CN113808046A - 一种平场校正参数的获取方法及装置 - Google Patents
一种平场校正参数的获取方法及装置 Download PDFInfo
- Publication number
- CN113808046A CN113808046A CN202111097720.0A CN202111097720A CN113808046A CN 113808046 A CN113808046 A CN 113808046A CN 202111097720 A CN202111097720 A CN 202111097720A CN 113808046 A CN113808046 A CN 113808046A
- Authority
- CN
- China
- Prior art keywords
- field
- image
- bright
- parameters
- column
- 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
- 238000003705 background correction Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 131
- 239000013598 vector Substances 0.000 claims abstract description 154
- 239000011159 matrix material Substances 0.000 claims abstract description 123
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 5
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 101100328886 Caenorhabditis elegans col-2 gene Proteins 0.000 description 2
- 101100114365 Caenorhabditis elegans col-8 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Abstract
本申请提供一种平场校正参数的获取方法及装置,方法包括获取待校正图像的暗场图像;计算并存储暗场行均值向量和暗场列均值向量;调用存储的暗场行均值向量,计算暗场行均值矩阵;调用存储的暗场列均值向量,计算暗场列均值矩阵;将暗场行均值矩阵和暗场列均值矩阵相加,得到每一个暗场像素点的FPN参数;获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;将FPN参数和PRNU参数输出为待校正图像中每一个待校正像素点的平场校正参数。本申请仅需要存储待校正图像的行均值向量和列均值向量,减小了平场校正时需要存储的参数数据量,并且本申请可得到与对待校正图像中逐个像素点进行平场校正参数计算后相同数据量的平场校正参数。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种平场校正参数的获取方法及装置。
背景技术
在图像处理领域中,为了解决相机中的图像传感器自身的响应不一致性,光源和镜头引入的亮度非均匀性等问题,一般采用平场校正对相机所采集到的图像进行处理。平场校正(FFC)是以相机中的图像传感器的线性响应为基础进行亮度校正的校正方式,通过平场校正可以提高相机成像的均匀性。平场校正时需要使用平场校正参数,计算平场校正参数通常需要采集一张暗场图像Dark_Img和一张80%亮度的亮场图像Bright_Img,然后利用采集到的图像计算平场校正参数。平场校正参数包括FPN和PRNU,具体计算公式如下:
其中,Target可以是Bright_Img-FPN的最大值、最小值、均值,或者是设置值。平场校正时,V_out=(V_in-FPN)*PRNU,V_out表示平场校正后的输出图像,V_in表示平场校正前的输入图像。
通常,图像中的每个像素点都会有一组平场校正参数(FPN和PRNU),所以对于采用大分辨率相机采集的图像,该图像中平场校正参数(FPN和PRNU)的数据量非常大,需要很大的存储器件(如:Flash、DDR)才能进行存储;并且,在平场校正的计算过程中,对平场校正参数(FPN和PRNU)的读取时间也很长。因此,在对相机成像均匀性要求不太高的应用中可以通过对平场校正参数(FPN和PRNU)进行简化,以减少大分辨率图像中平场校正参数(FPN和PRNU)需要存储的数据量。
目前,常用的对平场校正参数(FPN和PRNU)简化的方法是通过大分辨率图像中的多个像素点共用一套平场校正参数(FPN和PRNU)进行简化;具体简化过程为:首先,对采集到的暗场大分辨率图像和亮场大分辨率图像采用Binning图像读出模式进行处理,即将暗场大分辨率图像和亮场大分辨率图像上的n*m像素块内的所有像素点取均值变成一个像素点,得到合成像素点;然后,再计算合成像素点的平场校正参数(FPN和PRNU)。此时,大分辨率图像中的平场校正参数(FPN和PRNU)会减少为原平场校正参数(FPN和PRNU)数据量的n*m/1,对暗场大分辨率图像和亮场大分辨率图像进行平场校正时,同一个n*m像素块内的所有像素点共用一套平场校正参数(FPN和PRNU),采用上述方法一定程度上减少了标定过程中需要存储的平场校正参数(FPN和PRNU)的数据量,但是会使得采用标定过程得到的平场校正参数对需要校正图像进行平场校正后的输出图像出现马赛克效应。
发明内容
本申请提供了一种平场校正参数的获取方法及装置,以解决现有技术中的采用多个像素点共用一套平场校正参数可在一定程度上减少标定过程中需要存储平场校正参数(FPN和PRNU)的数据量,但是会使得采用标定过程得到的平场校正参数对需要校正图像进行平场校正后的输出图像出现马赛克效应的问题。
第一方面,本申请提供一种平场校正参数的获取方法,包括以下步骤:
获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;
将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
在本申请的较佳实施例中,所述FPN参数包括FPN行参数和FPN列参数;
其中,所述FPN行参数通过计算所述暗场行均值向量得到;
所述FPN列参数通过计算所述暗场列均值向量得到。
在本申请的较佳实施例中,所述FPN行参数的具体计算公式如下:
所述FPN列参数的具体计算公式如下:
在本申请的较佳实施例中,所述亮场像素点的PRNU参数均为1。
第二方面,本申请提供一种平场校正参数的获取方法,包括以下步骤:
获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像,其中,所述亮场图像由若干亮场像素块组成,每一个所述亮场像素块内包含有若干亮场像素点;
计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
在本申请的较佳实施例中,所述PRNU参数包括PRNU行参数和PRNU列参数;
其中,所述PRNU行参数通过目标值与所述亮场行均值向量和暗场行均值向量的差值相除得到;
所述PRNU列参数通过目标值与所述亮场列均值向量和暗场列均值向量的差值相除得到。
在本申请的较佳实施例中,所述PRNU行参数的具体计算公式如下:
所述PRNU列参数的具体计算公式如下:
在本申请的较佳实施例中,所述暗场像素点的FPN参数均为0。
上述技术方案,均属于平场校正前的标定过程,即通过上述标定过程得到每一个像素点的平场校正参数。
在本申请的较佳实施例中,对所述待校正图像进行平场校正采用的具体公式如下:
V_out=(V_in-FPN)*PRNU;
其中,V_out表示对待校正图像进行平场校正后的输出图像,V_in表示对待校正图像进行平场校正前的输入图像,FPN表示平场校正时,在暗场图像下获得的平场校正参数,PRNU表示平场校正时,在亮场图像下获得的平场校正参数。
第三方面,本申请提供一种平场校正参数的获取装置,所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
所述计算模块用于:
计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;
将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
第四方面,本申请提供一种平场校正参数的获取装置,所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像,其中,所述亮场图像由至少一个亮场像素块组成,每一个所述亮场像素块内包含有至少一个亮场像素点;
所述计算模块用于:
计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;
将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
第五方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现一种平场校正参数的获取方法。
上述技术方案中,计算机程序可以存储在计算机中,也可存储在嵌入式平台,例如:FPGA中。
本申请提供的一种平场校正参数的获取方法及装置,相较于现有技术而言,具有以下有益效果:
本申请通过利用标定过程中待校正图像的图像行均值向量和图像列均值向量可以表征相机采集图像垂直方向和水平方向的亮度变化固有趋势,通过对标定过程中待校正图像的图像行均值向量与图像列均值向量进行加法或乘法运算,可以得到与对标定过程中的待校正图像中逐个像素点进行平场校正参数计算后相同数据量的平场校正参数,从而避免了将标定过程中的待校正图像划分为若干个像素块分别进行平场校正参数计算,导致校正过程中的待校正图像使用上述计算得到的平场校正参数进行平场校正时出现的马赛克效应。另外,本申请在标定过程中,对平场校正参数进行存储时,仅需存储标定过程中待校正图像的图像行均值向量和图像列均值向量数据,计算时直接调用存储的图像行均值向量和图像列均值向量,而不需要对标定过程中待校正图像每一个像素点的平场校正参数均进行存储,大大减小了平场校正参数存储的数据量,计算效率更高,因此,可被广泛应用于对图像均匀性要求不高的场景中。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本实施例1的一种平场校正参数的获取方法流程图;
图2为本实施例2的一种平场校正参数的获取方法流程图;
图3为待校正图像分辨率为5*8的暗场图像中暗场行均值向量计算原理图;
图4为待校正图像分辨率为5*8的暗场图像中暗场列均值向量计算原理图;
图5为待校正图像分辨率为5*8的亮场图像中亮场行均值向量计算原理图;
图6为待校正图像分辨率为5*8的亮场图像中亮场列均值向量计算原理图。
具体实施方式
为使本申请的目的、实施方式和优点更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,所描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
基于本申请描述的示例性实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所附权利要求保护的范围。此外,虽然本申请中公开内容按照示范性一个或几个实例来介绍,但应理解,可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
为便于对申请的技术方案进行,以下首先在对本申请所涉及到的一些概念进行说明。
平场校正参数包括:FPN和PRNU。
FPN(Fixed Pattern Noise):暗场,固定图像噪声校正。FPN是“固定模式噪声”,是线阵图像传感器(Sensor)固有的,当线阵相机在暗室环境下最小曝光时间下采集的图像就认为是固定模式噪声,可以看作是直线方程的截距,故暗场图像即可得到FPN。
PRNU(Photo Response Non Uniformity):亮场,图像非均匀性响应校正。PRNU是“光电响应不一致性”,主要是在亮场下由线阵图像传感器(Sensor)响应非均匀性、镜头进光量及光源均匀性等因素影响的,可以看作是直线方程的斜率,计算斜率时需要先把截距减去。
Binning是一种图像读出模式,将相邻像元感应的电荷加在一起,即多个像素点,以一个像素点的模式读出。
实施例1
参见图1,本申请提供了一种平场校正参数的获取方法,包括以下步骤:
S101,获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
S102,计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
S103,调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
S104,调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;
S105,将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
S106,获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
S107,将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
上述技术方案,步骤S101-步骤S107均属于平场校正前的标定过程,即通过上述标定过程得到每一个标定过程中待校正图像每一个待校正像素点的平场校正参数。
在本实施例1中,步骤S101和步骤S106中待校正图像是需要平场校正,且对于均匀性要求不高的图像;步骤S101和步骤S102以及步骤S105中的暗场图像为在暗场无光源环境下待校正图像的成像;步骤S106中的亮场图像为在有光源环境下待校正图像的成像。
在本实施例1中,步骤S102中的暗场行均值向量为对暗场图像每一行取均值得到,暗场列均值向量为对暗场图像每一列取均值得到。
进一步地,在本实施例1中,由于暗场行均值向量为N*1的矩阵,而暗场图像分辨率为N(行数)*M(列数),因此,在计算暗场行均值矩阵时,需要调用存储的暗场行均值向量并将其在列方向复制M-1次后,得到与暗场图像分辨率一致的暗场行均值矩阵。
进一步地,在本实施例1中,由于暗场列均值向量为1*M的矩阵,而暗场图像分辨率为N(行数)*M(列数),因此,在计算暗场列均值矩阵时,需要调用存储的暗场列均值向量并将其在行方向复制N-1次后,得到与暗场图像分辨率一致的暗场列均值矩阵。
进一步地,在本实施例1中,步骤S105中的所述FPN参数包括FPN行参数和FPN列参数;
其中,所述FPN行参数通过计算所述暗场行向量矩阵得到;
所述FPN列参数通过计算所述暗场列均值向量得到。
更进一步地,在本实施例1中,所述FPN行参数的具体计算公式如下:
其中,M(列数)表示暗场图像的宽度,N(行数)表示暗场图像的高度。
更进一步地,在本实施例1中,所述FPN列参数的具体计算公式如下:
其中,M(列数)表示暗场图像的宽度,N(行数)表示暗场图像的高度。
其中,Row1表示暗场图像第一行的均值,Row2表示暗暗场图像第二行的均值,Row3表示暗场图像第三行的均值,RowN表示暗场图像第N行的均值,Col1表示暗场图像第一列的均值,Col2表示暗场图像第二列的均值,Col3表示暗场图像第三列的均值,ColM表示暗场图像第M列的均值。
在本实施例1中,步骤S106中亮场图像中每一个亮场像素点的PRNU参数均可以预先设置为默认值1。另外,亮场图像中每一个亮场像素点的PRNU参数还可以直接使用上一次标定计算得到的结果。
因此,当标定过程中的待校正图像分辨率为N(行数)*M(列数)时,对标定过程中的待校正图像中的每一个像素点均进行平场校正参数计算,则标定过程中平场校正参数的数据量总共有N(行数)*M(列数)个;下面结合现有技术的处理方案和本实施例1的处理方案分别对平场校正参数进行获取,并比较最终标定过程中需要存储平场校正参数的数据量多少。
(1)采用现有的技术方案,即采用Binning图像读出模式对分辨率为N*M的标定过程中的待校正图像进行处理,若采用n*m像素块大小的Binning方式进行简化,即对n(行数)*m(列数)像素块内的所有像素点取均值变成一个像素点,得到合成像素点,并计算合成像素点的平场校正参数,将其作为n*m像素块内的所有像素点的平场校正参数输出,得到的标定过程中的平场校正参数存储数据量总共为N*M/n*m个,但是若标定过程中的待校正图像的图像分辨率较大,即N*M较大,则得到的标定过程中的平场校正参数存储数据量仍然较多,存储计算仍然很困难,并且采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后的输出图像可能会存在马赛克。
(2)采用本实施例1的平场校正参数获取方法进行获取,得到分辨率为N*M的标定过程中的待校正图像的暗场行均值矩阵为N*M的矩阵,暗场列均值矩阵为N*M的矩阵,由于亮场图像中每一个亮场像素点的PRNU参数均为默认值1,标定过程中存储参数数据时,仅需要存储计算暗场行均值矩阵和暗场列均值矩阵所需要的暗场行均值向量和暗场列均值向量的数据,由于暗场行均值向量为N*1的矩阵,暗场列均值向量为1*M的矩阵,可得到标定过程中平场校正参数需要存储的数据量为M+N。由此可见,本实施例1的方法可以大大减少标定过程中平场校正参数需要存储的总数据量,平场校正效率更高,并且采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后的输出图像不会出现马赛克效应。
实施例2
参见图2,本申请提供一种平场校正参数的获取方法,包括以下步骤:
S201,获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
S202,获取待校正图像的亮场图像,其中,所述亮场图像由若干亮场像素块组成,每一个所述亮场像素块内包含有若干亮场像素点;
S203,计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
S204,调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
S205,调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;
S206,将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
S207,将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
上述技术方案,步骤S201-步骤S207均属于平场校正前的标定过程,即通过上述标定过程得到每一个标定过程中待校正图像每一个待校正像素点的平场校正参数。
在本实施例2中,步骤S201和步骤S202中的待校正图像是需要平场校正,且对于均匀性要求不高的图像;步骤S201中的暗场图像为在暗场无光源环境下待校正图像的成像;步骤S202和步骤S203以及步骤S206中的亮场图像为在有光源环境下待校正图像的成像。
进一步地,在本实施例2中,步骤S203中的亮场行均值向量为对亮场图像每一行取均值得到,亮场列均值向量为对亮场图像每一列取均值得到。
进一步地,在本实施例2中,由于亮场行均值向量为N*1的矩阵,计算亮场行均值矩阵时,采用将亮场行均值向量减去暗场行均值向量,得到新的亮场行均值向量,并采用目标值除以新的亮场行均值向量,得到N*1的亮场行均值矩阵。
进一步地,在本实施例2中,由于亮场列均值向量为1*M的矩阵,计算亮场列均值矩阵时,采用将亮场列均值向量减去暗场列均值向量,得到新的亮场列均值向量,并采用目标值除以新的亮场列均值向量,得到1*M的亮场列均值矩阵;由于亮场图像分辨率为N(行数)*M(列数),因此,需要将N*1的亮场行均值矩阵作为列向量,1*M的亮场列均值矩阵作为行向量,将两者相乘,即可得到N(行数)*M(列数)的矩阵,该矩阵则为亮场图像中每一个亮场像素点的PRNU参数。
进一步地,在本实施例2中,步骤S206中的所述PRNU参数包括PRNU行参数和PRNU列参数;
其中,所述PRNU行参数,即亮场行均值矩阵,通过目标值与所述亮场行均值向量和暗场行均值向量的差值相除得到;
所述PRNU列参数,即亮场列均值矩阵,通过目标值与所述亮场列均值向量和暗场列均值向量的差值相除得到。
更进一步地,在本实施例2中,所述PRNU行参数的具体计算公式如下:
其中,PRNU_R表示PRNU行参数,表示亮场行均值矩阵,表示亮场行均值向量,即N*1的矩阵,FPN_R表示FPN行参数,即暗场行均值向量,Target表示目标值,并且目标值的具体取值可以是分母的最大值、最小值、均值,或者其他设置值(不为0),目标值Target是根据待校正图像自动检测出的数值,也可采用用户设置值,当目标值的数值不同时,得到的亮场图像的亮度不同。
更进一步地,在本实施例2中,所述PRNU列参数的具体计算公式如下:
其中,PRNU_C表示PRNU列参数,表示亮场列均值矩阵,表示亮场列均值向量,即1*M的矩阵,FPN_C表示FPN列参数,即暗场列均值向量,Target表示目标值,并且目标值的具体取值可以是分母的最大值、最小值、均值,或者其他设置值(不为0),目标值Target是根据待校正图像自动检测出的数值,也可采用用户设置值,当目标值的数值不同时,得到的亮场图像的亮度不同。
其中,Row1′表示亮场图像第一行的均值经过PRNU行参数计算公式计算后的结果,Row2′表示亮场图像第二行的均值经过PRNU行参数计算公式计算后的结果,Row3′表示亮场图像第三行的均值经过PRNU行参数计算公式计算后的结果,RowN′表示亮场图像第N行的均值经过PRNU行参数计算公式计算后的结果,Col1′表示亮场图像第一列的均值经过PRNU列参数计算公式计算后的结果,Col2′表示亮场图像第二列的均值经过PRNU列参数计算公式计算后的结果,Col3′表示亮场图像第三列的均值经过PRNU列参数计算公式计算后的结果,ColM′表示亮场图像第M列的均值经过PRNU列参数计算公式计算后的结果。
在本实施例2中,步骤S201中暗场图像的每一个暗场像素点的FPN参数均可以预先设置为默认值0。另外,暗场图像的每一个暗场像素点的FPN参数还可以直接使用上一次标定计算得到的结果。
因此,当标定过程中的待校正图像分辨率为N(行数)*M(列数)时,对标定过程中的待校正图像中的每一个像素点均进行平场校正参数计算,则标定过程中平场校正参数的数据量总共有N(行数)*M(列数)个;下面结合现有技术的处理方案和本实施例2的处理方案分别对平场校正参数进行获取,并比较最终标定过程中需要存储平场校正参数的数据量多少。
(1)采用现有的技术方案,即采用Binning图像读出模式对分辨率为N*M的标定过程中的待校正图像进行处理,若采用n*m像素块大小的Binning方式进行简化,即对n(行数)*m(列数)像素块内的所有像素点取均值变成一个像素点,得到合成像素点,并计算合成像素点的平场校正参数,将其作为n*m像素块内的所有像素点的平场校正参数输出,得到的标定过程中的平场校正参数存储数据量总共为N*M/n*m个,但是若标定过程中的待校正图像的图像分辨率较大,即N*M较大,则得到的标定过程中的平场校正参数存储数据量仍然较多,存储计算仍然很困难,并且采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后的输出图像可能会存在马赛克。
(2)采用本实施例2的平场校正参数获取方法进行获取,得到分辨率为N*M的标定过程中的待校正图像的PRNU行参数,即亮场行均值矩阵为N*1的矩阵,PRNU列参数,即亮场列均值矩阵为1*M的矩阵,由于暗场图像中每一个暗场像素点的FPN参数均为默认值0,标定过程中存储参数数据时,仅需要存储计算PRNU行参数,即亮场行均值矩阵和PRNU列参数,即亮场列均值矩阵所需要的亮场行均值向量和亮场列均值向量的数据,由于亮场行均值向量为N*1的矩阵,亮场列均值向量为1*M的矩阵,可得到标定过程中平场校正参数需要存储的数据量为M+N。由此可见,本实施例2的方法可以大大减少标定过程中平场校正参数需要存储的总数据量,平场校正效率更高,并且采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后的输出图像不会出现马赛克效应。
在校正过程中,即采用本申请的实施例1和实施例2在标定过程中获取到的平场校正参数,对任意的待校正图像进行平场校正采用的具体公式如下:
V_out=(V_in-FPN)*PRNU;
其中,V_out表示对待校正图像进行平场校正后的输出图像,V_in表示对待校正图像进行平场校正前的输入图像,FPN表示平场校正时,在暗场图像下获得的平场校正参数,PRNU表示平场校正时,在亮场图像下获得的平场校正参数,其中,FPN参数和PRNU参数均为上述实施例1和实施例2的标定过程中获取到的。
实施例3:将实施例1和实施例2的方法相结合
当平场校正参数无默认值时,即两个平场校正参数均需要计算得到,则可将实施例1中计算FPN参数和实施例2中计算PRNU参数相结合获取平场校正参数。通过计算得到分辨率为N*M的标定过程中的待校正图像的暗场行均值矩阵为N*M的矩阵,暗场列均值矩阵为N*M的矩阵,PRNU行参数,即亮场行均值矩阵为N*1的矩阵,PRNU列参数,即亮场列均值矩阵为1*M的矩阵,标定过程中存储参数数据时,仅需要存储计算暗场行均值矩阵和暗场列均值矩阵所需要的暗场行均值向量和暗场列均值向量的数据,由于暗场行均值向量为N*1的矩阵,暗场列均值向量为1*M的矩阵;以及存储计算PRNU行参数,即亮场行均值矩阵和PRNU列参数,即亮场列均值矩阵所需要的亮场行均值向量和亮场列均值向量的数据,由于亮场行均值向量为N*1的矩阵,亮场列均值向量为1*M的矩阵,可得到标定过程中平场校正参数需要存储的总数据量为2*(M+N)。由此可见,采用上述获取平场校正参数的方法也可以大大减少标定过程中平场校正参数的总数据量,平场校正效率更高,并且采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后的输出图像也不会出现马赛克效应。例如:标定过程中,若待校正图像的分辨率为4096*3072,若校正过程中待校正图像每一个像素点均有一套平场校正参数,则共有4096*3072=12582912个平场校正参数。
若在标定过程中,采用现有的4*4像素块大小的Binning方式进行简化,即对4*4像素块内的16个像素点取均值变成一个像素点,得到合成像素点,并计算合成像素点的平场校正参数,将其作为4*4像素块内的所有像素点的平场校正参数输出,得到标定过程中需要存储的总数据量为12582912÷16=786432个平场校正参数。
采用本申请的实施例1和实施例2中获取平场校正参数的方法获取FPN参数和PRNU参数,则获取到总数据量为2*(4096+3072)=14336个平场校正参数。并且本申请的平场校正参数获取方法对于图像分辨率较高的标定过程中的待校正图像,标定过程中平场校正参数需要存储的总数据量简化的优势更明显。
本实施例3的应用示例,采用两个平场校正参数均需要计算的获取方法,即采用实施例1的计算FPN参数和实施例2计算PRNU参数相结合。
当标定过程中,待校正图像的分辨率为5*8时,8表示标定过程中待校正图像的宽度(行数),5表示标定过程中待校正图像的高度(列数)。首先,采集一张标定过程中的待校正图像的暗场图像,并按照实施例1中的方法获取标定过程中暗场图像的暗场行均值向量(如图3所示),并通过FPN行参数的计算公式得到FPN行参数,并通过对暗场行均值向量在列方向复制7次得到5*8的暗场行均值矩阵获取暗场列均值向量(如图4所示),并通过FPN列参数的计算公式得到FPN列参数,并通过对暗场列均值向量在行方向复制4次得到得到5*8的暗场列均值矩阵
其中,Row1表示暗场图像第一行的均值,Row2表示暗暗场图像第二行的均值,Row3表示暗场图像第三行的均值,Row5表示暗场图像第5行的均值,Col1表示暗场图像第一列的均值,Col2表示暗场图像第二列的均值,Col3表示暗场图像第三列的均值,Col8表示暗场图像第8列的均值。
再次,采集一张标定过程中待校正图像的80%亮度(亮度可变)的亮场图像,并按照实施例2中的方法获取标定过程中亮场图像的亮场行均值向量(如图5所示)和亮场列均值向量(如图6所示),再将亮场行均值向量减去暗场行均值向量,得到新的亮场行均值向量,并采用目标值除以新的亮场行均值向量,得到5*1的亮场行均值矩阵即PRNU行参数将亮场列均值向量减去暗场列均值向量,得到新的亮场列均值向量,并采用目标值除以新的亮场列均值向量,得到1*8的亮场列均值矩阵将5*1的亮场行均值矩阵和1*8的亮场列均值矩阵相乘得到图像分辨率为5*8的标定过程中亮场图像中每一个亮场像素点的PRNU参数具体的公式为具体如下:
其中,Row1′表示亮场图像第一行的均值经过PRNU行参数计算公式计算后的结果,Row2′表示亮场图像第二行的均值经过PRNU行参数计算公式计算后的结果,Row3′表示亮场图像第三行的均值经过PRNU行参数计算公式计算后的结果,Row5′表示亮场图像第5行的均值经过PRNU行参数计算公式计算后的结果,Col1′表示亮场图像第一列的均值经过PRNU列参数计算公式计算后的结果,Col2′表示亮场图像第二列的均值经过PRNU列参数计算公式计算后的结果,Col3′表示亮场图像第三列的均值经过PRNU列参数计算公式计算后的结果,Col8′表示亮场图像第8列的均值经过PRNU列参数计算公式计算后的结果。
最后,将FPN参数和PRNU参数输出为图像分辨率为5*8的标定过程中待校正图像中每一个待校正像素点的平场校正参数,标定过程中平场校正参数需要存储的总数据量为2*(8+5)=26个,并且标定过程中待校正图像的每一个待校正像素点均有一套平场校正参数,即FPN参数和PRNU参数,采用标定过程中得到的平场校正参数对任意待校正图像进行平场校正后输出的图像也不会出现马赛克效应。
需要特别说明的是,上述方案中亮场图像的亮度百分比在示例中使用的是一般设置值80%,也可根据实际情况设置为其他不同比例的亮度,本申请对其不做限制。
实施例4
与前述一种平场校正参数的获取方法的实施例1相对应,本申请还提供了一种平场校正参数的获取装置的实施例。所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
所述计算模块用于:
计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
实施例5
与前述一种平场校正参数的获取方法的实施例2相对应,本申请还提供了一种平场校正参数的获取装置的实施例。所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像,其中,所述亮场图像由至少一个亮场像素块组成,每一个所述亮场像素块内包含有至少一个亮场像素点;
所述计算模块用于:
计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;
将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
需要特别说明的是,本申请的实施例1-实施例5均属于标定过程,即获取平场校正参数的过程,输出的FPN参数和PRNU参数均是标定过程中的待校正(标定)图像中每一个待校正(标定)像素点的平场校正参数,但是两个平场校正参数计算时则是FPN参数需要在暗场图像下进行计算,PRNU参数需要在亮场图像下进行计算,因此,本申请中的暗场像素点和亮场像素点属于待校正(标定)像素点在暗场图像和亮场图像下的不同表述,本质均为待校正(标定)图像的像素点。并且,在需要进行平场校正时,即校正过程中,本申请的实施例1-实施例5的方法和装置对不同亮度且任意的待校正图像均适用。
另外,需要说明的是,在本申请提供的实施例1、实施例2、实施例3、实施例4及实施例5中,暗场行均值向量、暗场列均值向量、亮场行均值向量和亮场列均值向量的计算过程均为本领域技术人员根据公知常识可得到的,因此,本申请中未对其的计算过程详细说明,仅以图示出计算结果。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例1或实施例2或实施例3中的一种平场校正参数的获取方法。
需要特别说明的是,计算机程序可以存储在计算机中,也可存储在嵌入式平台,例如:FPGA中。
另外,在本申请中,n和N代表像素块或者矩阵的行数,m和M代表像素块或者矩阵的列数,对文中所有出现上述字符的地方均有此解释。
Claims (12)
1.一种平场校正参数的获取方法,其特征在于,包括以下步骤:
获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;
将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
2.根据权利要求1所述的一种平场校正参数的获取方法,其特征在于,
所述FPN参数包括FPN行参数和FPN列参数;
其中,所述FPN行参数通过计算所述暗场行均值向量得到;
所述FPN列参数通过计算所述暗场列均值向量得到。
4.根据权利要求1-3任意一项所述的一种平场校正参数的获取方法,其特征在于,
亮场像素点的PRNU参数均为1。
5.一种平场校正参数的获取方法,其特征在于,包括以下步骤:
获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像,其中,所述亮场图像由若干亮场像素块组成,每一个所述亮场像素块内包含有若干亮场像素点;
计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;
将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
6.根据权利要求5所述的一种平场校正参数的获取方法,其特征在于,
所述PRNU参数包括PRNU行参数和PRNU列参数;
其中,所述PRNU行参数通过目标值与所述亮场行均值向量和暗场行均值向量的差值相除得到;
所述PRNU列参数通过目标值与所述亮场列均值向量和暗场列均值向量的差值相除得到。
8.根据权利要求5-7任意一项所述的一种平场校正参数的获取方法,其特征在于,
暗场像素点的FPN参数均为0。
9.根据权利要求1或5所述的一种平场校正参数的获取方法,其特征在于,
对所述待校正图像进行平场校正时,采用的公式为:
V_out=(V_in-FPN)*PRNU;
其中,V_out表示对待校正图像进行平场校正后的输出图像,V_in表示对待校正图像进行平场校正前的输入图像,FPN表示平场校正时,在暗场图像下获得的平场校正参数,PRNU表示平场校正时,在亮场图像下获得的平场校正参数。
10.一种平场校正参数的获取装置,其特征在于,采用了如权利要求1-9任意一项所述的一种平场校正参数的获取方法,所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的亮场图像中每一个亮场像素点的PRNU参数;
获取待校正图像的暗场图像,其中,所述暗场图像由至少一个暗场像素块组成,每一个所述暗场像素块内包含至少一个暗场像素点;
所述计算模块用于:
计算并存储所述暗场图像的暗场行均值向量和暗场列均值向量;
调用存储的所述暗场行均值向量,计算得到暗场行均值矩阵;
调用存储的所述暗场列均值向量,计算得到暗场列均值矩阵;
将所述暗场行均值矩阵和所述暗场列均值矩阵相加,得到所述暗场图像中每一个暗场像素点的FPN参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
11.一种平场校正参数的获取装置,其特征在于,采用了如权利要求1-9任意一项所述的一种平场校正参数的获取方法,所述装置包括:
采集模块、计算模块和输出模块;
其中,所述采集模块用于:
获取待校正图像的暗场图像中每一个暗场像素点的FPN参数;
获取待校正图像的亮场图像,其中,所述亮场图像由至少一个亮场像素块组成,每一个所述亮场像素块内包含有至少一个亮场像素点;
所述计算模块用于:
计算并存储所述亮场图像的亮场行均值向量和亮场列均值向量;
调用存储的所述亮场行均值向量,计算得到亮场行均值矩阵;
调用存储的所述亮场列均值向量,计算得到亮场列均值矩阵;
将所述亮场行均值矩阵和所述亮场列均值矩阵相乘,得到所述亮场图像中每一个亮场像素点的PRNU参数;
所述输出模块用于:
将所述FPN参数和所述PRNU参数输出为所述待校正图像中每一个待校正像素点的平场校正参数。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9任意一项所述的一种平场校正参数的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097720.0A CN113808046B (zh) | 2021-09-18 | 2021-09-18 | 一种平场校正参数的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097720.0A CN113808046B (zh) | 2021-09-18 | 2021-09-18 | 一种平场校正参数的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808046A true CN113808046A (zh) | 2021-12-17 |
CN113808046B CN113808046B (zh) | 2024-04-02 |
Family
ID=78939581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111097720.0A Active CN113808046B (zh) | 2021-09-18 | 2021-09-18 | 一种平场校正参数的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808046B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760653A (zh) * | 2023-01-09 | 2023-03-07 | 武汉中导光电设备有限公司 | 图像校正方法、装置、设备及可读存储介质 |
CN116029938A (zh) * | 2023-02-24 | 2023-04-28 | 浙江双元科技股份有限公司 | 一种基于线性拟合的图像平场校正方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040051797A1 (en) * | 2002-09-13 | 2004-03-18 | Kelly Sean C. | Fixed pattern noise removal in CMOS imagers across various operational conditions |
US20090278963A1 (en) * | 2008-05-08 | 2009-11-12 | Altasens, Inc. | Apparatus and method for column fixed pattern noise (FPN) correction |
GB0920921D0 (en) * | 2009-11-30 | 2010-01-13 | St Microelectronics Res & Dev | Method and system for repeated fixed patttern noise correction |
WO2010131210A1 (en) * | 2009-05-14 | 2010-11-18 | Lord Ingenierie | A system and method for correcting non-uniformity defects in captured digital images |
US20140267656A1 (en) * | 2013-03-15 | 2014-09-18 | Olive Medical Corporation | White balance and fixed pattern noise frame calibration using distal cap |
CN107835337A (zh) * | 2017-10-11 | 2018-03-23 | 北京中科慧眼科技有限公司 | 黑白面阵ccd相机平场校正方法及系统 |
CN109348216A (zh) * | 2018-11-28 | 2019-02-15 | 凌云光技术集团有限责任公司 | 一种坏点检测和平场校准的联合处理方法 |
CN111553960A (zh) * | 2020-04-24 | 2020-08-18 | 重庆大学 | 一种基于投影均值图像的环状伪影快速校正方法 |
CN112435202A (zh) * | 2020-12-10 | 2021-03-02 | 湖北省地震局(中国地震局地震研究所) | 一种针对dmsp局部夜光影像的相互校正方法 |
CN113365002A (zh) * | 2021-06-04 | 2021-09-07 | 深圳市汇春科技股份有限公司 | 一种固定模式噪声动态补偿装置、方法和终端设备 |
-
2021
- 2021-09-18 CN CN202111097720.0A patent/CN113808046B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040051797A1 (en) * | 2002-09-13 | 2004-03-18 | Kelly Sean C. | Fixed pattern noise removal in CMOS imagers across various operational conditions |
US20090278963A1 (en) * | 2008-05-08 | 2009-11-12 | Altasens, Inc. | Apparatus and method for column fixed pattern noise (FPN) correction |
WO2010131210A1 (en) * | 2009-05-14 | 2010-11-18 | Lord Ingenierie | A system and method for correcting non-uniformity defects in captured digital images |
GB0920921D0 (en) * | 2009-11-30 | 2010-01-13 | St Microelectronics Res & Dev | Method and system for repeated fixed patttern noise correction |
US20140267656A1 (en) * | 2013-03-15 | 2014-09-18 | Olive Medical Corporation | White balance and fixed pattern noise frame calibration using distal cap |
CN107835337A (zh) * | 2017-10-11 | 2018-03-23 | 北京中科慧眼科技有限公司 | 黑白面阵ccd相机平场校正方法及系统 |
CN109348216A (zh) * | 2018-11-28 | 2019-02-15 | 凌云光技术集团有限责任公司 | 一种坏点检测和平场校准的联合处理方法 |
CN111553960A (zh) * | 2020-04-24 | 2020-08-18 | 重庆大学 | 一种基于投影均值图像的环状伪影快速校正方法 |
CN112435202A (zh) * | 2020-12-10 | 2021-03-02 | 湖北省地震局(中国地震局地震研究所) | 一种针对dmsp局部夜光影像的相互校正方法 |
CN113365002A (zh) * | 2021-06-04 | 2021-09-07 | 深圳市汇春科技股份有限公司 | 一种固定模式噪声动态补偿装置、方法和终端设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760653A (zh) * | 2023-01-09 | 2023-03-07 | 武汉中导光电设备有限公司 | 图像校正方法、装置、设备及可读存储介质 |
CN116029938A (zh) * | 2023-02-24 | 2023-04-28 | 浙江双元科技股份有限公司 | 一种基于线性拟合的图像平场校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113808046B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3804294B1 (en) | Hdr image generation from single-shot hdr color image sensors | |
CN113808046B (zh) | 一种平场校正参数的获取方法及装置 | |
EP1711880B1 (en) | Techniques of modifying image field data by extrapolation | |
US8089533B2 (en) | Fixed pattern noise removal circuit, fixed pattern noise removal method, program, and image pickup apparatus | |
EP2887308B1 (en) | Techniques for modifying image field data | |
JP4322781B2 (ja) | 撮像装置 | |
US7733391B2 (en) | Method and system for black-level correction on digital image data | |
JP2009512303A (ja) | デジタル画像のビグネッティングを除去する方法および装置 | |
US20070262236A1 (en) | Techniques for Modifying Image Field Data Obtained Using Illumination Sources | |
JP2012090051A (ja) | 撮像装置及び撮像方法 | |
US20080055430A1 (en) | Method, apparatus, and system providing polynomial based correction of pixel array output | |
US20170330311A1 (en) | Image processing device and method, image capturing device, program, and record medium | |
CN113658538A (zh) | 亮度补偿数据生成、亮度补偿方法、装置和计算机设备 | |
US20120127322A1 (en) | Apparatus, method, and manufacture for correcting color shading in cmos image sensors | |
EP3953896A1 (en) | High-dynamic-range image generation with pre-combination denoising | |
JP2012253726A (ja) | 画像処理装置 | |
CN110428391B (zh) | 用以去除鬼影假象的图像融合方法及装置 | |
JP4110044B2 (ja) | 画像撮像方法 | |
US11431924B2 (en) | Image capturing apparatus and control method thereof | |
US9754162B2 (en) | Image processing method and device for adaptive image enhancement | |
US9013626B2 (en) | Signal processing circuit of solid-state imaging element, signal processing method of solid-state imaging element, and electronic apparatus | |
RU2711723C1 (ru) | Способ компенсации геометрического шума матричного фотоприемника | |
KR20070116327A (ko) | 이미지 센서의 렌즈 셰이딩 보정장치 및 보정방법 | |
CN112367458B (zh) | Hdr图像的生成方法及装置、存储介质、图像处理设备 | |
KR101141553B1 (ko) | 이미지 센서의 렌즈 쉐이딩 보정 장치 |
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 |