CN117745603A - 基于线阵扫描设备的产品图像校正方法及设备和存储介质 - Google Patents
基于线阵扫描设备的产品图像校正方法及设备和存储介质 Download PDFInfo
- Publication number
- CN117745603A CN117745603A CN202410186581.6A CN202410186581A CN117745603A CN 117745603 A CN117745603 A CN 117745603A CN 202410186581 A CN202410186581 A CN 202410186581A CN 117745603 A CN117745603 A CN 117745603A
- Authority
- CN
- China
- Prior art keywords
- image data
- line
- linear array
- luminance
- brightness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003702 image correction Methods 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 241000581364 Clinitrachus argentatus Species 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000011111 cardboard Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种基于线阵扫描设备的产品图像校正方法,包括:获取样品在不同亮场中拍摄的单行图像的融合图像数据;基于融合图像数据解算获得光源转换率系数和感光芯片的感光系数;将光源转换率系数和感光系数作为模型训练因子训练校正模型;根据校正模型校正产品的实时单行图像。本发明还公开了一种线阵扫描设备和存储介质。本发明技术方案的有益效果在于:在光源频闪的基础上,分别在高亮度亮场和低亮度亮场中成像,使得校正无需标准背景下进行,而且通过卡尔曼滤波消除了产品本身不一致带来的影响,也能为校正计算提供更平滑的数据,不会出现校正奇异点。
Description
技术领域
本发明涉及线阵扫描技术领域,特别涉及一种基于线阵扫描设备的产品图像校正方法及设备和存储介质。
背景技术
板材生产过程中,表面会存在各种各样的缺陷,基于线阵扫描设备对板材表面进行连续扫描的方式是目前常见的一种检测方法。但是在使用线阵扫描时,由于光源的一致性差异和镜头成像带来的畸变,使得形成的图像不均匀,在单相机采集的图像中会呈现中间能量高两短低或一侧高另一侧低的现象。
针对上述问题,相关技术中主要是安装线阵扫描设备后,通过对标准的背景物或者白纸采一次图和对黑色背景或光源关闭时采一次图,对着两次采集的图像进行分析,解算预设数学模型的参数后,用该模型对图像进行校正,但是该方式需要在系统不检测时,用准备的背景来单独校正,操作较麻烦,同时当光源上存在一定积灰或者镜头存在积灰的情况下,校正的系数的适应性不够好,进而会影响检测的效果。
发明内容
本发明的主要目的是提出一种基于线阵扫描设备的产品图像校正方法,从而在单行图像的校正过程中无需使用标准背景,简化了校正过程。
为实现上述目的,本发明的一方面提出一种基于线阵扫描设备的产品图像校正方法,包括:
获取样品在不同亮场中拍摄的单行图像的融合图像数据;
基于融合图像数据解算获得光源转换率系数和感光芯片的感光系数;
将光源转换率系数和感光系数作为模型训练因子训练校正模型;
根据校正模型校正产品的实时单行图像。
在一些实施例中,获取样品在不同亮场中拍摄的单行图像的融合图像数据包括:
采集样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据;
分别融合多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据,获得第一亮度融合图像数据和第二亮度融合图像数据。
在一些实施例中,采集样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据包括:
使线阵扫描设备的光源以第一亮度和第二亮度进行分时频闪;
在光源进行分时频闪时,对样品进行线阵扫描。
在一些实施例中,第一亮度和第二亮度之间的比值大于1.5。
在一些实施例中,基于融合图像数据解算获得光源转换率系数和感光芯片的感光系数包括:
将多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据分别输入到公式HCline=HIllum×K+B和公式LCline=LIllum×K+B;
其中,HCline为第一亮度参考单行图像数据,LCline为第二亮度参考单行图像数据,HIllum=a×LIllum,a为第一亮度和第二亮度之间的比值,K为光源转换率系数,B为感光芯片的感光系数。
在一些实施例中,在光源进行分时频闪时,对样品进行线阵扫描包括:
根据第一亮度的亮场中拍摄的多个单行图像的平均灰度值来判断是否拍到样品;
如果判断为拍到样品,将当前拍摄的多个单行图像作为第一亮度参考单行图像,且将对应的第二亮度的亮场中拍摄的多个单行图像作为第二亮度参考单行图像。
在一些实施例中,通过校正模型校正产品的实时单行图像之后,还包括:
拼接校正后的实时单行图像,获得产品的整体图像。
在一些实施例中,采集样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据之前,还包括:
判断样品的移动路径是否处于线阵扫描设备的光源光照区域内。
本发明的另一方面提出一种线阵扫描设备,该线阵扫描设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上所述的基于线阵扫描设备的产品图像校正方法。
本发明的又一方面提出一种存储介质,该存储介质内存储有计算机程序,计算机程序被处理器执行时实现如上所述的基于线阵扫描设备的产品图像校正方法。
本发明技术方案的有益效果在于:在光源频闪的基础上,分别在高亮度亮场和低亮度亮场中成像,使得校正无需标准背景下进行,而且通过卡尔曼滤波消除了产品本身不一致带来的影响,也能为校正计算提供更平滑的数据,不会出现校正奇异点。
附图说明
图1为本发明实施例的产品图像校正方法的流程图;
图2为本发明实施例的一步骤的具体流程图;
图3为本发明实施例的一步骤的具体流程图;
图4为本发明实施例的一步骤的具体流程图;
图5为本发明实施例的产品图像校正方法的扩展流程图;
图6为本发明实施例的一步骤的扩展流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的方案进行清楚完整的描述,显然,所描述的实施例仅是本发明中的一部分实施例,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,都属于本发明保护的范围。另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。
针对相关技术中存在的技术缺陷,本实施例提供了基于线阵扫描设备的产品图像校正方法,针对于木板、石板、纸板等不透明板材的线阵扫描图像进行校正,已获得较均匀的图像。本实施例的基于线阵扫描设备的产品图像校正方法的实施终端可以是线阵扫描设备的主控单元或者图像校正设备需要说明的是,在实际执行本方法时,可以通过计算机系统来执行,当然也可以通过人机配合的方式执行本实施例的方法。为了方便理解,以下将计算机系统中的主控芯片作为执行主体来解释本实施例的基于线阵扫描设备的产品图像校正方法。
参阅图1,图1是本实施例的基于线阵扫描设备的产品图像校正方法的流程示意图。
在本实施例中,基于线阵扫描设备的产品图像校正方法包括:
步骤S1、获取样品在不同亮场中拍摄的单行图像的融合图像数据。本步骤中的样品为木板、石板、纸板等不透明板材。在拍摄单行图像时,在不同亮场中分别拍摄样品的单行图像,并将每个亮场中拍摄的多个单行图像通过卡尔曼滤波法进行融合处理,得到对应每个亮场的融合图像数据。其中,本实施例通过以下公式实现卡尔曼滤波的实时更新。
Cline(n)=Rline(n)×alpha+Cline(n-1)×beta。其中,alpha+beta=1。
在上述公式中,Cline(n)表示当前参考图像,Rline(n)表示实时采集图像,Cline(n-1)表示上一次拍摄的参考图像。alpha和beta分别表示更新周期系数,alpha的值越接近1则说明实时采集图像的更新速度较慢,而beta的值越远离1则说明上一次拍摄的参考图像的更新速度较慢。
使用卡尔曼滤波更新后,单行图像的融合图像数据相比实时采集曲线更平滑,是对样品本身在移动方向的平均处理,能够反映样品对线阵扫描设备的光源响应的效果。
步骤S2、基于融合图像数据解算获得线阵扫描设备的光源转换率系数和感光芯片的感光系数。
步骤S3、将光源转换率系数和感光系数作为模型训练因子训练校正模型:
Rline=(Illum×TransRatio-BaseE)×Gain。
其中Rline为相机采集的实时图像,Illum为样品的反射光强,TransRatio为光源转换率,BaseE为感光芯片的感光系数,Gain为增益。转换率可认为是光源在横向的差异,感光芯片像素点的差异及镜头带来的畸变等的综合影响。其中,相机增益设置为固定值,因此可简化为Rline=Illum×K+B。最终校正模型则为Illum=(Rline-B)/K。其中,K为光源转换率系数,B为感光芯片的感光系数。通过对应于较高的亮场和较低的亮场的实时融合图像数据,同时基于已知的较高的亮场与较低的亮场的亮度差异,可计算出上述表达式中的K和B参数。
步骤S4、根据校正模型校正产品的实时单行图像。执行本步骤时,不断输出K和B的值。为了实时单行图像的校正稳定性,更新K和B值的策略可采用定时策略或人工干预策略。有稳定的K值和B值,则可将产品的实时单行图像校正为反映产品本身反光的校正数据,以获得更均匀的图像。
与相关技术相比,本实施例的有益效果在于:在光源频闪的基础上,分别在高亮度亮场和低亮度亮场中成像,使得校正无需标准背景下进行,而且通过卡尔曼滤波消除了产品本身不一致带来的影响,也能为校正计算提供更平滑的数据,不会出现校正奇异点。
在一些实施例中,如图2所示,步骤S1包括:
步骤S11、采集样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据。其中,第一亮度的亮度值大于第二亮度的亮度值。线阵扫描设备根据其拍摄频率在第一亮度的亮场或者第二亮度的亮场中拍摄多个单行图像数据,在第一亮度亮场中拍摄的多个单行图像数据为第一亮度参考单行图像数据,在第二亮度亮场中拍摄的多个单行图像数据为第二亮度参考单行图像数据。
步骤S12、分别融合多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据,获得第一亮度融合图像数据和第二亮度融合图像数据。如图3和图4所示,图3示出了多个第一亮度参考单行图像数据或者多个第二亮度参考单行图像数据在卡尔曼滤波处理之前的曲线,而图4示出了多个第一亮度参考单行图像数据或者多个第二亮度参考单行图像数据在卡尔曼滤波处理之后的曲线。对多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据进行卡尔曼滤波,消除了被拍摄的物体不同所带来的图像数据不一致的影响,也能为后续的校正计算提供更平滑的数据,不会出现校正奇异点。
在一些实施例中,如图3所示,步骤S11包括:
步骤S111、使线阵扫描设备的光源以第一亮度和第二亮度进行分时频闪。本实施例中,线阵扫描设备的光源有第一亮度的亮场和第二亮度的亮场,第一亮度的亮场和第二亮度的亮场根据光源的亮度转换频率发生反复切换。
步骤S112、在光源进行分时频闪时,对样品进行线阵扫描。线阵扫描设备的线阵相机在样品与线阵相机相对移动的过程中进行拍摄,在第一亮度的亮场中拍摄形成多个第一亮度参考单行图像数据,在第二亮度的亮场中拍摄形成多个第二亮度参考单行图像数据。
其中,第一亮度和第二亮度之间的比值大于1.5,也就是说,第一亮度和第二亮度之间的亮度差异超过50%。
在一些实施例中,步骤S2包括:将多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据分别输入到公式HCline=HIllum×K+B和公式LCline=LIllum×K+B。其中,HCline为第一亮度参考单行图像数据,LCline为第二亮度参考单行图像数据,HIllum=a×LIllum,a为第一亮度和第二亮度之间的比值,K为光源转换率系数,B为感光芯片的感光系数。
在一些实施例中,如图4所示,步骤S112具体包括:
步骤S1121、检测第一亮度的亮场中拍摄的多个单行图像的平均灰度值;
步骤S1122、判断在第一亮度的亮场中拍摄的多个单行图像的平均灰度值是否大于或等于预设值。
如果在第一亮度的亮场中拍摄的多个单行图像的平均灰度值大于或等于预设值,则认为拍摄到样品。如果在第一亮度的亮场中拍摄的多个单行图像的平均灰度值小于预设值,则认为没有拍摄到样品。
其中,如果判断为拍到样品,将当前拍摄的多个单行图像作为第一亮度参考单行图像,且将对应的第二亮度的亮场中拍摄的多个单行图像作为第二亮度参考单行图像。如果判断为没拍到样品,则当前拍摄的多个单行图像不做记录。
在一些实施例中,如图5所示,在步骤S4之后,还包括:
步骤S5、拼接校正后的实时单行图像,获得产品的整体图像。具体地,主控芯片获取多个校正处理之后的产品的实时单行图像后,将这些实时单行图像按照产品的移动方向进行排列,形成产品的整体图像。
在一些实施例中,如图6所示,在步骤S11之前,还包括:
步骤S10、判断样品的移动路径是否处于线阵扫描设备的光源光照区域内。如果样品的移动路径与光源光照区域偏离,则将样品的移动路径调整至于光源光照区域重叠;
如果样品的移动路径处于线阵扫描设备的光源光照区域内,则主控芯片执行步骤S11、采集样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据。
在一些实施例中,还提供了一种线阵扫描设备,该线阵扫描设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行计算机程序时实现如上实施例所述的基于线阵扫描设备的产品图像校正方法。线阵扫描设备还包括可进行分时频闪的光源装置,该光源装置在执行上述基于线阵扫描设备的产品图像校正方法时,根据处理器的指令反复切换不同亮度的光线。
在一些实施例中,还提供了一种存储介质,该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如上实施例所述的基于线阵扫描设备的产品图像校正方法。该存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的仅为本发明的部分或优选实施例,无论是文字还是附图都不能因此限制本发明保护的范围,凡是在与本发明一个整体的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。
Claims (10)
1.一种基于线阵扫描设备的产品图像校正方法,其特征在于,包括:
获取样品在不同亮场中拍摄的单行图像的融合图像数据;
基于所述融合图像数据解算获得所述线阵扫描设备的光源转换率系数和感光芯片的感光系数;
将所述光源转换率系数和所述感光系数作为模型训练因子训练校正模型;
根据所述校正模型校正产品的实时单行图像。
2.根据权利要求1所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述获取样品在不同亮场中拍摄的单行图像的融合图像数据包括:
采集所述样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据;
分别融合所述多个第一亮度参考单行图像数据和所述多个第二亮度参考单行图像数据,获得第一亮度融合图像数据和第二亮度融合图像数据。
3.根据权利要求2所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述采集所述样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据包括:
使线阵扫描设备的光源以第一亮度和第二亮度进行分时频闪;
在所述光源进行分时频闪时,对样品进行线阵扫描。
4.根据权利要求3所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述第一亮度和所述第二亮度之间的比值大于1.5。
5.根据权利要求4所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述基于所述融合图像数据解算获得所述线阵扫描设备的光源转换率系数和感光芯片的感光系数包括:
将所述多个第一亮度参考单行图像数据和所述多个第二亮度参考单行图像数据分别输入到公式HCline=HIllum×K+B和公式LCline=LIllum×K+B;
其中,HCline为所述第一亮度参考单行图像数据,LCline为所述第二亮度参考单行图像数据,HIllum=a×LIllum,a为所述第一亮度和所述第二亮度之间的比值,K为所述光源转换率系数,B为所述感光芯片的感光系数。
6.根据权利要求4所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述在所述光源进行分时频闪时,对样品进行线阵扫描包括:
根据所述第一亮度的亮场中拍摄的多个单行图像的平均灰度值来判断是否拍到所述样品;
如果判断为拍到所述样品,将当前拍摄的多个单行图像作为所述第一亮度参考单行图像,且将对应的所述第二亮度的亮场中拍摄的多个单行图像作为所述第二亮度参考单行图像。
7.根据权利要求1所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述根据所述校正模型校正产品的实时单行图像之后,还包括:
拼接校正后的所述实时单行图像,获得所述产品的整体图像。
8.根据权利要求2所述的基于线阵扫描设备的产品图像校正方法,其特征在于,所述采集所述样品的多个第一亮度参考单行图像数据和多个第二亮度参考单行图像数据之前,还包括:
判断所述样品的移动路径是否处于线阵扫描设备的光源光照区域内。
9.一种线阵扫描设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于线阵扫描设备的产品图像校正方法。
10.一种存储介质,其特征在于,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至8任一项所述的基于线阵扫描设备的产品图像校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186581.6A CN117745603A (zh) | 2024-02-20 | 2024-02-20 | 基于线阵扫描设备的产品图像校正方法及设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186581.6A CN117745603A (zh) | 2024-02-20 | 2024-02-20 | 基于线阵扫描设备的产品图像校正方法及设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745603A true CN117745603A (zh) | 2024-03-22 |
Family
ID=90251225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410186581.6A Pending CN117745603A (zh) | 2024-02-20 | 2024-02-20 | 基于线阵扫描设备的产品图像校正方法及设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745603A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005293290A (ja) * | 2004-03-31 | 2005-10-20 | Brother Ind Ltd | 画像入出力装置 |
US20060176311A1 (en) * | 2003-07-09 | 2006-08-10 | Takayuki Kimoto | Image display device and image display method |
JP2006270334A (ja) * | 2005-03-23 | 2006-10-05 | Olympus Corp | シェーディング補正方法および画像検査装置 |
JP2008079196A (ja) * | 2006-09-25 | 2008-04-03 | Noritsu Koki Co Ltd | 画像補正方法と画像補正プログラムと画像補正モジュール |
JP2009027254A (ja) * | 2007-07-17 | 2009-02-05 | Noritsu Koki Co Ltd | 画像補正方法と画像補正装置 |
JP2011124884A (ja) * | 2009-12-11 | 2011-06-23 | Canon Inc | 画像処理装置および画像処理方法 |
CN102572206A (zh) * | 2010-12-31 | 2012-07-11 | 比亚迪股份有限公司 | 一种色彩校正方法 |
CN102971619A (zh) * | 2010-01-08 | 2013-03-13 | 3M创新有限公司 | 使用传感器内均匀度校正的基于光学幅材的缺陷检测 |
CN106651795A (zh) * | 2016-12-03 | 2017-05-10 | 北京联合大学 | 一种利用光照估计来校正图像颜色的方法 |
US20170374239A1 (en) * | 2016-06-22 | 2017-12-28 | Canon Kabushiki Kaisha | Image processing device and image processing method |
JP2018059795A (ja) * | 2016-10-05 | 2018-04-12 | 地方独立行政法人東京都立産業技術研究センター | X線ct装置、画像補正方法及び画像補正プログラム |
KR101845760B1 (ko) * | 2017-01-25 | 2018-05-18 | 한국 천문 연구원 | 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법 |
CN108055530A (zh) * | 2017-12-26 | 2018-05-18 | 深圳怡化电脑股份有限公司 | 图像传感器的校正方法、装置、atm设备及存储介质 |
CN111242883A (zh) * | 2020-01-10 | 2020-06-05 | 西安电子科技大学 | 一种基于深度学习的动态场景hdr重建方法 |
CN114339173A (zh) * | 2021-12-20 | 2022-04-12 | 青岛海信激光显示股份有限公司 | 投影图像校正方法、激光投影系统及可读性存储介质 |
CN114569145A (zh) * | 2022-02-28 | 2022-06-03 | 西安大医集团股份有限公司 | 图像校正方法、成像系统、电子设备和存储介质 |
WO2023005910A1 (zh) * | 2021-07-28 | 2023-02-02 | 维沃移动通信有限公司 | 图像生成的方法和电子设备 |
CN116309224A (zh) * | 2023-03-13 | 2023-06-23 | 浙江大华技术股份有限公司 | 图像融合方法、装置、终端及计算机可读存储介质 |
-
2024
- 2024-02-20 CN CN202410186581.6A patent/CN117745603A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060176311A1 (en) * | 2003-07-09 | 2006-08-10 | Takayuki Kimoto | Image display device and image display method |
JP2005293290A (ja) * | 2004-03-31 | 2005-10-20 | Brother Ind Ltd | 画像入出力装置 |
JP2006270334A (ja) * | 2005-03-23 | 2006-10-05 | Olympus Corp | シェーディング補正方法および画像検査装置 |
JP2008079196A (ja) * | 2006-09-25 | 2008-04-03 | Noritsu Koki Co Ltd | 画像補正方法と画像補正プログラムと画像補正モジュール |
JP2009027254A (ja) * | 2007-07-17 | 2009-02-05 | Noritsu Koki Co Ltd | 画像補正方法と画像補正装置 |
JP2011124884A (ja) * | 2009-12-11 | 2011-06-23 | Canon Inc | 画像処理装置および画像処理方法 |
CN102971619A (zh) * | 2010-01-08 | 2013-03-13 | 3M创新有限公司 | 使用传感器内均匀度校正的基于光学幅材的缺陷检测 |
CN102572206A (zh) * | 2010-12-31 | 2012-07-11 | 比亚迪股份有限公司 | 一种色彩校正方法 |
US20170374239A1 (en) * | 2016-06-22 | 2017-12-28 | Canon Kabushiki Kaisha | Image processing device and image processing method |
JP2018059795A (ja) * | 2016-10-05 | 2018-04-12 | 地方独立行政法人東京都立産業技術研究センター | X線ct装置、画像補正方法及び画像補正プログラム |
CN106651795A (zh) * | 2016-12-03 | 2017-05-10 | 北京联合大学 | 一种利用光照估计来校正图像颜色的方法 |
KR101845760B1 (ko) * | 2017-01-25 | 2018-05-18 | 한국 천문 연구원 | 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법 |
CN108055530A (zh) * | 2017-12-26 | 2018-05-18 | 深圳怡化电脑股份有限公司 | 图像传感器的校正方法、装置、atm设备及存储介质 |
CN111242883A (zh) * | 2020-01-10 | 2020-06-05 | 西安电子科技大学 | 一种基于深度学习的动态场景hdr重建方法 |
WO2023005910A1 (zh) * | 2021-07-28 | 2023-02-02 | 维沃移动通信有限公司 | 图像生成的方法和电子设备 |
CN114339173A (zh) * | 2021-12-20 | 2022-04-12 | 青岛海信激光显示股份有限公司 | 投影图像校正方法、激光投影系统及可读性存储介质 |
CN114569145A (zh) * | 2022-02-28 | 2022-06-03 | 西安大医集团股份有限公司 | 图像校正方法、成像系统、电子设备和存储介质 |
CN116309224A (zh) * | 2023-03-13 | 2023-06-23 | 浙江大华技术股份有限公司 | 图像融合方法、装置、终端及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
YILI ZHAO等: "Image Mosaic with Color and Brightness Correction", 《THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING》, 31 January 2003 (2003-01-31), pages 100 - 105 * |
王会: "彩色图像色偏校正算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 08, 15 August 2011 (2011-08-15), pages 138 - 617 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3496383A1 (en) | Image processing method, apparatus and device | |
EP1583356B1 (en) | Image processing device and image processing program | |
JP2020537382A (ja) | デュアルカメラベースの撮像のための方法および装置ならびに記憶媒体 | |
EP3798975A1 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
KR101204617B1 (ko) | 검사장치 | |
CN113923358A (zh) | 一种飞拍模式下的在线自动对焦方法和系统 | |
US20230276034A1 (en) | Method and system for adjusting projection dithering | |
CN110517213A (zh) | 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法 | |
CN110033461A (zh) | 一种基于目标位移量估计的手机防抖功能评估方法 | |
CN111031256B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN117745603A (zh) | 基于线阵扫描设备的产品图像校正方法及设备和存储介质 | |
JP3058781B2 (ja) | 合焦点位置検出方法 | |
CN116668831A (zh) | 一种多相机系统的一致性调节方法及装置 | |
CN106981065A (zh) | 一种基于曝光补偿的图像绝对中心矩改进算法 | |
CN108781280B (zh) | 一种测试方法、装置及终端 | |
JPH08254499A (ja) | 表示・外観検査装置 | |
EP2237220A2 (en) | Method of correcting image distortion | |
JP2018185576A (ja) | 画像処理装置および画像処理方法 | |
RU2346331C1 (ru) | Способ автоматического определения правильности отображения информации на жидкокристаллическом индикаторе | |
JP4211170B2 (ja) | 撮像装置 | |
CN115082347A (zh) | 图像优化方法、装置、电子设备及计算机可读存储介质 | |
CN116634285B (zh) | 一种用于原材料检测设备的线阵相机自动白平衡方法 | |
CN117615484B (zh) | 一种基于ai的视觉检测光源控制方法、系统、设备及介质 | |
CN116433638A (zh) | 一种筛选图片质量的方法、系统和电子设备 | |
CN117544765A (zh) | 一种在线sensor静态亮坏点检测和补偿方法 |
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 |