CN113724202B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113724202B
CN113724202B CN202110884479.XA CN202110884479A CN113724202B CN 113724202 B CN113724202 B CN 113724202B CN 202110884479 A CN202110884479 A CN 202110884479A CN 113724202 B CN113724202 B CN 113724202B
Authority
CN
China
Prior art keywords
image
dimensional
pixel
unfolded
image sensor
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
Application number
CN202110884479.XA
Other languages
English (en)
Other versions
CN113724202A (zh
Inventor
温强
李东光
闫秋颖
陈雨苗
王�锋
金敬文
朱垚鑫
宋得森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202110884479.XA priority Critical patent/CN113724202B/zh
Publication of CN113724202A publication Critical patent/CN113724202A/zh
Application granted granted Critical
Publication of CN113724202B publication Critical patent/CN113724202B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明公开了一种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，分别对串扰补偿前后图像传感器拍摄得到的图像进行横向和纵向展开，得到图像像素灰度值与该图像像素横向展开位置x与纵向展开位置y之间的关系函数，对串扰补偿前后所得到的关系函数分别进行傅里叶变换，绘制函数频谱图，对比校正前后函数频谱图的分布情况，若校正后图像的重心分别向u、v增大的方向移动，则高频信息增加越多，代表对比度越大，校正效果越好。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，还在于可以用于评价线阵图像传感器。

Description

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
技术领域
本发明属于图像传感器测试技术领域，具体涉及一种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。
背景技术
作为典型的光电探测器件，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一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，本发明的一种基于一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：建立xoy坐标系,样本像素点分布为m行n列，其中任意像素点坐标为(x，y)，将像素点二维坐标分别沿x轴和y轴展开为一维坐标：
沿x轴方向展开，展开后一维像素点坐标X满足：
沿y轴方向展开，展开后一维像素点坐标Y满足：
则f(X)和f(Y)分别为校正前样本像素点(x，y)沿x轴方向和沿y轴方向展开后的像素灰度值函数；f'(X)和f'(X)分别为校正后样本像素点(x，y)沿x轴方向和沿y轴方向展开后的像素灰度值函数；
步骤2：对f(X)、f(Y)、f'(X)和f'(Y)进行傅里叶公式变换，得到F(u)、F(ν)、F'(u)和F'(ν)，具体为：
X为图像横向展开后像素一维坐标；
Y为图像纵向展开后像素一维坐标；
u为图像横向展开经傅里叶变换后像素频率域坐标；
v为图像纵向展开经傅里叶变换后像素频率域坐标；
步骤3：分别计算F(u)、F(v)、F'(u)、F'(v)的重心，得到F(u)的重心横坐标uG、F(v)的重心横坐标vG、F'(u)的重心横坐标u'G、F'(v)的重心横坐标v'G四个重心坐标，uG-u'G及vG-v'G作为图像传感器量化评价指标，若u'G-uG＞0,则表明图像在一维横向展开后的重心向u增大的方向移动，在一维横向展开方向上高频信息分量增大、对比度增大。若v'G-vG＞0,则表明图像在一维纵向展开后的重心向v增大的方向移动，在一维纵向展开方向上高频信息分量增大、对比度增大。
本发明的有益效果：本发明分别对串扰补偿前后图像传感器拍摄得到的图像进行横向和纵向展开，得到图像像素灰度值与该图像像素横向展开位置x与纵向展开位置y之间的关系函数，对串扰补偿前后所得到的关系函数分别进行傅里叶变换，绘制函数频谱图，对比校正前后函数频谱图的分布情况，若校正后图像的重心分别向u、v增大的方向移动，则高频信息增加越多，代表对比度越大，校正效果越好。本发明提供了一种基于傅里叶变换分布谱函数，进行图像传感器经过串扰补偿后的效果评价方法，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，还在于可以用于评价线阵图像传感器。
附图说明
图1为图像按“U”形横向展开示意图；
图2为图像按“U”形纵向展开示意图。
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分别按照横纵两个方向分别以“U”字形展开，具体实施方式如下：
横向展开方式如图1所示：将图像样本从二维空间展开为一维空间，从第一排左侧第一个像素为起点进行横向展开，第一排最右侧像素后接第二排最右侧像素，依次以“U”字形方式展开全图。假设图像传感器像素分布为m行n列，像素数量为m×n个，某二维空间像素点位置为(x，y)，横向展开后一维像素坐标为X，则像素点对应位置关系为：
纵向展开方式如图2所示，将图像从第一列最上方第一个像素为起点进行纵向展开，第一列最下方的像素后接第二列最下方像素，依次以“U”字形方式展开全图。假设图像传感器像素分布为m行n列，像素数量为m×n个，某二维空间像素点位置为(x，y)，纵向展开后一维像素坐标为Y，则像素点位置对应关系为：
此时分别得到一维空间分布函数f(x)、f(y)和f'(x)、f'(y)。
通过傅里叶公式变换得到F(u)、F(ν)和F'(u)、F'(ν)：
其中：
X为图像横向展开后像素一维坐标；
Y为图像纵向展开后像素一维坐标；
u为图像横向展开经傅里叶变换后像素频率域坐标；
v为图像纵向展开经傅里叶变换后像素频率域坐标；
f(X)为样本校正前横向展开后坐标为x的像素灰度值；
f(Y)为样本校正前纵向展开后坐标为y的像素灰度值；
f'(X)为样本校正后横向展开后坐标为x的像素灰度值；
f'(Y)为样本校正后横向展开后坐标为y的像素灰度值；
F(u)为图像样本校正前横向展开经傅里叶变换后频率域像素灰度值；
F(v)为图像样本校正前纵向展开经傅里叶变换后频率域像素灰度值；
F'(u)为图像样本校正后横向展开经傅里叶变换后频率域像素灰度值；
F'(v)为图像样本校正前纵向展开经傅里叶变换后频率域像素灰度值；
根据傅里叶变换后的结果，绘制函数的频谱图，对比校正前后函数频谱图的分布情况，对图像校正效果进行评价，若校正后图像的重心分别向u、v增大的方向移动，则高频信息增加越多，代表对比度越大，校正效果越好。
本测量方法是这样实现：
a.建立坐标系(X,Y)，将传感器校正前后测试图像样本像素的灰度值，分别按照横纵两个方向以“U”字形展开，得到两个一维空间分布函数f(X)、f(Y)和f'(X)、f'(Y)，将上述一维空间分布函数进行傅里叶公式变换：
b.分别计算F(u)、F(v)、F'(u)、F'(v)的重心，得到F(u)的重心横坐标uG、F(v)的重心横坐标vG、F'(u)的重心横坐标u'G、F'(v)的重心横坐标v'G四个重心坐标，u'G-uG及v'G-vG可作为图像传感器量化评价指标。
若u'G-uG＞0,则表明图像在一维横向展开后的重心向u增大的方向移动，在一维横向展开方向上高频信息分量增大、对比度增大。若v'G-vG＞0,则表明图像在一维纵向展开后的重心向v增大的方向移动，在一维纵向展开方向上高频信息分量增大、对比度增大。

Claims (1)

1.一种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，其特征在于，包括以下步骤：
步骤1：建立xoy坐标系,样本像素点分布为m行n列，其中任意像素点坐标为(x，y)，将像素点二维坐标分别沿x轴和y轴展开为一维坐标：
沿x轴方向展开，展开后一维像素点坐标X满足：
沿y轴方向展开，展开后一维像素点坐标Y满足：
则f(X)和f(Y)分别为校正前样本像素点(x，y)沿x轴方向和沿y轴方向展开后的像素灰度值函数；f'(X)和f'(X)分别为校正后样本像素点(x，y)沿x轴方向和沿y轴方向展开后的像素灰度值函数；
步骤2：对f(X)、f(Y)、f'(X)和f'(Y)进行傅里叶公式变换，得到F(u)、F(ν)、F'(u)和F'(ν)，具体为：
X为图像横向展开后像素一维坐标；
Y为图像纵向展开后像素一维坐标；
u为图像横向展开经傅里叶变换后像素频率域坐标；
v为图像纵向展开经傅里叶变换后像素频率域坐标；
步骤3：分别计算F(u)、F(v)、F'(u)、F'(v)的重心，得到F(u)的重心横坐标uG、F(v)的重心横坐标vG、F'(u)的重心横坐标u'G、F'(v)的重心横坐标v'G四个重心坐标，uG-u'G及vG-v'G作为图像传感器量化评价指标，若u'G-uG＞0,则表明图像在一维横向展开后的重心向u增大的方向移动，在一维横向展开方向上高频信息分量增大、对比度增大，若v'G-vG＞0,则表明图像在一维纵向展开后的重心向v增大的方向移动，在一维纵向展开方向上高频信息分量增大、对比度增大。
CN202110884479.XA 2021-08-03 2021-08-03 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 Active CN113724202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110884479.XA CN113724202B (zh) 2021-08-03 2021-08-03 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110884479.XA CN113724202B (zh) 2021-08-03 2021-08-03 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

Publications (2)

Publication Number Publication Date
CN113724202A CN113724202A (zh) 2021-11-30
CN113724202B true CN113724202B (zh) 2023-10-13

Family

ID=78674688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110884479.XA Active CN113724202B (zh) 2021-08-03 2021-08-03 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

Country Status (1)

Country Link
CN (1) CN113724202B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006277172A (ja) * 2005-03-29 2006-10-12 Brother Ind Ltd 画像評価方法，画像評価支援装置，画像形成装置および画像評価支援プログラム
CN101246590A (zh) * 2008-03-03 2008-08-20 北京航空航天大学 星载相机空间畸变图像几何校正方法
CN110782429A (zh) * 2019-09-26 2020-02-11 长沙天仪空间科技研究院有限公司 一种基于星载遥感相机的成像质量评估方法
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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014224638A1 (de) * 2014-12-02 2016-06-02 Olympus Soft Imaging Solutions Gmbh Digitales Bilderfassungssystem und Verfahren zur Fehlerkorrektur in einem solchen System

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006277172A (ja) * 2005-03-29 2006-10-12 Brother Ind Ltd 画像評価方法，画像評価支援装置，画像形成装置および画像評価支援プログラム
CN101246590A (zh) * 2008-03-03 2008-08-20 北京航空航天大学 星载相机空间畸变图像几何校正方法
CN110782429A (zh) * 2019-09-26 2020-02-11 长沙天仪空间科技研究院有限公司 一种基于星载遥感相机的成像质量评估方法
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)

* Cited by examiner, † Cited by third party
Title
基于傅里叶变换的干涉条纹对比度增强算法;张维光;于洵;路绍军;;信息技术(第10期);全文 *
大口径干涉成像光谱仪扫描速度偏差的评估与校正;曹玮亮;廖宁放;吕航;吴文敏;程灏波;;光学技术(第05期);全文 *

Also Published As

Publication number Publication date
CN113724202A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN109883533B (zh) 基于机器视觉的低频振动测量方法
CN110689579B (zh) 基于合作目标的快速单目视觉位姿测量方法及测量系统
CN103345755B (zh) 一种基于Harris算子的棋盘格角点亚像素提取方法
CN109410192B (zh) 一种多纹理分级融合的织物缺陷检测方法及其装置
CN110335204B (zh) 一种热成像图像增强方法
CN103389310B (zh) 一种基于辐射标定的亚像素光学元件损伤在线检测方法
CN103425990B (zh) 一种基于纹理特征的合成孔径声纳目标检测方法
CN114494371A (zh) 基于多尺度相位一致性的光学图像和sar图像配准方法
Cabo et al. A hybrid SURF-DIC algorithm to estimate local displacements in structures using low-cost conventional cameras
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
Guo et al. Sub-pixel level defect detection based on notch filter and image registration
CN110969601B (zh) 基于视觉特征跟踪算法的结构转动响应非接触式识别方法
JP2000065762A (ja) 結晶歪み測定方法、結晶歪み測定装置及び記録媒体
CN114926417B (zh) 高密度柔性fpc表面弱划痕的显微成像检测方法及系统
CN113870255B (zh) Mini LED产品缺陷检测方法及相关设备
CN109961464A (zh) 一种高精度丝印网板扫描图像配准方法
CN113435300B (zh) 一种避雷器仪表实时识别方法及系统
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
CN111473944B (zh) 观测流场中存在复杂壁面的piv数据修正方法、装置
CN112241962A (zh) 一种放电产生的激波的传播速度计算方法和系统
KR20010055119A (ko) 표면 검사 장치 및 그 방법
Wang et al. Objective evaluation of low-light-level image intensifier resolution based on a model of image restoration and an applied model of image filtering
CN114972812B (zh) 一种基于结构相似度的非局部注意力学习方法
CN115334298B (zh) 一种视觉导航系统成像设备测试方法
Bai et al. Measurement Method of Key Parameters of Automobile Connector Based on Binocular Stereo Vision

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