CN117495984A - 一种同轴式混合光学变焦针孔镜头智能标定方法 - Google Patents
一种同轴式混合光学变焦针孔镜头智能标定方法 Download PDFInfo
- Publication number
- CN117495984A CN117495984A CN202311816647.7A CN202311816647A CN117495984A CN 117495984 A CN117495984 A CN 117495984A CN 202311816647 A CN202311816647 A CN 202311816647A CN 117495984 A CN117495984 A CN 117495984A
- Authority
- CN
- China
- Prior art keywords
- image
- analyzed
- sub
- area
- target
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 97
- 238000005286 illumination Methods 0.000 claims abstract description 79
- 238000010606 normalization Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及镜头参数标定技术领域,具体涉及一种同轴式混合光学变焦针孔镜头智能标定方法。方法包括:获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,根据每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到光照评价值,进而筛选目标区域;基于目标区域的光照评价值确定目标区域对应的Vollath权重;根据目标区域像素点的灰度值、目标区域像素点的数量和Vollath权重确定最优系统参数,进而对同轴式混合光学变焦针孔镜头进行标定。本发明提高了同轴式混合光学变焦针孔镜头系统参数标定结果的可信度。
Description
技术领域
本发明涉及镜头参数标定技术领域,具体涉及一种同轴式混合光学变焦针孔镜头智能标定方法。
背景技术
混合光学变焦针孔镜头结合了针孔的一些特性与可变焦距的功能,可以调整系统参数来适应不同的拍摄需求。在利用同轴式混合光学变焦针孔镜头采集图像时,系统参数(如焦距、畸变系数等)不同,采集到的图像的清晰度也不相同,因此为了提高后续采集到的图像的清晰度,往往需要获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的图像,然后对采集到的图像的清晰度进行分析,并依据清晰度大小进行迭代反馈,利用最优系统参数对同轴式混合光学变焦针孔镜头的系统参数进行标定,也即动态改变系统参数的大小。
对采集到的图像进行清晰度分析时通常采用的方法有拉普拉斯算子、Vollath's方法等,使用拉普拉斯算子的滤波结果进行图像清晰度的判断时,会因为该算法对噪声的处理能力较差,并且由于算子核权重的限制,更偏向于获取图像二阶导信息,进而使得该算子输出结果不能有效判断图像清晰度;相较于拉普拉斯算子,Vollath's方法对于图像清晰度的判断受到噪声影响较小,并且避免了对于图像二阶导信息更敏感的影响,但该算法在分析部分光照强度较高的图像时,会因为较高的光照强度引起的像素灰度值之间的差值较小,使得图像清晰度的判断结果存在偏差,进而导致同轴式混合光学变焦针孔镜头系统参数的标定结果的可信度较低。
发明内容
为了解决现有方法在对同轴式混合光学变焦针孔镜头采集到的图像进行清晰度判断时存在的判断结果有一定偏差,进而导致同轴式混合光学变焦针孔镜头系统参数的标定结果的可信度较低的问题,本发明的目的在于提供一种同轴式混合光学变焦针孔镜头智能标定方法,所采用的技术方案具体如下:
本发明提供了一种同轴式混合光学变焦针孔镜头智能标定方法,该方法包括以下步骤:
获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,分别对每张待分析图像进行划分获得各子区域;
根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到每张待分析图像中每个子区域的光照评价值;基于所述光照评价值筛选每张待分析图像中的目标区域;
基于目标区域的光照评价值确定目标区域对应的Vollath权重;根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,得到每张待分析图像对应的清晰度评价值;
基于所述清晰度评价值确定最优系统参数;基于所述最优系统参数对同轴式混合光学变焦针孔镜头进行标定。
优选的,所述根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到每张待分析图像中每个子区域的光照评价值,包括:
对于第a张待分析图像中第k个子区域:
基于第k个子区域内每个像素点的灰度值构建第k个子区域对应的灰度值序列,将所述灰度值序列中相邻两个灰度值之间的差值的绝对值作为对应两个相邻像素点的第一差异;
采用大津阈值分割算法分别对每个子区域进行处理,将每个子区域内灰度值大于阈值的像素点作为目标像素点;将第k个子区域内目标像素点的数量与其相邻的每个子区域内目标像素点的数量之间的差值的绝对值,作为第k个子区域与其相邻的每个子区域的数量差异;
根据所述第一差异、所述数量差异、第k个子区域所有像素点的平均灰度值和第k个子区域内目标像素点的数量,得到第a张待分析图像中第k个子区域的光照评价值。
优选的,采用如下公式计算第a张待分析图像中第k个子区域的光照评价值:
其中,表示第a张待分析图像中第k个子区域的光照评价值,/>表示第a张待分析图像中第k个子区域所有像素点的平均灰度值,/>表示第a张待分析图像中第k个子区域内像素点的数量,/>表示第a张待分析图像中第k个子区域内第i个像素点的灰度值,表示第a张待分析图像中第k个子区域内第i+1个像素点的灰度值,/>表示第a张待分析图像中第k个子区域内目标像素点的数量,/>表示第a张待分析图像中与第k个子区域相邻的第j个子区域内目标像素点的数量,/>为取绝对值符号,norm( )为归一化函数,e为自然常数,/>表示预设第一调节系数,/>。
优选的,所述基于所述光照评价值筛选每张待分析图像中的目标区域,包括:
将光照评价值大于预设第一评价阈值且小于预设第二评价阈值的子区域记为第一类子区域,将光照评价值大于或等于预设第二评价阈值的子区域记为第二类子区域;其中,预设第一评价预设小于预设第二评价阈值;
将所述第一类子区域和所述第二类子区域均作为目标区域。
优选的,所述基于目标区域的光照评价值确定目标区域对应的Vollath权重,包括:
对于任一目标区域:将目标区域的光照评价值的归一化结果,作为目标区域对应的Vollath权重。
优选的,所述根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,得到每张待分析图像对应的清晰度评价值,包括:
对于第a张待分析图像:
根据第a张待分析图像中每个目标区域的光照评价值、第a张待分析图像中所有目标区域内第一类像素点的总数量和第a张待分析图像中所有目标区域内第二类像素点的总数量,得到第a张待分析图像对应的参考权值;
基于第a张待分析图像中每个目标区域内像素点的灰度值、所述Vollath权重和所述参考权值,得到第a张待分析图像对应的清晰度评价值。
优选的,采用如下公式计算第a张待分析图像对应的参考权值:
其中,表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域的光照评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像中所有目标区域内第一类像素点的总数量,/>表示第a张待分析图像中所有目标区域内第二类像素点的总数量,/>为预设第二调节系数,/>。
优选的,采用如下公式计算第a张待分析图像对应的清晰度评价值:
其中,表示第a张待分析图像对应的清晰度评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域内像素点的数量,/>表示第a张待分析图像中第t个目标区域内第m个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域内第m+1个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域对应的Vollath权重。
优选的,所述基于所述清晰度评价值确定最优系统参数,包括:
分别对每张待分析图像对应的清晰度评价值进行归一化处理获得每张待分析图像对应的归一化后的结果;将最小的归一化后的结果对应的待分析图像所对应的系统参数,确定为最优系统参数。
优选的,所述分别对每张待分析图像进行划分获得各子区域,包括:
对于任一待分析图像:将待分析图像均分为预设数量个子区域。
本发明至少具有如下有益效果:
本发明在利用同轴式混合光学变焦针孔镜头采集图像时,同轴式混合光学变焦针孔镜头在不同的系统参数下采集到的图像的清晰度不同,因此需要对不同系统参数下采集到的图像的清晰度进行评价,进而对同轴式混合光学变焦针孔镜头的系统参数进行标定,但是图像在采集时会受到光照的影响,影响最优系统参数标定结果的可信度,本发明首先获取了同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,然后分别根据每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,对每个子区域的光照强度进行分析,确定了光照评价值,光照评价值越大的区域的光照强度越强,本发明基于光照评价值筛选出目标区域,并基于光照评价值确定了目标区域对应的Vollath权重,进而对每张待分析图像的清晰度进行了评价,消除了光照强度对同轴式混合光学变焦针孔镜头的最优系统参数确定带来的影响,保证了待分析图像清晰度判断结果的准确度,进而确定了最优系统参数,并对同轴式混合光学变焦针孔镜头进行标定,提高了同轴式混合光学变焦针孔镜头系统参数的标定结果的可信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明实施例所提供的一种同轴式混合光学变焦针孔镜头智能标定方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种同轴式混合光学变焦针孔镜头智能标定方法进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种同轴式混合光学变焦针孔镜头智能标定方法的具体方案。
一种同轴式混合光学变焦针孔镜头智能标定方法实施例:
本实施例所针对的具体场景为:在利用同轴式混合光学变焦针孔镜头采集图像时,同轴式混合光学变焦针孔镜头在不同的系统参数下采集到的图像的清晰度不同,因此需要对不同系统参数下采集到的图像的清晰度进行评价,进而基于图像的清晰度确定最优系统参数,但是图像在采集时会受到光照的影响,影响最优系统参数确定的可信度,为了消除光照对于判断图像清晰度带来的影响,对图像使用单一Vollath's方法权重的清晰度判定方法会使得光照强度部分区域清晰度的判定结果存在误差,因此本实施例将获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,对采集到的不同的待分析图像的不同区域依据光照强度设置不同的Vollath权重,进而确定最优系统参数,并对同轴式混合光学变焦针孔镜头的系统参数进行标定。
本实施例提出了一种同轴式混合光学变焦针孔镜头智能标定方法,如图1所示,本实施例的一种同轴式混合光学变焦针孔镜头智能标定方法包括以下步骤:
步骤S1,获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像;分别对每张待分析图像进行划分获得各子区域。
本实施例首先设置同轴式混合光学变焦针孔镜头的系统参数,系统参数包括焦距、畸变系数等,在设置系统参数时,首先保证一个系统参数不变,不断调节另外的系统参数,每调节一次均利用调节后的同轴式混合光学变焦针孔镜头采集一张待分析图像,例如:首先控制畸变系数不变,不断调节焦距,每调节一次焦距,利用同轴式混合光学变焦针孔镜头采集一张待分析图像;然后控制焦距不变,不断调节畸变系数,每调节一次畸变系数,利用同轴式混合光学变焦针孔镜头采集一张待分析图像,本实施例采集到的待分析图像为RGB图像;采用上述方法,能够获得多张待分析图像。需要说明的是,同一系统参数相邻两次的变化量相等,在具体应用中,实施者根据轴式混合光学变焦针孔镜头的每种系统参数可调节的范围设置系统参数每次调节时的变化量以及调节的总次数,在此不再过多赘述。
本实施例采集到了同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,对于任一待分析图像:将待分析图像均分为预设数量个子区域;本实施例中预设数量为100,因此分别将每张待分析图像均划分为了100个大小相等的子区域,在具体应用中,实施者可根据具体情况设置每张图像中子区域的划分数量。
至此,本实施例获取了同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,以及每张待分析图像中的多个子区域。
步骤S2,根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到每张待分析图像中每个子区域的光照评价值;基于所述光照评价值筛选每张待分析图像中的目标区域。
不同系统参数下采集到的图像清晰度不同,对于图像内边缘的表现力也不同,清晰度越高的图像,其边缘表现力越高。而不同程度的光照条件对于该表现力也具备着一定程度的影响,某个局部区域的光照强度越高,像素点灰度值越接近,边缘表现力越低。为了确定不同系统参数下的图像清晰度,本实施例选取对于噪声敏感度较低的Vollath's方法进行清晰度的获取,相较于拉普拉斯算子更具备可信性。
为了消除光照强度过高引起的局部区域像素点灰度值接近的问题,依据Vollath's方法中相邻像素点灰度值越接近得到的图像清晰度越低的特征,首先依据光照强度赋予对应的Vollath权重,为了提高后续清晰度评价值的可信度,使赋予权重后计算得到的清晰度评价值越不会被光照强度所影响,那么光照强度越高,像素点灰度值越接近,此时权重值就需要越大。待分析图像中像素点的灰度值越接近,并且灰度均值越高,则说明对应区域越可能为同一光照强度所覆盖的区域,进而可以依据该方法对其进行不同区域的划分。对于待分析图像,光照强度越高,图像亮度越高,灰度化处理后,图像像素点的灰度均值越大,那么此时光照强度也就越大,但灰度值高的像素点的光照强度不一定高。考虑到光照的存在使得部分本该属于特征的像素点灰度值与周围其他像素点的灰度值均为接近,待分析图像在局部区域受到的光照强度是一致的,那么表现在灰度值上,其值越接近,说明对应区域光照强度越一致。因此本实施例首先对采集到的每张待分析图像进行灰度化处理,将灰度化处理后的图像记为灰度图像,由于灰度图像是由待分析图像进行灰度化处理得到的,因此灰度图像与待分析图像中的像素点一一对应,本实施例将灰度图像中每个像素点的灰度值作为对应待分析图像中所对应位置像素点的灰度值,也即获得了每张待分析图像中每个像素点的灰度值,图像灰度化处理为现有技术,此处不再过多赘述。然后根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,对每张待分析图像中每个子区域的光照强度进行分析,获得每张待分析图像中每个子区域的光照评价值,进而基于光照评价值对每张待分析图像进行划分。
具体地,对于第a张待分析图像中第k个子区域:
本实施例将第k个子区域内的像素点按照从左到右、从上到下的顺序进行遍历,基于第k个子区域内所有像素点的灰度值,构建第k个子区域对应的灰度值序列,在具体应用中,实施者可根据具体情况设置子区域内像素点的遍历顺序;将所述灰度值序列中相邻两个灰度值之间的差值的绝对值作为对应两个相邻像素点的第一差异。采用大津阈值分割算法分别对每个子区域进行处理,获取对应的阈值,将每个子区域内灰度值大于阈值的像素点作为目标像素点;采用该方法能够获得第a张待分析图像中每个子区域内的目标像素点,目标像素点的灰度值较大,因此目标像素点在图像采集时受到光照影响的可能性较大。大津阈值分割算法为现有技术,此处不再过多赘述。将第k个子区域内目标像素点的数量与其相邻的每个子区域内目标像素点的数量之间的差值的绝对值,作为第k个子区域与其相邻的每个子区域的数量差异;需要说明的是:第k个子区域与其相邻的每个子区域均对应一个数量差异。接下来本实施例将根据所述第一差异、所述数量差异、第k个子区域所有像素点的平均灰度值和第k个子区域内目标像素点的数量,得到第a张待分析图像中第k个子区域的光照评价值。第a张待分析图像中第k个子区域的光照评价值的具体计算公式为:
其中,表示第a张待分析图像中第k个子区域的光照评价值,/>表示第a张待分析图像中第k个子区域所有像素点的平均灰度值,/>表示第a张待分析图像中第k个子区域内像素点的数量,/>表示第a张待分析图像中第k个子区域内第i个像素点的灰度值,表示第a张待分析图像中第k个子区域内第i+1个像素点的灰度值,/>表示第a张待分析图像中第k个子区域内目标像素点的数量,/>表示第a张待分析图像中与第k个子区域相邻的第j个子区域内目标像素点的数量,/>为取绝对值符号,norm( )为归一化函数,e为自然常数,/>表示预设第一调节系数,/>。
本实施例中预设第一调节系数为0.3,在具体应用中,实施者可根据具体情况进行设置。表示第a张待分析图像中第k个子区域内第i个像素点和第i+1个像素点的第一差异,用于表征第k个子区域内第i个像素点和第i+1个像素点的灰度差异;表示第k个子区域与其相邻的第j个子区域的数量差异,用于反映第k个子区域与其相邻的第j个子区域受到光照影响的相似程度,相似程度越高,说明第k个子区域内像素点的灰度值的变化越可能是较高的光照强度导致的。当第k个子区域所有像素点的平均灰度值越大、第k个子区域内相邻像素点的灰度差异越小、第k个子区域内目标像素点越多、第k个子区域与其相邻的子区域内目标像素点的数量差异越小,说明第k个子区域像素点的灰度值变化越趋于一致,第k个子区域光照强度越大,也即第k个子区域的光照评价值越大。
采用上述方法,能够获得每张待分析图像中每个子区域的光照评价值,光照评价值越大,说明对应子区域越可能受到了光照影响,因此本实施例将光照评价值大于预设第一评价阈值且小于预设第二评价阈值的子区域记为第一类子区域,将光照评价值大于或等于预设第二评价阈值的子区域记为第二类子区域;其中,预设第一评价预设小于预设第二评价阈值;本实施例中员额第一评价阈值为0.9,预设第二评价阈值为0.95,在具体应用中,实施者可根据具体情况进行设置。本实施例将第一类子区域和第二类子区域均作为目标区域,也即每个第一类子区域为一个目标区域,每个第二类子区域为一个目标区域。
至此,本实施例获得了每张待分析图像中的多个目标区域。
步骤S3,基于目标区域的光照评价值确定目标区域对应的Vollath权重;根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,得到每张待分析图像对应的清晰度评价值。
待分析图像中不同区域亮度值不同,相应地为了保证Vollath's方法计算结果不会因为光照强度存在误差,需要依据不同的光照强度进行该方法计算权重的赋予,进而得到无光照影响的清晰度结果。不同的系统参数对应着不同清晰度的图像,在不断迭代过程中,图像清晰度越高,系统参数智能标定结果越好。本实施例将基于目标区域的光照评价值确定目标区域对应的Vollath权重。
具体地,对于任一目标区域:将目标区域的光照评价值的归一化结果,作为目标区域对应的Vollath权重。第a张待分析图像中第t个目标区域对应的Vollath权重的具体计算公式为:
其中,表示第a张待分析图像中第t个目标区域对应的Vollath权重,/>表示第a张待分析图像中第t个目标区域的光照评价值,exp( )表示以自然常数为底数的指数函数。
当第t个目标区域的光照评价值越大时,第t个目标区域对应的Vollath权重越大。当第t个目标区域的光照评价值越小时,第t个目标区域对应的Vollath权重越小。
采用上述方法,能够获得每张待分析图像中每个目标区域对应的Vollath权重。接下来本实施例将根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,对每张待分析图像的清晰度进行评价,获得每张待分析图像对应的清晰度评价值。
对于第a张待分析图像:根据第a张待分析图像中每个目标区域的光照评价值、第a张待分析图像中所有目标区域内第一类像素点的总数量和第a张待分析图像中所有目标区域内第二类像素点的总数量,得到第a张待分析图像对应的参考权值。进一步地 基于第a张待分析图像中每个目标区域内像素点的灰度值、所述Vollath权重和所述参考权值,得到第a张待分析图像对应的清晰度评价值。第a张待分析图像对应的参考权值和清晰度评价值的具体计算公式分别为:
其中,表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域的光照评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像中所有目标区域内第一类像素点的总数量,/>表示第a张待分析图像中所有目标区域内第二类像素点的总数量,/>为预设第二调节系数,/>,/>表示第a张待分析图像对应的清晰度评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域内像素点的数量,表示第a张待分析图像中第t个目标区域内第m个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域内第m+1个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域对应的Vollath权重。
本实施例中预设第二调节系数为0.3,在具体应用中,实施者可根据具体情况进行设置。第a张待分析图像中目标区域的光照评价值越大、第二类像素点越多,说明第a张待分析图像的光照范围越广,越需要放大其权值,进而使得清晰度得分较高。
采用上述方法,能够获得每张待分析图像对应的清晰度评价值。
步骤S4,基于所述清晰度评价值确定最优系统参数;基于所述最优系统参数对同轴式混合光学变焦针孔镜头进行标定。
本实施例已经获得了每张待分析图像对应的清晰度评价值,清晰度评价值越大,说明对应图像越清晰,对应图像在采集时所对应的系统参数越可能为最优系统参数。
基于此,本实施例分别对每张待分析图像对应的清晰度评价值进行归一化处理获得每张待分析图像对应的归一化后的结果;将最小的归一化后的结果对应的待分析图像所对应的系统参数,确定为最优系统参数。本实施例采用最大最小值归一化方法对清晰度评价值进行归一化处理,在具体应用中,实施者可根据具体情况选取归一化方法。
进一步地,本实施例基于最优系统参数对同轴式混合光学变焦针孔镜头进行标定,至此,采用本实施例提供的方法,完成了对同轴式混合光学变焦针孔镜头系统参数的智能标定。
本实施例在利用同轴式混合光学变焦针孔镜头采集图像时,同轴式混合光学变焦针孔镜头在不同的系统参数下采集到的图像的清晰度不同,因此需要对不同系统参数下采集到的图像的清晰度进行评价,进而对同轴式混合光学变焦针孔镜头的系统参数进行标定,但是图像在采集时会受到光照的影响,影响最优系统参数标定结果的可信度,本实施例首先获取了同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,然后分别根据每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,对每个子区域的光照强度进行分析,确定了光照评价值,光照评价值越大的区域的光照强度越强,本实施例基于光照评价值筛选出目标区域,并基于光照评价值确定了目标区域对应的Vollath权重,进而对每张待分析图像的清晰度进行了评价,消除了光照强度对同轴式混合光学变焦针孔镜头的最优系统参数确定带来的影响,保证了待分析图像清晰度判断结果的准确度,进而确定了最优系统参数,并对同轴式混合光学变焦针孔镜头进行标定,提高了同轴式混合光学变焦针孔镜头系统参数的标定结果的可信度。
需要说明的是:以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,该方法包括以下步骤:
获取同轴式混合光学变焦针孔镜头在不同系统参数下采集到的待分析图像,分别对每张待分析图像进行划分获得各子区域;
根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到每张待分析图像中每个子区域的光照评价值;基于所述光照评价值筛选每张待分析图像中的目标区域;
基于目标区域的光照评价值确定目标区域对应的Vollath权重;根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,得到每张待分析图像对应的清晰度评价值;
基于所述清晰度评价值确定最优系统参数;基于所述最优系统参数对同轴式混合光学变焦针孔镜头进行标定。
2.根据权利要求1所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述根据每张待分析图像中每个子区域内相邻像素点之间的灰度差异、每个子区域内像素点的灰度分布、每个子区域与其相邻的子区域之间的灰度分布差异,得到每张待分析图像中每个子区域的光照评价值,包括:
对于第a张待分析图像中第k个子区域:
基于第k个子区域内每个像素点的灰度值构建第k个子区域对应的灰度值序列,将所述灰度值序列中相邻两个灰度值之间的差值的绝对值作为对应两个相邻像素点的第一差异;
采用大津阈值分割算法分别对每个子区域进行处理,将每个子区域内灰度值大于阈值的像素点作为目标像素点;将第k个子区域内目标像素点的数量与其相邻的每个子区域内目标像素点的数量之间的差值的绝对值,作为第k个子区域与其相邻的每个子区域的数量差异;
根据所述第一差异、所述数量差异、第k个子区域所有像素点的平均灰度值和第k个子区域内目标像素点的数量,得到第a张待分析图像中第k个子区域的光照评价值。
3.根据权利要求2所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,采用如下公式计算第a张待分析图像中第k个子区域的光照评价值:
其中,表示第a张待分析图像中第k个子区域的光照评价值,/>表示第a张待分析图像中第k个子区域所有像素点的平均灰度值,/>表示第a张待分析图像中第k个子区域内像素点的数量,/>表示第a张待分析图像中第k个子区域内第i个像素点的灰度值,/>表示第a张待分析图像中第k个子区域内第i+1个像素点的灰度值,/>表示第a张待分析图像中第k个子区域内目标像素点的数量,/>表示第a张待分析图像中与第k个子区域相邻的第j个子区域内目标像素点的数量,/>为取绝对值符号,norm( )为归一化函数,e为自然常数,/>表示预设第一调节系数,/>。
4.根据权利要求1所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述基于所述光照评价值筛选每张待分析图像中的目标区域,包括:
将光照评价值大于预设第一评价阈值且小于预设第二评价阈值的子区域记为第一类子区域,将光照评价值大于或等于预设第二评价阈值的子区域记为第二类子区域;其中,预设第一评价预设小于预设第二评价阈值;
将所述第一类子区域和所述第二类子区域均作为目标区域。
5.根据权利要求1所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述基于目标区域的光照评价值确定目标区域对应的Vollath权重,包括:
对于任一目标区域:将目标区域的光照评价值的归一化结果,作为目标区域对应的Vollath权重。
6.根据权利要求4所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述根据目标区域像素点的灰度值、目标区域像素点的数量和所述Vollath权重,得到每张待分析图像对应的清晰度评价值,包括:
对于第a张待分析图像:
根据第a张待分析图像中每个目标区域的光照评价值、第a张待分析图像中所有目标区域内第一类像素点的总数量和第a张待分析图像中所有目标区域内第二类像素点的总数量,得到第a张待分析图像对应的参考权值;
基于第a张待分析图像中每个目标区域内像素点的灰度值、所述Vollath权重和所述参考权值,得到第a张待分析图像对应的清晰度评价值。
7.根据权利要求6所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,采用如下公式计算第a张待分析图像对应的参考权值:
其中,表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域的光照评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像中所有目标区域内第一类像素点的总数量,/>表示第a张待分析图像中所有目标区域内第二类像素点的总数量,/>为预设第二调节系数,/>。
8.根据权利要求6所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,采用如下公式计算第a张待分析图像对应的清晰度评价值:
其中,表示第a张待分析图像对应的清晰度评价值,T表示第a张待分析图像中目标区域的数量,/>表示第a张待分析图像对应的参考权值,/>表示第a张待分析图像中第t个目标区域内像素点的数量,/>表示第a张待分析图像中第t个目标区域内第m个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域内第m+1个像素点的灰度值,/>表示第a张待分析图像中第t个目标区域对应的Vollath权重。
9.根据权利要求1所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述基于所述清晰度评价值确定最优系统参数,包括:
分别对每张待分析图像对应的清晰度评价值进行归一化处理获得每张待分析图像对应的归一化后的结果;将最小的归一化后的结果对应的待分析图像所对应的系统参数,确定为最优系统参数。
10.根据权利要求1所述的一种同轴式混合光学变焦针孔镜头智能标定方法,其特征在于,所述分别对每张待分析图像进行划分获得各子区域,包括:
对于任一待分析图像:将待分析图像均分为预设数量个子区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311816647.7A CN117495984B (zh) | 2023-12-27 | 2023-12-27 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311816647.7A CN117495984B (zh) | 2023-12-27 | 2023-12-27 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117495984A true CN117495984A (zh) | 2024-02-02 |
CN117495984B CN117495984B (zh) | 2024-03-29 |
Family
ID=89680324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311816647.7A Active CN117495984B (zh) | 2023-12-27 | 2023-12-27 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495984B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947858A (zh) * | 2010-04-08 | 2013-02-27 | 帕斯科数码有限责任公司(商业用为奥姆尼克斯有限责任公司) | 包括重叠边缘对比的图像质量评价 |
CN103761521A (zh) * | 2014-01-09 | 2014-04-30 | 浙江大学宁波理工学院 | 一种基于局部二值模式的显微图像清晰度测量方法 |
WO2018019194A1 (zh) * | 2016-07-27 | 2018-02-01 | 腾讯科技 (深圳) 有限公司 | 图像识别方法、终端及非易失性存储介质 |
WO2018149172A1 (zh) * | 2017-02-17 | 2018-08-23 | 京东方科技集团股份有限公司 | 图像处理方法及其装置 |
US20190156770A1 (en) * | 2017-11-21 | 2019-05-23 | Wuhan China Star Optoelectronics Technology Co., Ltd. | Multi zone backlight controlling method and device thereof |
CN114739636A (zh) * | 2022-03-01 | 2022-07-12 | 上海精积微半导体技术有限公司 | 一种光学物镜轴向色差检测方法、系统及半导体设备 |
WO2023071302A1 (zh) * | 2021-10-28 | 2023-05-04 | 千乘镜像(北京)科技有限公司 | 一种图片合成方法、装置、电子设备及存储介质 |
CN116912329A (zh) * | 2023-07-13 | 2023-10-20 | 四川大学 | 一种双目视觉最佳精度测量方法 |
-
2023
- 2023-12-27 CN CN202311816647.7A patent/CN117495984B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947858A (zh) * | 2010-04-08 | 2013-02-27 | 帕斯科数码有限责任公司(商业用为奥姆尼克斯有限责任公司) | 包括重叠边缘对比的图像质量评价 |
CN103761521A (zh) * | 2014-01-09 | 2014-04-30 | 浙江大学宁波理工学院 | 一种基于局部二值模式的显微图像清晰度测量方法 |
WO2018019194A1 (zh) * | 2016-07-27 | 2018-02-01 | 腾讯科技 (深圳) 有限公司 | 图像识别方法、终端及非易失性存储介质 |
WO2018149172A1 (zh) * | 2017-02-17 | 2018-08-23 | 京东方科技集团股份有限公司 | 图像处理方法及其装置 |
US20190156770A1 (en) * | 2017-11-21 | 2019-05-23 | Wuhan China Star Optoelectronics Technology Co., Ltd. | Multi zone backlight controlling method and device thereof |
WO2023071302A1 (zh) * | 2021-10-28 | 2023-05-04 | 千乘镜像(北京)科技有限公司 | 一种图片合成方法、装置、电子设备及存储介质 |
CN114739636A (zh) * | 2022-03-01 | 2022-07-12 | 上海精积微半导体技术有限公司 | 一种光学物镜轴向色差检测方法、系统及半导体设备 |
CN116912329A (zh) * | 2023-07-13 | 2023-10-20 | 四川大学 | 一种双目视觉最佳精度测量方法 |
Non-Patent Citations (3)
Title |
---|
王勇;谭毅华;田金文;: "一种新的图像清晰度评价函数", 武汉理工大学学报, no. 03, 25 March 2007 (2007-03-25) * |
王红伟;王加庆;吴南健;: "基于高速视觉目标跟踪系统的自动调焦算法的设计", 半导体光电, no. 05, 15 October 2018 (2018-10-15) * |
陈会;密保秀;高志强;: "基于畸变规律的三维结构光测量系统标定", 光学学报, no. 12, 10 December 2013 (2013-12-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN117495984B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103973990B (zh) | 宽动态融合方法及装置 | |
US7899264B2 (en) | Method of determining a measure of edge strength and focus | |
WO2019091270A1 (zh) | 图像增强方法及系统 | |
KR100983037B1 (ko) | 자동 화이트 밸런스 조정 방법 | |
CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
CN116758083A (zh) | 基于计算机视觉的金属洗脸盆缺陷快速检测方法 | |
CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN111739012A (zh) | 基于转盘的摄像头模组白斑检测系统 | |
WO2024051429A1 (zh) | 细胞扫描图像的获取方法和装置 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN114666511A (zh) | 一种可调谐光谱相机上自动获取最优曝光值的方法及装置 | |
CN117495984B (zh) | 一种同轴式混合光学变焦针孔镜头智能标定方法 | |
US20150312481A1 (en) | Vision systems and methods for analysing images taken by image sensors | |
KR20180086646A (ko) | 카메라의 적응적 노출 제어 장치 | |
KR101941266B1 (ko) | 초저조도용 cctv 영상 제공 시스템 | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN110852977B (zh) | 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法 | |
CN114983334A (zh) | 一种基于机器视觉的裂隙灯自调节控制方法和裂隙灯 | |
CN111652805B (zh) | 一种用于眼底图像拼接的图像预处理方法 | |
JP2976796B2 (ja) | 画像解析による領域の閾値決定方法 | |
JPH11202378A (ja) | 露出制御装置およびその制御方法 | |
CN112541939B (zh) | 一种样本清晰焦面位置获取方法及装置 | |
Nguyen et al. | Automatic exposure compensation for line detection applications | |
CN116612050B (zh) | 一种基于暗通道的先验去雾方法 | |
CN117710245B (zh) | 一种天体望远镜误差快速检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |