CN112862711A - 一种图像的灰度值校正方法及装置 - Google Patents
一种图像的灰度值校正方法及装置 Download PDFInfo
- Publication number
- CN112862711A CN112862711A CN202110124132.5A CN202110124132A CN112862711A CN 112862711 A CN112862711 A CN 112862711A CN 202110124132 A CN202110124132 A CN 202110124132A CN 112862711 A CN112862711 A CN 112862711A
- Authority
- CN
- China
- Prior art keywords
- image
- gray value
- corrected
- gray
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005286 illumination Methods 0.000 claims abstract description 33
- 230000007547 defect Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域,公开了一种图像的灰度值校正方法及装置,所述图像的灰度值校正方法包括如下步骤:获取待校正图像中各个像素点的灰度值,其中,像素点(i,j)的灰度值为Gin(i,j);计算各个像素点的背景灰度值,其中,像素点(i,j)的背景灰度值为Gs(i,j);根据Gs(i,j)对Gin(i,j)进行修正得到Gcorrect(i,j);根据Gcorrect(i,j)输出校正图像,其中,Gcorrect(i,j)为校正图像中像素点(i,j)的灰度值。本发明通过计算背景灰度值,并根据背景灰度值对待校正图像中各个像素点的灰度值进行修正,可以消除待校正图像中由于光照不均产生的亮度不一致问题。同时,待校正图像中的特征部分与特征周围部分之间的灰度值差异得以保留,为图像中特征的识别与提取提供了良好的基础。
Description
技术领域
本发明属于图像处理技术领域,具体地说,涉及一种图像的灰度值校正方法及装置。
背景技术
图像采集时,由于收到光照条件的限制,采集到的图像中有时会存在光照不均匀的现象,呈现图像靠近光源部分较明亮,而远离光源部分较暗的情况,由此也就造成了所采集图像的灰度值分布跨度较大的情况。现有技术中,基于所采集的图像对其中的特征进行识别与提取时,主要依靠图像中特征部分与背景部分的灰度值差异辨别特征的位置与形状。然而,当图像的灰度值均一性较差时,特征部分的灰度值在小范围内能够区别于其周边的区域,但从整幅图像来看,其灰度值可能与图像中一些光照条件差别较大的部分较为接近。甚至可能出现特征部分的灰度值大小低于图像中较明亮部分的灰度值,但高于图像中较暗部分的灰度值的情况,给特征的识别与提取造成困难。
根据图像中灰度值差异进行特征识别与提取的一个应用方向为机器视觉技术用于板材的板面缺陷检测,但采集到的板面图像灰度值不均匀的问题限制了这一技术在板面缺陷检测中的应用。以刨花板为例,目前最为先进的刨花板生产设备是连续压机生产线,依靠工人在生产线上肉眼进行缺陷检测,效率底下。且工人长时间连续观察容易产生视觉疲劳,使得漏检率和误检率较高。采用机器视觉技术进行板面缺陷检测时,需要在生产线上进行板面图像的采集,从而根据采集到的图像进行板面缺陷检测。由于生产车间光照条件复杂,在采集刨花板板面图像时,通常需要架设人工光源。而受到生产车间内空间和板面幅面大小的限制,架设的人工光源往往无法在板面产生均匀的光照强度,进而造成板面图像中灰度值不均匀的情况,影响后续对板面缺陷的提取与识别。
有鉴于此,特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足,提供一种图像的灰度值校正方法及装置,能够消除图像中由于光照强度不均匀导致的灰度值不均匀现象,同时保留图像中特征部分与非特征部分的灰度值差异,有利于特征的识别与提取。
为解决上述技术问题,本发明采用技术方案的基本构思是:
一种图像的灰度值校正方法,包括如下步骤:
获取待校正图像中各个像素点的灰度值,其中,像素点(i,j)的灰度值为Gin(i,j);
计算各个像素点的背景灰度值,其中,像素点(i,j)的背景灰度值为Gs(i,j);
根据Gs(i,j)对Gin(i,j)进行修正得到Gcorrect(i,j);
根据Gcorrect(i,j)输出校正图像,其中,Gcorrect(i,j)为校正图像中像素点(i,j)的灰度值。
进一步地,还包括对灰度值Gin(i,j)进行第一次修正得到Gout(i,j);
所述根据Gs(i,j)对Gin(i,j)进行修正包括:根据Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
进一步地,其特征在于,所述第一次修正为对Gin(i,j)进行幂指数变化,所述幂指数变换的公式为:
其中,γ>0且γ不为1,且a的设定满足:0≤Gin(i,j)/a≤1,a的取值优选为225;
优选地,所述γ的设定满足:0<γ<1;
更优地,所述γ的设定满足:
优选满足:
其中,M为参数i所能取到的最大值,N为参数j所能取到的最大值,所述待校正图像的大小为M×N像素。
进一步地,所述计算各个像素点的背景灰度值具体包括:
获取n张背景图像,所述背景图像的大小与待校正图像的大小相同,所述背景图像与所述待校正图像在相同的光照条件下采集得到;
获取每张背景图像中像素点(i,j)的灰度值,其中,第k张背景图像中像素点(i,j)的灰度值为G′k(i,j);
对灰度值G′k(i,j)进行幂指数变换得到Gk(i,j),其中:
计算背景灰度值Gs(i,j),其中:
进一步地,所述第二次修正为:根据Gcorrect(i,j)=Gout(i,j)-Gs(i,j)+Δ计算Gcorrect(i,j);
其中,Δ为自然数,优选为正整数。
进一步地,还包括在一定光照条件下采集待校正图像,将待校正图像划分为多个像素点;
在相同的光照条件下采集n张背景图像,根据各张背景图像中像素点(i,j)的灰度值计算得到像素点(i,j)的背景灰度值Gs(i,j)。
进一步地,所述图像的灰度值校正方法应用于板材的板面缺陷检测,所述待校正图像为待检测板材的板面图像;
在相同的光照条件下采集n张背景图像包括:在与采集待检测板材的板面图像相同的光照条件下,对n张板面无缺陷的板材分别进行板面图像的采集。
本发明的另一目的是提供一种图像的灰度值校正装置,用于实现上述所述的图像的灰度值校正方法,包括:
灰度值获取模块,用于获取待校正图像中像素点(i,j)的灰度值Gin(i,j)并输送至计算模块;
计算模块,与所述灰度值获取模块连接,用于计算背景灰度值Gs(i,j),以及对Gin(i,j)进行修正得到Gcorrect(i,j),并将Gcorrect(i,j)输送至输出模块;
输出模块,与所述计算模块连接,用于根据Gcorrect(i,j)输出校正图像。
进一步地,所述计算模块对Gin(i,j)进行修正包括:对灰度值Gin(i,j)进行第一次修正得到Gout(i,j),以及根据Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
进一步地,所述灰度值获取模块还用于从n张背景图像中获取每张背景图像中像素点(i,j)的灰度值,其中,第k张背景图像中像素点(i,j)的灰度值为G′k(i,j);
所述灰度值获取模块将灰度值G′k(i,j)输送至计算模块,所述计算模块根据灰度值G′k(i,j)进行计算得到背景灰度值Gs(i,j);
优选地,所述图像的灰度值校正装置还包括采集模块,所述采集模块与灰度值获取模块连接,用于在相同的光照条件下采集待校正图像和n张背景图像并输送至灰度值获取模块。
采用上述技术方案后,本发明与现有技术相比具有以下有益效果。
本发明的图像的灰度值校正方法,通过计算背景灰度值,并根据背景灰度值对待校正图像中各个像素点的灰度值进行修正,可以消除待校正图像中由于光照不均产生的灰度值均匀性差的问题,同时能够保留待校正图像中特征部分与特征周围部分之间的灰度值差异,有利于图像中特征的识别与提取。
本发明的图像灰度值校正方法,对待校正图像中各个像素点的灰度值先进行幂指数变换,一定程度上缩小了整幅图像中灰度值分布的跨度,并通过对变换幂指数γ的大小限定,使图像整体亮度得到提升,有利于对图像的后续分析。
本发明的图像的灰度值校正方法,背景灰度值通过采集多张背景图像计算得到,可以更加准确地反应待校正图像采集时的光照条件,通过求取差值的方式对待校正图像中各个像素点的灰度值进行修正,可以有效消除灰度值不均匀的现象。
本发明的图像的灰度值校正方法用于板材的板面缺陷检测时,可以对采集到的板面图像进行灰度值校正,消除板面图像中灰度值不均匀的现象,使得后续通过图像对板面缺陷的提取与识别更加有效准确。
本发明的图像的灰度值校正装置,能够实现对待校正图像进行灰度值校正,消除图像中由于光照强度不均匀产生的灰度值差异大的现象,同时保留图像中特征部分与其他部分的灰度值差异,为图像中特征的识别与提取提供了良好的基础。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。在附图中:
图1是本发明实施例一中图像的灰度值校正方法流程图;
图2是本发明实施例一中待检测板材的原始板面图像;
图3是本发明实施例一中原始板面图像灰度值分布的顶视图;
图4是本发明实施例一中原始板面图像灰度值分布的侧视图;
图5是本发明实施例一中待检测板材的板面图像的校正图像;
图6是本发明实施例一中校正图像灰度值分布的顶视图;
图7是本发明实施例一中校正图像灰度值分布的侧视图;
图8是本发明实施例二中图像的灰度值校正装置的结构框图。
需要说明的是,这些附图和文字描述并不旨在以任何方式限制本发明的构思范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对实施例中的技术方案进行清楚、完整地描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
在本发明的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例一
如图1所示,本实施例提供一种图像的灰度值校正方法,包括如下步骤:
获取待校正图像中各个像素点的灰度值,其中,像素点(i,j)的灰度值为Gin(i,j);
计算各个像素点的背景灰度值,其中,像素点(i,j)的背景灰度值为Gs(i,j);
根据Gs(i,j)对Gin(i,j)进行修正得到Gcorrect(i,j);
根据Gcorrect(i,j)输出校正图像,其中,Gcorrect(i,j)为校正图像中像素点(i,j)的灰度值。
在上述方案中,由于采集时光照条件不均匀,待校正图像中存在灰度值不均匀的情况,整幅图像中灰度值分布跨度较大,通过获取各个像素点的灰度值分别进行修正,得到的校正图像分辨率高,图像中的信息准确。通过计算各个像素点的背景灰度值并与待校正图像中的像素点一一对应进行修正,可以消除灰度值不均匀的现象。而待校正图像中的特征部分与相应像素点的背景灰度值相差较大,在修正过程中,能够保留特征部分与特征周围部分之间的灰度值差异,有利于通过校正图像进行特征的识别与提取。
进一步地,所述图像的灰度值校正方法还包括对灰度值Gin(i,j)进行第一次修正得到Gout(i,j),然后根据背景灰度值Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
具体地,所述第一次修正为对Gin(i,j)进行幂指数变化,所述幂指数变换的公式为:
其中,γ>0且γ不为1,且a的设定满足:0≤Gin(i,j)/a≤1,a的取值优选为225。
在上述方案中,先对待校正图像中各个像素点的灰度值Gin(i,j)进行幂指数变换,从而可以在一定程度上缩小整幅图像中灰度值分布的跨度。具体地,本实施例中,a取225,待校正图像中各个像素点的灰度值范围为0~225,首先将其变换至0~1的范围区间,然后采用幂指数γ进行变换计算,最后再恢复到原灰度值范围区间0~225。
将灰度值转换到[0,1]区间内进行变换,当γ>1时,待校正图像的整体灰度值下降,且灰度值偏高的部分变化显著而灰度值低的部分变化相对平缓;当γ<1时,待校正图像的整体灰度值提升,灰度值偏低的部分灰度值迅速增加而偏高的部分变化相对缓慢。
本实施例的优选方案中,所述γ的设定满足:0<γ<1。在照明条件有限的情况下采集到的图像整体偏暗,通过设置0<γ<1,使得第一次修正后所得图像的灰度值整体有所提升,提高了图像的亮度。
更优地,所述γ的设定满足:
优选满足:
其中,M为参数i所能取到的最大值,N为参数j所能取到的最大值,所述待校正图像的大小为M×N像素。
在上述方案中,γ的具体取值对最终得到的校正图像的质量存在影响。当第一次修正后所得图像的灰度均值在100左右时,更有利于对图像的后续处理。
本实施例中,计算各个像素点的背景灰度值的具体步骤包括:
获取n张背景图像,所述背景图像的大小与待校正图像的大小相同,所述背景图像与所述待校正图像在相同的光照条件下采集得到;
获取每张背景图像中像素点(i,j)的灰度值,其中,第k张背景图像中像素点(i,j)的灰度值为G′k(i,j);
对灰度值G′k(i,j)进行幂指数变换得到Gk(i,j),其中:
计算背景灰度值Gs(i,j),其中:
在上述方案中,获取多张在相同的光照条件下采集到的背景图像用于背景灰度值Gs(i,j)的计算,可以更加准确的反应待校正图像采集时的光照条件,校正效果更好。对于每张背景图像中各个像素点的灰度值G′k(i,j),先进行幂指数变换,从而与经过幂指数变换的待校正图像相匹配。然后针对每个像素点对多张背景图像的进行幂指数变换后的灰度值Gk(i,j)取平均值作为背景灰度值Gs(i,j),可以消除少数背景图像中存在的灰度值误差较大的像素点对计算得到的背景灰度值Gs(i,j)的影响,确保所得背景灰度值Gs(i,j)的准确性。
进一步地,所述第二次修正为:根据Gcorrect(i,j)=Gout(i,j)-Gs(i,j)+Δ计算Gcorrect(i,j)。其中,Δ为自然数,优选为正整数。
在上述方案中,通过求取差值的方式对待校正图像中各个像素点的灰度值进行修正,可以有效消除灰度值不均匀的现象,计算方法简单,对图像的校正快速准确。
当待校正图像中的特征部分的灰度值低于图像整体灰度值的情况,会出现相应像素点的Gout(i,j)低于对应的背景灰度值Gs(i,j)的情况。针对上述情况,Δ的取值选取为正整数,可以保证修正后各个像素点的Gcorrect(i,j)均不低于0,避免了校正图像输出出错。
本实施例的进一步方案中,所述图像的灰度值校正方法还包括在一定光照条件下采集待校正图像,将待校正图像划分为多个像素点。在相同的光照条件下采集n张背景图像,根据各张背景图像中像素点(i,j)的灰度值计算得到像素点(i,j)的背景灰度值Gs(i,j)。
进一步地,所述图像的灰度值校正方法应用于板材的板面缺陷检测,具体应用于刨花板的板面缺陷检测,所述待校正图像为待检测板材的板面图像。在相同的光照条件下采集n张背景图像包括:在与采集待检测板材的板面图像相同的光照条件下,对n张板面砂光均匀且无缺陷的板材分别进行板面图像的采集。
为实现对生产线上生产的板材进行板面缺陷检测,需在生产车间内架设人工光源为经过生产线的板材照明,同时设置朝向生产线的采集装置,如摄像头。在每块待检测板材通过一个固定的采集位置时,采集装置采集待检测板材的板面图像,然后采用本实施例中图像的灰度值校正方法对采集到的板面图像进行校正,进而通过得到的校正图像进行板面缺陷的提取与识别。
背景灰度值Gs(i,j)的计算可以在采集待检测板材的板面图像之前进行。具体地,首先将人工光源的光照方向与强度固定,然后取n张板面砂光均匀且无缺陷的板材,取一张板材放置在所述采集位置上,控制采集装置进行采集,即获得一张背景图像。然后更换另一张板材,再次采集,直至n张板材的板面图像采集全部完成。进而可以根据得到的n张背景图像进行分析计算,得到当前光照条件下的背景灰度值Gs(i,j)。
保持人工光源的光照方向和强度固定,开启生产线开始板材的生产,并在每块板材通过采集位置时进行板面图像的采集,即可通过背景灰度值Gs(i,j)对采集到的待检测板材的板面图像进行灰度值校正,得到Gcorrect(i,j)。根据得到的Gcorrect(i,j)输出校正图像,即实现了板面图像的快速准确校正。
图2至图7为本实施例中图像的灰度值校正方法应用于板材的板面缺陷检测中的一个示例,其中待检测板材在生产线上进行采集得到的原始板面图像,人工光源在采集时位于板面正上方。
如图2所示,在得到的原始板面图像中,由于光源位于板面正上方,图像中央的亮度远高于图像边缘的亮度。图3和图4分别为原始板面图像灰度值分布的顶视图和侧视图,可以看出原始板面图像中缺陷处的灰度值虽然在小范围内低于其周边区域,但其灰度值却高于图像的边缘区域。
若通过设置灰度值阈值的方式从板面图像中提取板面缺陷,当采用原始板面图像进行缺陷提取时,在提取到板面缺陷的同时,还会不可避免地提取到图像边缘区域灰度值偏低的部分,加大了后期进行缺陷识别的工作量。
采用本实施例中图像的灰度值校正方法对图2所示的原始板面图像进行灰度值校正后,得到如图5所示的校正图像。可以看出,校正图像中的灰度值整体较为均匀,而位于原始板面图像下部的缺陷部分在校正图像中仍然与其他部分存在明显的灰度值差异,其位置与形状也没有出现明显变化。
图6和图7分别为校正图像灰度值分布的顶视图和侧视图,整幅图像的灰度值较为均匀,而且缺陷部分的灰度值明显区别于其他部分的灰度值,消除了原始板面图像中缺陷部分灰度值与图像边缘灰度值重合的现象。因此,采用校正图像进行缺陷的提取可以准确提取到板面图像中的缺陷部分,避免了误提取或漏提取的情况。
实施例二
如图8所示,本实施例提供一种图像的灰度值校正装置,用于实现上述实施例一所述的图像的灰度值校正方法。所述图像的灰度值校正装置包括:
灰度值获取模块,用于获取待校正图像中像素点(i,j)的灰度值Gin(i,j)并输送至计算模块;
计算模块,与灰度值获取模块连接,用于计算背景灰度值Gs(i,j),以及对Gin(i,j)进行修正得到Gcorrect(i,j),并将Gcorrect(i,j)输送至输出模块;
输出模块,与计算模块连接,用于根据Gcorrect(i,j)输出校正图像。
本实施例中,计算模块对Gin(i,j)进行修正包括:对灰度值Gin(i,j)进行第一次修正得到Gout(i,j),以及根据Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
优选地,所述第一次修正为对Gin(i,j)进行幂指数变化,即:
进一步地,灰度值获取模块还用于从n张背景图像中获取每张背景图像中像素点(i,j)的灰度值,其中,第k张背景图像中像素点(i,j)的灰度值为G′k(i,j)。灰度值获取模块将灰度值G′k(i,j)输送至计算模块,计算模块根据灰度值G′k(i,j)进行计算得到背景灰度值Gs(i,j)。
具体地,计算模块计算得到背景灰度值Gs(i,j)的步骤包括:
对灰度值G′k(i,j)进行幂指数变换得到Gk(i,j),其中:
根据Gk(i,j)计算背景灰度值Gs(i,j),其中:
本实施例的进一步方案中,所述图像的灰度值校正装置还包括采集模块,所述采集模块与灰度值获取模块连接,用于在相同的光照条件下采集待校正图像和n张背景图像并输送至灰度值获取模块。
本实施例的一种优选方案中,所述图像的灰度值校正装置应用于板材的板面缺陷检测,所述采集模块设置在板材的生产车间内,采集模块包括朝向板材的生产线设置的摄像头,用于采集经过的板材的板面图像。
其中,被采集的板材分为待检测板材和板面无缺陷的板材。对板面无缺陷的板材进行采集得到的板面图像作为背景图像输送至灰度值获取模块,灰度值获取模块从中获取灰度值G′k(i,j)。对待检测板材进行采集得到的板面图像作为待校正图像输送至灰度值获取模块,灰度值获取模块从中获取灰度值Gin(i,j)。
所述输出模块包括显示装置,计算模块计算得到的Gcorrect(i,j)输送至输出模块后,通过显示装置显示得到的校正图像。
本实施例中,图像的灰度值校正装置能够实现图像的采集,并对采集到的图像进行灰度值校正,消除图像中灰度值不均匀的现象,并保留图像中特征部分与其他部分的灰度值差异。本实施例的图像的灰度值校正装置可以用于对光照不均匀情况下采集到的图像进行灰度值校正,为图像中特征的识别与提取提供了良好的基础。
以上所述仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专利的技术人员在不脱离本发明技术方案范围内,当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明方案的范围内。
Claims (10)
1.一种图像的灰度值校正方法,其特征在于,包括如下步骤:
获取待校正图像中各个像素点的灰度值,其中,像素点(i,j)的灰度值为Gin(i,j);
计算各个像素点的背景灰度值,其中,像素点(i,j)的背景灰度值为Gs(i,j);
根据Gs(i,j)对Gin(i,j)进行修正得到Gcorrect(i,j);
根据Gcorrect(i,j)输出校正图像,其中,Gcorrect(i,j)为校正图像中像素点(i,j)的灰度值。
2.根据权利要求1所述的图像的灰度值校正方法,其特征在于,还包括对灰度值Gin(i,j)进行第一次修正得到Gout(i,j);
所述根据Gs(i,j)对Gin(i,j)进行修正包括:根据Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
5.根据权利要求2-4中任意一项所述的图像的灰度值校正方法,其特征在于,所述第二次修正为:根据Gcorrect(i,j)=Gout(i,j)-Gs(i,j)+Δ计算Gcorrect(i,j);
其中,Δ为自然数,优选为正整数。
6.根据权利要求1-5中任意一项所述的图像的灰度值校正方法,其特征在于,还包括在一定光照条件下采集待校正图像,将待校正图像划分为多个像素点;
在相同的光照条件下采集n张背景图像,根据各张背景图像中像素点(i,j)的灰度值计算得到像素点(i,j)的背景灰度值Gs(i,j)。
7.根据权利要求6中任意一项所述的图像的灰度值校正方法,其特征在于,所述图像的灰度值校正方法应用于板材的板面缺陷检测,所述待校正图像为待检测板材的板面图像;
在相同的光照条件下采集n张背景图像包括:在与采集待检测板材的板面图像相同的光照条件下,对n张板面无缺陷的板材分别进行板面图像的采集。
8.一种图像的灰度值校正装置,用于实现权利要求1-6中任意一项所述的图像的灰度值校正方法,其特征在于,包括:
灰度值获取模块,用于获取待校正图像中像素点(i,j)的灰度值Gin(i,j)并输送至计算模块;
计算模块,与所述灰度值获取模块连接,用于计算背景灰度值Gs(i,j),以及对Gin(i,j)进行修正得到Gcorrect(i,j),并将Gcorrect(i,j)输送至输出模块;
输出模块,与所述计算模块连接,用于根据Gcorrect(i,j)输出校正图像。
9.根据权利要求8所述的图像的灰度值校正装置,其特征在于,所述计算模块对Gin(i,j)进行修正包括:对灰度值Gin(i,j)进行第一次修正得到Gout(i,j),以及根据Gs(i,j)对Gout(i,j)进行第二次修正得到Gcorrect(i,j)。
10.根据权利要求8或9所述的图像的灰度值校正装置,其特征在于,所述灰度值获取模块还用于从n张背景图像中获取每张背景图像中像素点(i,j)的灰度值,其中,第k张背景图像中像素点(i,j)的灰度值为G′k(i,j);
所述灰度值获取模块将灰度值G′k(i,j)输送至计算模块,所述计算模块根据灰度值G′k(i,j)进行计算得到背景灰度值Gs(i,j);
优选地,所述图像的灰度值校正装置还包括采集模块,所述采集模块与灰度值获取模块连接,用于在相同的光照条件下采集待校正图像和n张背景图像并输送至灰度值获取模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110124132.5A CN112862711B (zh) | 2021-01-29 | 2021-01-29 | 一种图像的灰度值校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110124132.5A CN112862711B (zh) | 2021-01-29 | 2021-01-29 | 一种图像的灰度值校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862711A true CN112862711A (zh) | 2021-05-28 |
CN112862711B CN112862711B (zh) | 2022-09-16 |
Family
ID=75985979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110124132.5A Active CN112862711B (zh) | 2021-01-29 | 2021-01-29 | 一种图像的灰度值校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862711B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039451A (ja) * | 2009-08-18 | 2011-02-24 | Sharp Corp | 表示装置、輝度ムラ補正方法、補正データ作成装置、および補正データ作成方法 |
CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN105374014A (zh) * | 2015-08-25 | 2016-03-02 | 上海联影医疗科技有限公司 | 图像校正方法及装置、医学图像生成方法及装置 |
CN105447834A (zh) * | 2015-12-28 | 2016-03-30 | 浙江工业大学 | 一种基于特征分类的麻将图像光照不均校正方法 |
CN106297653A (zh) * | 2016-10-28 | 2017-01-04 | 重庆工商职业学院 | 一种基于图像处理的led屏像素点亮度校正方法及其系统 |
CN106651768A (zh) * | 2016-12-31 | 2017-05-10 | 上海联影医疗科技有限公司 | 图像校正方法及装置、x射线摄影设备 |
CN108088845A (zh) * | 2017-12-07 | 2018-05-29 | 武汉精测电子集团股份有限公司 | 一种基于微弱信息保留的成像校正方法与装置 |
CN108961172A (zh) * | 2018-05-17 | 2018-12-07 | 贵州莜桔西科技有限公司 | 一种基于Gamma校正的图像对比度增强方法 |
CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
-
2021
- 2021-01-29 CN CN202110124132.5A patent/CN112862711B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039451A (ja) * | 2009-08-18 | 2011-02-24 | Sharp Corp | 表示装置、輝度ムラ補正方法、補正データ作成装置、および補正データ作成方法 |
CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN105374014A (zh) * | 2015-08-25 | 2016-03-02 | 上海联影医疗科技有限公司 | 图像校正方法及装置、医学图像生成方法及装置 |
CN105447834A (zh) * | 2015-12-28 | 2016-03-30 | 浙江工业大学 | 一种基于特征分类的麻将图像光照不均校正方法 |
CN106297653A (zh) * | 2016-10-28 | 2017-01-04 | 重庆工商职业学院 | 一种基于图像处理的led屏像素点亮度校正方法及其系统 |
CN106651768A (zh) * | 2016-12-31 | 2017-05-10 | 上海联影医疗科技有限公司 | 图像校正方法及装置、x射线摄影设备 |
CN108088845A (zh) * | 2017-12-07 | 2018-05-29 | 武汉精测电子集团股份有限公司 | 一种基于微弱信息保留的成像校正方法与装置 |
CN108961172A (zh) * | 2018-05-17 | 2018-12-07 | 贵州莜桔西科技有限公司 | 一种基于Gamma校正的图像对比度增强方法 |
CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
郭慧 等: "人造板表面缺陷检测图像自适应快速阈值分割算法", 《林业科学》, vol. 54, no. 11, 30 November 2018 (2018-11-30) * |
郭慧 等: "基于机器视觉的刨花板表面缺陷检测系统", 《木材工业》, vol. 33, no. 3, 31 May 2019 (2019-05-31) * |
郭慧 等: "基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法", 《林业科学》, vol. 54, no. 11, 30 November 2018 (2018-11-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN112862711B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7978903B2 (en) | Defect detecting method and defect detecting device | |
CN106248686A (zh) | 基于机器视觉的玻璃表面缺陷检测装置及方法 | |
CN110225336B (zh) | 评估图像采集精度的方法及装置、电子设备、可读介质 | |
CN109872309B (zh) | 检测系统、方法、装置及计算机可读存储介质 | |
CN109167928A (zh) | 基于显示面板缺陷检测的快速自动曝光方法及系统 | |
CN113706495B (zh) | 一种在传送带上自动检测锂电池参数的机器视觉检测系统 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN109856164A (zh) | 一种机器视觉采集大范围图像的优化装置及其检测方法 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN115131353B (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN110415223B (zh) | 一种无参考的拼接图像质量评价方法及系统 | |
CN112489018B (zh) | 一种电力线智能巡线方法及巡线 | |
CN103188432B (zh) | 一种对焦准确度的定量判定装置与方法 | |
CN112862711B (zh) | 一种图像的灰度值校正方法及装置 | |
CN107248151A (zh) | 一种基于机器视觉的液晶片智能检测方法及系统 | |
CN110458882A (zh) | 一种基于计算机视觉的植物果实表型测定方法 | |
CN112837287B (zh) | 一种板面缺陷区域的提取方法及装置 | |
CN109448012A (zh) | 一种图像边缘检测方法及装置 | |
CN114354491A (zh) | 一种基于机器视觉的dcb陶瓷基板缺陷检测方法 | |
RU2346331C1 (ru) | Способ автоматического определения правильности отображения информации на жидкокристаллическом индикаторе | |
CN111127464A (zh) | 一种人眼充血检测装置 | |
CN113722672B (zh) | 一种VR Lens杂散光噪声的检测计算方法 | |
CN112541522B (zh) | 一种用电信息采集终端通信模块针脚正位度检测方法 |
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 |