一致性校正方法2

最新推荐文章于 2025-06-23 14:03:39 发布

原创

最新推荐文章于 2025-06-23 14:03:39 发布 · 1.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #人工智能 #算法

本文介绍了图像处理中的一种一致性校正方法——长短帧校准，用于解决成像设备不稳定性导致的图像问题。通过建立短帧和长帧的均值差异权重，进行图像校准。接着，详细阐述了利用质心到边缘距离识别几何形状边数的算法，包括识别过程和存在的问题。最后，提出了角点识别、几何斜率判定和图像面积与边长关系等进一步优化识别精度的策略。

长短帧方法，本人借鉴于某些摄像头厂家，类似于区域检测，以及警戒区域安保识别等范例。具体是通过建立短帧（一般为连续相邻帧），长帧（间隔一定时间的帧）进行识别过程。

具体在一致性校正处理过程中，当设备成像过程不稳定，导致成像图像出现局部灰度拉伸，全局对比度失真等情况时，一般进行样张多拍，在多样张中首先将两两相邻的图像设立为短帧，间隔5张图像设立为长帧。通过长短帧的均值差异建立权重，最终进行带权重的均值过程，实现单张图像的校准过程。

长短帧校准基础原理如下：

clear;clc;close all
    infiles='V2mean\combine\';
    files12='V2mean\combineV1\';
    n=360;
    long=zeros();%设定长帧变量
    short=zeros();%设定短帧变量
for k=1:n
    img1 = double(imread([infiles,num2str(k),'.jpg']));%文件所在路径
     short(k)=mean(mean(img1));
     i=ceil(k/5);
     long(i)=mean(mean(img1));
end

在解决这个问题时，我首先也是采集多幅样张，然后直接求均值，导致的结果就是单张极值出现问题的时候，整体求解将会在灰度上有偏移。

所以本人在求解时，首先对每张图像进行中位数和灰度平均值进行获取，采用线性关系，按照0.7中位数+0.3灰度平均值，再除以所求图像张数n作为权重，进行灰度值求取。该方法，求取完成后会出现解得图像与原有图像灰度值上有差异，但所求图像成像均值细节效果好。这个差异本人目前采用按照灰度平均值差异进行加减。

上述方法即可解决大部分成像设备差异性带来的图像特征影响。

进而下一步即是如何在图像中找去最适合一致性校正的特征内容。

识别特征的方法本人所学过的，大致如下：

1.形状类型的定位，通过角点，圆周等几何形状特征进行特征几何属性的定位。（下图来源于网络，如侵权，请联系作者）