于,包括:将所述曝光时间乘以0至1之间的对象相关权重因子。
11.根据权利要求7至10中任一项所述的方法,其特征在于,包括:将所述预定饱和水平设置为所述图像传感器的最高线性饱和水平。
12.根据权利要求7至11中任一项所述的方法,其特征在于,包括:将所述预定饱和水平设置为60%至80%之间的任何值。
13.根据权利要求7至12中任一项所述的方法,其特征在于,包括:所述图像处理器将所述数字传感器值布置在直方图中。
14.一种用于估计成像设备的曝光时间的系统,所述成像设备包括固态光源,所述固态光源被布置成至少一个类型1光源群以及零个或一个或多个类型2光源群,所述光源群具有波长带,其中所述类型2光源群的波长带大于任何类型1光源群的波长带,
图像传感器,其具有采用饱和水平的数字传感器值,
图像处理器,其接收所述数字传感器值,
其中所述系统被配置成实现以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
所述图像传感器捕获所述对象的图像,以及
将所述图像映射到所述数字传感器值,
所述图像处理器被适配用于存储所述数字传感器值并提取预定饱和水平的98或95-98百分位或者提取预定饱和水平的75、85、95、98、99、99.5、100%百分位中的任一者,以及通过以下操作来计算所述曝光时间:将所述初始曝光时间乘以常数并乘以所述图像传感器的所述预定饱和水平、除以所测量的98或95-98百分位饱和水平或者除以所测量的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者,并且如果所述类型2光源群存在,则对于每个类型2光源群,通过使用类型1光源群的曝光时间来估计所述曝光时间。
15.根据权利要求14所述的系统,其特征在于,包括参考目标,其中对于每个类型2光源群,所述常数是类型1光源群的95-98百分位饱和水平除以所述类型1光源群的对应曝光时间、除以所述类型2光源群的95-98百分位饱和水平或者除以所述类型2光源群的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者、除以所述类型2光源群的对应曝光时间。
16.根据权利要求14或15所述的系统,其特征在于,所述图像传感器具有偏移电流,并且所述饱和水平以对应于所述偏移电流的值减小。
17.根据权利要求14至16中任一项所述的系统,其特征在于,所述预定饱和水平是所述图像传感器的最高线性饱和水平。
18.一种用于估计成像设备的曝光时间的控制器,所述成像设备包括:固态光源,所述固态光源被布置成至少一个类型1光源群以及零个或一个或多个类型2光源群,所述光源群具有波长带,其中所述类型2光源群的波长带大于任何类型1光源群的波长带,
图像传感器,其具有采用饱和水平的数字传感器值,
所述控制器包括:
图像处理器,其接收所述数字传感器值,
所述控制器被配置成实现以下步骤:
对于每个类型1光源群:
在初始曝光时间期间照射对象,
所述图像传感器捕获所述对象的图像,以及
将所述图像映射到所述数字传感器值,
所述图像处理器被适配成存储所述数字传感器值并且被适配用于:提取预定饱和水平的98或95-98百分位或者提取预定饱和水平的75、85、95、98、99、99.5、100%百分位中的任一者,以及通过以下操作来计算所述曝光时间:将所述初始曝光时间乘以常数并乘以所述图像传感器的所述预定饱和水平、除以所测量的98或95-98百分位饱和水平或者除以所测量的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者,并且如果所述类型2光源群存在,则对于每个类型2光源群,通过使用类型1光源群的曝光时间来估计所述曝光时间。
19.根据权利要求18所述的控制器,其特征在于,所述控制器与参考目标联用,其中对于每个类型2光源群,所述常数是类型1光源群的95-98百分位饱和水平或者75、85、95、98、99、99.5、100%百分位饱和水平中的任一者除以所述类型1光源群的对应曝光时间、除以所述类型2光源群的95-98百分位饱和水平或者除以所述类型2光源群的75、85、95、98、99、99.5、100%百分位饱和水平中的任一者、除以所述类型2光源群的对应曝光时间。
20.一种包括代码的计算机程序产品,所述代码在处理设备上被执行时执行权利要求1至13所述的任何方法。
21.一种机器可读非瞬态存储装置,所述机器可读非瞬态存储装置存储权利要求20所述的计算机程序产品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18198732 | 2018-10-04 | ||
EP18198732.2 | 2018-10-04 | ||
PCT/EP2019/076983 WO2020070322A1 (en) | 2018-10-04 | 2019-10-04 | Method and system for estimating exposure time of a multispectral light source |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112823509A true CN112823509A (zh) | 2021-05-18 |
CN112823509B CN112823509B (zh) | 2023-05-02 |
Family
ID=63832178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980065924.0A Active CN112823509B (zh) | 2018-10-04 | 2019-10-04 | 用于估计成像设备的曝光时间的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11336835B2 (zh) |
EP (1) | EP3861714A1 (zh) |
CN (1) | CN112823509B (zh) |
WO (1) | WO2020070322A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GR1010162B (el) * | 2021-03-29 | 2022-01-19 | Ιωαννης Κομνηνου Χατζηπαπας | Λαπαροσκοπικη διαταξη και χρηση αυτης σε μεθοδο λαπαροσκοπικης επεμβασης |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020048177A1 (en) * | 2000-09-06 | 2002-04-25 | Rahm Peter R. | Apparatus and method for adjusting the color temperature of white semiconductor light emitters |
US20030098922A1 (en) * | 2001-11-27 | 2003-05-29 | Creo Il. Ltd. | Precision exposure setting in a digital imaging device |
CN1629716A (zh) * | 2003-12-18 | 2005-06-22 | 安捷伦科技有限公司 | 用于图像获取的闪光照明 |
JP2016007353A (ja) * | 2014-06-24 | 2016-01-18 | 富士フイルム株式会社 | 内視鏡システム及びその作動方法 |
CN107105991A (zh) * | 2015-10-07 | 2017-08-29 | 奥林巴斯株式会社 | 摄像系统、控制装置、控制方法以及控制程序 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6151073A (en) | 1996-03-28 | 2000-11-21 | Fotonation, Inc. | Intelligent camera flash system |
US20020191102A1 (en) | 2001-05-31 | 2002-12-19 | Casio Computer Co., Ltd. | Light emitting device, camera with light emitting device, and image pickup method |
JP2003319255A (ja) * | 2002-02-20 | 2003-11-07 | Casio Comput Co Ltd | 閃光装置付撮像装置、閃光装置の制御方法及び撮像方法、並びに撮像装置制御プログラム |
JP2006108759A (ja) * | 2004-09-30 | 2006-04-20 | Fuji Photo Film Co Ltd | 撮像装置 |
US7755672B2 (en) * | 2006-05-15 | 2010-07-13 | Zoran Corporation | Techniques for modifying image field data obtained using illumination sources |
US7869705B2 (en) * | 2008-01-21 | 2011-01-11 | Microsoft Corporation | Lighting array control |
CN102466520B (zh) | 2010-11-11 | 2014-12-17 | 香港纺织及成衣研发中心 | 多光谱成像颜色测量系统及其成像信号处理方法 |
DE102012216065A1 (de) * | 2012-09-11 | 2014-03-13 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Erkennung von zumindest einer gepulsten Lichtquelle für ein Fahrzeug |
TWI498848B (zh) * | 2014-10-13 | 2015-09-01 | Quanta Comp Inc | 多重曝光成像系統及其白平衡方法 |
KR20180036463A (ko) * | 2016-09-30 | 2018-04-09 | 삼성전자주식회사 | 이미지 처리 방법 및 이를 지원하는 전자 장치 |
-
2019
- 2019-10-04 CN CN201980065924.0A patent/CN112823509B/zh active Active
- 2019-10-04 US US17/282,391 patent/US11336835B2/en active Active
- 2019-10-04 WO PCT/EP2019/076983 patent/WO2020070322A1/en unknown
- 2019-10-04 EP EP19789879.4A patent/EP3861714A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020048177A1 (en) * | 2000-09-06 | 2002-04-25 | Rahm Peter R. | Apparatus and method for adjusting the color temperature of white semiconductor light emitters |
US20030098922A1 (en) * | 2001-11-27 | 2003-05-29 | Creo Il. Ltd. | Precision exposure setting in a digital imaging device |
CN1629716A (zh) * | 2003-12-18 | 2005-06-22 | 安捷伦科技有限公司 | 用于图像获取的闪光照明 |
JP2016007353A (ja) * | 2014-06-24 | 2016-01-18 | 富士フイルム株式会社 | 内視鏡システム及びその作動方法 |
CN107105991A (zh) * | 2015-10-07 | 2017-08-29 | 奥林巴斯株式会社 | 摄像系统、控制装置、控制方法以及控制程序 |
Also Published As
Publication number | Publication date |
---|---|
WO2020070322A1 (en) | 2020-04-09 |
US20210344827A1 (en) | 2021-11-04 |
CN112823509B (zh) | 2023-05-02 |
US11336835B2 (en) | 2022-05-17 |
EP3861714A1 (en) | 2021-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9787965B2 (en) | Camera system, color conversion device and method employed thereupon, and recording medium for color conversion program | |
Troscianko et al. | Image calibration and analysis toolbox–a free software suite for objectively measuring reflectance, colour and pattern | |
JP5496509B2 (ja) | 色分類および皮膚色検出のための画像処理のためのシステム、方法、および装置 | |
JP4287179B2 (ja) | デジタル画像の自動ホワイトバランスのための方法 | |
US20190038111A1 (en) | Endoscope system, image processing device, and method of operating image processing device | |
EP3284252B1 (en) | Methods and systems for camera characterization in terms of response function, color, and vignetting under non-uniform illumination | |
US20090160944A1 (en) | Camera flash module and method for controlling same | |
KR20050074590A (ko) | 광원 추정 장치, 광원 추정 방법, 촬상 장치 및 화상 처리방법 | |
US20140009603A1 (en) | Methods and systems for automatic capture of an image of a faint pattern of light emitted by a specimen | |
Ershov et al. | The cube++ illumination estimation dataset | |
WO2022247840A1 (zh) | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 | |
KR101150111B1 (ko) | 디지털 이미지의 자동화된 보정을 위한 시스템 및 방법 | |
CN113194303A (zh) | 图像白平衡方法、装置、电子设备和计算机可读存储介质 | |
JP2005311581A (ja) | 画像入力システム、変換マトリックス算出方法、及びプログラム | |
CN113628135A (zh) | 图像颜色校正方法、装置、计算机装置及存储介质 | |
KR101695246B1 (ko) | 광원 추정 장치 및 광원 추정 방법 | |
CN112823509B (zh) | 用于估计成像设备的曝光时间的方法和系统 | |
JP6552604B2 (ja) | デジタル顕微鏡の色再現を修正する方法、ならびにデジタル顕微鏡 | |
CN115361507B (zh) | 成像方法、染色成像的自动曝光控制方法及装置 | |
JP2018073122A (ja) | 画像処理装置および画像処理方法 | |
Kibria et al. | Smartphone-based point-of-care urinalysis assessment | |
JP2015501968A (ja) | 固有画像の生成を改良するための後処理 | |
JP2022006624A (ja) | 校正装置、校正方法、校正プログラム、分光カメラ、及び情報処理装置 | |
JP6883855B2 (ja) | 撮像装置及び撮像装置の制御方法 | |
CN109819150B (zh) | 一种多通道图像采集装置以及采集多通道图像的方法 |
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 |