CN113724171B - 图像的校正方法、装置、存储介质及电子装置 - Google Patents
图像的校正方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113724171B CN113724171B CN202111076857.8A CN202111076857A CN113724171B CN 113724171 B CN113724171 B CN 113724171B CN 202111076857 A CN202111076857 A CN 202111076857A CN 113724171 B CN113724171 B CN 113724171B
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- template
- pixel
- correction
- 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 37
- 238000003702 image correction Methods 0.000 title claims description 10
- 238000012937 correction Methods 0.000 claims abstract description 198
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 230000000903 blocking effect Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像的校正方法、装置、存储介质及电子装置，其中，该方法包括：利用目标图像采集设备采集预定数量的第一图像，其中，第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，目标图像采集设备为进行过非均匀性校正后的设备；基于第一图像确定模板图像；基于模板图像，对目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。通过本发明，解决了相关技术中存在的校正图像不准确的问题，达到提高校正图像准确率的效果。
Description
技术领域
本发明实施例涉及通信领域，具体而言，涉及一种图像的校正方法、装置、存储介质及电子装置。
背景技术
红外焦平面阵列中各探测单元的响应特性不一致是由探测单元加工制造过程的多种因素引起，如红外焦平面阵列中探测单元的有效感光面积不等、半导体掺杂浓度差异以及光学结构等多个因素共同导致了各探测单元的响应不一致，而且这种现象同时表现在时间和空间上。
在相关技术中，使用的非均匀校正方法都是两点或者多点校正，其本质是一样的，只是运算量的大小有区别。两点校正基本上能满足大部分应用场景，但是在一些要求非常高的应用场景例如人体测温，要求在对照均匀面时，整个焦平面均匀度在±0.3℃时，仅用两点校正的均匀度就不能满足要求。
由此可知，相关技术中存在校正图像不准确的问题。
针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像的校正方法、装置、存储介质及电子装置，以至少解决相关技术中存在的校正图像不准确的问题。
根据本发明的一个实施例，提供了一种图像的校正方法，包括：利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；基于所述第一图像确定模板图像；基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。
根据本发明的另一个实施例，提供了一种图像采集设备的校正装置，包括：采集模块，用于利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；确定模块，用于基于所述第一图像确定模板图像；校正模块，用于基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。
根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，利用目标图像采集设备采集预定数量的第一图像，根据第一图像确定模板图像，根据模板图像，对目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。由于通过模板图像对进行过非均匀性校正后的设备所采集的图像进行像素校正，实现了对实时图像的二次校正，因此，可以解决相关技术中存在的校正图像不准确的问题，达到提高校正图像准确率的效果。
附图说明
图1是本发明实施例的一种图像的校正方法的移动终端的硬件结构框图；
图2是根据本发明实施例的图像的校正方法的流程图；
图3是根据本发明示例性实施例的长方形分块方式示意图；
图4是根据本发明示例性实施例的椭圆形分块方式示意图；
图5是根据本发明示例性实施例的计算方差以及协方差示意图；
图6是根据本发明示例性实施例的计算每一像素点的第四校正系数示意图；
图7是根据本发明示例性实施例的确定校正系数值的流程图；
图8是根据本发明具体实施例的图像的校正方法流程图；
图9是根据本发明实施例的图像的校正装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种图像的校正方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的图像的校正方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图像的校正方法，图2是根据本发明实施例的图像的校正方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；
步骤S204，基于所述第一图像确定模板图像；
步骤S206，基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。
在上述实施例中，目标图像采集设备可以为红外设备，如红外相机等。可以对目标图像采集设备进行非均匀性校正，在进行非均匀性校正时，可以首先利用图像采集设备分别采集高温均匀面以及低温均匀面。根据高温均匀面和低温均匀面确定增益系数K，根据增益系数确定偏置参数B，从而得到第一次校正y＝K*x+B，得到校正后的目标图像采集设备，目标图像采集设备输出的图像即为校正后的图像。其中，高温均匀面可以为80℃(该取值仅是一种示例性说明，还可以为90℃、60℃等，本发明对此不做限制)的均匀面，低温均匀面可以为20℃(该取值仅是一种示例性说明，还可以为30℃、10℃等，本发明对此不做限制)的均匀面。
在上述实施例中，预定值可以是介于高温均匀面对应的温度以及低温均匀面对应的温度之间的温度，例如，40℃、50℃等，预定值可以根据应用场景自定义设置，本发明对此不作限制。目标数量也是可以自定义设置的，例如，16帧，32帧等。在得到模板图像后，可以根据模板图像对目标图像采集设备采集到的实时图像进行像素校正。
可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等红外模块，数据处理设备可以包括计算机、手机等终端，但不限于此。
通过本发明，利用目标图像采集设备采集预定数量的第一图像，根据第一图像确定模板图像，根据模板图像对目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。由于通过模板图像对进行过非均匀性校正后的设备采集的图像进行像素校正，实现了对实时图像的二次校正，因此，可以解决相关技术中存在的校正图像不准确的问题，达到提高校正图像准确率的效果。
在一个示例性实施例中，基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像包括：基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值；基于所述像素校正值校正所述实时图像，得到校正后的实时图像。在本实施例中，可以根据模板图像以及实时图像确定对实时图像进行像素校正时的像素校正值，根据像素校正值对实时图像进行校正。由于实时图像是目标图像采集设备所采集的图像，目标图像采集设备已经经过了非均匀性校正，即实时图像是经过一次校正后得到的图像，再根据像素校正值对实时图像进行校正，即对实时图像进行了二次校正。因此，校正后的实时图像具备较高的准确性。
在一个示例性实施例中，基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值包括：对所述模板图像以及所述实时图像按照第一方式进行分块处理，得到多个第一模板子图像以及多个实时子图像；基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数；确定所述模板图像的像素值的第一平均值；基于所述第一平均值以及所述模板图像确定目标模板图像，并对所述目标模板图像按照第二方式进行分块处理，得到多个第二模板子图像；基于所述多个第二模板子图像的像素值确定第二校正系数；基于所述第一校正系数以及所述第二校正系数确定所述像素校正值。在本实施例中，在确定像素校正值时，可以对模板图像和实时图像按照相同的方式进行分块处理。第一方式可以是需要根据实际情况确定方式，如果采集到的模板比较均匀，则可以采用正方或长方形分块，如果采集到的模板是不均匀的情况，则采用分块的方式就可以根据实际情况，采用圆形或椭圆形分块。其中，长方形分块方式示意图可参见附图3，椭圆形分块方式示意图可参见附图4。当分块采用不规则模式(如椭圆形分块方式)时，则可以在图像的边缘处进行镜像补边，以得到准确的像素校正值。
在上述实施例中，在对目标模板图像按照第二方式进行分块处理时，采用的分块方式可以与第一方式相同，也可以与第一方式不同。第二方式是根据目标图像的实际情况进行分块的，从而可以是计算得到的像素校正值更加精准。
在一个示例性实施例中，基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数包括：确定每个所述第一模板子图像的像素值的方差；确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差，其中，所述目标子图像为在所述多个实时子图像中与所述第一模板子图像处于相同位置的图像；基于所述方差以及所述协方差确定所述第一校正系数。在本实施例中，可以根据每个第一模板子图像的像素值的方差和每个第一模板子图像的像素值与目标子图像的像素值的协方差确定第一校正系数。
在一个示例性实施例中，基于所述方差以及所述协方差确定所述第一校正系数包括：将每个所述第一模板子图像对应的所述协方差与所述方差的比值确定为每个所述第一模板子图像的图像系数；确定所述图像系数中包括的大于预定阈值的第一图像系数所对应第一协方差以及第二方差；确定所述第一协方差的第一和，以及所述第二方差的第二和；确定每个所述第一模板子图像的协方差的第三和，以及每个所述第一模板子图像的方差的第四和；确定第三和与所述第一和的第一差，以及所述第四和与所述第二和的第二差；基于所述第一差与所述第二差的比值确定所述第一校正系数。在本实施例中，可以通过表示每个第一模板子图像的图像系数。其中，Ci(Xi，Mi)表示协方差，Di表示方差。在确定出每个第一模板子图像的图像系数后，可以使用预定阈值T筛选系数，如果BlockRi＞T则该块的协方差被标记为C′i(Xi，Mi)，模板的方差被标记为D′i；最后计算该帧的系数，确定所有块的协方差累加减去被标记的协方差得到第一差，以及所有块的模板方差减去被标记的模板方差得到第二差。根据第一差和第二差的比值确定第一校正系数。其中，第一差和第二差的比值用公式可以表示为
在上述实施例中，使用协方差和模板方差的比值，并通过T值进行筛选，得到的整帧校正系数更为精准，而非相关系数，而且相关系数在某些场景下回失效，导致校正结果更差。在本实施例中，在二次校正的实时自适应校正时，使用相似系数，而非相关系数进行实时校正，避免出现模板和场景计算出的相关系数解决零时无法对图像进行非均匀校正。不仅使用整帧校正系数，而且对每一个像素进行精细调整，从而达到更高的均匀性。
在一个示例性实施例中，基于所述第一差与所述第二差的比值确定所述第一校正系数：获取基于相邻模板图像确定的相邻校正系数，其中，所述相邻模板图像为在采集所述模板图像之前采集的，且与所述模板图像相邻的图像；确定第一常数与预定步长的第三差；确定所述预定步长与所述相邻校正系数的第一乘积；确定所述第三差与所述比值的第二乘积；将所述第一乘积与所述第二乘积的和确定为所述第一校正系数。在本实施例中，在确定出第一差和第二差的比值α后，可以对该比值α进行多帧平滑处理。第一常数可以为1，当第一常数为1时，第一校正系数的计算公式如下α′＝(1-step)*α+step*α″，其中，step是平滑步长(即预定步长)，取值0.0～1.0之间，α是当前帧计算得到的系数，α″是上一帧使用的系数，即相邻校正系数。
在一个示例性实施例中，确定每个所述第一模板子图像的像素值的方差包括：确定所述第一模板子图像的像素值的第一平方，确定所述第一模板子图像的像素值的第二平均值的第二平方，将所述第一平方与所述第二平方的差值确定为所述方差；确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差包括：确定所述第一模板子图像内的每个像素值与所述目标子图像中的对应像素值的乘积的第一累加和，确定所述第一累加和的第三平均值，确定所述第一模板子图像内的每个像素值的第二累加和的第四平均值，确定所述目标子图像中的每个像素值的第三累加和的第五平均值，确定所述第四平均值与所述第五平均值的第三乘积，将所述第三平均值与所述第三乘积的差确定为所述协方差。在本实施例中，每个第一模板子图像的像素值的方差可以通过计算。其中，i代表图像的第i块，即第i块第一模板子图像，表示模板第i块内的像素的平方的平均值，表示模板第i块内的像素的平均的平方。协方差可以表示为其中，Ci(Xi，Mi)表示第i块模板和实时图像的协方差，其中中的Xi表示第i块内的实时像素，Mi表示和实时图像相同的分块相同位置的像素；表示第i块内所有对应点实时像素和模板像素乘积的累加和的平均。表示第i块内实时像素累加和均值和模板像素累加和均值的乘积。其中，计算方差以及协方差示意图可参见附图5。
在一个示例性实施例中，基于所述第一平均值以及所述模板图像确定目标模板图像包括：确定所述模板图像的每个像素点的像素值与所述第一平均值的第四差，以得到多个像素值；将所述多个像素值构成的图像确定为所述目标模板图像。在本实施例中，可以根据模板图像的像素值M，求整帧图像的像素值的均值模板中每一个点减去均值得到目标模板图像
在一个示例性实施例中，基于所述多个第二模板子图像的像素值确定第二校正系数包括：确定每个所述第二模板子图像中包括的像素点的像素值的第六平均值；将每个所述第六平均值与所述第一平均值的比值确定为每个所述第二模板子图像的第三校正系数；基于双线性插值以及所述第三校正系数确定所述第二模板子图像中的每个像素点的第四校正系数；将所述第四校正系数确定为所述第二校正系数。在本实施例中，可以对目标模板图像进行长方形分块，分块大小可以是分辨率可整除的值，并求每一块第二模板子图像的像素值均值，即第六平均值block_meani，则第二模板子图像的第三校正系数为
在上述实施例中，在确定出第三校正系数后，可以计算每一点像素的第四校正系数，采用双线性插值计算每一像素点的校正系数coefi(即第四校正系数)。其中，计算每一像素点的第四校正系数示意图可参见附图6，如图6所示，黑块为每块的中心像素，其值为block_coefi，若待处理像素处于区域1，则该像素的校正系数coef＝block_coefi，若待处理像素处于区域2，则该像素较正系数采用相邻两块校正系数线性插值结果，插值权重为离两个块中心的距离；若带校正系数处于区域3，则该校正系数采取相邻四块校正系数的双线性插值结果，插值权重为离四个块中心距离。在每一个像素上使用双线性插值进行细微调整，可以达到更高的均匀性。
在一个示例性实施例中，基于所述第一校正系数以及所述第二校正系数确定所述像素校正值包括：针对所述实时图像中包括的每个像素点均执行以下操作：确定所述第一校正系数与所述像素点的所述第四差的第四乘积；确定第二常数与所述第一校正系数的第五差；确定所述第五差与所述第二校正系数中包括的与所述像素点对应的校正系数的第五乘积；确定所述第四乘积与所述第五乘积的第五和；将所述像素点的采集像素值与所述第五和的差确定为像素校正值。在本实施例中，第二常数可以为1，在确定出第一校正系数和第二校正系数后，即可确定出像素校正值，可通过公式Yi＝Xi-(α′*M′i+(1-α′)*coefi)计算像素校正值。其中，Xi为目标图像采集设备实际采集到的第i块的像素值，Yi为输出的第i块的像素值，M′i为第四差，α′为第一校正系数，coefi为第i块的第二校正系数。确定校正系数值的流程图可参见附图7。
在一个示例性实施例中，基于所述目标数量的所述第一图像确定模板图像包括：确定所述目标数量的所述第一图像的每个像素点的像素平均值；将所述第一图像的所述每个像素点的像素值调整为所述每个像素点对应的所述像素平均值；将调整了像素值的所述第一图像确定为所示模板图像。在本实施例中，第一图像可以是目标图像采集设备在稳定状态下，连续采集的多帧图像，可以将连续多帧图像的平均图像确定为模板图像。其中，平均图像的每个像素点的像素值为连续多帧图像中该点的像素值的平均值。
下面结合具体实施方式对图像的校正方法进行说明：
图8是根据本发明具体实施例的图像的校正方法流程图，如图8所示，该流程包括：
步骤S802，采集高温均匀面。
步骤S804，采集低温均匀面。
步骤S806，计算增益系数K。
步骤S808，计算偏置参数B。
步骤S810，第一次校正y＝K*x+B，得到校正后的目标图像采集设备。
步骤S812，将第一次校正后的设备对照介于高温和低温中间的均匀面，等待设备运行至稳定状态。
步骤S814，连续采集稳定状态下16帧或32帧，并求出16帧或32帧的平均图像作为模板图像。
步骤S816，根据目标计算相似系数α，同时计算每个像素的校正系数coef。
步骤S818，对第一次校正后的图像进行二次校正，y＝x-(α*mode+(1-α)*coef)，对应于上述Yi＝Xi-(α′*Mi+(1-α′)*coefi)。需要说明的是，x是第一次校正输出的y。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
在本实施例中还提供了一种图像的校正装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图9是根据本发明实施例的图像的校正装置的结构框图，如图9所示，该装置包括：
采集模块92，用于利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；
确定模块94，用于基于所述第一图像确定模板图像；
校正模块96，用于基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像：基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值；基于所述像素校正值校正所述实时图像，得到校正后的实时图像。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值：对所述模板图像以及所述实时图像按照第一方式进行分块处理，得到多个第一模板子图像以及多个实时子图像；基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数；确定所述模板图像的像素值的第一平均值；基于所述第一平均值以及所述模板图像确定目标模板图像，并对所述目标模板图像按照第二方式进行分块处理，得到多个第二模板子图像；基于所述多个第二模板子图像的像素值确定第二校正系数；基于所述第一校正系数以及所述第二校正系数确定所述像素校正值。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数：确定每个所述第一模板子图像的像素值的方差；确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差，其中，所述目标子图像为在所述多个实时子图像中与所述第一模板子图像处于相同位置的图像；基于所述方差以及所述协方差确定所述第一校正系数。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述方差以及所述协方差确定所述第一校正系数：将每个所述第一模板子图像对应的所述协方差与所述方差的比值确定为每个所述第一模板子图像的图像系数；确定所述图像系数中包括的大于预定阈值的第一图像系数所对应第一协方差以及第二方差；确定所述第一协方差的第一和，以及所述第二方差的第二和；确定每个所述第一模板子图像的协方差的第三和，以及每个所述第一模板子图像的方差的第四和；确定第三和与所述第一和的第一差，以及所述第四和与所述第二和的第二差；基于所述第一差与所述第二差的比值确定所述第一校正系数。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述第一差与所述第二差的比值确定所述第一校正系数：获取基于相邻模板图像确定的相邻校正系数，其中，所述相邻模板图像为在采集所述模板图像之前采集的，且与所述模板图像相邻的图像；确定第一常数与预定步长的第三差；确定所述预定步长与所述相邻校正系数的第一乘积；确定所述第三差与所述比值的第二乘积；将所述第一乘积与所述第二乘积的和确定为所述第一校正系数。
在一个示例性实施例中，校正模块96可以通过如下方式实现确定每个所述第一模板子图像的像素值的方差：确定所述第一模板子图像的像素值的第一平方，确定所述第一模板子图像的像素值的第二平均值的第二平方，将所述第一平方与所述第二平方的差值确定为所述方差；校正模块96可以通过如下方式确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差：确定所述第一模板子图像内的每个像素值与所述目标子图像中的对应像素值的乘积的第一累加和，确定所述第一累加和的第三平均值，确定所述第一模板子图像内的每个像素值的第二累加和的第四平均值，确定所述目标子图像中的每个像素值的第三累加和的第五平均值，确定所述第四平均值与所述第五平均值的第三乘积，将所述第三平均值与所述第三乘积的差确定为所述协方差。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述第一平均值以及所述模板图像确定目标模板图像：确定所述模板图像的每个像素点的像素值与所述第一平均值的第四差，以得到多个像素值；将所述多个像素值构成的图像确定为所述目标模板图像。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述多个第二模板子图像的像素值确定第二校正系数：确定每个所述第二模板子图像中包括的像素点的像素值的第六平均值；将每个所述第六平均值与所述第一平均值的比值确定为每个所述第二模板子图像的第三校正系数；基于双线性插值以及所述第三校正系数确定所述第二模板子图像中的每个像素点的第四校正系数；将所述第四校正系数确定为所述第二校正系数。
在一个示例性实施例中，校正模块96可以通过如下方式实现基于所述第一校正系数以及所述第二校正系数确定所述像素校正值：针对所述实时图像中包括的每个像素点均执行以下操作：确定所述第一校正系数与所述像素点的所述第四差的第四乘积；确定第二常数与所述第一校正系数的第五差；确定所述第五差与所述第二校正系数中包括的与所述像素点对应的校正系数的第五乘积；确定所述第四乘积与所述第五乘积的第五和；将所述像素点的采集像素值与所述第五和的差确定为像素校正值。
在一个示例性实施例中，确定模块94可以通过如下方式实现基于所述目标数量的所述第一图像确定模板图像：确定所述目标数量的所述第一图像的每个像素点的像素平均值；将所述第一图像的所述每个像素点的像素值调整为所述每个像素点对应的所述像素平均值；将调整了像素值的所述第一图像确定为所述模板图像。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (11)
1.一种图像的校正方法，其特征在于，包括：
利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；
基于所述第一图像确定模板图像；
基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像；
基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像包括：基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值；基于所述像素校正值校正所述实时图像，得到校正后的实时图像；
基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值包括：对所述模板图像以及所述实时图像按照第一方式进行分块处理，得到多个第一模板子图像以及多个实时子图像；基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数；确定所述模板图像的像素值的第一平均值；基于所述第一平均值以及所述模板图像确定目标模板图像，并对所述目标模板图像按照第二方式进行分块处理，得到多个第二模板子图像；基于所述多个第二模板子图像的像素值确定第二校正系数；基于所述第一校正系数以及所述第二校正系数确定所述像素校正值；
基于所述第一图像确定模板图像包括：确定所述第一图像的每个像素点的像素平均值；将所述第一图像的所述每个像素点的像素值调整为所述每个像素点对应的所述像素平均值；将调整了像素值的所述第一图像确定为所述模板图像。
2.根据权利要求1所述的方法，其特征在于，基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数包括：
确定每个所述第一模板子图像的像素值的方差；
确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差，其中，所述目标子图像为在所述多个实时子图像中与所述第一模板子图像处于相同位置的图像；
基于所述方差以及所述协方差确定所述第一校正系数。
3.根据权利要求2所述的方法，其特征在于，基于所述方差以及所述协方差确定所述第一校正系数包括：
将每个所述第一模板子图像对应的所述协方差与所述方差的比值确定为每个所述第一模板子图像的图像系数；
确定所述图像系数中包括的大于预定阈值的第一图像系数所对应第一协方差以及第二方差；
确定所述第一协方差的第一和，以及所述第二方差的第二和；
确定每个所述第一模板子图像的协方差的第三和，以及每个所述第一模板子图像的方差的第四和；
确定第三和与所述第一和的第一差，以及所述第四和与所述第二和的第二差；
基于所述第一差与所述第二差的比值确定所述第一校正系数。
4.根据权利要求3所述的方法，其特征在于，基于所述第一差与所述第二差的比值确定所述第一校正系数包括：
获取基于相邻模板图像确定的相邻校正系数，其中，所述相邻模板图像为在采集所述模板图像之前采集的，且与所述模板图像相邻的图像；
确定第一常数与预定步长的第三差；
确定所述预定步长与所述相邻校正系数的第一乘积；
确定所述第三差与所述比值的第二乘积；
将所述第一乘积与所述第二乘积的和确定为所述第一校正系数。
5.根据权利要求2所述的方法，其特征在于，
确定每个所述第一模板子图像的像素值的方差包括：确定所述第一模板子图像的像素值的第一平方，确定所述第一模板子图像的像素值的第二平均值的第二平方，将所述第一平方与所述第二平方的差值确定为所述方差；
确定每个所述第一模板子图像的像素值与所述多个实时子图像中包括的目标子图像的像素值的协方差包括：确定所述第一模板子图像内的每个像素值与所述目标子图像中的对应像素值的乘积的第一累加和，确定所述第一累加和的第三平均值，确定所述第一模板子图像内的每个像素值的第二累加和的第四平均值，确定所述目标子图像中的每个像素值的第三累加和的第五平均值，确定所述第四平均值与所述第五平均值的第三乘积，将所述第三平均值与所述第三乘积的差确定为所述协方差。
6.根据权利要求1所述的方法，其特征在于，基于所述第一平均值以及所述模板图像确定目标模板图像包括：
确定所述模板图像的每个像素点的像素值与所述第一平均值的第四差，以得到多个像素值；
将所述多个像素值构成的图像确定为所述目标模板图像。
7.根据权利要求1所述的方法，其特征在于，基于所述多个第二模板子图像的像素值确定第二校正系数包括：
确定每个所述第二模板子图像中包括的像素点的像素值的第六平均值；
将每个所述第六平均值与所述第一平均值的比值确定为每个所述第二模板子图像的第三校正系数；
基于双线性插值以及所述第三校正系数确定所述第二模板子图像中的每个像素点的第四校正系数；
将所述第四校正系数确定为所述第二校正系数。
8.根据权利要求6所述的方法，其特征在于，基于所述第一校正系数以及所述第二校正系数确定所述像素校正值包括：
针对所述实时图像中包括的每个像素点均执行以下操作：确定所述第一校正系数与所述像素点的所述第四差的第四乘积；
确定第二常数与所述第一校正系数的第五差；
确定所述第五差与所述第二校正系数中包括的与所述像素点对应的校正系数的第五乘积；
确定所述第四乘积与所述第五乘积的第五和；
将所述像素点的采集像素值与所述第五和的差确定为像素校正值。
9.一种图像的校正装置，其特征在于，包括：
采集模块，用于利用目标图像采集设备采集预定数量的第一图像，其中，所述第一图像为对温度值为同一预定值的均匀温度面进行采集所得到的图像，所述目标图像采集设备为进行过非均匀性校正后的设备；
确定模块，用于基于所述第一图像确定模板图像；
校正模块，用于基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像；
所述校正模块通过如下方式实现基于所述模板图像，对所述目标图像采集设备所采集的实时图像进行像素校正，得到校正后的实时图像：基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值；基于所述像素校正值校正所述实时图像，得到校正后的实时图像；
所述校正模块通过如下方式实现基于所述模板图像以及所述实时图像确定所述实时图像的像素校正值：对所述模板图像以及所述实时图像按照第一方式进行分块处理，得到多个第一模板子图像以及多个实时子图像；基于所述多个第一模板子图像的像素值以及所述多个实时子图像的像素值确定第一校正系数；确定所述模板图像的像素值的第一平均值；基于所述第一平均值以及所述模板图像确定目标模板图像，并对所述目标模板图像按照第二方式进行分块处理，得到多个第二模板子图像；基于所述多个第二模板子图像的像素值确定第二校正系数；基于所述第一校正系数以及所述第二校正系数确定所述像素校正值；
所述确定模块通过如下方式实现基于所述第一图像确定模板图像：确定所述第一图像的每个像素点的像素平均值；将所述第一图像的所述每个像素点的像素值调整为所述每个像素点对应的所述像素平均值；将调整了像素值的所述第一图像确定为所述模板图像。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至8任一项中所述的方法的步骤。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076857.8A CN113724171B (zh) | 2021-09-14 | 2021-09-14 | 图像的校正方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076857.8A CN113724171B (zh) | 2021-09-14 | 2021-09-14 | 图像的校正方法、装置、存储介质及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113724171A CN113724171A (zh) | 2021-11-30 |
| CN113724171B true CN113724171B (zh) | 2024-08-09 |
Family
ID=78683770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111076857.8A Active CN113724171B (zh) | 2021-09-14 | 2021-09-14 | 图像的校正方法、装置、存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113724171B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389796A (zh) * | 2015-10-13 | 2016-03-09 | 中国民用航空总局第二研究所 | 一种定焦、变焦镜头通光量强度不均校正方法及装置 |
| CN112393804A (zh) * | 2019-08-02 | 2021-02-23 | 杭州海康微影传感科技有限公司 | 一种图像校正的方法及装置 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09163233A (ja) * | 1995-12-04 | 1997-06-20 | Fujitsu Ltd | 撮像装置 |
| CN102230823B (zh) * | 2011-06-20 | 2012-12-26 | 北京理工大学 | 基于边框黑体视场光阑的红外两点非均匀性校正方法 |
| WO2014173464A1 (en) * | 2013-04-26 | 2014-10-30 | Mtech Imaging Pte Ltd | Noise correction in an infra-red imaging system |
| CN103335724B (zh) * | 2013-06-20 | 2015-07-15 | 重庆邮电大学 | 基于定标的场景自适应irfpa非均匀性校正方法 |
| KR101637552B1 (ko) * | 2014-08-21 | 2016-07-07 | 엘아이지넥스원 주식회사 | 렌즈에 의한 불균일 영상 보정 장치 및 그 방법 |
| US9992432B2 (en) * | 2016-01-04 | 2018-06-05 | Sensors Unlimited, Inc. | Gain normalization and non-uniformity correction |
| CN107255521B (zh) * | 2017-06-28 | 2019-03-26 | 华中科技大学鄂州工业技术研究院 | 一种红外图像非均匀性校正方法及系统 |
| CN110631706B (zh) * | 2018-06-22 | 2021-04-27 | 杭州海康微影传感科技有限公司 | 红外图像的校正方法、装置及存储介质 |
| CN110335219B (zh) * | 2019-07-17 | 2021-09-28 | 中国电子科技集团公司第十三研究所 | 一种像素畸变的校正方法、校正装置及终端 |
| JP7409606B2 (ja) * | 2020-02-13 | 2024-01-09 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
| CN111612835B (zh) * | 2020-06-06 | 2021-05-28 | 重庆连芯光电技术研究院有限公司 | 一种适用于扩展目标倾斜跟踪的系统及方法 |
-
2021
- 2021-09-14 CN CN202111076857.8A patent/CN113724171B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389796A (zh) * | 2015-10-13 | 2016-03-09 | 中国民用航空总局第二研究所 | 一种定焦、变焦镜头通光量强度不均校正方法及装置 |
| CN112393804A (zh) * | 2019-08-02 | 2021-02-23 | 杭州海康微影传感科技有限公司 | 一种图像校正的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113724171A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102021102233B4 (de) | Vorrichtung und Verfahren zur Korrespondenzanalyse in Bildern | |
| CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
| CN111127435A (zh) | 基于双流卷积神经网络的无参考图像质量评估方法 | |
| CN111968057A (zh) | 图像降噪方法、装置、存储介质及电子装置 | |
| CN109859101A (zh) | 农作物冠层热红外图像识别方法及系统 | |
| CN113724171B (zh) | 图像的校正方法、装置、存储介质及电子装置 | |
| CN111833341B (zh) | 确定图像中条纹噪声的方法及装置 | |
| US20230111942A1 (en) | Method for determining coefficients of deblur filter | |
| CN115311624B (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
| CN110992372A (zh) | 物品抓取方法、装置、存储介质及电子装置 | |
| De et al. | Fast no-reference image sharpness measure for blurred images in discrete cosine transform domain | |
| CN113141495B (zh) | 图像处理方法及装置、存储介质、电子装置 | |
| CN116385626A (zh) | 图像重建模型的训练方法、装置、存储介质及电子装置 | |
| CN113627324A (zh) | 人脸图像的匹配方法、装置、存储介质和电子装置 | |
| CN114757846A (zh) | 图像矫正方法及装置、存储介质、电子装置 | |
| CN114820376A (zh) | 条带噪声的融合校正方法、装置、电子设备及存储介质 | |
| CN114674276A (zh) | 测距方法、机器视觉系统及存储介质 | |
| CN111182290B (zh) | 图像检测方法及装置、存储介质、电子装置 | |
| CN110136237B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN113780286A (zh) | 对象识别方法及装置、存储介质、电子装置 | |
| CN112163519A (zh) | 图像映射处理方法、装置、存储介质及电子装置 | |
| CN111915640B (zh) | 候选框尺度的确定方法及装置、存储介质、电子装置 | |
| CN109685839A (zh) | 图像对齐方法、移动终端以及计算机存储介质 | |
| US11232289B2 (en) | Face identification method and terminal device using the same | |
| CN110473244B (zh) | 立体匹配优化方法、装置、计算机设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231011 Address after: Room 201, Building A, Integrated Circuit Design Industrial Park, No. 858, Jianshe 2nd Road, Economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province, 311200 Applicant after: Zhejiang Huagan Technology Co.,Ltd. Address before: No.1187 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG DAHUA TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |