CN113724201B - 基于二维傅里叶变换的图像传感器校正效果量化评价方法 - Google Patents
基于二维傅里叶变换的图像传感器校正效果量化评价方法 Download PDFInfo
- Publication number
- CN113724201B CN113724201B CN202110884475.1A CN202110884475A CN113724201B CN 113724201 B CN113724201 B CN 113724201B CN 202110884475 A CN202110884475 A CN 202110884475A CN 113724201 B CN113724201 B CN 113724201B
- Authority
- CN
- China
- Prior art keywords
- correction
- pixel
- fourier transform
- image sample
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于二维傅里叶变换的图像传感器校正效果量化评价方法,将图像传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为传感器像素的坐标,f(x,y)为对应校正前像素(x,y)的灰度值,f'(x,y)为对应校正后像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行傅里叶变换得到F(u,ν)与F'(u,ν)根据二维傅里叶变换后的结果,即可绘制函数的频谱图,对比校正前后函数频谱图的空间分布,若校正后函数频谱图重心向(u,v)增大的方向移动,则表明对比度越大,校正效果越好,本发明能够更加直观方便的进行评价串扰补偿效果,稳定可靠,适于工程应用。
Description
技术领域
本发明属于图像传感器测试技术领域,涉及一种基于二维傅里叶变换的图像传感器校正效果量化评价方法。
背景技术
作为典型的光电探测器件,彩色图像传感器具有集成度高、随机读取、低功耗和低成本等优势,在图像处理和光电对抗系统中,得到了广泛的应用。由于集成电路设计技术和工艺水平的提高,图像传感器过去存在的缺点,现在可以找到相关解决方法,因而图像传感器再次成为研究的热点。图像传感器已经克服了已有的技术瓶颈,在视频监控,航空探测设备,医疗设备,眼膜识别,可视通信等诸多领域的应用前景十分广阔。但在鉴定检测过程中,经常需要对像素之间产生的像素串扰进行串扰补偿以增强图像传感器成像质量,以往衡量串扰补偿效果的方法普遍存在处理数据步骤繁杂等缺陷,基于此,本发明提出一种基于二维傅里叶变换的空间分布谱函数,进行评价衡量图像传感器串扰补偿效果的方法。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种基于二维傅里叶变换的图像传感器校正效果量化评价方法,能够更加直观方便的进行评价串扰补偿效果。
为解决上述技术问题,本发明的一种基于二维傅里叶变换的图像传感器校正效果量化评价方法,包括以下步骤:
步骤1:将传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为图像样本像素坐标,f(x,y)对应校正前图像样本像素(x,y)的灰度值,f'(x,y)对应校正后图像样本像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行二维傅里叶变换得到F(u,ν)与F'(u,ν);
其中:
(x,y)为图像样本像素坐标;
(u,v)为图像样本经傅里叶变换后像素频率域坐标;
f(x,y)对应校正前图像样本像素(x,y)的灰度值;
f'(x,y)对应校正后图像样本像素(x,y)的灰度值;
F(u,v)为图像样本校正前经过傅里叶变换频率域像素灰度值;
F'(u,v)为图像样本校正后经过傅里叶变换频率域像素灰度值;
步骤2:分别计算F(u,ν)与F'(u,ν)的重心,当校正后函数频谱图重心向(u,v)增大的方向移动时表明校正效果越好。
本发明的有益效果:本发明基于建立空间坐标系,将传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为传感器校正像素的坐标,f(x,y)为对应校正前像素(x,y)的灰度值,f'(x,y)为对应校正后像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行傅里叶变换得到F(u,ν)与F'(u,ν),进行评价图像传感器补偿效果,对比现有方法,能够更加直观方便的进行评价串扰补偿效果,稳定可靠,适于工程应用。
附图说明
图1为图像传感器像素分布示意图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步说明。
依据补偿后图像传感器输出的图像数据应该有更高的对比度这一原则,使用了一种空间分布谱函数,用于评价图像传感器补偿效果。
通过数学建模,将传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为图像样本像素坐标,f(x,y)对应校正前图像样本像素(x,y)的灰度值,f'(x,y)对应校正后图像样本像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行二维傅里叶变换得到F(u,ν)与F'(u,ν);
其中:
(x,y)为图像样本像素坐标;
(u,v)为图像样本经傅里叶变换后像素频率域坐标;
f(x,y)对应校正前图像样本像素(x,y)的灰度值;
f'(x,y)对应校正后图像样本像素(x,y)的灰度值;
F(u,v)为图像样本校正前经过傅里叶变换频率域像素灰度值;
F'(u,v)为图像样本校正后经过傅里叶变换频率域像素灰度值;
根据二维傅里叶变换后的结果,即可绘制函数的频谱图,对比校正前后函数频谱图的空间分布,若校正后函数频谱图重心向(u,v)增大的方向移动,则表明高频信息增加越多,代表对比度越大,校正效果越好。
分别计算F(u,ν)与F'(u,ν)的重心坐标(uG,vG)与(u'G,v'G),若图像样本经过校正后函数频谱图重心向(u,v)增大的方向移动,则表明高频信息增加越多,高频信息即频率大的信息量,而图像样本经过二维傅里叶展开后,高频信息代表像素灰度值变化较快,图像样本对比度越大,而图像对比度衡量图像质量好坏的一个重要指标,因此,当校正后函数频谱图重心向(u,v)增大的方向移动时表明校正效果越好。
本测量方法是这样实现:
1:建立坐标系(X,Y,Z),将传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为传感器校正像素的坐标,f(x,y)为对应校正前像素(x,y)的灰度值,f'(x,y)为对应校正后像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行傅里叶变换得到F(u,ν)与F'(u,ν):
2:分别计算F(u,ν)与F'(u,ν)的重心,得到F(u,ν)的重心坐标(uG,vG)与F'(u,ν)的重心坐标(u'G,v'G),uG-u'G及vG-v'G可作为图像传感器量化评价指标,若校正后函数频谱图重心向(u,v)增大的方向移动,则表明高频信息增加越多,高频信息即频率大的信息量,而图像样本经过二维傅里叶展开后,高频信息代表像素灰度值变化较快,图像样本对比度越大,而图像对比度衡量图像质量好坏的一个重要指标,因此,当校正后函数频谱图重心向(u,v)增大的方向移动时表明校正效果越好。
Claims (1)
1.一种基于二维傅里叶变换的图像传感器校正效果量化评价方法,其特征在于,包括以下步骤:
步骤1:将传感器校正前后测试图像样本看作二维函数f(x,y)与f'(x,y),(x,y)为图像样本像素坐标,f(x,y)对应校正前图像样本像素(x,y)的灰度值,f'(x,y)对应校正后图像样本像素(x,y)的灰度值,将f(x,y)与f'(x,y)进行二维傅里叶变换得到F(u,ν)与F'(u,ν);
其中:
(x,y)为图像样本像素坐标;
(u,v)为图像样本经傅里叶变换后像素频率域坐标;
f(x,y)对应校正前图像样本像素(x,y)的灰度值;
f'(x,y)对应校正后图像样本像素(x,y)的灰度值;
F(u,v)为图像样本校正前经过傅里叶变换频率域像素灰度值;
F'(u,v)为图像样本校正后经过傅里叶变换频率域像素灰度值;
步骤2:分别计算F(u,ν)与F'(u,ν)的重心,当校正后函数频谱图重心向(u,v)增大的方向移动时表明校正效果越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884475.1A CN113724201B (zh) | 2021-08-03 | 2021-08-03 | 基于二维傅里叶变换的图像传感器校正效果量化评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884475.1A CN113724201B (zh) | 2021-08-03 | 2021-08-03 | 基于二维傅里叶变换的图像传感器校正效果量化评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724201A CN113724201A (zh) | 2021-11-30 |
CN113724201B true CN113724201B (zh) | 2023-10-13 |
Family
ID=78674692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110884475.1A Active CN113724201B (zh) | 2021-08-03 | 2021-08-03 | 基于二维傅里叶变换的图像传感器校正效果量化评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724201B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522386B1 (en) * | 1997-07-24 | 2003-02-18 | Nikon Corporation | Exposure apparatus having projection optical system with aberration correction element |
CN111062889A (zh) * | 2019-12-17 | 2020-04-24 | 北京理工大学 | 一种用于傅里叶叠层显微成像技术的光强校正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6970577B2 (en) * | 2000-12-19 | 2005-11-29 | Lockheed Martin Corporation | Fast fourier transform correlation tracking algorithm with background correction |
DE102014224638A1 (de) * | 2014-12-02 | 2016-06-02 | Olympus Soft Imaging Solutions Gmbh | Digitales Bilderfassungssystem und Verfahren zur Fehlerkorrektur in einem solchen System |
-
2021
- 2021-08-03 CN CN202110884475.1A patent/CN113724201B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522386B1 (en) * | 1997-07-24 | 2003-02-18 | Nikon Corporation | Exposure apparatus having projection optical system with aberration correction element |
CN111062889A (zh) * | 2019-12-17 | 2020-04-24 | 北京理工大学 | 一种用于傅里叶叠层显微成像技术的光强校正方法 |
Non-Patent Citations (2)
Title |
---|
一种图像传感器灰度响应非线性现象校正方法;袁鹏程;李俊山;孙富礼;王灿;;制导与引信(第03期);全文 * |
基于分数阶傅里叶变换和频谱增强的路面裂缝图像识别方法;王永会;陈荣;;计算机应用(第S1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113724201A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107678192B (zh) | 一种基于机器视觉的Mura缺陷检测方法 | |
CN109883533B (zh) | 基于机器视觉的低频振动测量方法 | |
CN103424409B (zh) | 一种基于dsp的视觉检测系统 | |
De Santo et al. | Standard uncertainty evaluation in image-based measurements | |
CN111325721A (zh) | 一种基于红外热成像的气体泄漏检测方法及系统 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN109949725A (zh) | 一种aoi系统图像灰度标准化方法及系统 | |
CN113724201B (zh) | 基于二维傅里叶变换的图像传感器校正效果量化评价方法 | |
CN110136212B (zh) | 一种DeMura设备像素点亮度提取精度评判方法及噪声检测方法 | |
CN110579184A (zh) | 一种产品外观在线检测装置及其使用方法 | |
CN115761606A (zh) | 基于图像处理的箱体电能表识别方法及装置 | |
Li et al. | Vehicle seat detection based on improved RANSAC-SURF algorithm | |
CN112508891B (zh) | 基于手机的ai智能识别缺陷的磁粉探伤系统及其方法 | |
CN113724202B (zh) | 基于一维傅里叶变换的图像传感器校正效果量化评价方法 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
Zhong et al. | A fast oxidation region detection algorithm based on differential geometry approach for high-density flexible integrated circuit packaging substrates | |
CN111415611A (zh) | 亮度补偿方法、亮度补偿装置及显示装置 | |
Shuai et al. | Defect detection of four-color display screen based on color equalization and local dynamic threshold segmentation | |
Zou et al. | Light Field Quality Assessment Based on Aggregation of Visual Features in Spatio-angular Domains | |
CN210773933U (zh) | 一种产品外观在线检测装置 | |
CN117690028B (zh) | 基于遥感传感器的目标探测方法及系统 | |
CN109060832A (zh) | 一种电子连接器插针工艺缺陷视觉检测方法 |
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 |