CN114627164A - 一种图像局部结构差异评估方法及系统 - Google Patents
一种图像局部结构差异评估方法及系统 Download PDFInfo
- Publication number
- CN114627164A CN114627164A CN202210421008.XA CN202210421008A CN114627164A CN 114627164 A CN114627164 A CN 114627164A CN 202210421008 A CN202210421008 A CN 202210421008A CN 114627164 A CN114627164 A CN 114627164A
- Authority
- CN
- China
- Prior art keywords
- image
- compared
- difference
- reference image
- carrying
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 53
- 238000001914 filtration Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000003711 image thresholding Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013519 translation Methods 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种图像局部结构差异评估方法及系统,属于图像处理领域,包括:采集基准图像及待比较图像,进行sift特征点匹配和图像配准,将两图像经过处理,再将两幅处理后的图像做差并做自适应二值化,对得到的图像依次执行形态学闭、开运算后生成图像局部结构差异图,然后将该差异图分块,对每个分块图像分别统计其值1像素占比,得到的即是各分块图像的结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异评估值。采用本发明能够有效评估图像局部结构的差异度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像局部结构差异评估方法及系统。
背景技术
常见方法采用计算峰值信噪比或者结构相似度的方法评诂图像差异性,对于峰值信噪比,往往无法和人眼看到的视觉相似度完全一致;对于结构相似度,通过从亮度、对比度与结构来对两幅图像的相似性进行评估,评价结果更接近人眼视觉效果,但是人类视觉系统是高度非线性的,仅仅比较两个信号结构的相似性是不够的。峰值信噪比和结构相似度,对于图像采集要求高,往往由于采集条件的限制,不能很好的反映图像的局部差异性,容易出现图像局部差异性评估不准确的问题。
发明内容
为了解决以上技术问题,本发明提供了一种图像局部结构差异评估方法,使用sift算法配准、高斯滤波去噪、直方图匹配、形态学操作等方式,计算图像差异图,并采用加权分块统计图像差异值的方式评诂图像的局部差异值,提高了图像差异评估的准确率。
本发明的技术方案是:
一种图像局部结构差异评估方法,包括:
采集基准图像及待比较图像;
对待比较图像进行图像配准;
对待比较图像进行直方图匹配;
将基准图像和直方图匹配后的待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵;
根据差异值矩阵计算两幅图像有差异的部分占原图的比例,得到待比较图像与基准图像的结构差异评估值。
进一步的,
所述采集基准图像及待比较图像,具体包括:
通过图像采集设备,分别采集基准图像及待比较图像;
所述对待比较图像进行图像配准,具体包括:
分别对基准图像和待比较图像进行特征提取得到特征点,然后根据二者的特征点进行特征匹配,计算配准矩阵,对待比较图像进行图像配准,得到配准后的待比较图像;
所述对待比较图像进行直方图匹配,具体包括:
分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像,然后利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像;
所述将基准图像和直方图匹配后的待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,具体包括:
首先将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作,然后将两者的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作;
所述根据差异值矩阵计算两幅图像有差异的部分占原图的比例,得到整幅图像的结构差异度,具体包括:
首先将差异值矩阵先做闭运算,再做开运算,得到最终的差异值矩阵,即两幅图像有差异的部分;然后将该差异值矩阵按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到的即是各分块图像的结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异度。
此外,本发明还提供了一种图像局部结构差异评估系统,包括:
图像采集模块,用于采集基准图像和待比较图像;
图像配准模块,用于对待比较图像进行图像配准,得到配准后的待比较图像;
直方图匹配模块,用于对待比较图像进行直方图匹配,得到匹配后的待比较图像;
图像作差模块,用于将基准图像和待比较图像作差,得到两者的差异值矩阵;
结构差异计算模块,用于计算基准图像和待比较图像之间的结构差异评估值;
进一步的,
所述图像采集模块,具体包括:
图像采集单元,用于通过图像采集设备,分别采集基准图像和待比较图像;
所述图像配准模块,具体包括:
特征提取单元,用于分别对基准图像和待比较图像进行特征提取得到特征点,根据二者的特征点进行特征匹配;
图像配准单元,用于计算配准矩阵,然后对待比较图像进行图像配准,得到配准后的待比较图像;
所述直方图匹配模块,具体包括:
图像预处理单元,用于分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像;
直方图匹配单元,用于利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像;
所述图像作差模块,具体包括:
图像二值化单元,用于将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作;
图像作差单元,用于将基准图像和待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作;
开运算与闭运算处理单元,用于将差异值矩阵先做闭运算,再做开运算,得到最终的差异值图像;
所述结构差异计算模块,具体包括:
图像差异统计单元,用于将该差异值图像按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到各分块图像的局部结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异度。
本发明的有益效果是
(1)本发明通过图像配准算法,可以有效的降低由于拍摄带来的图像旋转、图像平移噪声,降低了拍摄难度,有效避免了拍摄带来的干扰因素;
(2)本发明通过直方图匹配算法,可以有效的降低由于拍摄光线带来的亮度噪声,同样降低了拍摄难度和拍摄环境要求;
(3)本发明采用局部结构的差异比对,并结合加权分块统计的方式,统计结果更加鲁棒,算法原理易懂,可解释性强。
附图说明
图1是本发明图像局部结构差异评估方法流程图;
图2是本发明图像局部结构差异评估系统结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种图像局部结构差异评估方法,得到整幅图像的结构差异评诂值。
图1为本发明图像局部结构差异评估方法流程图。如图1所示,包括:
步骤101:采集基准图像和待比较图像,具体包括:
通过图像采集设备,分别采集基准图像和待比较图像。采集完成后将采集到的图像上传到数据库。
步骤102:对待比较图像进行图像配准,具体包括:
分别对基准图像和待比较图像进行特征提取得到特征点,根据二者的特征点进行特征匹配,计算配准矩阵,然后对待比较图像进行图像配准,得到配准后的待比较图像;
步骤103:对待比较图像进行直方图匹配,具体包括:
分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像,然后利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像;
步骤104:将基准图像和直方图匹配后的待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,具体包括:
首先将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作,然后将两者的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作;将差异值矩阵先做闭运算,再做开运算,得到最终的差异值矩阵,即两幅图像有差异的部分;
步骤105:根据差异值矩阵,计算两幅图像有差异的部分占原图的比例,具体包括:
首先将差异值矩阵按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到的即是各分块图像的结构差异评估值;
步骤106:对网格分块图像结构差异评估加权平均得到整幅图像的结构差异评估值,具体包括:分别统计每个网格分块图像结构差异评估值,对所有分块的图像结构差异评估值进行加权平均,最终得到整幅图像的结构差异评估值。
图2为本发明图像局部结构差异评估系统结构图。如图2所示,包括:
图像采集模块201,用于采集基准图像和待比较图像;
图像配准模块202,用于对待比较图像进行图像配准,得到配准后的待比较图像;
直方图匹配模块203,用于对待比较图像进行直方图匹配,得到匹配后的待比较图像;
图像作差模块204,用于将基准图像和待比较图像作差,得到两者的差异值矩阵;
结构差异计算模块205,用于计算基准图像和待比较图像之间的结构差异评估值;
所述图像采集模块201,具体包括:
图像采集单元,用于通过图像采集设备,分别采集基准图像和待比较图像;
所述图像配准模块202,具体包括:
特征提取单元,用于分别对基准图像和待比较图像进行特征提取得到特征点,根据二者的特征点进行特征匹配;
图像配准单元,用于计算配准矩阵,然后对待比较图像进行图像配准,得到配准后的待比较图像;
所述直方图匹配模块203,具体包括:
图像预处理单元,用于分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像;
直方图匹配单元,用于利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像;
所述图像作差模块204,具体包括:
图像二值化单元,用于将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作;
图像作差单元,用于将基准图像和待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作;
开运算与闭运算处理单元,用于将差异值矩阵先做闭运算,再做开运算,得到最终的差异值图像;
所述结构差异计算模块205,具体包括:
图像差异统计单元,用于将该差异值图像按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到各分块图像的局部结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异度。
以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种图像局部结构差异评估方法,其特征在于,
采集基准图像及待比较图像;
对待比较图像进行图像配准;
对待比较图像进行直方图匹配;
将基准图像和直方图匹配后的待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵;
根据差异值矩阵计算两幅图像有差异的部分占原图的比例,得到待比较图像与基准图像的结构差异评估值。
2.根据权利要求1所述的方法,其特征在于,
所述采集基准图像及待比较图像,具体包括:
通过图像采集设备,分别采集基准图像及待比较图像;
所述对待比较图像进行图像配准,具体包括:
分别对基准图像和待比较图像进行特征提取得到特征点,然后根据二者的特征点进行特征匹配,计算配准矩阵,对待比较图像进行图像配准,得到配准后的待比较图像。
3.根据权利要求2所述的方法,其特征在于,
所述对待比较图像进行直方图匹配,具体包括:
分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像,然后利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像。
4.根据权利要求3所述的方法,其特征在于,
所述将基准图像和直方图匹配后的待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,具体包括:
首先将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作,然后将两者的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作。
5.根据权利要求4所述的方法,其特征在于,
所述根据差异值矩阵计算两幅图像有差异的部分占原图的比例,得到整幅图像的结构差异度,具体包括:
首先将差异值矩阵先做闭运算,再做开运算,得到最终的差异值矩阵,即两幅图像有差异的部分;然后将该差异值矩阵按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到的即是各分块图像的结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异度。
6.一种图像局部结构差异评估系统,其特征在于,
包括:
图像采集模块,用于采集基准图像和待比较图像;
图像配准模块,用于对待比较图像进行图像配准,得到配准后的待比较图像;
直方图匹配模块,用于对待比较图像进行直方图匹配,得到匹配后的待比较图像;
图像作差模块,用于将基准图像和待比较图像作差,得到两者的差异值矩阵;
结构差异计算模块,用于计算基准图像和待比较图像之间的结构差异评估值。
7.根据权利要求7所述的系统,其特征在于,
所述图像采集模块,具体包括:
图像采集单元,用于通过图像采集设备,分别采集基准图像和待比较图像;
所述图像配准模块,具体包括:
特征提取单元,用于分别对基准图像和待比较图像进行特征提取得到特征点,根据二者的特征点进行特征匹配;
图像配准单元,用于计算配准矩阵,然后对待比较图像进行图像配准,得到配准后的待比较图像。
8.根据权利要求7所述的方法,其特征在于,
所述直方图匹配模块,具体包括:
图像预处理单元,用于分别将基准图像和配准后的待比较图像转化为灰度图,并分别进行高斯滤波,得到噪声过滤后的基准图像和待比较图像;
直方图匹配单元,用于利用基准图像的直方图对待比较图像进行直方图匹配,得到直方图匹配后的待比较图像。
9.根据权利要求8所述的方法,其特征在于,
所述图像作差模块,具体包括:
图像二值化单元,用于将基准图像和直方图匹配后的待比较图像分别进行OTSU图像二值化操作;
图像作差单元,用于将基准图像和待比较图像的灰度值矩阵相减并绝对值化,得到两者的差异值矩阵,并对该差异值矩阵进行图像阈值化操作;
开运算与闭运算处理单元,用于将差异值矩阵先做闭运算,再做开运算,得到最终的差异值图像。
10.根据权利要求9所述的方法,其特征在于,
所述结构差异计算模块,具体包括:
图像差异统计单元,用于将该差异值图像按1*1、2*2、4*4、8*8等不同规格的网格分块,对每个分块图像分别统计其值1像素占比,得到各分块图像的局部结构差异评估值,进而对1*1、2*2、4*4、8*8等不同规格的网格分块图像结构差异评估加权平均得到整幅图像的结构差异度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421008.XA CN114627164A (zh) | 2022-04-21 | 2022-04-21 | 一种图像局部结构差异评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421008.XA CN114627164A (zh) | 2022-04-21 | 2022-04-21 | 一种图像局部结构差异评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114627164A true CN114627164A (zh) | 2022-06-14 |
Family
ID=81906357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210421008.XA Pending CN114627164A (zh) | 2022-04-21 | 2022-04-21 | 一种图像局部结构差异评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114627164A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115343013A (zh) * | 2022-10-18 | 2022-11-15 | 湖南第一师范学院 | 空腔模型的压力测量方法及相关设备 |
-
2022
- 2022-04-21 CN CN202210421008.XA patent/CN114627164A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115343013A (zh) * | 2022-10-18 | 2022-11-15 | 湖南第一师范学院 | 空腔模型的压力测量方法及相关设备 |
CN115343013B (zh) * | 2022-10-18 | 2023-01-20 | 湖南第一师范学院 | 空腔模型的压力测量方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rajput et al. | Comparative study of image enhancement techniques | |
Han et al. | Fingerprint image enhancement method based on adaptive median filter | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN115100077B (zh) | 一种图像增强方法与装置 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN110751667B (zh) | 基于人类视觉系统的复杂背景下红外弱小目标检测方法 | |
CN114627164A (zh) | 一种图像局部结构差异评估方法及系统 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
CN117036352B (zh) | 一种基于人工智能的视频分析方法及系统 | |
CN108090914B (zh) | 基于统计建模与像素分类的彩色图像分割方法 | |
Valliammal et al. | A hybrid method for enhancement of plant leaf recognition | |
CN112784922A (zh) | 智能云端医疗影像的提取和分类方法 | |
CN111738984A (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
CN114266748B (zh) | 一种轨交检修领域工艺板表面完整性判定的方法及装置 | |
Ieremeiev et al. | Masking effect of non-predictable energy of image regions | |
CN115512310A (zh) | 一种基于视频监控下车脸特征的车型识别方法及系统 | |
CN115564705A (zh) | 用于精密标准件的毛刺检测精度增强方法及系统 | |
CN108537807A (zh) | 一种基于高分四号卫星影像改进的边缘增强检测方法 | |
Abhyankar et al. | Spatial domain decision based image fusion using superimposition | |
CN113822361A (zh) | 一种基于汉明距离的sar图像相似程度度量方法和系统 | |
CN112785589A (zh) | 通过云端网络获取数字医疗异常影像的方法 | |
CN111666943A (zh) | 基于图像识别的输电线路螺栓螺母的匹配检测方法及系统 | |
CN117808809B (zh) | 晶圆表面缺陷的视觉检测方法及系统 | |
CN116468958B (zh) | 通信铁塔安全检测方法及系统 | |
CN116630814B (zh) | 一种基于机器学习的建筑灾害快速定位评估方法 |
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 |