CN113936059B - 基于改进检测狭缝倾斜角度的测sfr方法及装置 - Google Patents
基于改进检测狭缝倾斜角度的测sfr方法及装置 Download PDFInfo
- Publication number
- CN113936059B CN113936059B CN202111028143.XA CN202111028143A CN113936059B CN 113936059 B CN113936059 B CN 113936059B CN 202111028143 A CN202111028143 A CN 202111028143A CN 113936059 B CN113936059 B CN 113936059B
- Authority
- CN
- China
- Prior art keywords
- lsf
- row
- mean
- sfr
- slit
- 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 53
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims abstract description 26
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及基于改进检测狭缝倾斜角度的测SFR方法，包括以下：获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像；提取所述成像图像的ROI区域；对所述ROI区域进行数据预处理得到处理后的ROI区域图像；寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值。本发明在基于国际标准的同时，改进其倾斜投影中的超采样方法，减少盲元，并且最后通过EMD分解对LSF进行去噪处理，以获得更准确、更稳定的MTF数值。
Description
技术领域
本发明涉及数据处理领域，尤其涉及基于改进检测狭缝倾斜角度的测SFR方法及装置。
背景技术
光学传递函数(MTF：Modulation Transfer Function)是一个客观、准确、定量的相知评价指标，能够直接方便测量；空间频域响应(SFR：Spatial Frequency Response)主要是用于测量随着空间频率的线条增加对单一影像的所造成影响。简言之SFR就是MTF的另外一种测试方法。这种测试方法在很大程度上精简了测试流程。SFR的计算方法和MTF虽然不同但是在结果上是基本一致的。目前基于图像测量光学传递函数主要基于ISO12233[1]标准，常用三种特征目标(包括针孔，狭缝，刀刃)，其中因狭缝像可以提供更多的能量且计算中无需求导或者积分步骤而被广泛采用，现有的狭缝分析方法中，为了获得无混叠的MTF数值，常使狭缝像与探测器阵列方向微倾斜。通过精确计算倾斜角度，然后多行采样进行倾斜投影超采样，从而可以获得更高频率的无混叠MTF数值。
但实际计算中，因为计算MTF数值为了求成像精确焦点位置，需要从离焦->聚焦->离焦，绘制制定频率下的离焦(Through Focus)曲线，拟合离焦曲线，找峰值点位置即为当前镜头在给定频率下的焦点位置。
因为离焦过程，狭缝像成像质量较差，模糊严重，如图4所示，传统的直线检测(如Hough变换)或者Canny等边缘检测方法失效。国际标准一般采用全局矩特征法，但该方法容易受噪声影响，重复定位精度差，从而容易导致倾斜角度受噪声干扰，导致最终MTF数值计算准确度差。
发明内容
本发明的目的是为了至少解决现有技术的不足之一，提供基于改进检测狭缝倾斜角度的测SFR方法及装置。
为了实现上述目的，本发明采用以下的技术方案：
具体的，提出基于改进检测狭缝倾斜角度的测SFR方法，包括以下：
获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像；
提取所述成像图像的ROI区域；
对所述ROI区域进行数据预处理得到处理后的ROI区域图像；
寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值。
进一步，具体的，上述对所述ROI区域进行数据预处理得到处理后的ROI区域图像，具体包括以下，
对ROI区域进行数据归一化处理，之后通过逆光电转换OECF进行逆向处理得到处理后的ROI区域图像，将处理后的ROI区域图像的第i行，第j列信号表示为I(i,j)，总列数为m，总行数为n。
进一步，上述寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置，具体包括以下，
求每行灰度值最大的列位置对每行peak(i).cols附近构建邻域[peak(i).cols-δ,peak(i).cols+δ]，其中δ为常数人为设定，对邻域内的像素对应的灰度值进行二次多项式拟合得到拟合曲线f(x)＝ax2+bx+c，通过最小二乘法得到a,b,c的取值，根据f′(x)＝2a+b＝0，得到修正后峰值点的位置为对各行得到的peak(i)xz.cols采用最小二乘法进行直线拟合，得到斜率k及截断b，所述斜率k及截断b满足如下关系：
最后采用得到的斜率k及截断b再次修正更新peak(i)xz.cols的值。rows(i)是指第i行的行数，这里rows(i)＝i；
进一步，上述对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)，具体包括以下，
对每行的LSF进行三次样条拟合，并按照最后修正的peak(i)xz.cols进行平移，将其峰值点位置移至原点，进而，对平移拟合后的LSF求和后平均，得到多行的Mean(LSF)。
进一步，所述δ的取值为5。
进一步，上述对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值，具体包括以下，
对Mean(LSF)进行EMD分解，将其分解为N个本征模函数IMF和一项残差项r，
最后，去除第N项的IMF和残差项r，得到修正后的Mean(LSF)xz为
求Mean(LSF)xz的傅里叶变化Freq，并对其进行归一化Freq/Freq(0)，即为最终所需的SFR值。
本发明还提出基于改进检测狭缝倾斜角度的测SFR装置，包括以下：
狭缝法测量光学传递函数的系统，用于得到离焦位置时的成像图像；
处理模块，包括，
成像图像获取模块，用于获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像，
ROI区域提取模块，用于提取所述成像图像的ROI区域，
预处理模块，用于对所述ROI区域进行数据预处理得到处理后的ROI区域图像，
第一计算模块，用于寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
降噪模块，用于对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
SFR值计算模块，用于对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的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所述方法的步骤。
本发明的有益效果为：
本发明使用一种简单的算法计算狭缝倾斜角度，当成像系统处于离焦位置时，狭缝图模糊，传统直线检测或边缘检测方法检测失效，所以本专利在检测到狭缝角度时，采用每行全局最大值作为峰值点的粗略位置，而后采用附近邻域灰度值进行曲面拟合找精确峰值，为了减少倾斜投影超采样中盲元的影响，对每行LSF进行三次样条插值拟合，在投影平均，去除盲元影响，且降低随机噪声影响。最后，为了进一步抑制LSF噪声干扰，对超采样的信号进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项，根据去噪后的LSF计算MTF数值，从而确保离焦、噪声等情况下，所测得的MTF数值的准确性和稳定性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
图1所示为本发明基于改进检测狭缝倾斜角度的测SFR方法流程图；
图2所示为本发明基于改进检测狭缝倾斜角度的测SFR方法的狭缝法测量光学传递函数的系统的结构原理图；
图3所示为本发明基于改进检测狭缝倾斜角度的测SFR方法的最终成像的十字架狭缝示意图；
图4所示为本发明中背景技术提到的离焦狭缝十字架示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1、图3以及图4，实施例1，本发明提出基于改进检测狭缝倾斜角度的测SFR方法，包括以下：
获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像；
提取所述成像图像的ROI区域，图三中的矩形框为ROI区域；
对所述ROI区域进行数据预处理得到处理后的ROI区域图像；
寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值。
在本优选实施方式中，本发明为了解决如上问题，提出了由初到精的峰值点检测方法，该方法不仅可以处理离焦和聚焦的图片，且抗噪能力强、计算复杂度低。
同时，传统的狭缝法超采样过程中，因为倾斜角度不同，容易产生盲元，为了规避该问题，在超采样前，对线扩散函数(LSF：Line Spread Function)进行插值拟合；
最后，经过超采样后，随机噪声因为多行平均可以得到一定平滑，但为了提升算法的精度，最后对超采样后的LSF进行经验模式分解(EMD：Empirical Mode Decomposition)将LSF分解为若干项本征模函数及残差余项，去除最后一项本征模函数和残差余项，得到去噪后的LSF，该方法可进一步抑制噪声对MTF计算结果的影响，提升计算准确性和重复精度。
其中，结合图2，狭缝法测量光学传递函数的系统，包括物端的光源，狭缝目标，被检测镜头，成像系统(包括被测物镜)和处理软件等组成。所述的成像系统，通过最终狭缝成像，根据算法处理分析，可得到被测物镜的光学传递函数特性。
作为本发明的优选实施方式，具体的，上述对所述ROI区域进行数据预处理得到处理后的ROI区域图像，具体包括以下，
对ROI区域进行数据归一化处理，之后通过逆光电转换OECF进行逆向处理得到处理后的ROI区域图像，将处理后的ROI区域图像的第i行，第j列信号表示为I(i,j)，总列数为m，总行数为n。
作为本发明的优选实施方式，上述寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置，具体包括以下，
求每行灰度值最大的列位置对每行peak(i).cols附近构建邻域[peak(i).cols-δ,peak(i).cols+δ]，其中δ为常数人为设定，对邻域内的像素对应的灰度值进行二次多项式拟合得到拟合曲线f(x)＝ax2+bx+c，通过最小二乘法得到a,b,c的取值，根据f′(x)＝2a+b＝0，得到修正后峰值点的位置为对各行得到的peak(i)xz.cols采用最小二乘法进行直线拟合，得到斜率k及截断b，所述斜率k及截断b满足如下关系：
最后采用得到的斜率k及截断b再次修正更新peak(i)xz.cols的值。rows(i)是指第i行的行数，这里rows(i)＝i；
作为本发明的优选实施方式，上述对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)，具体包括以下，
对每行的LSF进行三次样条拟合，并按照最后修正的peak(i)xz.cols进行平移，将其峰值点位置移至原点，进而，对平移拟合后的LSF求和后平均，得到多行的Mean(LSF)。
作为本发明的优选实施方式，所述δ的取值为5。
作为本发明的优选实施方式，上述对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值，具体包括以下，
对Mean(LSF)进行EMD分解，将其分解为N个本征模函数IMF和一项残差项r，
最后，去除第N项的IMF和残差项r，得到修正后的Mean(LSF)xz为
求Mean(LSF)xz的傅里叶变化Freq，并对其进行归一化Freq/Freq(0)，即为最终所需的SFR值。
本发明还提出基于改进检测狭缝倾斜角度的测SFR装置，包括以下：
狭缝法测量光学传递函数的系统，用于得到离焦位置时的成像图像；
处理模块，包括，
成像图像获取模块，用于获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像，
ROI区域提取模块，用于提取所述成像图像的ROI区域，
预处理模块，用于对所述ROI区域进行数据预处理得到处理后的ROI区域图像，
第一计算模块，用于寻找处理后的的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
降噪模块，用于对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
SFR值计算模块，用于对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值。
在本优选实施方式中，针对倾斜狭缝测量MTF过程中，狭缝倾斜角度检测精度对MTF计算影响较大的问题，提出一种由粗到精的峰值点定位方法。本发明在基于国际标准的同时，改进其倾斜投影中的超采样方法，减少盲元，并且最后通过EMD分解对LSF进行去噪处理，以获得更准确、更稳定的MTF数值。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的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如权利要求1-6中任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (7)
1.基于改进检测狭缝倾斜角度的测SFR方法，其特征在于，包括以下：
获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像；
提取所述成像图像的ROI区域；
对所述ROI区域进行数据预处理得到处理后的ROI区域图像；
寻找处理后的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值；
上述寻找处理后的ROI区域图像的每行的像素的狭缝中心位置，具体包括以下，
求每行灰度值最大的列位置对每行peak(i).cols附近构建邻域[peak(i).cols-δ,peak(i).cols+δ]，其中δ为常数人为设定，对邻域内的像素对应的灰度值进行二次多项式拟合得到拟合曲线f(x)＝ax2+bx+c，通过最小二乘法得到a,b,c的取值，根据f'(x)＝2a+b＝0，得到修正后峰值点的位置为对各行得到的peak(i)xz.cols采用最小二乘法进行直线拟合，得到斜率k及截断b，所述斜率k及截断b满足如下关系：
最后采用得到的斜率k及截断b再次修正更新peak(i)xz.cols的值，rows(i)是指第i行的行数，这里rows(i)＝i。
2.根据权利要求1所述的基于改进检测狭缝倾斜角度的测SFR方法，其特征在于，具体的，上述对所述ROI区域进行数据预处理得到处理后的ROI区域图像，具体包括以下，
对ROI区域进行数据归一化处理，之后通过逆光电转换OECF进行逆向处理得到处理后的ROI区域图像，将处理后的ROI区域图像的第i行，第j列信号表示为I(i,j)，总列数为m，总行数为n。
3.根据权利要求2所述的基于改进检测狭缝倾斜角度的测SFR方法，其特征在于，上述对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)，具体包括以下，
对每行的LSF进行三次样条拟合，并按照最后修正的peak(i)xz.cols进行平移，将其峰值点位置移至原点，进而，对平移拟合后的LSF求和后平均，得到多行的Mean(LSF)。
4.根据权利要求3所述的基于改进检测狭缝倾斜角度的测SFR方法，其特征在于，所述δ的取值为5。
5.根据权利要求1所述的基于改进检测狭缝倾斜角度的测SFR方法，其特征在于，上述对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值，具体包括以下，
对Mean(LSF)进行EMD分解，将其分解为N个本征模函数IMF和一项残差项r，
最后，去除第N项的IMF和残差项r，得到修正后的Mean(LSF)xz为
求Mean(LSF)xz的傅里叶变化Freq，并对其进行归一化Freq/Freq(0)，即为最终所需的SFR值。
6.基于改进检测狭缝倾斜角度的测SFR装置，其特征在于，包括以下：
狭缝法测量光学传递函数的系统，用于得到离焦位置时的成像图像；
处理模块，包括，
成像图像获取模块，用于获取狭缝法测量光学传递函数的系统处于离焦位置时的成像图像，
ROI区域提取模块，用于提取所述成像图像的ROI区域，
预处理模块，用于对所述ROI区域进行数据预处理得到处理后的ROI区域图像，
第一计算模块，用于寻找处理后的ROI区域图像的每行的像素的狭缝中心位置得到每行的LSF；
降噪模块，用于对每行的LSF进行去除盲元以及降低随机噪声处理得到多行的Mean(LSF)；
SFR值计算模块，用于对Mean(LSF)进行EMD分解，剔除分解得到的最后一项本征模函数项和残差余项得到Mean(LSF)xz，根据Mean(LSF)xz计算最终所需的SFR值；
上述寻找处理后的ROI区域图像的每行的像素的狭缝中心位置，具体包括以下，
求每行灰度值最大的列位置对每行peak(i).cols附近构建邻域[peak(i).cols-δ,peak(i).cols+δ]，其中δ为常数人为设定，对邻域内的像素对应的灰度值进行二次多项式拟合得到拟合曲线f(x)＝ax2+bx+c，通过最小二乘法得到a,b,c的取值，根据f'(x)＝2a+b＝0，得到修正后峰值点的位置为对各行得到的peak(i)xz.cols采用最小二乘法进行直线拟合，得到斜率k及截断b，所述斜率k及截断b满足如下关系：
最后采用得到的斜率k及截断b再次修正更新peak(i)xz.cols的值，rows(i)是指第i行的行数，这里rows(i)＝i。
7.一种计算机可读存储的介质，所述计算机可读存储的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1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028143.XA CN113936059B (zh) | 2021-09-02 | 2021-09-02 | 基于改进检测狭缝倾斜角度的测sfr方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028143.XA CN113936059B (zh) | 2021-09-02 | 2021-09-02 | 基于改进检测狭缝倾斜角度的测sfr方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113936059A CN113936059A (zh) | 2022-01-14 |
| CN113936059B true CN113936059B (zh) | 2024-06-07 |
Family
ID=79275055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111028143.XA Active CN113936059B (zh) | 2021-09-02 | 2021-09-02 | 基于改进检测狭缝倾斜角度的测sfr方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113936059B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011191244A (ja) * | 2010-03-16 | 2011-09-29 | Konica Minolta Opto Inc | 光学ユニットの評価方法 |
| CN107493469A (zh) * | 2017-08-10 | 2017-12-19 | 歌尔科技有限公司 | 一种确定sfr测试卡的感兴趣区域的方法及装置 |
| CN107645657A (zh) * | 2016-07-21 | 2018-01-30 | 宁波舜宇光电信息有限公司 | Sfr测试设备及其测试方法 |
| CN108174196A (zh) * | 2018-01-15 | 2018-06-15 | 浙江大学 | 基于距离加权的成像系统调制传递函数测量方法 |
| JP2018136222A (ja) * | 2017-02-22 | 2018-08-30 | 日本放送協会 | Ｍｔｆ測定装置およびそのプログラム |
| CN109657650A (zh) * | 2019-01-15 | 2019-04-19 | 广东工业大学 | 一种随机噪声的滤除方法、装置、介质及设备 |
-
2021
- 2021-09-02 CN CN202111028143.XA patent/CN113936059B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011191244A (ja) * | 2010-03-16 | 2011-09-29 | Konica Minolta Opto Inc | 光学ユニットの評価方法 |
| CN107645657A (zh) * | 2016-07-21 | 2018-01-30 | 宁波舜宇光电信息有限公司 | Sfr测试设备及其测试方法 |
| JP2018136222A (ja) * | 2017-02-22 | 2018-08-30 | 日本放送協会 | Ｍｔｆ測定装置およびそのプログラム |
| CN107493469A (zh) * | 2017-08-10 | 2017-12-19 | 歌尔科技有限公司 | 一种确定sfr测试卡的感兴趣区域的方法及装置 |
| CN108174196A (zh) * | 2018-01-15 | 2018-06-15 | 浙江大学 | 基于距离加权的成像系统调制传递函数测量方法 |
| CN109657650A (zh) * | 2019-01-15 | 2019-04-19 | 广东工业大学 | 一种随机噪声的滤除方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113936059A (zh) | 2022-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785245B (zh) | 一种光斑图像修整方法 | |
| US8582820B2 (en) | Coded aperture camera with adaptive image processing | |
| US10241471B2 (en) | Autofocus system and method in digital holography | |
| US10628925B2 (en) | Method for determining a point spread function of an imaging system | |
| EP1958158B1 (en) | Method for detecting streaks in digital images | |
| CN109685877A (zh) | 一种基于自适应投影图像特征区域匹配的微纳ct焦点漂移校正方法 | |
| EP3175425B1 (en) | Method for image outlier removal for transmission electron microscope cameras | |
| WO2008002765A2 (en) | Method and system for compensating for spatial cross-talk | |
| CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
| CN113327211B (zh) | 大视场高分辨光场显微系统校正方法和装置 | |
| CN107678025B (zh) | 海浪波高计算方法和装置、存储介质及处理器 | |
| CN110363734B (zh) | 厚样本显微荧光图像重构方法及系统 | |
| CN113936059B (zh) | 基于改进检测狭缝倾斜角度的测sfr方法及装置 | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| CN113228099A (zh) | 基于mtf调制的量子噪声测量来计算数字图像检测器系统的点扩散函数的方法和系统 | |
| CN112651884B (zh) | 一种获取层析超分辨率图像的方法、装置及电子设备 | |
| CN116416164B (zh) | 一种紫外光路成像分辨率优化方法 | |
| CN112504240A (zh) | 一种激光投线仪校准系统及校准方法 | |
| CN116805278A (zh) | 一种荧光显微图像超分辨率重建质量的增强方法和装置 | |
| Baer | Circular-edge spatial frequency response test | |
| KR102145381B1 (ko) | Oct 시스템, oct 영상 생성 방법 및 저장 매체 | |
| Ji et al. | Corn Row Navigation Line Extraction Method Based on the Adaptive Edge Detection Algorithm | |
| CN105832359B (zh) | 一种自适应x线滤线栅栅影去除的方法 | |
| CN112288785A (zh) | 子孔径扫描平场定标的数据处理方法、系统和存储介质 | |
| CN118310635B (zh) | 用于红外探测器的焦面检测方法及系统 |
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 |