CN114529509B - 图像噪声评价方法、电子设备和计算机可读存储介质 - Google Patents
图像噪声评价方法、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN114529509B CN114529509B CN202210026626.4A CN202210026626A CN114529509B CN 114529509 B CN114529509 B CN 114529509B CN 202210026626 A CN202210026626 A CN 202210026626A CN 114529509 B CN114529509 B CN 114529509B
- Authority
- CN
- China
- Prior art keywords
- noise
- image
- wavelet
- coefficient
- speckle pattern
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000003908 quality control method Methods 0.000 abstract description 4
- 239000006002 Pepper Substances 0.000 description 4
- 235000002566 Capsicum Nutrition 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例涉及计算机视觉技术领域,公开了一种图像噪声评价方法、电子设备和计算机可读存储介质,该方法包括:获取包括第一散斑图和第二散斑图得待评价散斑图;根据预设的过滤方法剔除待评价散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图;分别对各噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数;计算各噪声图的灰度值方差,得到第一噪声图的第一方差噪声系数和第二噪声图的第二方差噪声系数;根据各小波噪声系数、各方差噪声系数和预设权重,确定待评价散斑图的噪声评价得分,进行客观准确的噪声评价,为结构光相机的生产质量控制提供科学准确的指导建议。
Description
技术领域
本申请实施例涉及计算机视觉技术领域,特别涉及一种图像噪声评价方法、电子设备和计算机可读存储介质。
背景技术
散斑图的噪声是一项影响结构光相机拍摄出的深度图精度的重要因素,技术人员通过对结构光相机拍摄出的散斑图的噪声进行监控,能够有效监督产线上的结构光相机的品控,从而在一定程度上保证出厂的结构光相机具备相同的精度指标,同时还能与其他厂商生产的结构光相机进行横向比较,为用户选购结构光相机提供参考价值,因此,如何准确地对结构光相机拍摄出的散斑图进行噪声评价,对结构光相机的生产销售十分重要。
相关的图像噪声评价方法(如公开号:CN101599170A),首先需要技术人员初步估计图像的噪声水平,然后根据对图像噪声的初步估计结果,自适应提取均匀平坦区域,再对均匀平坦区域自适应迭代优化,最后对多种噪声评价指标进行优化组合,得到一个综合鲁棒的噪声评价,然而,这种图像噪声评价方法的准确性严重依赖技术人员对图像噪声水平的初步估计,如果技术人员对图像噪声水平的初步估计不够准确,则会导致最终的图像噪声评价不够准确,容易出现噪声漏检的情况,同时,结构光相机拍摄出的散斑图特征信息非常丰富,这种图像噪声评价方法对散斑图进行噪声评价的效果很差。
发明内容
本申请实施例的目的在于提供一种图像噪声评价方法、电子设备和计算机可读存储介质,可以对散斑图的噪声进行客观准确的评价,不会出现噪声漏检,从而为结构光相机的生产质量控制提供科学、准确的指导建议。
为解决上述技术问题,本申请的实施例提供了一种图像噪声评价方法,包括以下步骤:获取待评价散斑图;其中,所述待评价散斑图包括相机分别在第一距离处和第二距离处对白色平面拍摄得到的第一散斑图和第二散斑图,所述第一距离小于所述第二距离;根据预设的过滤方法剔除所述第一散斑图和所述第二散斑图中的特征散斑点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图;分别对所述第一噪声图和所述第二噪声图进行小波变换,确定所述第一噪声图的第一小波噪声系数和所述第二噪声图的第二小波噪声系数;计算所述第一噪声图的灰度值方差作为第一方差噪声系数,并计算所述第二噪声图的灰度值方差作为第二方差噪声系数;根据所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数、所述第二方差噪声系数和预设权重,确定所述待评价散斑图的噪声评价得分。
本申请的实施例还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的图像噪声评价方法。
本申请的实施例还提供了一种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上述的图像噪声评价方法。
本申请的实施例提供的图像噪声评价方法、电子设备和计算机可读存储介质,先获取包括相机在第一距离处对白色平面拍摄得到的第一散斑图,以及相机在第二距离处对同一平面拍摄得到的第二散斑图在内的待评价散斑图,随后根据预设的过滤方法剔除第一散斑图和第二散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图,再分别对第一噪声图和第二噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数,之后计算第一噪声图的灰度值方差作为第一方差噪声系数,并计算第二噪声图的灰度值方差作为第二方差噪声系数,最后根据得到的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和预设权重,计算得到待评价散斑图的噪声评价得分,考虑到相关的图像噪声评价方法准确度不高且无法对散斑图的噪声进行有效的评价,本申请的实施例,拍摄一近一远的两张散斑图作为待评价散斑图,并过滤掉待评价散斑图中的特征散斑点,得到保留了噪声信息的第一噪声图和第二噪声图,过滤方式简洁有效,通过计算小波噪声系数和方差噪声系数,可以将高斯噪声、泊松噪声和椒盐噪声等各种噪声信息都识别出来,避免噪声漏检,最后根据一近一远的两组小波噪声系数和方差噪声系数,对待评价散斑图做出客观准确的噪声评价,从而为结构光相机的生产质量控制提供科学、准确的指导建议。
另外,所述根据预设的过滤方法剔除所述第一散斑图和所述第二散斑图中的特征散斑点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图,包括:依次将所述第一散斑图和所述第二散斑图作为待剔除图像,并对所述待剔除图像进行二值化处理,得到所述待剔除图像对应的二值化图像;其中,所述二值化图像中各像素点的灰度值为0或255;依次将所述待剔除图像中的各像素点作为目标像素点,判断所述目标像素点在所述二值化图像中的同名像素点的灰度值是否为255;若所述同名像素点的灰度值为255,则将所述目标像素点的灰度值赋值为0;若所述同名像素点的灰度值不为255,则保持所述目标像素点的灰度值不变;根据赋值后的目标像素点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图,对第一散斑图和第二散斑图进行二值化处理,可以很好地将特征散斑点,也就是二值化图像中灰度值为255的像素点识别出来,特征散斑点不包含噪声信息,本申请的实施例将第一散斑图和第二散斑图中的特征散斑点的灰度值赋值为0,从而剔除特征散斑点,有效地提升了后续噪声评价的客观性、准确性。
另外,所述根据所述小波变换步进值对所述待变换噪声图进行小波变换,确定所述待变换噪声图的小波噪声系数,包括:根据所述小波变换步进值,将所述待变换噪声图分割成大小相同的若干第二图像块;根据所述第二图像块中灰度值不为0的像素点,计算所述第二图像块的灰度值均值,并将所述第二图像块中灰度值为0的像素点的灰度值赋值为所述第二图像块的灰度值均值;将所述第二图像块的左半部分各像素点的灰度值的和与右半部分各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的水平噪声信息;将所述第二图像块的上半部分各像素点的灰度值的和与下半部分各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的垂直噪声信息;将所述第二图像块的左上到右下对角线上各像素点的灰度值的和与右上到左下各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的对角噪声信息;计算各所述第二图像块的所述水平噪声信息、所述垂直噪声信息和所述对角噪声信息的均值,并将所述均值作为所述待变换噪声图的小波噪声系数,本申请的实施例从水平噪声信息、垂直噪声信息和对角噪声信息三个角度来衡量第一噪声图、第二噪声图的小波噪声系数,即从多角度客观、准确地衡量待评价散斑图中的高斯噪声,能够进一步提升散斑图噪声评价的客观性、准确性。
另外,若所述小波变换步进值为奇数,则在确定所述水平噪声信息时不考虑所述第二图像块的中间列各像素点的灰度值,且在确定所述垂直噪声信息时不考虑所述第二图像块的中间行各像素点的灰度值,当小波变换步进值为奇数时,第二图像块的中间列不属于左半部分也不属于右半部分,中间行不属于上半部分也不属于下半部分,因此本申请的实施例在计算水平噪声信息时不考虑中间列的各像素点,在计算垂直噪声信息时不考虑中间行的各像素点,规避第二图像块中间行和中间列的影响,保证快速、顺利地确定出小波噪声系数。
另外,所述对所述待剔除图像进行二值化处理,得到二值化图像,包括:依次将所述待剔除图像中的各像素点作为待剔除点,计算以所述待剔除点为中心的预设窗口内各像素点的灰度值均值,并计算所述待剔除点的灰度值与所述窗口内各像素点的灰度值均值之间的第一差值;将所述第一差值大于第一预设阈值的待剔除点的灰度值赋值为255,并将所述第一差值小于或等于所述第一预设阈值的待剔除点的灰度值赋值为0,得到所述待剔除图像对应的粗二值化图像;对所述粗二值化图像进行连通区域检测,得到若干目标连通区域,并确定所述目标连通区域中像素点的个数;其中,所述目标区域中各像素点的灰度值为255;若所述目标连通区域中像素点的个数小于第二预设阈值,则将所述目标连通区域中各像素点的灰度值均赋值为0,得到所述待剔除图像对应的二值化图像,常规的二值化处理可能会误将散斑图中的某些噪声信息误认为特征散斑点,本申请的实施例通过连通区域检测的方式,为粗二值化图像中过于小的灰度值为255的区域重新赋值,防止噪声信息被剔除掉,进一步提升了后续噪声评价的客观性、准确性。
另外,所述根据所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数、所述第二方差噪声系数和预设权重,确定所述待评价散斑图的噪声评价得分,包括:根据预设的权重分配规则,为所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数和所述第二方差噪声系数分配权重;其中,所述权重包括第一权重和第二权重,所述方差噪声系数的第一权重大于所述小波噪声系数的第一权重,各所述噪声系数的第一权重之和等于1,所述第一噪声图对应的噪声系数的第二权重小于所述第二噪声图对应的噪声系数的第二权重,各所述噪声系数的第二权重之和等于1;根据分配权重后的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数,确定所述待评价散斑图的噪声评价得分,在散斑图中,相较于高斯噪声而言,泊松噪声和椒盐噪声对散斑图质量的影响更大,因此为方差噪声系数分配比小波噪声系数更大的权重更为科学、合理,而考虑到拍摄距离的影响,噪声信息在远距离拍摄的散斑图上表现得更为明显,因此为第二噪声图对应的噪声系数分配比第一噪声图对应的噪声系数更大的权重更为科学、合理,从而通过权重分配得方式进一步提升噪声评价得准确性、客观性,为结构光相机的生产质量控制提供更加科学、准确的指导建议。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定。
图1是根据本申请的一个实施例的图像噪声评价方法的流程图;
图2是根据本申请的一个实施例中,根据预设的过滤方法剔除第一散斑图和所述第二散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图的流程图;
图3是根据本申请的一个实施例中,分别对第一噪声图和第二噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数的流程图;
图4是根据本申请的一个实施例中,根据小波变换步进值对待变换噪声图进行小波变换,确定待变换噪声图的小波噪声系数的流程图;
图5是根据本申请的一个实施例中,对待剔除图像进行二值化处理,得到二值化图像的流程图;
图6是根据本申请的一个实施例中,根据第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和预设权重,确定待评价散斑图的噪声评价得分的流程图;
图7是根据本申请的另一个实施例的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本申请各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本申请的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本申请的一个实施例涉及一种图像噪声评价方法,应用于电子设备,其中,电子设备可以为终端或服务器,本实施例以及以下个各个实施例中电子设备以服务器为例进行说明。下面对本实施例的图像噪声评价方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本实施例的图像噪声评价方法的具体流程可以如图1所示,包括:
步骤101,获取待评价散斑图,待评价散斑图包括相机分别在第一距离处和第二距离处对白色平面拍摄得到的第一散斑图和第二散斑图。
在具体实现中,服务器调用结构光相机先在第一距离处对白色平面拍摄得到第一散斑图,再在大于第一距离的第二距离处对同一白色平面拍摄得到第二散斑图,白色平面满足一定的反射条件,本领域的技术人员可以根据实际需要选择白色平面进行拍摄。
在一个例子中,第一距离为400mm,第二距离为700mm,服务器调用结构光相机先在距离白色平面400mm处对该白色平面进行拍摄,得到第一散斑图,再在距离白色平面700mm处对该白色平面进行拍摄,得到第二散斑图。
步骤102,根据预设的过滤方法剔除第一散斑图和第二散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图。
在具体实现中,待评价散斑图中具有若干特征散斑点,特征散斑点的灰度值与大多数像素点的灰度值不同,而噪声点的灰度值与大多数像素点的灰度值也不同,但特征散斑点并不是噪声点,不包含噪声信息,因此服务器需要根据预设的过滤方法剔除第一散斑图和第二散斑图中的特征散斑点,从而得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图。
在一个例子中,考虑到特征散斑点的灰度值一般高于散斑图中大多数像素点的灰度值,因此服务器可以计算第一散斑图的灰度值均值,将第一散斑图中灰度值大于该灰度值均值的像素点作为特征散斑点剔除掉,得到第一噪声图,同理,服务器可以计算第二散斑图的灰度值均值,将第二散斑图中灰度值大于该灰度值均值的像素点作为特征散斑点剔除掉,得到第二噪声图。
步骤103,分别对第一噪声图和第二噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数。
在一个例子中,服务器得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图后,可以计算出第一噪声图的灰度值均值,基于计算出第一噪声图的灰度值均值和预设的小波变换步进值,对第一噪声图进行小波变换,确定第一噪声图的第一小波噪声系数,同理,服务器可以计算出第二噪声图的灰度值均值,基于计算出第二噪声图的灰度值均值和预设的小波变换步进值,对第二噪声图进行小波变换,确定第二噪声图的第二小波噪声系数,小波变换的图像中,高斯噪声越严重,小波噪声系数就越大,因此小波噪声系数可以很好地衡量待评价散斑图中的高斯噪声。
步骤104,计算第一噪声图的灰度值方差作为第一方差噪声系数,并计算第二噪声图的灰度值方差作为第二方差噪声系数。
在具体实现中,服务器得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图后,可以计算出第一噪声图的灰度值均值,基于第一噪声图的灰度值均值计算出第一噪声图的灰度值方差,将计算出的第一噪声图的灰度值方差作为第一方差噪声系数,同理,服务器可以计算出第二噪声图的灰度值均值,基于第二噪声图的灰度值均值计算出第二噪声图的灰度值方差,将计算出的第二噪声图的灰度值方差作为第二方差噪声系数,方差噪声系数可以很地衡量待评价散斑图中的泊松噪声和椒盐噪声。
步骤105,根据第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和预设权重,确定待评价散斑图的噪声评价得分。
具体而言,服务器确定出第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数后,可以根据第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和各噪声系数对应的预设权重,确定待评价散斑图的噪声评价得分。
本实施例,服务器先获取包括相机在第一距离处对白色平面拍摄得到的第一散斑图,以及相机在第二距离处对同一平面拍摄得到的第二散斑图在内的待评价散斑图,随后根据预设的过滤方法剔除第一散斑图和第二散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图,再分别对第一噪声图和第二噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数,之后计算第一噪声图的灰度值方差作为第一方差噪声系数,并计算第二噪声图的灰度值方差作为第二方差噪声系数,最后根据得到的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和预设权重,计算得到待评价散斑图的噪声评价得分,考虑到相关的图像噪声评价方法准确度不高且无法对散斑图的噪声进行有效的评价,本申请的实施例,拍摄一近一远的两张散斑图作为待评价散斑图,并过滤掉待评价散斑图中的特征散斑点,得到保留了噪声信息的第一噪声图和第二噪声图,过滤方式简洁有效,通过计算小波噪声系数和方差噪声系数,可以将高斯噪声、泊松噪声和椒盐噪声等各种噪声信息都识别出来,避免噪声漏检,最后根据一近一远的两组小波噪声系数和方差噪声系数,对待评价散斑图做出客观准确的噪声评价,从而为结构光相机的生产质量控制提供科学、准确的指导建议。
在一个实施例中,服务器根据预设的过滤方法剔除第一散斑图和所述第二散斑图中的特征散斑点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图,可以通过如图2所示的各步骤实现,具体包括:
步骤201,依次将第一散斑图和第二散斑图作为待剔除图像,并对待剔除图像进行二值化处理,得到待剔除图像对应的二值化图像。
具体而言,服务器获取到包括第一散斑图和第二散斑图在内的待评价散斑图后,可以依次将第一散斑图和第二散斑图作为待剔除图像,并对待剔除图像进行二值化处理,得到待剔除图像对应的二值化图像,二值化图像中各像素点的灰度值为0或255。
步骤202,依次将待剔除图像中的各像素点作为目标像素点,判断目标像素点在二值化图像中的同名像素点的灰度值是否为255,如果是,执行步骤203,否则,执行步骤204。
步骤203,将目标像素点的灰度值赋值为0。
步骤204,保持目标像素点的灰度值不变。
在具体实现中,考虑到将待剔除图像二值化后,二值化图像中灰度值为255的像素点就是不包含噪声信息的特征散斑点,服务器依次将待剔除图像中的各像素点作为目标像素点,判断该目标像素点在二值化图像中的同名像素点的灰度值是否为255,若该目标像素点在二值化图像中的同名像素点的灰度值为255,说明该目标像素点为特征散斑点,服务器将该目标像素点的灰度值赋值为0,若该目标像素点在二值化图像中的同名像素点的灰度值不为255,说明该目标像素点不是特征散斑点,可能包含噪声信息,服务器则保持该目标像素点的灰度值不变。
步骤205,根据赋值后的目标像素点,得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图。
具体而言,服务器对待剔除图像完成赋值后,即得到第一散斑图对应的第一噪声图和第二散斑图对应的第二噪声图。
本实施例,服务器对第一散斑图和第二散斑图进行二值化处理,可以很好地将特征散斑点,也就是二值化图像中灰度值为255的像素点识别出来,特征散斑点不包含噪声信息,本申请的实施例将第一散斑图和第二散斑图中的特征散斑点的灰度值赋值为0,从而剔除特征散斑点,有效地提升了后续噪声评价的客观性、准确性。
在一个实施例中,服务器在得到待剔除图像对应的二值化图像之后,可以通过如图3所示的各步骤分别对第一噪声图和第二噪声图进行小波变换,确定第一噪声图的第一小波噪声系数和第二噪声图的第二小波噪声系数,具体包括:
步骤301,将二值化图像均匀分割成大小相同的若干第一图像块,并确定第一图像块中各散斑区域的质心。
具体而言,服务器在得到待剔除图像对应的二值化图像之后,可以将二值化图像均匀分割成大小相同的若干第一图像块,并确定各第一图像块中各散斑区域的质心,其中,散斑区域中各像素点的灰度值均为255,散斑区域的质心即散斑区域的外接矩形的中心。
在一个例子中,服务器在得到待剔除图像对应的二值化图像之后,可以将二值化图像均匀分割成大小相同的9个第一图像块。
步骤302,以距离第一图像块的中心最近的散斑区域为基准散斑区域,计算基准散斑区域的质心与各邻域的散斑区域的质心之间的距离平均值。
步骤303,依次将第一噪声图和第二噪声图作为待变换噪声图,将待变换噪声图的宽和高的若干公倍数中与距离平均值的差值最小的公倍数,作为小波变换步进值。
具体而言,服务器可以针对散斑图确定有针对性的小波变换步进值,服务器将二值化图像均匀分割成大小相同的若干第一图像块后,可以遍历若干第一图像块,在当前第一图像块中找到距离当前第一图像块的中心最近的散斑区域,将该散斑区域作为基准散斑区域,服务器依次将第一噪声图和第二噪声图作为待变换噪声图,计算待变换噪声图的宽和高的若干公倍数,并计算各公倍数与距离平均值之间的差值,将与距离平均值之间的差值最小的公倍数作为小波变换步进值。
在一个例子中,若待变换噪声图的宽和高相等,则服务器无需计算宽和高的公倍数,直接将待变换噪声图的宽作为小波变换步进值。
步骤304,根据小波变换步进值对待变换噪声图进行小波变换,确定待变换噪声图的小波噪声系数。
具体而言,服务器计算出小波变换步进值后,可以根据小波变换步进值对待变换噪声图进行小波变换,确定待变换噪声图的小波噪声系数。
在一个实施例中,服务器根据小波变换步进值对待变换噪声图进行小波变换,确定待变换噪声图的小波噪声系数,可以通过如图4所示的各步骤实现,具体包括:
步骤401,根据小波变换步进值,将待变换噪声图分割成大小相同的若干第二图像块。
具体而言,服务器确定小波变换步进值K后,可以根据小波变换步进值K将待变换噪声图分割成大小相同的R个第二图像块,R=(W×H)/K2,式中,W为待变换噪声图的宽,H为待变换噪声图的高。
步骤402,根据第二图像块中灰度值不为0的像素点,计算第二图像块的灰度值均值,并将第二图像块中灰度值为0的像素点的灰度值赋值为第二图像块的灰度值均值。
具体而言,服务器待变换噪声图分割成大小相同的若干第二图像块后,可以遍历若干第二图像块,根据当前第二图像块中灰度值不为0的像素点,计算当前第二图像块的灰度值均值,并将当前第二图像块中灰度值为0的像素点的灰度值赋值为当前第二图像块的灰度值均值。
步骤403,将第二图像块的左半部分各像素点的灰度值的和与右半部分各像素点的灰度值的和之间的差值的二分之一,作为第二图像块的水平噪声信息。
步骤404,将第二图像块的上半部分各像素点的灰度值的和与下半部分各像素点的灰度值的和之间的差值的二分之一,作为第二图像块的垂直噪声信息。
步骤405,将第二图像块的左上到右下对角线上各像素点的灰度值的和与右上到左下各像素点的灰度值的和之间的差值的二分之一,作为第二图像块的对角噪声信息。
在具体实现中,服务器对各第二图像块完成赋值后,可以分别计算各第二图像块的水平噪声信息、垂直噪声信息和对角噪声信息,服务器分别计算第二图像块的左半部分各像素点的灰度值的和与右半部分各像素点的灰度值的和之间的差值、第二图像块的上半部分各像素点的灰度值的和与下半部分各像素点的灰度值的和之间的差值、以及第二图像块的左上到右下对角线上各像素点的灰度值的和与右上到左下各像素点的灰度值的和之间的差值,服务器将二分之一的第二图像块的左半部分各像素点的灰度值的和与右半部分各像素点的灰度值的和之间的差值,作为第二图像块的水平噪声信息,将二分之一的第二图像块的上半部分各像素点的灰度值的和与下半部分各像素点的灰度值的和之间的差值,作为第二图像块的垂直噪声信息,将二分之一的第二图像块的左上到右下对角线上各像素点的灰度值的和与右上到左下各像素点的灰度值的和之间的差值,作为第二图像块的对角噪声信息。
步骤406,计算各第二图像块的水平噪声信息、垂直噪声信息和对角噪声信息的均值,并将该均值作为待变换噪声图的小波噪声系数。
在具体实现中,服务器计算出各第二图像块的水平噪声信息、垂直噪声信息和对角噪声信息后,可以计算各第二图像块的水平噪声信息、垂直噪声信息和对角噪声信息的均值,将该均值作为待变换噪声图的小波噪声系数,即第一小波噪声系数S1和第二小波噪声系数S2。
本实施例,服务器从水平噪声信息、垂直噪声信息和对角噪声信息三个角度来衡量第一噪声图、第二噪声图的小波噪声系数,即从多角度客观、准确地衡量待评价散斑图中的高斯噪声,能够进一步提升散斑图噪声评价的客观性、准确性。
在一个实施例中,若服务器确定的小波变换步进值为奇数,则服务器在确定水平噪声信息时不考虑第二图像块的中间列各像素点的灰度值,且在确定垂直噪声信息时不考虑第二图像块的中间行各像素点的灰度值,当小波变换步进值为奇数时,第二图像块的中间列不属于左半部分也不属于右半部分,中间行不属于上半部分也不属于下半部分,因此本申请的实施例在计算水平噪声信息时不考虑中间列的各像素点,在计算垂直噪声信息时不考虑中间行的各像素点,规避第二图像块中间行和中间列的影响,保证快速、顺利地确定出小波噪声系数。
在一个实施例中,服务器对待剔除图像进行二值化处理,得到二值化图像,可以通过如图5所示的各步骤实现,具体包括:
步骤501,依次将待剔除图像中的各像素点作为待剔除点,计算以待剔除点为中心的预设窗口内各像素点的灰度值均值,并计算待剔除点的灰度值与窗口内各像素点的灰度值均值之间的第一差值。
步骤502,将第一差值大于第一预设阈值的待剔除点的灰度值赋值为255,并将第一差值小于或等于第一预设阈值的待剔除点的灰度值赋值为0,得到待剔除图像对应的粗二值化图像。
具体而言,服务器在对待剔除图像进行二值化处理时,可以先生成粗二值化图像,服务器依次将待剔除图像中的各像素点作为待剔除点,计算以待剔除点为中心的预设窗口内各像素点的灰度值均值,并计算待剔除点的灰度值与窗口内各像素点的灰度值均值之间的第一差值,服务器判断计算出的第一差值是否大于第一预设阈值,将第一差值大于第一预设阈值的待剔除点的灰度值赋值为255,并将第一差值小于或等于第一预设阈值的待剔除点的灰度值赋值为0,得到待剔除图像对应的粗二值化图像,其中,第一预设阈值可以由本领域的技术人员根据实际需要进行设置。
步骤503,对粗二值化图像进行连通区域检测,得到若干目标连通区域,并确定目标连通区域中像素点的个数。
步骤504,若目标连通区域中像素点的个数小于第二预设阈值,则将目标连通区域中各像素点的灰度值均赋值为0,得到待剔除图像对应的二值化图像。
在具体实现中,考虑到常规的二值化处理可能会误将散斑图中的某些噪声信息误认为特征散斑点,本申请的实施例可以对粗二值化图像进行进一步的细化,即对粗二值化图像进行连通区域检测,得到若干目标连通区域,目标连通区域中各像素点的灰度值为均为255,服务器同时确定目标连通区域中像素点的个数,并判断目标连通区域中像素点的个数是否小于第二预设阈值,若目标连通区域中像素点的个数小于第二预设阈值,服务器则将该目标连通区域中各像素点的灰度值均赋值为0,从而得到待剔除图像对应的二值化图像,以防止噪声信息被剔除掉,进一步提升了后续噪声评价的客观性、准确性,其中,第二预设阈值可以由本领域的技术人员根据实际需要进行设置。
在一个实施例中,服务器根据第一小波噪声系数、第二小波噪声系数、第一方差噪声系数、第二方差噪声系数和预设权重,确定待评价散斑图的噪声评价得分,可以通过如图6所示的各步骤实现,具体包括:
步骤601,根据预设的权重分配规则,为第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数分配权重。
具体而言,考虑到在散斑图中,相较于高斯噪声而言,泊松噪声和椒盐噪声对散斑图质量的影响更大,因此为方差噪声系数分配比小波噪声系数更大的权重更为科学、合理,而考虑到拍摄距离的影响,噪声信息在远距离拍摄的散斑图上表现得更为明显,因此为第二噪声图对应的噪声系数分配比第一噪声图对应的噪声系数更大的权重更为科学、合理,所以本申请的实施例中,服务器为各噪声系数分配的权重包括第一权重和第二权重,为方差噪声系数分配的的第一权重大于为小波噪声系数分配的的第一权重,各噪声系数的第一权重之和等于1,服务器为第一噪声图对应的噪声系数分配的第二权重小于为第二噪声图对应的噪声系数分配的第二权重,各噪声系数的第二权重之和也等于1,从而为结构光相机的生产质量控制提供更加科学、准确的指导建议。
步骤602,根据分配权重后的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数,确定待评价散斑图的噪声评价得分。
在一个例子中,服务器可以通过以下公式,根据分配权重后的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数,确定待评价散斑图的噪声评价得分:
Scorenoise=α1*(β1*D1+β2*D2)+α2*(β1*S1+β2*S2)
式中,α1为方差噪声系数的第一权重,α2为小波噪声系数的第一权重,α1>α2,α1+α2=1,β1为第一噪声图对应的噪声系数的第二权重,β2为第二噪声图对应的噪声系数的第二权重,β1>β2,β1+β2=1,D1为第一方差噪声系数,D2为第二方差噪声系数,S1为第一小波噪声系数,S2为第二小波噪声系数,Scorenoise为待评价散斑图的噪声评价得分。
在一个例子中,α1=0.7,α2=0.3,β1=0.6,β2=0.4。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本申请另一个实施例涉及一种电子设备,如图7所示,包括:至少一个处理器701;以及,与所述至少一个处理器701通信连接的存储器702;其中,所述存储器702存储有可被所述至少一个处理器701执行的指令,所述指令被所述至少一个处理器701执行,以使所述至少一个处理器701能够执行上述各实施例中的图像噪声评价方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本申请另一个实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本申请的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (9)
1.一种图像噪声评价方法,其特征在于,包括:
获取待评价散斑图;其中,所述待评价散斑图包括相机分别在第一距离处和第二距离处对白色平面拍摄得到的第一散斑图和第二散斑图,所述第一距离小于所述第二距离;
根据预设的过滤方法剔除所述第一散斑图和所述第二散斑图中的特征散斑点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图;
分别对所述第一噪声图和所述第二噪声图进行小波变换,确定所述第一噪声图的第一小波噪声系数和所述第二噪声图的第二小波噪声系数;
计算所述第一噪声图的灰度值方差作为第一方差噪声系数,并计算所述第二噪声图的灰度值方差作为第二方差噪声系数;
根据所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数、所述第二方差噪声系数和预设权重,确定所述待评价散斑图的噪声评价得分;
所述根据预设的过滤方法剔除所述第一散斑图和所述第二散斑图中的特征散斑点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图,包括:
依次将所述第一散斑图和所述第二散斑图作为待剔除图像,并对所述待剔除图像进行二值化处理,得到所述待剔除图像对应的二值化图像;其中,所述二值化图像中各像素点的灰度值为0或255;
依次将所述待剔除图像中的各像素点作为目标像素点,判断所述目标像素点在所述二值化图像中的同名像素点的灰度值是否为255;
若所述同名像素点的灰度值为255,则将所述目标像素点的灰度值赋值为0;
若所述同名像素点的灰度值不为255,则保持所述目标像素点的灰度值不变;
根据赋值后的目标像素点,得到所述第一散斑图对应的第一噪声图和所述第二散斑图对应的第二噪声图。
2.根据权利要求1所述的图像噪声评价方法,其特征在于,在所述得到所述待剔除图像对应的二值化图像之后,包括:
将所述二值化图像均匀分割成大小相同的若干第一图像块,并确定所述第一图像块中各散斑区域的质心;其中,所述散斑区域中各像素点的灰度值为255,所述散斑区域的质心为所述散斑区域的外接矩形的中心;
以距离所述第一图像块的中心最近的散斑区域为基准散斑区域,计算所述基准散斑区域的质心与各邻域的散斑区域的质心之间的距离平均值;
所述分别对所述第一噪声图和所述第二噪声图进行小波变换,确定所述第一噪声图的第一小波噪声系数和所述第二噪声图的第二小波噪声系数,包括:
依次将所述第一噪声图和所述第二噪声图作为待变换噪声图,将所述待变换噪声图的宽和高的若干公倍数中与所述距离平均值的差值最小的公倍数,作为小波变换步进值;
根据所述小波变换步进值对所述待变换噪声图进行小波变换,确定所述待变换噪声图的小波噪声系数。
3.根据权利要求2所述的图像噪声评价方法,其特征在于,所述根据所述小波变换步进值对所述待变换噪声图进行小波变换,确定所述待变换噪声图的小波噪声系数,包括:
根据所述小波变换步进值,将所述待变换噪声图分割成大小相同的若干第二图像块;
根据所述第二图像块中灰度值不为0的像素点,计算所述第二图像块的灰度值均值,并将所述第二图像块中灰度值为0的像素点的灰度值赋值为所述第二图像块的灰度值均值;
将所述第二图像块的左半部分各像素点的灰度值的和与右半部分各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的水平噪声信息;
将所述第二图像块的上半部分各像素点的灰度值的和与下半部分各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的垂直噪声信息;
将所述第二图像块的左上到右下对角线上各像素点的灰度值的和与右上到左下各像素点的灰度值的和之间的差值的二分之一,作为所述第二图像块的对角噪声信息;
计算各所述第二图像块的所述水平噪声信息、所述垂直噪声信息和所述对角噪声信息的均值,并将所述均值作为所述待变换噪声图的小波噪声系数。
4.根据权利要求3所述的图像噪声评价方法,其特征在于,若所述小波变换步进值为奇数,则在确定所述水平噪声信息时不考虑所述第二图像块的中间列各像素点的灰度值,且在确定所述垂直噪声信息时不考虑所述第二图像块的中间行各像素点的灰度值。
5.根据权利要求1至4中任一项所述的图像噪声评价方法,其特征在于,所述对所述待剔除图像进行二值化处理,得到二值化图像,包括:
依次将所述待剔除图像中的各像素点作为待剔除点,计算以所述待剔除点为中心的预设窗口内各像素点的灰度值均值,并计算所述待剔除点的灰度值与所述窗口内各像素点的灰度值均值之间的第一差值;
将所述第一差值大于第一预设阈值的待剔除点的灰度值赋值为255,并将所述第一差值小于或等于所述第一预设阈值的待剔除点的灰度值赋值为0,得到所述待剔除图像对应的粗二值化图像;
对所述粗二值化图像进行连通区域检测,得到若干目标连通区域,并确定所述目标连通区域中像素点的个数;其中,所述目标连通区域中各像素点的灰度值为255;
若所述目标连通区域中像素点的个数小于第二预设阈值,则将所述目标连通区域中各像素点的灰度值均赋值为0,得到所述待剔除图像对应的二值化图像。
6.根据权利要求1至4中任一项所述的图像噪声评价方法,其特征在于,所述根据所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数、所述第二方差噪声系数和预设权重,确定所述待评价散斑图的噪声评价得分,包括:
根据预设的权重分配规则,为所述第一小波噪声系数、所述第二小波噪声系数、所述第一方差噪声系数和所述第二方差噪声系数分配权重;其中,所述权重包括第一权重和第二权重,所述方差噪声系数的第一权重大于所述小波噪声系数的第一权重,各所述噪声系数的第一权重之和等于1,所述第一噪声图对应的噪声系数的第二权重小于所述第二噪声图对应的噪声系数的第二权重,各所述噪声系数的第二权重之和等于1;
根据分配权重后的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数,确定所述待评价散斑图的噪声评价得分。
7.根据权利要求6所述的图像噪声评价方法,其特征在于,通过以下公式,根据分配权重后的第一小波噪声系数、第二小波噪声系数、第一方差噪声系数和第二方差噪声系数,确定所述待评价散斑图的噪声评价得分:
Scorenoise=α1*(β1*D1+β2*D2)+α2*(β1*S1+β2*S2)
其中,α1为所述方差噪声系数的第一权重,α2为所述小波噪声系数的第一权重,α1>α2,α1+α2=1,β1为所述第一噪声图对应的噪声系数的第二权重,β2为所述第二噪声图对应的噪声系数的第二权重,β1>β2,β1+β2=1,D1为所述第一方差噪声系数,D2为所述第二方差噪声系数,S1为所述第一小波噪声系数,S2为所述第二小波噪声系数,Scorenoise为所述待评价散斑图的噪声评价得分。
8.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的图像噪声评价方法。
9.一种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权利要求1至7中任一项所述的图像噪声评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210026626.4A CN114529509B (zh) | 2022-01-11 | 2022-01-11 | 图像噪声评价方法、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210026626.4A CN114529509B (zh) | 2022-01-11 | 2022-01-11 | 图像噪声评价方法、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529509A CN114529509A (zh) | 2022-05-24 |
CN114529509B true CN114529509B (zh) | 2022-12-16 |
Family
ID=81621698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210026626.4A Active CN114529509B (zh) | 2022-01-11 | 2022-01-11 | 图像噪声评价方法、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529509B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913175B (zh) * | 2022-07-18 | 2022-12-16 | 合肥的卢深视科技有限公司 | 散斑图像质量评价方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609914A (zh) * | 2012-01-17 | 2012-07-25 | 天津大学 | 图像传感器的信号相关噪声估计方法 |
CN106530278A (zh) * | 2016-10-14 | 2017-03-22 | 中国科学院光电技术研究所 | 用于点源哈特曼波前探测器的点光斑检测与背景噪声特征估计方法 |
CN111340713A (zh) * | 2018-12-18 | 2020-06-26 | 展讯通信(上海)有限公司 | 图像数据的噪声估计与去噪方法及装置、存储介质、终端 |
CN112734674A (zh) * | 2021-01-15 | 2021-04-30 | 河海大学 | 一种图像去噪声的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036471B (zh) * | 2013-03-05 | 2017-07-25 | 腾讯科技(深圳)有限公司 | 一种图像噪声估值方法及图像噪声估值装置 |
CN109167904B (zh) * | 2018-10-31 | 2020-04-28 | Oppo广东移动通信有限公司 | 图像获取方法、图像获取装置、结构光组件及电子装置 |
CN110706183B (zh) * | 2019-10-11 | 2023-05-19 | 成都极米科技股份有限公司 | 图像清晰度的确定方法、装置、投影仪设备及存储介质 |
-
2022
- 2022-01-11 CN CN202210026626.4A patent/CN114529509B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609914A (zh) * | 2012-01-17 | 2012-07-25 | 天津大学 | 图像传感器的信号相关噪声估计方法 |
CN106530278A (zh) * | 2016-10-14 | 2017-03-22 | 中国科学院光电技术研究所 | 用于点源哈特曼波前探测器的点光斑检测与背景噪声特征估计方法 |
CN111340713A (zh) * | 2018-12-18 | 2020-06-26 | 展讯通信(上海)有限公司 | 图像数据的噪声估计与去噪方法及装置、存储介质、终端 |
CN112734674A (zh) * | 2021-01-15 | 2021-04-30 | 河海大学 | 一种图像去噪声的方法 |
Non-Patent Citations (2)
Title |
---|
基于改进BM3D的图像去噪算法研究;张案瑜;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20200215(第02期);第I138-1422页 * |
基于深度学习的图像噪声识别与去除技术研究;刘帆;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20210215(第02期);第I138-1744页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114529509A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1993070B1 (en) | Image processing device for image-analyzing magnification color aberration, image processing program, electronic camera, and image processing method for image analysis of chromatic aberration of magnification | |
CN113176270B (zh) | 一种调光方法、装置及设备 | |
CN109693387A (zh) | 基于点云数据的3d建模方法 | |
CN111768450A (zh) | 基于散斑图的结构光相机行偏差的自动检测方法和装置 | |
JP2014228357A (ja) | ひび割れ検出方法 | |
CN114529509B (zh) | 图像噪声评价方法、电子设备和计算机可读存储介质 | |
CN111710000A (zh) | 一种相机行偏差自检方法及系统 | |
CN114283089B (zh) | 基于跳跃加速的深度恢复方法、电子设备及存储介质 | |
CN115423870A (zh) | 一种瞳孔中心定位方法和装置 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN116129195A (zh) | 图像质量评价装置、方法、电子设备和存储介质 | |
CN110276801B (zh) | 一种物体定位方法、装置及存储介质 | |
CN112204957A (zh) | 白平衡处理方法和设备、可移动平台、相机 | |
CN111369611A (zh) | 图像像素深度值优化方法及其装置、设备和存储介质 | |
CN112017163A (zh) | 图像模糊度检测的方法、装置、电子设备及存储介质 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN115423808B (zh) | 散斑投射器的质量检测方法、电子设备和存储介质 | |
CN108876845B (zh) | 菲涅尔纹中心的确定方法和装置 | |
CN113822818B (zh) | 散斑提取方法、装置、电子设备及存储介质 | |
CN114331919B (zh) | 深度恢复方法、电子设备及存储介质 | |
CN114913175A (zh) | 散斑图像质量评价方法、电子设备及存储介质 | |
CN110516680B (zh) | 图像处理方法及装置 | |
CN113344988A (zh) | 立体匹配方法、终端及存储介质 | |
CN118396885B (zh) | 用于地热资源探测数据的智能分析方法 | |
CN118135051B (zh) | 适用于手动和自动对焦的虚拟面生成方法及其应用 |
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 |
Effective date of registration: 20220707 Address after: 230091 room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui Province Applicant after: Hefei lushenshi Technology Co.,Ltd. Address before: 100083 room 3032, North B, bungalow, building 2, A5 Xueyuan Road, Haidian District, Beijing Applicant before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Applicant before: Hefei lushenshi Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |