基于单曝光图像的金属高反光消除方法及系统与流程
本发明涉及图像处理,尤其涉及基于单曝光图像的金属高反光消除方法及系统。
背景技术:
1、在实际生产环境中,金属配件表面具有强烈的镜面反射特性,成像过程中高光区域易出现过曝现象,进而导致关键缺陷信息被掩盖或扭曲,严重影响自动缺陷检测的精准度。
2、现有的金属高反光消除方法主要包括基于硬件优化以及基于算法处理的方法。基于硬件优化的方法通常通过偏振镜抑制镜面反射,或采用环形光源、穹顶光源降低直接反射,但效果有限;若采用高动态范围成像硬件,虽效果较好,但成本偏高。基于算法处理的方法主要通过图像融合技术处理多曝光或低曝光图像以达到消除高反光的效果,成本相对较低。然而,多曝光图像融合依赖于工业相机的重复曝光,而大多数传统工厂仍以单曝光工业相机为主,重复曝光模式对光源要求和运动控制较为严格,易受环境制约,进而增加设备成本。相比之下,单曝光图像采集速度快,无需解决图像对齐难题,可避免产生伪影,且对存储和硬件要求更低,更贴合传统工厂的实际应用需求。但单曝光图像的信息有限,无法有效消除金属高反光。
3、因此,有必要提供基于单曝光图像的金属高反光消除方法及系统解决上述技术问题。
技术实现思路
1、为解决上述技术问题,本发明提供基于单曝光图像的金属高反光消除方法及系统,用于解决现有单曝光金属图像的高光消除效果差,易破坏金属正常区域的亮度纹理的问题。
2、本发明提供的基于单曝光图像的金属高反光消除方法,所述方法包括:
3、将单曝光金属图像的rgb格式转换为hsv格式,对所述单曝光金属图像的亮度层进行自引导滤波生成引导图,并基于所述引导图对所述亮度层进行引导滤波,分离出细节层和基础层;
4、采用基于频域能量分布特征的自适应同步滤波技术对所述基础层进行同态滤波,生成同步滤波图像,同时采用基于高反光先验掩码的改进msr对所述基础层进行照度压缩,生成照度压缩图像;
5、基于所述基础层的亮度分布特征为所述同步滤波图像和所述照度压缩图像分配权重并进行自适应加权融合,生成融合图像;
6、将所述融合图像与所述细节层重组为新亮度层,将所述新亮度层与所述单曝光金属图像中的色相层和饱和度层重组为无高光金属图像,并将所述无高光金属图像的hsv格式转换为rgb格式。
7、优选的,所述将单曝光金属图像的rgb格式转换为hsv格式,对所述单曝光金属图像的亮度层进行自引导滤波生成引导图,并基于所述引导图对所述亮度层进行引导滤波,分离出细节层和基础层,包括:
8、将所述单曝光金属图像的rgb格式转换为hsv格式;
9、设置初始窗口半径为、初始正则化参数为,对所述单曝光金属图像的所述亮度层p进行自引导滤波,生成所述引导图i;
10、设置窗口半径为r、正则化参数为,基于所述引导图i对所述亮度层p进行引导滤波;
11、在以像素k为中心的窗口内,基础层像素和引导图像素满足如下线性关系:
12、;
13、式中,为窗口的线性拟合系数;
14、构建代价函数,且所述代价函数用于约束所述基础层与所述亮度层的相似度,同时抑制所述线性拟合系数过拟合,对应公式如下:
15、;
16、式中,为亮度层像素;
17、对所述代价函数求极值,推导得到所述线性拟合系数的最优解:
18、;
19、式中,为窗口内的引导图像素的算术均值;为窗口内的亮度层像素的算术均值;为窗口内的引导图像素的方差;为窗口内包含的像素总数量;
20、分别获取包含同一基础层像素的全部窗口内的的算术平均值,更新所述基础层像素:
21、;
22、将所述亮度层逐像素减去所述基础层,生成所述细节层。
23、优选的,所述采用基于频域能量分布特征的自适应同步滤波技术对所述基础层进行同态滤波,生成同步滤波图像,包括:
24、基于图像照射-反射物理模型,为基础层,为低频光照分量,为高频反射分量,依次对所述基础层进行对数变换及傅里叶变换,得到频域矩阵,为频率点坐标;
25、基于所述频域矩阵计算每个频率点对应的频谱矩阵:
26、;
27、计算每个频率点到频谱中心的欧氏距离:
28、;
29、式中,m为频谱矩阵行数;n为频谱矩阵列数;
30、以频谱中心为圆心,按频率半径r划分同心圆环,统计每个同心圆环内的总能量e(r)和像素总数s(r),计算同心圆环的径向平均能量密度:
31、;
32、基于零频位置能量密度,对全部频率半径对应的径向平均能量密度进行归一化处理,得到归一化径向能量密度曲线;
33、对所述归一化径向能量密度曲线逐频率半径求取一阶差分,得到能量衰减变化率曲线z(r):
34、;
35、设定有效频率半径上限,为最大频率半径,遍历范围内的全部频率半径,取使使z(r)取得最小值的频率半径作为自适应截止频率:
36、;
37、将所述自适应截止频率代入高斯高通滤波传递函数,对所述频域矩阵进行逐频率点滤波,并依次进行傅里叶逆变换及指数变换,输出所述同步滤波图像。
38、优选的,所述采用基于高反光先验掩码的改进msr对所述基础层进行照度压缩,生成照度压缩图像,包括:
39、分别选取小、中、大视觉尺度的高斯核标准差,并生成对应的归一化高斯核;
40、将所述基础层分别与每个归一化高斯核进行二维卷积运算,得到对应的单尺度照度分量:
41、;
42、式中,j=1、2、3时,分别对应归一化高斯核;
43、对所有单尺度照度分量进行加权融合,生成全局综合照度图:
44、;
45、式中,j=1、2、3时,分别对应单尺度照度分量的融合权重、单尺度照度分量的融合权重、单尺度照度分量的融合权重,且满足。
46、优选的,提取所述基础层的像素亮度,通过阶跃函数对所述像素亮度进行亮度二值分割,对亮度二值分割后的所述亮度通道进行形态学开闭运算,得到二值高光掩码:
47、;
48、式中,a( )为阶跃函数,其规则为当像素亮度大于亮度阈值时,输出数值1;当像素亮度小于或等于亮度阈值时,输出数值0;morph( )为形态学开闭运算;
49、采用高斯平滑核对所述二值高光掩码进行高斯平滑处理,生成高光先验掩码,对应公式如下:
50、。
51、优选的,基于所述高光先验掩码生成压缩系数:
52、;
53、式中,为高光区域的最大照度压缩增益;
54、对图像照射-反射物理模型的等式两边取对数得到,变形得到;
55、基于所述压缩系数改进,得到:
56、;
57、式中,为极小常数;
58、对进行指数还原运算,得到所述照度压缩图像。
59、优先的,采用高斯平滑核对所述基础层的所述像素亮度进行高斯平滑处理,生成连续过渡权重,对应公式如下:
60、;
61、基于融合权重归一约束,将所述连续过渡权重作为所述同步滤波图像的融合权重,得到所述照度压缩图像对应的融合权重,对应公式如下:
62、;
63、。
64、优选的,基于所述同步滤波图像的融合权重和所述照度压缩图像的融合权重,对所述同步滤波图像和照度压缩图像进行逐像素加权融合,生成所述融合图像:
65、。
66、基于单曝光图像的金属高反光消除系统,所述系统包括:
67、引导滤波模块,用于将单曝光金属图像的rgb格式转换为hsv格式,对所述单曝光金属图像的亮度层进行自引导滤波生成引导图,并基于所述引导图对所述亮度层进行引导滤波,分离出细节层和基础层;
68、滤波压缩模块,用于采用基于频域能量分布特征的自适应同步滤波技术对所述基础层进行同态滤波,生成同步滤波图像,同时采用基于高反光先验掩码的改进msr对所述基础层进行照度压缩,生成照度压缩图像;
69、加权融合模块,用于基于所述基础层的亮度分布特征为所述同步滤波图像和所述照度压缩图像分配权重并进行自适应加权融合,生成融合图像;
70、图像输出模块,用于将所述融合图像与所述细节层重组为新亮度层,将所述新亮度层与所述单曝光金属图像中的色相层和饱和度层重组为无高光金属图像,并将所述无高光金属图像的hsv格式转换为rgb格式。
71、与相关技术相比较,本发明提供的基于单曝光图像的金属高反光消除方法及系统具有如下有益效果:
72、本发明通过将单曝光金属图像的rgb格式转换为hsv格式,对单曝光金属图像的亮度层进行自引导滤波生成引导图,并基于引导图对亮度层进行引导滤波,分离出细节层和基础层;采用基于频域能量分布特征的自适应同步滤波技术对基础层进行同态滤波,生成同步滤波图像,同时采用基于高反光先验掩码的改进msr对基础层进行照度压缩,生成照度压缩图像;基于基础层的亮度分布特征为同步滤波图像和照度压缩图像分配权重并进行自适应加权融合,生成融合图像;将融合图像与细节层重组为新亮度层,将新亮度层与单曝光金属图像中的色相层和饱和度层重组为无高光金属图像,并将无高光金属图像的hsv格式转换为rgb格式,从而可以精准消除单曝光金属图像的高光,保留金属正常区域的亮度纹理,显著提升图像质量与缺陷识别效果。
73、本发明通过将图像转换至色彩空间,基于亮度通道构造去高光倾向的引导图,并利用引导滤波实现细节层与基础层的有效分离,可以避免高光信息残留。本发明采用基于频域能量分布特征的自适应估算方法,实现对基础层的动态范围的精细化提升,解决了传统同态滤波截止频率依赖人工先验经验的问题。本发明引入高反光先验掩码,构建空间自适应压缩系数,实现对高光区域的精准照度压缩,克服了传统多尺度retinex全局无差别处理易导致暗部过度压缩、亮部压缩不足的缺陷。本发明结合同态滤波与改进多尺度retinex方法的特征,利用基础层自身的亮度分布特征引导权重分配,实现自适应加权融合,有效避免硬拼接伪影;重组融合结果与细节层并转换至目标色彩空间,输出无高光金属图像,从而能够提取更干净的基础层,在有效去除高光的同时,更好地保留正常区域亮度,显著提升图像整体质量,且适用于不同表面特性的金属反光图像处理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com