CN113160082B - 一种基于参考图像的晕影校正方法、系统、装置及介质 - Google Patents
一种基于参考图像的晕影校正方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN113160082B CN113160082B CN202110409022.3A CN202110409022A CN113160082B CN 113160082 B CN113160082 B CN 113160082B CN 202110409022 A CN202110409022 A CN 202110409022A CN 113160082 B CN113160082 B CN 113160082B
- Authority
- CN
- China
- Prior art keywords
- reference image
- initial
- matrix
- image
- determining
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 142
- 238000007781 pre-processing Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 3
- 201000003152 motion sickness Diseases 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于参考图像的晕影校正方法、系统、装置及介质，方法包括:获取初始图像以及初始参考图像；对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像；本发明实现了对图像的快速晕影校正，能够降低晕影校正计算的复杂度、使得晕影校正计算可并行化，适合在需要快速晕影校正的工业检测场景下应用，能广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域，尤其是一种基于参考图像的晕影校正方法、系统、装置及介质。
背景技术
在理想情况下，相机对灰度均匀的物体成像时，所得图像的灰度也是均匀的。但在现实情况下，即使是灰度均匀的物体，成像所得图像各像素的灰度值也是各不相同的，通常呈现一种中间亮、四周暗的晕影现象。出现这种情况的主要原因是相机镜片中心和边缘的响应不一致。
目前，晕影校正分为硬件层面的方法和软件层面的方法。硬件层面的方法会嵌入到相机及其处理系统，使用晕影校正一般会影响相机的帧率。在需要高速拍摄的工业检测场景下，难以应用硬件层面的晕影校正方法。而软件层面的晕影校正方法一般脱离相机，直接从图像本身建模，适用于对采集到的相片进行后处理。现有软件层面的方法通过图像中各像素与中心像素间的距离，建立该距离为自变量的校正函数，对待校正的图像进行晕影校正。现有软件层面的晕影校正方法较为复杂，计算复杂度高，对相片进行后处理的计算效率低。
综上所述，如何在软件层面上进行快速晕影校正，是目前本领域的技术人员需要解决的技术问题。
发明内容
有鉴于此，本发明实施例提供一种基于参考图像的晕影校正方法、系统、装置及介质，以实现对图像进行快速晕影校正，提高晕影校正的效率。
一方面，本发明提供了一种基于参考图像的晕影校正方法，包括：
获取初始图像以及初始参考图像；
对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像。
优选地，所述获取初始图像以及初始参考图像，包括：
通过图像采集设备对白纸进行成像，确定所述初始参考图像；
其中，所述白纸覆盖整个所述图像采集设备的视野。
优选地，所述对所述初始参考图像进行晕影校正预处理，确定预处理参考图像，包括：
将所述初始参考图像从RGB空间映射到HSV空间，确定所述参考图像的初始V维度矩阵；
对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵；
选取所述预处理V维度矩阵的最大值，确定亮度最大值；
将所述初始V维度矩阵与所述亮度最大值相乘，确定间接V维度矩阵；
将所述间接V维度矩阵与所述预处理V维度矩阵进行逐元素除法计算，确定目标V维度矩阵；
根据所述目标V维度矩阵，将所述初始参考图像从HSV空间映射到RGB空间，确定所述预处理参考图像。
优选地，所述对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵，包括：
创建一个与所述初始参考图像大小相等的单位三通道矩阵；
将所述预处理参考图像与所述初始参考图像进行逐元素减法计算，确定逐元素减法计算结果；
将所述逐元素减法计算结果记录到所述单位三通道矩阵中，确定所述增益因子矩阵。
优选地，所述根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像，包括：
将所述初始图像的RGB三通道矩阵进行数据类型转换，确定转换后的三通道矩阵；
将所述转换后的三通道矩阵与所述增益因子矩阵进行逐元素乘法计算，确定逐元素乘法计算结果；
对所述逐元素乘法计算结果进行数据类型转换，确定目标图像。
优选地，所述对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵，包括：
根据所述初始参考图像的分辨率大小选取高斯卷积核，对所述初始V维度矩阵进行高斯平滑处理，确定预处理V维度矩阵。
另一方面，本发明实施例还公开了一种基于参考图像的晕影校正系统，包括：
第一模块，用于获取初始图像以及初始参考图像；
第二模块，用于对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
第三模块，用于对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
第四模块，用于根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像。
另一方面，本发明实施例还公开了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
另一方面，本发明实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
另一方面，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明获取初始图像以及初始参考图像；对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；能够降低晕影校正的失真性，提高选取参考图像的鲁棒性；对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像；能够降低晕影校正处理的计算复杂度，提高晕影校正处理的效率，能广泛应用于需要快速晕影校正的工业检测场景。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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获得其他的附图。
图1为本发明实施例的一种基于参考图像的晕影校正方法流程图；
图2为本发明实施例的一种基于参考图像的晕影校正方法的具体实施流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本发明实施例公开了一种基于参考图像的晕影校正方法，包括：
获取初始图像以及初始参考图像；
对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像。
进一步作为优选的实施方式，所述获取初始图像以及初始参考图像，包括：
通过图像采集设备对白纸进行成像，确定所述初始参考图像；
其中，所述白纸覆盖整个所述图像采集设备的视野。
其中，通过图像采集设备对灰度均匀物体成像可以得到参考图像；在理想情况下，图像采集设备对灰度均匀的物体成像时，所得图像的灰度也是均匀的；但是在现实情况下，由于相机镜片中心和边缘的响应不一致，灰度均匀的物体成像的灰度也是不均匀；所得图像表现为中间灰度值低，四周的灰度值高，即所得图像的中间亮度值高，四周亮度值低；选取灰度均匀的物体图像作为参考图像是因为参考图像的亮度值分布能完美反映晕影现象，而去除这种晕影现象也比较容易；为了进一步简化晕影校正的操作流程，选取对覆盖整个图像采集设备视野的白纸成像作为初始参考图像。
进一步作为优选的实施方式，所述对所述初始参考图像进行晕影校正预处理，确定预处理参考图像，包括：
将所述初始参考图像从RGB空间映射到HSV空间，确定所述参考图像的初始V维度矩阵；
对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵；
选取所述预处理V维度矩阵的最大值，确定亮度最大值；
将所述初始V维度矩阵与所述亮度最大值相乘，确定间接V维度矩阵；
将所述间接V维度矩阵与所述预处理V维度矩阵进行逐元素除法计算，确定目标V维度矩阵；
根据所述目标V维度矩阵，将所述初始参考图像从HSV空间映射到RGB空间，确定所述预处理参考图像。
其中，得到的初始参考图像是位于RGB空间的，RGB模型是面向硬件的，并不直接反映人眼感知色彩的亮度，R、G、B三个通道的值只是分别反映这三种颜色分量的亮度；故把初始参考图像从RGB空间映射到面向用户的HSV空间较为合适，其中V维度的值可以反映色彩的明亮程度；获取初始V维度矩阵，对初始V维度矩阵进行预处理，选取预处理后的间接V维度矩阵的最大值作为亮度最大值；将初始V维度矩阵乘以亮度最大值后与预处理后的间接V维度矩阵作逐元素除法得到目标V维度矩阵。
进一步作为优选的实施方式，所述对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵，包括：
创建一个与所述初始参考图像大小相等的单位三通道矩阵；
将所述预处理参考图像与所述初始参考图像进行逐元素减法计算，确定逐元素减法计算结果；
将所述逐元素减法计算结果记录到所述单位三通道矩阵中，确定所述增益因子矩阵。
其中，创建一个与初始参考图像大小相等、矩阵元素所有值为1的单位三通道矩阵M；将预处理参考图像的RGB三通道矩阵与初始参考图像的RGB三通道矩阵作逐元素减法，并记录差值大于0的位置；遍历每个差值大于0的位置i，矩阵M对应位置i的值：Mi＝Mi+Di/Ri,Di>0；其中Mi的初始值为1，Ri是初始参考图像位置i上的值，Di是预处理参考图像与初始参考图像作逐元素减法后位置i上的值；计算得到的矩阵M即为所述增益因子矩阵。
进一步作为优选的实施方式，所述根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像，包括：
将所述初始图像的RGB三通道矩阵进行数据类型转换，确定转换后的三通道矩阵；
将所述转换后的三通道矩阵与所述增益因子矩阵进行逐元素乘法计算，确定逐元素乘法计算结果；
对所述逐元素乘法计算结果进行数据类型转换，确定目标图像。
其中，为了提高计算效率，把所述初始图像的RGB三通道矩阵以及增益因子矩阵从内存传输到GPU中的显存中，利用GPU中计算单元的可并行性，极大地提升逐元素乘法的计算效率；将所述初始图像的RGB三通道矩阵进行数据类型转换，所述初始图像的RGB三通道矩阵一般为uint8类型，需要转换成float类型，以便于后续做浮点数乘法；将所述转换后的三通道矩阵与所述增益因子矩阵进行逐元素乘法计算，得到逐元素乘法计算结果；对所述逐元素乘法计算结果进行数据类型转换得到目标图像；逐元素乘法结果为float类型，一般需要转换成uint8类型；易知，uint8类型的取值范围是0-255；但逐元素乘法的结果可能会超过255，这就需要对超过该范围的值进行截断，大于255的值截断成255；显然，float类型的值转换成uint8类型之后，会丢失小数部分，损失一定的精度；为了提升一些精度，对做过截断处理后的结果，可以做四舍五入处理之后再转换uint8类型；为了追求极致的计算效率，本实施例的另一种实施方式，也可以直接丢弃小数部分，强行转换成uint8类型，无需做四舍五入处理。
进一步作为优选的实施方式，所述对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵，包括：
根据所述初始参考图像的分辨率大小选取高斯卷积核，对所述初始V维度矩阵进行高斯平滑处理，确定预处理V维度矩阵。
其中，根据所述初始参考图像的分辨率大小选取高斯卷积核；卷积核大小为k×k，若处理的图像尺寸较大，可以选择k值较大的卷积核；该卷积核对应高斯分布的标准差σx＝σy，若x轴标准差σx和y轴标准差σy的值选择越大，则图像处理效果越模糊；利用该高斯卷积核对亮度维度矩阵做卷积，目的是减少原参考图像中污点、噪点对该位置亮度的影响。
参照图2，获取覆盖整个图像采集设备视野的白纸图像，作为初始参考图像；利用图像采集设备实时采集待晕影校正的初始图像，也可以在预先设置的存储设备中读取待晕影校正的初始图像；将初始参考图像从RGB空间映射到HSV空间，获得V维度矩阵——即亮度维度矩阵，并进行预处理；从亮度维度矩阵中选取最大亮度值，然后将未进行预处理的原亮度维度矩阵乘于最大亮度值后与预处理后的亮度维度矩阵作逐元素除法得到目标V维度矩阵，此操作目的是让目标V维度矩阵的各位置亮度对齐中心区域的亮度；获取目标V维度矩阵后，与原来的H维度矩阵以及S维度矩阵相结合，从HSV空间重新映射到RGB空间，得到预处理参考图像；根据预处理参考图像以及初始参加图像计算得到RGB三通道增益因子矩阵；根据所述RGB三通道增益因子矩阵，将初始图像映射到RGB空间，与所述RGB三通道增益因子矩阵作逐元素乘法，对逐元素乘法的结果作所需的数据类型转换后得到晕影校正后的目标图像。
本发明实施例还公开了一种基于参考图像的晕影校正系统，包括：
第一模块，用于获取初始图像以及初始参考图像；
第二模块，用于对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
第三模块，用于对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
第四模块，用于根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像。
与图1的方法相对应，本发明实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如前面所述的方法。
与图1的方法相对应，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
相关技术中，晕影校正分为硬件层面的方法和软件层面的方法；硬件层面的方法会嵌入到相机及其处理系统，使用晕影校正一般会影响相机的帧率；在需要高速拍摄的工业检测场景下，难以应用硬件层面的晕影校正方法；软件层面的方法通过图像中各像素与中心像素间的距离，建立该距离为自变量的校正函数，对待校正的图像进行晕影校正；这种晕影校正方法较为复杂，计算复杂度高，对相片进行后处理的计算效率低。
综上所述，本发明实施例具有以下优点：
1)本发明实施例的方法操作简单，仅需一张灰度均匀物体自然成像的暗角图像作为参考图像即可；
2)本发明计算复杂度低、计算可并行化，适合在需要快速晕影校正的工业检测场景下应用。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种基于参考图像的晕影校正方法，其特征在于，包括：
获取初始图像以及初始参考图像；
对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像；
其中，所述对所述初始参考图像进行晕影校正预处理，确定预处理参考图像，包括：
将所述初始参考图像从RGB空间映射到HSV空间，确定所述初始参考图像的初始V维度矩阵；
对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵；
选取所述预处理V维度矩阵的最大值，确定亮度最大值；
将所述初始V维度矩阵与所述亮度最大值相乘，确定间接V维度矩阵；
将所述间接V维度矩阵与所述预处理V维度矩阵进行逐元素除法计算，确定目标V维度矩阵；
根据所述目标V维度矩阵，将所述初始参考图像从HSV空间映射到RGB空间，确定所述预处理参考图像。
2.根据权利要求1所述的一种基于参考图像的晕影校正方法，其特征在于，所述获取初始图像以及初始参考图像，包括：
通过图像采集设备对白纸进行成像，确定所述初始参考图像；
其中，所述白纸覆盖整个所述图像采集设备的视野。
3.根据权利要求1所述的一种基于参考图像的晕影校正方法，其特征在于，所述对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵，包括：
创建一个与所述初始参考图像大小相等的单位三通道矩阵；
将所述预处理参考图像与所述初始参考图像进行逐元素减法计算，确定逐元素减法计算结果；
将所述逐元素减法计算结果记录到所述单位三通道矩阵中，确定所述增益因子矩阵。
4.根据权利要求1所述的一种基于参考图像的晕影校正方法，其特征在于，所述根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像，包括：
将所述初始图像的RGB三通道矩阵进行数据类型转换，确定转换后的三通道矩阵；
将所述转换后的三通道矩阵与所述增益因子矩阵进行逐元素乘法计算，确定逐元素乘法计算结果；
对所述逐元素乘法计算结果进行数据类型转换，确定目标图像。
5.根据权利要求1所述的一种基于参考图像的晕影校正方法，其特征在于，所述对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵，包括：
根据所述初始参考图像的分辨率大小选取高斯卷积核，对所述初始V维度矩阵进行高斯平滑处理，确定预处理V维度矩阵。
6.一种基于参考图像的晕影校正系统，其特征在于，包括：
第一模块，用于获取初始图像以及初始参考图像；
第二模块，用于对所述初始参考图像进行晕影校正预处理，确定预处理参考图像；
第三模块，用于对所述预处理参考图像以及所述初始参考图像进行增益因子矩阵计算，确定增益因子矩阵；
第四模块，用于根据所述增益因子矩阵，对所述初始图像进行晕影校正处理，确定目标图像；
其中，所述第二模块，用于对所述初始参考图像进行晕影校正预处理，确定预处理参考图像，包括：
将所述初始参考图像从RGB空间映射到HSV空间，确定所述初始参考图像的初始V维度矩阵；
对所述初始V维度矩阵进行预处理，确定预处理V维度矩阵；
选取所述预处理V维度矩阵的最大值，确定亮度最大值；
将所述初始V维度矩阵与所述亮度最大值相乘，确定间接V维度矩阵；
将所述间接V维度矩阵与所述预处理V维度矩阵进行逐元素除法计算，确定目标V维度矩阵；
根据所述目标V维度矩阵，将所述初始参考图像从HSV空间映射到RGB空间，确定所述预处理参考图像。
7.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110409022.3A CN113160082B (zh) | 2021-04-16 | 2021-04-16 | 一种基于参考图像的晕影校正方法、系统、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110409022.3A CN113160082B (zh) | 2021-04-16 | 2021-04-16 | 一种基于参考图像的晕影校正方法、系统、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113160082A CN113160082A (zh) | 2021-07-23 |
| CN113160082B true CN113160082B (zh) | 2023-05-23 |
Family
ID=76868004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110409022.3A Active CN113160082B (zh) | 2021-04-16 | 2021-04-16 | 一种基于参考图像的晕影校正方法、系统、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160082B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116405614B (zh) * | 2022-06-10 | 2024-01-30 | 上海玄戒技术有限公司 | 一种镜头阴影校正方法、装置、电子设备、芯片及介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7634152B2 (en) * | 2005-03-07 | 2009-12-15 | Hewlett-Packard Development Company, L.P. | System and method for correcting image vignetting |
| US9001238B1 (en) * | 2013-09-16 | 2015-04-07 | Himax Imaging Limited | Lens shading correction method and image signal processor for performing the same |
| JP6327071B2 (ja) * | 2014-09-03 | 2018-05-23 | オムロン株式会社 | 画像処理装置および画像処理方法 |
| CN107071234B (zh) * | 2017-01-23 | 2020-03-20 | 上海兴芯微电子科技有限公司 | 一种镜头阴影校正方法及装置 |
| CN107231525A (zh) * | 2017-05-31 | 2017-10-03 | 深圳可思美科技有限公司 | 图像暗角自适应补偿方法和装置 |
-
2021
- 2021-04-16 CN CN202110409022.3A patent/CN113160082B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113160082A (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Practical deep raw image denoising on mobile devices | |
| Lamba et al. | Restoring extremely dark images in real time | |
| Galdran | Image dehazing by artificial multiple-exposure image fusion | |
| US20200160493A1 (en) | Image filtering based on image gradients | |
| CN110008817B (zh) | 模型训练、图像处理方法、装置、电子设备及计算机可读存储介质 | |
| Park et al. | Single image dehazing with image entropy and information fidelity | |
| US7324701B2 (en) | Image noise reduction | |
| US20170280073A1 (en) | Systems and Methods for Reducing Noise in Video Streams | |
| KR20210139450A (ko) | 이미지 디스플레이 방법 및 디바이스 | |
| CN108989699B (zh) | 图像合成方法、装置、成像设备、电子设备以及计算机可读存储介质 | |
| CN111402146A (zh) | 图像处理方法以及图像处理装置 | |
| CN110136055B (zh) | 图像的超分辨率方法和装置、存储介质、电子装置 | |
| CN111079764A (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
| Choi et al. | Reconstructing interlaced high-dynamic-range video using joint learning | |
| Singh et al. | Weighted least squares based detail enhanced exposure fusion | |
| CN113160082B (zh) | 一种基于参考图像的晕影校正方法、系统、装置及介质 | |
| CN113379609A (zh) | 一种图像处理方法、存储介质及终端设备 | |
| CN111062984B (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
| US10757318B2 (en) | Determination of a contrast value for a digital image | |
| WO2014002811A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| CN111080683A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN111754412A (zh) | 构建数据对的方法、装置及终端设备 | |
| Singh et al. | Detail Enhanced Multi-Exposer Image Fusion Based on Edge Perserving Filters | |
| CN113379608A (zh) | 一种图像处理方法、存储介质及终端设备 | |
| Wu et al. | High Dynamic Range Imaging with Multi-Exposure Binning on Quad Bayer Color Filter Array |
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 |