CN118096901A - 成像质量归一化处理方法、系统及可读存储介质 - Google Patents
成像质量归一化处理方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN118096901A CN118096901A CN202410283402.0A CN202410283402A CN118096901A CN 118096901 A CN118096901 A CN 118096901A CN 202410283402 A CN202410283402 A CN 202410283402A CN 118096901 A CN118096901 A CN 118096901A
- Authority
- CN
- China
- Prior art keywords
- color
- card image
- imaging quality
- normalization processing
- color card
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 51
- 238000010606 normalization Methods 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 17
- 230000001502 supplementing effect Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000005162 X-ray Laue diffraction Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及机器视觉技术领域，尤其涉及一种成像质量归一化处理方法、系统及可读存储介质，方法包括：分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。通过形成目标拍摄环境与待归一化拍摄环境下的色域空间三通道值的映射关系数据并进行拟合训练得到映射模型，利用所述映射模型能够对所述待归一化拍摄环境下图像的亮度、色彩等成像质量进行归一化处理，进而提升已有机器视觉算法的通用性。
Description
技术领域
本发明涉及机器视觉技术领域，尤其涉及一种成像质量归一化处理方法、系统及可读存储介质。
背景技术
随着机器视觉被应用到越来越多的工业领域，算法识别结果的一致性越来越受到重视，但由于使用的相机和镜头的厂商、型号多种多样，CMOS器件的颜色响应曲线各有不同，以及拍摄时的补光条件也可能存在较大差异，因此对同一环境拍摄的成像的亮度、色彩和暗部细节也会产生较大差异，这些差异会导致已有人工智能模型无法很好地适配，进而导致识别准确率的下降和误识别率的上升。
因此，为了提升视觉领域人工智能模型的通用性，对图像的亮度、色彩和暗部细节等成像质量进行归一化处理的重要性不断提升。
发明内容
本发明的目的在于提供一种成像质量归一化处理方法、系统及可读存储介质，能够对所述待归一化拍摄环境下图像的亮度、色彩等成像质量进行归一化处理，进而提升已有机器视觉算法的通用性。
为达到上述目的，本发明提供一种成像质量归一化处理方法，包括：
分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
可选的，形成映射关系数据之后且基于所述映射关系数据进行拟合训练之前，所述成像质量归一化处理方法还包括：
对所述第一色卡图像进行特征增强；
获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
可选的，对所述第一色卡图像进行特征增强的步骤具体包括：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
可选的，所述标准色块的色域空间三通道值的获取方法包括：
确定各个标准色块的中心点；
以所述中心点为中心截取色块区域，计算每个色块区域色域空间三通道值的色域空间三通道值。
可选的，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出为所述第一色卡图像中对应标准色块的色域空间三通道值。
基于同一技术构思，本发明还提供了一种成像质量归一化处理系统，包括：
图像采集模块，被配置为分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
映射模块，被配置为获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
模型拟合模块，被配置为基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
可选的，所述成像质量归一化处理系统还包括增强模块，所述增强模块被配置为对所述第一色卡图像进行特征增强，所述映射模块还被配置为获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
可选的，所述增强模块具体被配置为：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
可选的，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出为所述第一色卡图像中对应标准色块的色域空间三通道值。
基于同一技术构思，本发明还提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时能实现如上所述的成像质量归一化处理方法。
在本发明提供的一种成像质量归一化处理方法、系统及可读存储介质中，通过形成所述目标拍摄环境与所述待归一化拍摄环境下的色域空间三通道值的映射关系数据并进行拟合训练得到映射模型，利用所述映射模型能够对所述待归一化拍摄环境下图像的亮度、色彩等成像质量进行归一化处理，进而提升已有机器视觉算法的通用性。
附图说明
本领域的普通技术人员将会理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：
图1为本发明一实施例提供的成像质量归一化处理方法的流程图；
图2为本发明一实施例提供的第一色卡图像中的标准色块及色块区域的示意图；
图3为本发明一实施例提供的用非线性模型拟合出非线性映射模型的示意图。
附图中：
100-标准色块；200-第一色卡图像；300-色块区域。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在与本发明所能产生的功效及所能达成的目的相同或近似的情况下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
如在本发明中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，除非内容另外明确指出外。如在本发明中所使用的，术语“或”通常是以包括“和/或”的含义而进行使用的，除非内容另外明确指出外。如在本发明中所使用的，术语“若干”通常是以包括“至少一个”的含义而进行使用的，除非内容另外明确指出外。如在本发明中所使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，除非内容另外明确指出外。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者至少两个该特征。
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参照图1，本发明实施例提供了一种成像质量归一化处理方法，包括以下步骤：
S1、分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
S2、获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
S3、基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
通过形成所述目标拍摄环境与所述待归一化拍摄环境下的色域空间三通道值的映射关系数据并进行拟合训练得到映射模型，利用所述映射模型能够对所述待归一化拍摄环境下图像的亮度、色彩等成像质量进行归一化处理，进而提升已有机器视觉算法的通用性。
首先，执行S1，分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像。
需要理解的是，这里提及的目标拍摄环境指的是一个相对标准的拍摄环境，也是归一化处理的目标，所述待归一化拍摄环境与所述目标拍摄环境的不同不仅仅体现在外部环境如采光的不同，同时也包含相机、镜头及补光等因素的不同。
所述颜色标定色卡主要是为了便于映射模型的拟合及训练，当然也可以采用其它的用于拍摄的图像，本发明对此不作限制。
本实施例中，使用劳尔K7-216色的色卡作为颜色标定的色卡，其包括216种颜色的标准色块。使用Basler acA2500-14gc作为所述目标拍摄环境的相机，使用Basler C125-0618-5M作为所述目标拍摄环境的镜头，使用跃渊TSL-1324-22-W条形光源作为所述目标拍摄环境的补光光源。以及使用JAI GO-5101C-PGE作为待归一化拍摄环境的相机，使用Computar M1224-MPW2作为待归一化拍摄环境的镜头，使用康视达面阵光源CST-2KHFS500400Y35作为待归一化拍摄环境的补光光源。
具体采集图像时，先将拍摄的相机视野参数调节到与所述颜色标定色卡一样大小，然后在所述目标拍摄环境下拍摄所述颜色标定色卡所有216种颜色的标准色块作为所述第一色块图像，以及在所述目标拍摄环境下拍摄所述颜色标定色卡所有216种颜色的标准色块作为所述第二色块图像。需要理解的是，根据拍摄对象及数量的不同，所述第一色块图像及所述第二色块图像包含的相片数量不同，也可以是一张，也可以是多张，本发明对此不作限制。
然后执行S2，获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据。
本实施例中，所述色域空间包括但不限于是RGB色域、HSV色域、HLS色域和YUV色域，各个色域空间之间可以相互转化，且均具有三个通道。
进一步的，所述标准色块的色域空间三通道值的获取方法包括：
确定各个标准色块的中心点；
以所述中心点为中心截取色块区域，计算每个色块区域色域空间三通道值的色域空间三通道值。
本实施例中，如图2所示，由于每个在所述目标拍摄环境下拍摄的标准色块100在所述第一色卡图像200上的位置确定，因此通过宽度方向取中心点，高度方向等间隔的方法获取每个标准色块100的中心点坐标，然后以该中心点为中心截取色块区域300，并计算每个色块区域300具有代表性的色域空间三通道值，进而获得216个在所述目标拍摄环境下拍摄的标准色块100的色域空间三通道值。
本实施例中，所述色块区域300可以是矩形、圆形或其它形状，本发明对此不作限制。所述每个色块区域300具有代表性的色域空间三通道值，可以是在所述色块区域300内的通道平均值，也可以取中位数或采用其它的常规的方法，本发明对此亦不作任何限制。
同理，可获取所述第二色卡图像中对应的标准色块的色域空间三通道值。这里的“对应”是指所述第一色卡图像与所述第二色卡图像中对应位置处的标准色块，同时也是对应所述颜色标定色卡中的同一标准色块。由此可获得216个在所述待归一化目标拍摄环境下拍摄的标准色块的色域空间三通道值。
优选的，在执行S2之后且执行S3之前，即形成映射关系数据之后且基于所述映射关系数据进行拟合训练之前，所述成像质量归一化处理方法还包括：
对所述第一色卡图像进行特征增强；
获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
为了进一步提高归一化处理的成像质量，可根据实际需求对所述第一色卡图像进行特征增强，如进行暗部补光、锐化、去雾等操作。
本实施例以暗部补光为例，对所述第一色卡图像进行特征增强的步骤具体包括：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
本实施例中，将216个目标拍摄环境下拍摄的标准色块的平均色域空间三通道值，即648个值分别用所述暗部补光函数计算补光后的值，然后将这648个经过补光计算后的结果值替换S2中的第一色卡图像中标准色块的色域空间三通道值，获得所述暗部补光后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的最终映射数据。
最后执行S3，基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
本实施例中，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入是三个维度，分别为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出也是三个维度，分别为所述第一色卡图像中对应标准色块的色域空间三通道值。
优选的，如图3所示，中间可以使用一个非线性隐藏层，非线性隐藏层的非线性核函数可以用ReLU函数，隐藏层的维度可以为64维，模型训练的轮数例如是5万轮，模型收敛条件例如是损失函数值小于1E-3，为了提升模型的收敛性能可以在模型的输入和输出分别加上预处理函数和后处理函数，预处理函数可以使用x/255.0-0.5等线性函数，后处理可以使用int((x+0.5)*255.0)等线性函数。
由此，拟合出的映射模型可用于待归一化拍摄环境下图像亮度、色彩和暗部细节等成像质量的归一化处理，处理精度可达像素级，进而提升已有的机器视觉算法的通用性。
基于同一技术构思，本发明实施例提供了一种成像质量归一化处理系统，包括：
图像采集模块，被配置为分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
映射模块，被配置为获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
模型拟合模块，被配置为基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
优选的，所述成像质量归一化处理系统还包括增强模块，所述增强模块被配置为对所述第一色卡图像进行特征增强，所述映射模块还被配置为获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
优选的，所述增强模块具体被配置为：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
优选的，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出为所述第一色卡图像中对应标准色块的色域空间三通道值。
基于同一发明构思，本发明实施例还提出一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时能实现如上所述的成像质量归一化处理方法。
所述可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备，例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所描述的计算机程序可以从可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机程序，并转发该计算机程序，以供存储在各个计算/处理设备中的可读存储介质中。用于执行本发明操作的计算机程序可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机程序的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、系统和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序实现。这些计算机程序可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些程序在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机程序存储在可读存储介质中，这些计算机程序使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有该计算机程序的可读存储介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机程序加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的计算机程序实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
综上，本发明实施例提供了一种成像质量归一化处理方法、系统及可读存储介质，通过形成所述目标拍摄环境与所述待归一化拍摄环境下的色域空间三通道值的映射关系数据并进行拟合训练得到映射模型，利用所述映射模型能够对所述待归一化拍摄环境下图像的亮度、色彩等成像质量进行归一化处理，进而提升已有机器视觉算法的通用性。
上述描述仅是对本发明较佳实施方式的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于本发明的保护范围。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种成像质量归一化处理方法，其特征在于，包括：
分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
2.根据权利要求1所述的成像质量归一化处理方法，其特征在于，形成映射关系数据之后且基于所述映射关系数据进行拟合训练之前，所述成像质量归一化处理方法还包括：
对所述第一色卡图像进行特征增强；
获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
3.根据权利要求2所述的成像质量归一化处理方法，其特征在于，对所述第一色卡图像进行特征增强的步骤具体包括：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
4.根据权利要求1所述的成像质量归一化处理方法，其特征在于，所述标准色块的色域空间三通道值的获取方法包括：
确定各个标准色块的中心点；
以所述中心点为中心截取色块区域，计算每个色块区域色域空间三通道值的色域空间三通道值。
5.根据权利要求1所述的成像质量归一化处理方法，其特征在于，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出为所述第一色卡图像中对应标准色块的色域空间三通道值。
6.一种成像质量归一化处理系统，其特征在于，包括：
图像采集模块，被配置为分别采集同一颜色标定色卡在目标拍摄环境和待归一化拍摄环境下的第一色卡图像以及第二色卡图像；
映射模块，被配置为获取所述第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并形成映射关系数据；
模型拟合模块，被配置为基于所述映射关系数据进行拟合训练得到映射模型，并将所述映射模型用于所述待归一化拍摄环境下成像质量的归一化处理。
7.根据权利要求6所述的成像质量归一化处理系统，其特征在于，所述成像质量归一化处理系统还包括增强模块，所述增强模块被配置为对所述第一色卡图像进行特征增强，所述映射模块还被配置为获取所述特征增强后的第一色卡图像与所述第二色卡图像中对应的标准色块的色域空间三通道值并更新用于所述拟合训练的映射关系数据。
8.根据权利要求7所述的成像质量归一化处理系统，其特征在于，所述增强模块具体被配置为：
根据暗部提升要求画出暗部补光曲线的特征点；
基于所述特征点利用多项式拟合的方法拟合出暗部补光函数；
利用所述暗部补光函数对所述第一色卡图像的标准色块的色域空间三通道值进行补光计算。
9.根据权利要求6所述的成像质量归一化处理系统，其特征在于，基于所述映射关系数据通过非线性模型进行拟合训练得到非线性的映射模型，所述非线性模型的输入为所述第二色卡图像中各标准色块的色域空间三通道值，所述非线性模型的输出为所述第一色卡图像中对应标准色块的色域空间三通道值。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时能实现根据权利要求1-5中任一项所述的成像质量归一化处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410283402.0A CN118096901A (zh) | 2024-03-13 | 2024-03-13 | 成像质量归一化处理方法、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410283402.0A CN118096901A (zh) | 2024-03-13 | 2024-03-13 | 成像质量归一化处理方法、系统及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118096901A true CN118096901A (zh) | 2024-05-28 |
Family
ID=91143748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410283402.0A Pending CN118096901A (zh) | 2024-03-13 | 2024-03-13 | 成像质量归一化处理方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118096901A (zh) |
-
2024
- 2024-03-13 CN CN202410283402.0A patent/CN118096901A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
| CN112258579B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| US10949958B2 (en) | Fast fourier color constancy | |
| Zheng et al. | Single-image vignetting correction | |
| JP2017520050A (ja) | 局所的適応ヒストグラム平坦化 | |
| CN108234858B (zh) | 图像虚化处理方法、装置、存储介质及电子设备 | |
| KR20070008652A (ko) | 촬영된 이미지로부터 원 데이터를 추출하는 방법 | |
| CN112200848B (zh) | 低光照弱对比复杂环境下的深度相机视觉增强方法及系统 | |
| CN110276831B (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
| WO2021008052A1 (zh) | 3d摄影模组镜头精度的标定方法、装置及设备 | |
| Yang et al. | Underwater image enhancement using scene depth-based adaptive background light estimation and dark channel prior algorithms | |
| CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
| CN111383254A (zh) | 一种深度信息获取方法、系统及终端设备 | |
| CN116157867A (zh) | Lfa测试条的神经网络分析 | |
| Kurmi et al. | Pose error reduction for focus enhancement in thermal synthetic aperture visualization | |
| CN111080683B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN105574844A (zh) | 辐射响应函数估计方法和装置 | |
| CN116758266A (zh) | 一种指针式仪表的读数方法 | |
| CN111539975A (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
| CN118096901A (zh) | 成像质量归一化处理方法、系统及可读存储介质 | |
| CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
| CN115661258A (zh) | 标定方法及装置、畸变校正方法及装置、存储介质、终端 | |
| US20190221026A1 (en) | Method and device for image processing | |
| Xia et al. | A coarse-to-fine ghost removal scheme for HDR imaging | |
| CN112752088B (zh) | 深度图像生成方法及装置、参考图像生成方法、电子设备 |
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 |