清晰化方法范文（精选9篇）
清晰化方法 第1篇
关键词：能见度,图像,清晰化,暗原色先验
0引言
道路交通的快速发展不仅给人们生活带来了极大的便利, 也推动着社会经济的发展, 与此同时道路交通事故却危害着人的生命及财产安全。影响道路交通安全的因素很多, 由于交通环境引发的交通事故是主要原因, 而气候是交通环境的重要组成部分。在恶劣的天气条件下, 由于驾驶员的经验不足、安全距离过小、速度过快以及能见度低等都会造成交通事故的高发率[1,2]。
众所周知, 能见度越低, 交通事故的发生的机率越高, 而且通常会引发重特大交通事故。而影响能见度低的罪魁祸首除了雾以外有近年来高发的霾、东北地区冬天的雪、西北地区的沙尘暴以及雨天等, 表1为文献[3]统计的不良条件下交通事故发生率。据统计, 近年来平均每年由于高速公路交通事故引发死亡人数接近12万, 而其中由于低能见度造成司机的视观察力弱及判断力差引发的交通事故占70%。因此, 很多学者致力于研究道路安全诱导及警示系统, 以便在能见度较低的状况下给驾驶员提供更加清晰的路况, 从而避免交通事故的发生。
目前道路图像清晰化主要研究方法包括基于物理模型恢复法, 该方法需要在能见度较低情况下获取至少两幅同一场景的图像进行处理来对图像清晰化, 但这种方法比较适合静态场景, 驾驶员在驾驶过程中很难获取两幅同一场景。另外一种方法是多参数化退化模型, 但这种方法的主要缺点是运算量大, 处理时间长, 缺乏时时性因此也不适合辅助驾驶员驾驶过程中路况判断[4,5]。针对上述问题, 本文利用暗原色原理, 以VC++为平台, 实现了一套辅助驾驶道路清晰化系统平台, 可获取驾驶员想要的清晰化效果及速度。
1道路图像清晰化算法
1.1模型的建立及暗原色原理。计算机视觉领域中常用的描述能见度较低天气条件下的场景退化模型, 其数学表达式为:
其中, I为当前拍摄的图像, J为清晰化后的图像, t为投射率, A为大气光, 因此J的清晰程度主要依赖于A和t。J <X>、 t <x>为直接衰减项, A <1-t< x> >为大气光成分。其中t反映了光线穿透雾的能力, 值越大, 表示场景点光线穿透雾到达观测点的量越多。
暗原色先验即对大量的清晰图像进行统计, 统计结果表示这些图像中至少有一个颜色通道具有很低强度值的像素, 被称为 “dark pixels”, 该区域光强度的最小值很小, 表示如下:
即除了天空方位, Jdark的强度趋近于0, 设J为清晰图像, Jdark为J的暗原色, 以上经验规律为暗原色先验。
1.2基于暗原色先验的图像清晰化算法。假设大气光因子A给定, 且在一个区域内投射率不变, 则式 (3) 成立:
根据上述的暗原色先验的规律Jdark的强度趋近于0, 即:
由于雾感的存在使得人觉得图像不清晰, 而实际人在感知外部图像时, 由于距离的加大也会产生雾感, 即不清晰。将图像彻底清晰化有悖于显示, 因此在式 (5) 中, 引入参数 ω <0<ω<1>, ω 的值决定了图像的清晰程度, ω 可由驾驶员在实际使用过程中根据情况而定。
对大气光A的估计方法很多, 通过比较, 本文选择文献[6]中的方法, 另外利用本文所获取的折射率t, 清晰化后的图像可表达如下:
其中t0=0.1, 目的是防止分母为0。
2实验结果与分析
本文利用VC++根据上述算法, 开发了低能见度条件的道路清晰化平台用以辅助驾驶员在恶劣条件下安全驾驶。对于处理800×600的图像, 仅仅需要85ms, 图1为图像清晰化对比结果图。实践表明, 在能见度较低的情况下, 当驾驶速度较低时能起到适当的辅助作用, 可有效避免交通事故。
3结论
本文针对能见度较低天气情况下, 由于驾驶员视力受限易引起交通事故的问题, 利用暗原色先验对驾驶过程中的路况图像进行清晰化, 以VC++为平台开发了一套道路交通图像清晰化平台。实验结果表明, 利用该平台处理图像耗时很短、图像清晰度较好, 能很好地辅助驾驶员进行路况判断。
参考文献
[1]王艳.下雪天气对图像质量影响的研究[J].农业网络信息, 2012 (11) :28-30.
[2]张凤秋, 张勇.道路交通安全风险及应对措施[J].物流科技, 2013 (2) :112-113.
[3]潘娅英, 陈武.引发公路交通事故的气象条件分析[J].气象科技, 2006, 34 (6) :778-782.
[4]Fatal R.Single image dehazing[J].ACM Transactions on Graphics, SIGGRAPH, 2008, 3 (27) :1-9.
[5]Hautiere N, Tarel J P, Lavenant J, et al.Automatic fog detection and estimation of visibility distance through use of an onboard camera[J].Machine Vision and Applications, 2006, 17 (1) :8-20.
清晰化方法 第2篇
CAD有自带的输出JPG的命令，但不够清晰无法满足印刷需求。可以导出很大分辨率的图但是文字多半看不清。本教程以CAD为例，导出的图将会是黑白的(当然也可以彩色)。
第一步：“文件”——“绘图仪管理器” 将弹出如下图文件夹
第二步：双击“添加绘图仪向导”
不用想了,点“下一步”
“下一步”
“下一步”
“下一步”
便携式医用X光图像清晰化方法研究 第3篇
本文所涉及的便携式医用X光机是由X射线源、双近贴式X射线像增强器、高分辨率CCD和光锥组成的新型数字成像系统,它具有体积小,重量轻,携带方便等特点。图1即为本文中所涉及的便携式医用X光机样品机。
虽然这套新系统有着优越的性价比,但在图像清晰度方面也存在着不容忽视的问题:在系统成像过程中,由于各种原因,必然要产生噪声,引起图像质量的下降,有可能影响医生诊断的准确性。为此,有必要弄清影响图像质量的各种噪声的来源、特征及其与信号的关系,然后有针对性地消除或降低这些噪声,提高图像质量。
1 便携式医用X光机简要介绍
本文所介绍的便携式数字X射线光锥耦合CCD成像系统的结构示意图如图2所示。
工作时,X射线通过被检测物体,投射到输入转换屏上,在像增强器光电阴极处产生光电子发射,形成光电子图像。在高压电极的作用下,光电子得到加速,到达输出荧光屏上,转换为可见光图像。利用光锥无畸变的传输特性,荧光屏上的可见光图像缩小并投射在CCD的光敏面上,由CCD芯片将光学图像转变为视频信号进行输出。
2 便携式医用X光机图像特征分析
图像是信息的载体,影响图像质量的最主要因素就是噪声,从系统构成介绍可以知道,系统噪声产生于系统的每一环节。
1) 像增强器的转换屏在高增益下有颗粒和闪烁噪声使图像模糊。
2) 对于CCD,由于光子响应不一致性及存在暗电流,噪声也是不可忽视的。CCD输出的噪声有三个方面:a) 入射的光子数和光生载流子的统计涨落,服从泊松分布规律,具有在一个很宽的频率范围内均匀分布特性(白噪声)。b) 半导体耗尽层热激发的随机性及因器件的缺陷使复合—激发中心非均匀分布。c) 电荷在CCD中转移损失、界面态的俘获也引起噪声。d) CCD不可避免地受到少量X射线的辐射也产生噪声,采集系统的电路也存在噪声[1]。
3 便携式医用X光机提高图像清晰度方法
提高图像清晰度的方法不是一个简单的问题,在本文中计划从图像降噪和图像增强两方面结合来提高图像的清晰度。
3.1 便携式医用X光机的图像降噪
通过对各种降噪方法的理论比较,我们发现,对于便携式医用X光机来说,小波包的图像降噪方法具有很大的优势。下面我们将对其进行简要介绍。
3.1.1 基本原理
小波包分析是小波分析的推广,它能对小波分析没有细分的高频部分进行进一步分解,并能够根据被分析信号的特征,自适应地选择相应的频带,使之与信号频谱相匹配,从而提高了时频分辨率。在小波包分析中,其图像降噪的算法思想和在小波分析中基本相同。所不同的就是小波包提供了一种更为复杂、更为灵活的分析手段。因为小波包分析对上一层的低频部分和高频部分同时进行分解,具有更加精确的局部分析能力。
对信号进行小波包分解时,可以采用多种小波基。通常根据分析信号的要求,从中选择最好的一种小波包基,即最优基。最优基选择的标准是熵标准。
3.1.2 图像的降噪步骤
应用小波包分析对图像进行降噪处理是小波包的一个最基本的功能。降噪步骤如下:
1) 图像的小波包分解。选择一个小波确定所需分解层次,然后对图像进行L层小波包分解。
2) 计算最优小波包基,对于一个给定的熵标准,计算最优树(这一步不是必须的步骤)。
3) 小波包分解系数的阈值量化。对于每一个小波包分解系数,选择一个恰当的阈值并对系数进行阈值量化。
4) 图像的小波包重构。根据最底层小波包分解系数和经过进行量化处理系数,进行重构。
在上述步骤中,最关键的是如何取阈值和如何进行阈值量化,在一定程度上,它直接关系到对图像进行降噪处理的质量。
3.2 便携式医用X光机的图像增强
对医用X光机图像的特征分析,选择了具有良好性能子带增强算法来提高图像的质量。
3.2.1 基本原理
子带增强法是在小波分解与精确重建的基础上,对每个分解成的图像进行线性运算处理,图像被分解为不同频带(子带)的变换稀疏,根据所需要的子带成份进行增强,然后再经过小波逆变换重建图像。如加强高频成份,该方法起着一种补偿图像轮廓线的作用,图像的高频分量相对突出,轮廓线被加强,看起来更加清晰。设ϕ(x,y)和ψ(x,y)分别为尺度函数和小波函数,J为图像分解层次,则对任意一幅图像f(x,y),其小波分解的表达式为: (1)
式中,前一项是低分辨率的图像,后一项是不同频带的子图像。为了增强各子带频率成分,引入增强系数gk,n加入上式,得到:
undefined (2)
从而可以引起增强高频的效果。
4 实验仿真
从以上的理论分析得出,本文中提出的此种方法能提高便携式医用X光机图像的清晰度。下面将对其进行试验仿真来验证其理论分析。
图3为便携式医用X光机采的原始图像及图像第25行的灰度曲线图,为人的手指骨图像,从图中可以明显地看到图像边缘细节不突出,图像中存在着大量的噪声。
图4为小波包降噪后的图像,从同一行的灰度曲线中可以明显看到大量噪声被滤除。
图5为图4经过子带增强法增强后的最终图像,从图片及灰度曲线图中可以看出图像较以前平滑了,图像的细节也增强了,质量有很大的改善。
本文使用Matlab的wavelet工具箱进行仿真实验。
5 结论
图像清晰化是图像处理中至关重要的一个环节。本文主要是介绍了一种适合于便携式医用X光机的图像特征的图像处理方法。从试验仿真的结果看,上文中介绍的小波包图像降噪方法效果明显,图像中随机噪声基本被滤除了。子带增强法对图像的质量的改善也起到了一定的作用。但此方法对提高图像的质量效果不是很明显,仍需进一步的改善和研究。
参考文献
[1]王志社.基于光锥耦合的数字X射线成像系统研究[D].太原:中北大学硕士论文,2007:35-36.
[2]陈树越.X射线数字图像质量改善研究[D].南京:南京理工大学博士论文,2001.
[3]Stephen J,Chapman.MATLAB Programming for Engi-neers[M].北京:科学出版社.
[4]陈武凡.小波分析及其在图像处理中的应用[M].北京:科学出版社,2002.
[5]http://baike.baidu.com/view/62228.htm
清晰化方法 第4篇
语言清晰度试验中数据有效性检验方法的研究
语言清晰度试验是评价语言交流场所音质优劣最直接的方法,而试验数据有效性检验是语言清晰度得分统计平均的基础.本文采用标准差检验、邻差型检验和半极差型检验这三种方法对语言清晰度试验数据进行了有效性检验,并对异常数据的处理也进行了讨论.结果表明对于语言清晰度试验数据的.有效性,邻差型检验或半极差检验优于标准差检验,而以邻值替代异常数据则更接近实验原始数据.
作 者：宋拥民 SONG Yong-min 作者单位：上海现代建筑设计(集团)有限公司,章奎生声学设计研究所,上海,200041 刊 名：声学技术 ISTIC PKU英文刊名：TECHNICAL ACOUSTICS 年，卷(期)：2008 27(1) 分类号：O4 关键词：语言清晰度 数据有效性 标准差检验 邻差型检验和半极差型检验清晰化方法 第5篇
随着光电成像测量设备向高精度、自动化方向发展,其对系统成像质量也提出了更高的要求。在长焦距变焦系统中,存在多种因素使得系统成像由于离焦而模糊。随着电子技术和图像处理理论的发展,近年来基于图像处理的自动对焦技术不断完善,由于其相较于传统的有源自动调焦方式有很多优点,因此在光电成像测量领域具有广阔的应用前景。该方法通过计算图像清晰度评价值,驱动调焦组镜头向聚焦方向运动,直到清晰度达到最大值为止。因此,基于图像处理的自动对焦技术有两个关键问题需要解决:一是如何准确快速评价图像的清晰度,对应于图像清晰度评价函数的研究;二是如何在一系列图像中快速准确地找到最清晰的位置,对应于调焦搜索策略的研究。针对以上第一方面的问题,有很多学者专门研究了各种不同清晰度评价函数,指出各种函数的优劣[1,2,3]。但是各种评价函数或者新的计算方法的研究只能缩短计算图像清晰度的时间,而实际上自动对焦中更耗时的操作是最佳成像位置的定位操作。因此,若能够减少搜索步数,缩短电机运动行程,自动对焦速度必然能够大大提高。康宗明[4]提出了方向帧的概念,李奇[5]提出了基于离焦估计的快速对焦方法,都对传统的爬山法有较大改善,但是作者实验发现,以上两种方法的性能都受到离焦量大小的限制。此外,郑玉珍[6]提出一种大步距遍历式的算法,但是这种算法实际上增加了电机行程,不利于提高速度。苗立刚[7]提出了一种基于预测的自动对焦算法,而这种方法只能针对平面物品的大规模连续图像采集。当前存在的各种调焦评价函数都专注于曲线更好的单峰性、单调性等,无法提供图像离焦量的先验信息。而目前各种改进的调焦搜索策略也没有结合图像质量评价函数进行研究,而仅仅针对某些情况,适用范围有限。本文旨在通过一种新的可以提供离焦量大小的先验信息的图像清晰度评价函数来改善传统爬山法搜索策略:当离焦量大时采用大步距驱动调焦镜头,使镜头快速逼近聚焦位置;当系统离焦量小时,采用小步距驱动镜头,使镜头准确聚焦。该方法兼顾了自动对焦的速度和准确性,有很好的应用价值。
1 用无参考结构清晰度评价图像质量
对光学成像系统的数学模型研究发现,成像系统实际上是一个低通滤波器[8],离焦量越大,截止频率越低。所以,清晰图像比模糊图像具有更丰富的高频分量,即细节信息。因此,通过计算图像的高频信息分量可以衡量图像的清晰程度,这方面的研究成果即当前报道的各种自动对焦图像清晰度评价函数。
图像清晰度评价函数多种多样,出现了诸如方差函数、能量梯度函数、拉普拉斯函数等基于灰度计算的函数,也出现了能量和熵等信息学函数,此外还有频谱函数、自相关函数等。这些函数有各自的优缺点:有的在聚焦点附近有很高的灵敏度,可实现准确聚焦;有的具有较宽的调焦范围。在实际工程应用中,图像的局部方差函数和基于Sobel算子的Tenengrad函数性能优良,等到了广泛的应用。
但是,目前的各种图像质量评价函数的输出是无界的,因而无法获知当前图像离焦量的大小。如果存在一种评价函数的输出有界,那么我们可以从当前图像清晰度评价值的大小预判离焦量的大小。当离焦量大时,系统采用大步距快速逼近聚焦位置;当离焦量小时,采用小步距调节镜头。既可以提高调焦速度,又可以保证调焦精度。近来,我们研究发现图像质量评价研究中提出的一种方法如果用于自动对焦就可以达到这种要求,这种方法是无参考结构清晰度[9](No-Reference Structural Sharpness,NRSS)。NRSS方法先将原始图像进行低通滤波,再通过比较滤波结果与原始图像的相似程度来计算图像清晰度评价值。由于清晰图像具有更丰富的高频信息,所以低通滤波以后损失的信息较多,因而与原始图像的相似程度低。其具体计算步骤简要介绍如下,具体算法参数可参见参考文献[9]:
第1步:为待评价图像构造参考图像。定义待评价图像为I,则参考图像Ir定义如下:Ir=LPF(I),即所构造的参考图像是原始待评估图像的低通滤波结果。
第2步:提取图像I和Ir的梯度信息,定义I和Ir的梯度图像分别为G和Gr。
第3步:找出梯度图像G中梯度信息最丰富的N个图像块。记为{xi,i=1,2,3,…,N},对应的Gr中的对应块定义为{yi,i=1,2,3,…,N}。
第4步:计算原始图像的无参考结构清晰度NRSS。先计算每个xi与yi的结构相似度SSIM(xi,yi),其
其中:
以上三项分别表示各个图像块在亮度、对比度和结构信息方面的相似性度量,α,β,γ用来调节三个度量的权重。其中μx,μy分别表示向量x和y的均值,σx,σy是向量x和y的标准差,σxy是向量x和y之间的协方差。
图像的无参考结构清晰度定义为
显然,由NRSS的数学定义可知,其输出范围是介于[0,1)之间的。有界的输出使得NRSS图像质量评价指标能够提供图像离焦量的先验信息:评价值越小,离焦量越大;评价值越接近1,离焦量越小。
为了说明几种函数各自的优点,对同一目标采集了37幅离焦程度不同的图像,这些图像从离焦到聚焦,再到离焦。分别计算了各幅图像的方差函数、Tenengrad函数和NRSS函数的评价结果。对于NRSS,低通滤波采用7×7均值滤波器,其余参数C1,C2,C3和α,β,γ与参考文献[9]相同。此外,由于选用的对焦窗口图像大小为256×256,为了减少计算量,对窗口内图像进行1/2下抽样得到128×128大小的原始图像,N的取值为16。三种评价曲线如图1所示。
从评价结果来看,与前面的两种自动对焦函数相比,NRSS具有同样位置的峰值点,同时在聚焦位置两侧NRSS也具有较好的单调性。虽然NRSS曲线的平滑性没有前两种评价方式好,但是与前两种评价函数相比,NRSS的输出范围是介于[0,1)之间的,其值越大说明图像越清晰。此外,由于图像质量评价指标输出的有界性,为单帧图像的离焦量提出了先验信息。当图像离焦量较大时,驱动电机大步距搜索,提高调焦速度。为了说明NRSS与其他图像清晰度评价函数相比较的优势,对两个不同场景图像采样,如图2所示。其中,图2(b)比图2(a)离焦量更大,但是由于图像内容不同,另外两个函数的评价值却对图2(b)的评价值更大。具体评价指标见表1。
2 基于NRSS的自适应爬山搜索策略
当前在调焦搜索策略中主要有以下三种搜索策略:曲线拟合法、斐波那契搜索法和爬山法(MountainClimb Search Strategy,MCS)。但是由于当前对调焦函数曲线没有进行精确的数学建模,曲线拟合法精度不高;由于斐波那契搜索算法会在大范围内进行电机大范围往复运动,不便于电机控制。爬山法由于其精确性好,无需电机往复运动等优点,成为调焦搜索策略的首选。常用爬山法分为固定步长搜索和变步长搜索两种方式。变步长搜索的具体过程是:首先,聚焦镜头作任意方向搜索,假定在图3的起点开始搜索,按箭头方向,在圆圈点计算评价值。如果当前的评价值大于上一次计算的评价值,那么方向不变,继续前进,镜头向评价函数抛物线的山顶方向运动;当越过山顶到达a点时,评价值小于上一步的评价值,表明镜头已经越过了准焦位置,这时,改变镜头移动方向,步距相应减小,继续搜索判断;当到达b点时,再次改变方向,减小步距。如此反复,直到找到最大值为止,聚焦结束。从变步长爬山法的原理可以看出,若初始步长太长,则会出现多次往复运动,增加电机行程;若初始步长太短,则电机需要运动多步才能逼近峰值点。固定步长搜索爬山法的基本原理不变,只是在搜索过程中不改变步长,当需要镜头反向运动时,返回一步即认为找到了最大值位置。固定步长的优点在于不会出现多次电机往复运动的情况,但是如果步长太大,则调焦精度不高,若步长太小则收敛速度慢,而且容易受到局部最大值的影响,且收敛速度慢。
因此,若能够利用图像评价值的离焦先验信息,离焦量大时大步距快速逼近准焦位置,接近准焦点时用最小步距搜索,直到镜头越过准焦位置,反向运动一步即可找到最清晰点。这样,既可以提高搜索速度,又能够兼顾调焦精度。本文利用NRSS评价方式的优点,自适应改变电机运动步长,实现快速自动对焦。基于NRSS的自适应自动对焦方法的电机步长更新策略如下:
设定图像质量评价参考值NRSSth,该值用于确定步长更新的方式。设当前图像质量为NRSSi,若NRSSi>NRSSth,则认为图像质量较好,离焦量小,镜头已经接近准焦位置,电机运动步长为系统可以提供的最小基本步长L0;否则,认为图像离焦量较大,镜头单次移动步长由式(6)决定:
其中:“[]”表示取整运算,K是用来调整搜索速度的常数,在本文后续的实验中,K=20。由于式(6)应用的条件,NRSSth-NRSSi>0,所以其计算结果一定大于L0,从而使得图像清晰度低于门限值时,电机移动步长较长。
从上式可以看出,当前图像质量评价值越低,表明离焦量越大,电机运动步长越大,可以快速逼近准焦位置。而且,步长的大小与图像质量严格匹配,不会出现大步越过准焦点的情况。而当图像比较清晰,接近聚焦点时,电机步长为基本步长,可以避免电机大范围往复运动,调焦稳定性和准确性都较好。采用了这种新的电机步长自适应更新策略后,可以避免电机大范围往复运动。当电机第一次越过峰值点后只需返回一个基本步长就可以定位到聚焦位置,因此,可以使调焦过程中电机的理论行程最短。同时,调焦精度取决于基本步长的选取,因此与传统的爬山法相比,基于NRSS的自适应爬山法提高速度的同时可以保证调焦精度。
此外,需要说明的是,从图1(c)可以看出NRSS在峰值两侧曲率变化不大,即若将NRSS曲线作为自动对焦的图像质量评价函数是不理想的。所以在我们的系统中,仍然采用在峰值两侧单调性较好的图像梯度能量函数作为图像质量评价函数,但是使用NRSS评价值计算电机运动步长。由于当图像接近准焦时,步长的选择应为基本步长,而继续使用单调性好的梯度能量函数可以保证调焦精度。当然,在调焦过程中计算两种图像质量评价指标增加了调焦算法的计算时间,但是随着当前处理器计算速度的提高,制约自动对焦速度的主要因素是电机运动的时间,若通过增加计算量能大大减少电机运动步数,适当增加计算量也是值得的,这一点在后续的实验中得到了证明。
3 实验结果与分析
为了验证本文提出的基于NRSS的自适应爬山搜索策略在自动对焦系统中的应用价值,本文设计了两个实验:实验一是一个Matlab仿真实验,针对前文的37帧图像序列进行。实验二中搭建了自动对焦的简易实验平台,通过三种自动对焦方式的对焦结果和一些性能参数来说明本文方法的可行性。
实验一采用前文中的37帧图像序列进行仿真实验来证明基于NRSS的变步长爬山搜索算法的可行性。设当前电机位置为第一幅图像,电机基本步长在仿真实验中设定为1帧;对于一般变步长爬山算法,初始步长设定为基本步长的4倍;对固定步长爬山搜索算法,步长为基本步长;对于基于NRSS的方法,根据大量图像的实验结果,NRSSth设定为0.6。采用Tenengrad函数计算结果来进行比较,三种方式调焦过程中的图像质量变化曲线图4所示。
三种调焦搜索策略最终都停留在37帧图像序列中的第19帧图像上,即三种搜索策略的调焦精度一致。但是基于NRSS的爬山法的搜索速度明显快于另外两种方式。表2给出了三种方法的具体指标。
从表2可以看出,基于NRSS的爬山搜索策略的搜索调节次数比另外两种搜索策略少得多。当前的自动对焦系统中,耗时的操作主要是图像采集与质量评价指标的计算,系统与电机驱动的通信以及电机的运动。而基于NRSS的爬山法计算次数少,通信次数少,电机的行程也从理论上达到了最小值。因此,基于NRSS的爬山搜索策略有很好的实际应用价值。
结合当前我们实验室的实际情况,搭建了一个简单的实验验证硬件平台,该系统结构框图如图5所示。DM642采集CCD相机的图像,进行图像质量评价值的计算,并通过比较前后帧的图像差异给出电机运动方向和步距,同时将结果通过串口发送给PC机。PC机进行系统状态的显示并将命令转发给LF2407。LF2407根据接收到的命令驱动调焦机构进行自动对焦。
对同一目标,电机同一起始位置使用三种调焦搜索策略进行自动对焦,比较三种方法的实验结果。实验中仍采用Tenengrad函数作为调焦评价函数,记录了每一步调焦后图像质量评价值,三种调焦方式的基本步长相同,通过比较三种方式的图像质量评价值变化情况可以直观地看出三种方式的调焦过程。在这一组实验中,三种自动对焦方式的最小电机步长一致。最终的三种对焦方式过程中图像质量随时间的变化情况如图6。
显然,本文所提的基于NRSS的自适应爬山搜索算法较另外两种方法的速度快得多。三种对焦方式的一些具体性能指标见表3。
从三种方式调焦结果的具体指标可看出,无论是调焦步数还是调焦时间,基于NRSS的自适应爬山搜索策略比传统的爬山法都改进了50%以上。而且,由于三种自动对焦方式的最小步长相同,所以三种方式的对焦精度是一致的。但由于CCD相机成像不仅与镜头本身有关,也受到外界光照、温度以及内部电子噪声的影响,所以三种方式最终得到的图像评价值有一点差距,但都在对焦精度允许的范围内。从实验结果来看,在相同的对焦精度范围内,本文提出的基于NRSS的爬山搜索策略具有最小的调焦步数和最少的对焦时间。实验是在目标纹理清晰,光照条件较好的条件下进行的。当外部光照较暗时,需要调节相机增益来补偿成像亮度,此时图像噪声现象比较严重。在这种情况下,特别是在离焦量较大时图像质量评价曲线将出现多个峰值点。采用基于NRSS的变步长爬山算法进行搜索,有利于越过离焦量较大时的局部最大值点进行准确对焦。从这个方面分析,基于NRSS的变步长爬山搜索策略的可靠性优于普通爬山搜索算法。
4 结论
无参考结构清晰度(NRSS)是一种新的图像清晰度评价方法,其输出结果介于[0,1)之间,具有提供图像离焦量大小先验信息的能力:评价值越接近于1,离焦量越小。利用这个新的评价函数提出了一种自适应爬山法搜索策略:离焦量大时,大步距快速逼近准焦位置;离焦量小时,小步距微调准确定位准焦位置。仿真实验和实际系统实验都表明,本文提出的基于NRSS的自适应变步长爬山搜索策略有利于减少图像采集和评估次数,不会增加电机运动行程,与传统的爬山法和变步长爬山法相比,新方法在不改变调焦精度的情况下大大缩短了系统自动对焦的时间。此外,本文实验系统采用的是低速步进电机,硬件系统的代码也仅仅进行了功能验证,没有进行任何的代码优化。因此,如果下一步对这两个方面进行改进,系统自动对焦的速度还有望进一步提高。
参考文献
[1]Groen F C A,Yong I T,Lighthart G.A comparison of different focus functions for use in autofocus algorithms[J].Cytometry(S1552-4922),1985,6(2):81-91.
[2]Subbarao M,Tyan J K.Selecting the optimal focus measure for autofocusing and Depth-From-Focus[J].IEEE Trans.on Pattern Analysis and Machine Intelligence(S0162-8828),1998,20(8):864-870.
[3]陈国金,朱妙芬,张克松.图像调焦过程的清晰度评价函数研究[J].数据采集与处理,2009,24(2):165-169.CHEN Guo-jin,ZHU Miao-fen,ZHANG Ke-song.Image definition evaluation function in auto-focusing process[J].Journal of Data Acquisition&Processing(S1004-9037),2009,24(2):165-169.
[4]康宗明,张利,谢攀.一种基于能量和熵的自动聚焦算法[J].电子学报,2003,31(4):552-555.KANG Zong-ming,ZHANG Li,XIE Pan.Implementation of an automatic focusing algorithm based on spatial high frequency energy and entropy[J].Acta Electronica Sinica,2003,31(4):552-555.
[5]李奇,冯华君,徐之海.基于离焦估计的对焦速度的提高方法[J].光电子.激光,2005,16(7):850-853.LI Qi,FENG Hua-jun,XU Zhi-hai.Method of improving autofocus speed based on defocus estimation[J].Journal of Optoelectronics.Laser,2005,16(7):850-853.
[6]郑玉珍.自动对焦中的优化爬山搜索算法[J].浙江科技学院学报,2005,17(3):171-174.ZHENG Yu-zhen.Optimized mountain-climb searching in auto-focusing[J].Journal of Zhejiang University of Science and Technology,2005,17(3):171-174.
[7]苗立刚,轩波,彭思龙.显微镜的快速自动对焦算法[J].光电子.激光,2007,18(1):9-12.MIAO Li-gang,XUAN Bo,PENG Si-long.Fast autofocusing algorithm in microscopy[J].Journal of Optoelectronics.Laser,2007,18(1):9-12.
[8]Subbarao M,Nikzad A.Focusing techniques[J].Optical Engineering(S0091-3286),1993,32(11):2824-2836.
清晰化方法 第6篇
关键词：超高清晰度电视,清晰度,细节表现力
超高清晰度电视 (Ultra High Definition Television, UHDTV) 是比高清晰度电视 (High Definiton Television, HDTV) 级别更高的数字电视图像显示格式。2012年8月, 国际电信联盟 (ITU) 宣布推出UHDTV国际标准ITU-RBT.2020[1]。标准中推荐了3 840×2 160 (简称4K) 和7680×4 320 (简称8K) 两种级别的画面有效像素阵列, 4K和8K格式画面有效像素数分别为HDTV的4倍和16倍, 其宽视野、大动态范围、广色域、高精细图像等优点, 为观众提供更加真实的视听觉体验[2]。可见, 超高清电视技术是电视技术的一大飞跃。如何科学评价超高清晰度电视的重要特征——超高清晰度是数字电视显示性能检测领域需要研究的问题。
本文首先总结了电视清晰度理论值, 然后从人眼的视觉特性出发, 分析了超高清电视与HDTV的差异, 提出了“细节表现力”的概念, 用来评价被测设备显示图像细节的表现能力。然后对超高清电视的清晰度和细节表现力的测量进行了讨论研究。
1 电视清晰度理论值
对于数字显示器显示细节的能力, 国际上通行的考核指标是固有分辨力, 即屏幕的水平和垂直像素数, 并不从人眼实际感受的角度出发进行评价。在中国, 则采用清晰度这个参数, 结合规定的重显率进行考核。清晰度是人眼能察觉到的电视图像细节的清晰程度, 用电视线表示。按图像和视觉特点, 清晰度一般从水平和垂直两个方向描述。电视线与垂直方向1个有效扫描行高度相对应。
垂直清晰度理论上限值为1帧图像有效扫描行数, 对于4K UHDTV就是2 160行, 即2 160电视线, 8K UH-DTV为4 320行, 即4 320电视线;水平清晰度取决于行内有效样点数, 但不等于亮度信号1行内有效像素数, 因为水平清晰度也用电视线表示, 要折算到扫描行, 因此, 人眼在水平方向分辨图像能力与垂直方向相当, 4K和8K电视水平清晰度理论值分别为2 160和4 320电视线。
2 人眼细节分辨极限
既然中国采用主观评测的方法考察电视清晰度, 那么首先要了解人眼细节分辨的特性。人眼存在极限分辨角θ[3]
式中:λ是光波波长;D是入射光瞳的直径。若人眼瞳孔直径为3 mm, 光波平均波长为550 nm。d是人眼与屏幕的距离。那么人眼对图像的最小分辨线距离为
若测试人员站在距离屏幕d=25 cm明视距离处, 则Δl=0.056 mm, 即刚好能看到数字图像的像素间距为0.056 mm, 如果小于此值则无法分辨。当前业内很多厂家采用PPI来描述屏幕显示的物理分辨力, 表示屏幕每英寸具有的像素数量, 根据上述计算可以折算出人眼在明视距离25 cm处能观测到的PPI极限为 , 即当屏幕的PPI超过453, 则人眼无法分辨出更细节信息。因此, 对于超高清电视显示, 如果出现上述PPI超过人眼极限情况, 则测量人员无法直接读出清晰度值。
3 中国现行高清电视清晰度测量方法
标准中规定, 显示图像的清晰度测量要结合人眼视觉系统特性, 采用主观法评价显示设备清晰显示图像的效果, 通常采用楔形线图案。在SJ/T 11348—2006《数字电视平板显示器测量方法》标准中规定了显示图像的清晰度测量方法。高清晰度复合测试图中设计有清晰度楔形线 (见图1) , 采用主观法观察电视水平和垂直方向可分辨的明暗交替楔形线条总数[4]。将显示器调整到标准工作状态, 将复合测试信号输入显示器, 观测显示图像的楔形线簇, 记录显示器正确显示楔形线对应的刻度值 (电视线) 。楔形线簇有10黑9白线, 如果出现无法完全显示、楔形线线条对比度下降、明暗条纹的反差变小、条纹的边界变模糊、楔形线数发生变化 (如由9条变为8条等现象) , 则认为对应空间频率降低, 清晰度下降。由于楔形线的空间频率在长度方向呈线性变化, 因此由单一测试图就可以直接读出清晰度数值。
对于超高清4K的清晰度测量, 在参考原有清晰度测量方法的基础上, 制作3 840×2 160格式的复合测试图 (目前中心已开展相关工作) , 直接对超高清电视进行清晰度测量。
4 细节表现力
清晰度考查的是人眼观看电视图像细节的效果, 而比较相同尺寸的超高清电视和高清电视, 超高清电视的PPI比高清电视的增加一倍, 像素尺寸明显减小。按照人眼细节分辨极限理论, 在屏幕高度1.5倍的距离处, 人眼可以清晰地分辨每个像素, 但在实际应用中, 人眼可能无法清晰分辨单个像素, 特别是小尺寸超高清电视。为了客观评价超高清电视的图像细节显示能力, 与传统的“清晰度”概念明确区分, 本文提出一个新的概念“细节表现力”。细节表现力表征的是显示设备显示图像细节的能力, 和人眼视觉特性无关, 这个参数能够客观评价产品的显示水平。
5 超高清电视清晰度和细节表现力的测量方法
5.1 标准测量距离
用视锐度来描述视觉系统的空间分辨能力, 也可以认为它是人眼感受精确细节的能力。眼睛的衍射、偏差和感受神经密度都可以影响视锐度[5]。实验证明大多数人的最小视角为1分视角, 故正常眼的分辨力标准定义为1分视角, 分视角单位:1 min of arc。简单言之就是只有在两条黑线之间存在一个能辨别的间隔的时候, 人眼才能区分这两条黑线。通常采用正弦光栅方法测量视锐度。视角换算示意图见图2。
对于显示系统来说, 1分视角刚好能辨别两条黑线的差别, 此时所处的位置即最佳观看距离。对于4K电视,
当d=1.5H (H为屏幕有效高度) 时, 垂直方向2 160电
即1.5H为能够清晰看到电视线的最大距离。此时, 刚好1分视角对应1扫描行。由于人眼能够看清物体所处的距离具有一定范围, 当肌肉在最紧张时 (通过调节) , 眼睛所能看清的最近的点称为近点, 其相应距离称为近点距, 不同年龄人群的近点距数值不同, 随着年龄增长近点距变大, 范围在8.8~100 cm不等[6]。因此, 人眼的可视范围是眼前8.8 cm到无限远, 理论上站在测量人员近点距至1.5H的距离范围内观看都能看到垂直清晰度2 160线。若观看距离大于1.5H, 则以正常视力观众无法区分扫描线结构。若观看距离过近, 则会电视画面不够细腻。因此, 设定标准测量距离为1.5倍屏幕高度。
5.2 超高清电视清晰度测量方法
将高清晰度复合测量图升级为超高清格式即可进行超高清电视清晰度测量, 测量方法与高清晰度电视清晰度测量方法一致。然而, 在实际测量过程中有时会出现测量人员无论多近测量距离都无法读出清晰度数据, 分析原因, 可能由于电视屏幕PPI大于人眼极限分辨能力造成。为解决这一问题, 本文试图搜集整理相关清晰度的测试方法, 避免由于人眼参与测量而带来的问题。
1) 软件判读方法
前面提到的采用主观测量, 楔形线簇作为测量图的方法国际上有类似标准采用, 比如ISO组织在制定数码相机分辨力测量标准时也采用了楔形线图案。如在ISO12233:2000 Photography-Electronic still-picture cameras-resolution measurements标准中, 提出采用读取楔形线线数的方法确定相机的分辨率 (见图3测量图) 。而在2003年相机影像器材工业协会标准颁布的《数码相机分辨率的测量方法》[7]中规定了采用ISO12233标准的测量卡 (见图4) , 采用软件计算的方法计算该分辨率, 避免了测量人员的主观性影响, 再现性好。中国国家标准GB/T19953—2005《数码照相机分辨率的测量》[8]中也非等效采用了ISO12233:2000标准, 标准中提出了几种判读方式:打印机输出、监视器显示、软件判读。该方法对超高清晰度电视清晰度测量具有启发意义。但在测量时, 对打印机、监视器等的性能要求会很高。
2) 辅助工具测量法
当电视像素间距过小, 测量人员主观观看无法区分时, 可以采用辅助工作来完成测量。
(1) 采用放大镜观看直接读取数值。
(2) 采用相机拍照的方法辅助测量。步骤如下:
(1) 将清晰度测量卡输入到电视至显示;
(2) 采用高分辨力的相机对电视显示进行拍照, 相机的分辨力要满足至少是显示设备分辨力的2倍;
(3) 照片方法回放, 采用主观方法读取电视线数。
但是采用这种方法时要注意避免由相机本身带来的伪像影响读数。如几何失真应小于5%, 相机进行了gamma矫正等。
5.3 细节表现力测量方法
下面探讨细节表现力的测量方法。为避免人眼参与测量带来的影响, 考察被测设备本身细节表现力, 可采用仪器测量方法避免测量的主观性。在IDMS 1.03标准的7.8节中提出了基于对比调制门限的测量方法[9]。测量图为全屏的黑白交替显示图, 黑线和白线的宽度为n个像素宽度。下面采用该标准提出的测量方法来测量细节表现力。
定义对比调制Cm为
式中:Lw是白线的亮度;Lb是黑线的亮度。令对比调制的最小值, 即对比调制门限为CT, 那么分辨率为
此处, nr是与对比调制Cm有关的参量, 定义它是当对比调制Cm等于CT时, 像素条纹线的宽度, 当nr=1时, 细节表现力等于物理像素行数, 对于4K电视, 就是2 160。
用Cm (n) 表示采用n×n个像素宽度的条纹测量图对应的对比调制。
如果Cm (1) >CT, 那么nr=1, 细节表现力等于寻址的像素数;
如果Cm (1) ≤CT, 那么对于Cm (n)
式中:n表示条纹像素宽度, 例如n=2时表示线宽为2个像素宽度。
例如当n=1时, CT=25%, Cm (1) =17%, 当n=2时, Cm (2) =68%, 带入式 (7) 得到
带入式 (6) 得到
由式 (5) 可知, 当n变大, 显示的黑白线对比度加大, Cm变大, 并逐渐无限趋近于1;
随着n变大, Cm变大, 带入式 (7) 可得到nr无限趋近于一个固定的常数。实际测量分别将n=1, 2, …, 测试图输入被测样机, 可以设置一定门限值, 确定测量中n的最大值。
5.4 讨论
1) 用高清晰度复合测量图测量得到的是清晰度参数, 表征的是人眼观察显示器屏幕上图像清晰、细腻的程度, 考察了人眼观看显示细节的效果。
2) 辅助工具测量法测量得到的是清晰度参数, 是在人眼无法直接读取电视线的情况下借助辅助工具进行主观测量, 该方法弥补了人眼视觉的局限, 只要辅助工具放大倍数足够就可以正确给出被测电视的清晰度水平。
3) 细节表现力测量方法提到的仪器测量法属于客观测量方法, 该方法避免了主观测量方法中人眼极限视觉分辨力的局限。目前采取对比调制门限为25%时, 交替的黑白线可区分时的测量结果, 该门限值下与采用中国超高清电视清晰度测量方法实际主观观看读取的电视线是否一致需要进一步实验验证。另外, 该测量要求测量仪器能够测量到像素亮度, 对亮度计的测量精度要求较高。
6 小结
超高清晰度电视的清晰度和细节表现力测量是超高清电视质量评价的重要内容。采用客观测量方法能够避免人为因素给测量结果带来的不利影响。本文就几种测量方法进行了分析总结, 希望能起到抛砖引玉的作用。
参考文献
[1]Recommendation ITU-R BT.2020, Parameter values for ultra-high definition television systems for production and international programme exchange[EB/OL].[2014-02-02].http://wenku.baidu.com/link?url=au4vq8cX1WOu90Aiho-68kCGj0iAPTTXfSPV4_W8qJhQDAziWJ1X-Gcfx5vJuhU9pqYfZmS4WoODVKeUbF296YB64v8FNqwQ xPS4zjNc_Ui.
[2]李桂苓, 李彦, 徐岩.超高清晰度电视[C]//立体电视与超高清晰度电视标准文集.北京:国家广播电视产品质量监督检验中心, 2012:162-168.
[3]何凯, 晏磊, 赵红颖.基于人眼视觉分辨力的数字影像质量评价方法研究[J].北京邮电大学学报, 2005, 28 (10) :127-131.
[4]国家广播电视产品质量监督检验中心.数字电视原理与检测技术[M].北京:人民邮电出版社, 2011.
[5]滤波图原理与设计[EB/OL].[2014-02-02].http://wenku.baidu.com/link?url=uXqCmM5iFa21x3GtyXDirhHXIWfGNuoBJpabLxjjGAdnQpwCG6deNkHmSfGlEHF7hhEQ0VHcRvlQKgIZceqIcwcVxJM-CvU6urwThctTquu.
[6]不同年龄正常眼的近点距[EB/OL].[2014-02-02].http://wenku.baidu.com/link?url=GEdOCrRk1KcIOvLdiVES8GhfbVOjnnIJkYbpLQ yiSpm9BtxKjfLyV4-NXXPi8DREIfS5HAb4f6XBSEUGg3D6LprFiI-zr b2C9kYyHifuOmW.
[7]相机影像器材工业协会.数码相机分辨率的测量方法[S].2003.
[8]GB/T 19953—2005, 数码照相机分辨率的测量[S].2005.
清晰化方法 第7篇
导光板具有机械强度高、光学特性优良、热稳定性好、耐化学性强、加工性能好的特点。作为液晶和超薄灯箱显示的一个重要部件,其质量直接影响整个背光模块的好坏。导光板一般厚2~9mm,其主要功能在于导引光线方向,以提高面板的辉度并控制面板亮度的均匀性。导光板产生翘曲时,会影响光线的折射,使背光模块光度降低及亮度不均,其不仅影响产品装配和使用性能,而且会影响产品外观质量。因此导光板的翘曲度的大小会直接影响后期的使用［１－２］。对导光板翘曲变形的评价是用翘曲量来进行的,一般用最大翘曲变形量来评价［３］。
现有最大翘曲变形量一般采用为塞尺间隙测量法,通过在大理石平台表面和导光板中间加塞尺测量间隙,并计算翘曲度与标准值比较(图1)。此检测方法对塞尺表面光滑度要求较高,检测时缺乏直观的数据显示,精度较低,且塞尺会出现滑动和堵死的情况,此外人工重复观察容易产生视觉疲劳。
数字图像相关方法(Digital Image Correlation,DIC)自提出后［４－５］,广泛地应用于位移的测量［６－７］。基于单CCD摄像机的数字图像相关的图像清晰度方法,通过标定建立数字图像像素距离和实际距离间联系,利用调焦镜头搜索图像所有可能的聚焦位置,将采集到的图像信息进行图像清晰度处理分析,得到最佳聚焦位置,但是该方法只能测量CCD相机被测物表面的位移。
本文提供了一种基于单CCD摄像机图像清晰度评价方法对导光板翘曲度进行测量的方法。该方法基于CCD摄像机检测装置(图2),打开上方光照组和下方可调节亮度的LED光源,将检测纸和导光板分别置于检测平台表面,手动调节X轴、Y轴传动组定位、手动调节Z轴传动组调焦,经上位机软件分别获取导光板中间底面和表面不同特征的质量因素Q值图像清晰度峰值,以此通过上位机自动计算得到导光板翘曲度值。
1 导光板翘曲度
翘曲变形是评定产品质量的重要指标之一。参考塑件行业中的翘曲度概念［８］,本文定义导光板的翘曲度。其公式为:
由式(1)和图3,γ 为导光板的翘曲度,h为翘曲量,即导光板底面与检测纸表面之间的最大距离。L为导光板在X轴方向的投影长度,H１为CCD摄像机通过搜索聚焦检测纸表面得到的图像清晰度峰值后,得到CCD摄像机到检测纸表面的距离。H２为CCD摄像机通过搜索聚焦导光板正中间表面得到的图像清晰度峰值,得到CCD摄像机到导光板正中间上表面的距离。d为导光板厚度,由于导光板厚度均匀且翘曲度值较小,一般可以认为导光板厚度为固定值。
2 基于质量因素Q值的图像清晰度搜索算法
图像质量评价分为主观评价和客观评价,主观评价是以人作为观察者,但主观测试时间长,主观性大,缺乏统一标准。客观评价可以对图像、视频的质量做出定量的分析［９］。传统表征数字图像质量的指标有:均方误差(MSE,Mean Square Error)、熵值、KBlur法,但上述算法其不能反映图像降质的实质原因。本文采用质量因素Q值［１０］法作为H１和H２客观评价指标,通过调节Z轴传动组得到不同的聚焦数字图像,不断搜索比较相邻两帧图的Q值,取较大值继续比较直至得到最大图像的清晰度峰值,确定最佳聚焦距离,最后根据标定比例关系得到CCD摄像机到被测物表面的距离和翘曲量。
分别令搜索的前一帧图像和后一帧图像信号分别为x= {xｉi=1,2,…N},
y= {yｉi=1,2,…N}。质量因素定义为［９］:
其中,
式(1)可转化为如下公式:
式(2)与三个因素有关。第一部分相关失真值表明x和y的线性相关度;第二部分平均失真值,用来衡量x和y的平均值的近似性。第三部分对比度失真值衡量所比较的图像的近似性。
图像信号通常是非平稳的,在CCD摄像机聚焦时图像质量在空间上会变化。通常采用整体评价值来评估整个图像。具体步骤为从图像的左上角开始,采用滑动窗口在图像水平和垂直方向逐像素移动,直到右下角。设在第j步,在滑动窗口内计算局部质量因素Qｊ,那么M次滑动后整幅图质量因素为:
按照图4所示流程图,分别选取CCD摄像机距离检测纸表面和导光板上表面聚焦成像的19幅和18幅256×256像素图像,分别计算质量因素。
判断图像清晰度函数的优劣包括该函数所表征的曲线是否为单峰特性以及在峰值附近的陡峭程度。图6中,导光板和检测纸表面的聚焦成像的质量因素分布曲线随着滑动窗口的减少,该曲线单峰特性和陡峭程度愈显著。表1中小窗口尺寸,最大和次大值差值较大,即单峰特性明显,且运行时间最小,表明CCD摄像机聚焦在该峰值有最佳清晰度图像,而大窗口尺寸,最大和次大值差值较小,曲线呈现多峰特性。根据质量因素Q值算法,导光板表面迭代第八次为峰值,即表面第九帧为最佳清晰度图,检测纸表面第七次为峰值,即表面第八帧为最佳清晰度图。结果与图5一致。
图7中,MSE算法虽然陡峭程度明显但呈多峰性,基本判别不出最佳聚焦图,熵值法虽呈单峰特性,但陡峭程度较差且峰值位置与清晰度图所在位置实际不符。KBlur法所得评价函数曲线特性接近质量因素Q值算法,对于检测纸表面判断准确但是导光板表面判断有误。综上四种算法,质量因素Q值算法能从线性相关度、平均失真度和对比度失真度三方面衡量相邻图像的近似性。
根据质量因素Q值算法分别得到导光板和检测纸正中间表面最大图像的清晰度峰值,确定最佳聚焦距离,根据标定比例关系得到CCD摄像机到被测物表面的距离。表2给出了上述算法的实测比较翘曲量数据。表中三组数据中能有效判断导光板翘曲度是否符合标准。三组中塞尺测量的精度均低于本文检测方法,其中第一组和第二组中塞尺和本文检测方法检测结果一致,产品均判断为合格。第三组检测数据中塞尺测量法由于精度原因不能准确判断产品是否合格。
3 总结
针对现有导光板翘曲度检测的不足之处,本文采用一种单CCD摄像机图像清晰度评价方法对导光板翘曲度进行测量的方法。该方法基于CCD摄像机检测装置,将检测纸和导光板分别置于检测平台表面,手动调节X轴、Y轴传动组定位、手动调节Z轴传动组调焦,经上位机软件分别获取导光板中间底面和表面不同特征的质量因素Q值图像清晰度峰值,通过不同大小滑动窗口对比实验和均方误差、熵值和KBlur算法的比较,该测量方法示值误差小、重复性较好,能够满足接触线在线、非接触检测的需求。
摘要：针对现有导光板翘曲度塞尺间隙测量法精度低、要求高等不足,采用一种单CCD摄像机图像清晰度评价方法对导光板翘曲度进行测量的方法。该方法基于摄像机检测装置,将检测纸和导光板分别置于检测平台表面,手动调节X轴、Y轴传动组定位、手动调节Z轴传动组调焦,分别获取导光板中间底面和表面不同特征的质量因素Q值图像清晰度峰值,比较不同大小滑动窗口实验和均方误差、熵值和KBlur算法。结果表明测量方法示值误差小、重复性较好,能够满足接触线在线、非接触检测的需求。
关键词：导光板,翘曲度,质量因素,图像清晰度
参考文献
[1]蒋炳炎,沈龙江,罗建华等.微特征结构对导光板翘曲变形的影响[J].光学精密工程,2007,15(11):1739-1743.
[2]李青祝,窦沙沙.冷却水路位置对导光板翘曲影响的CAE分析[J].铸造技术,2011,32(8):1170-1173.
[3]李吉泉,李德群,郭志英.塑件翘曲度及其计算方法[J].高分子材料科学与工程,2008,24(6):1-4.
[4]Peters W H,Ranson W F.Digital imaging techniques in experimental stress analysis[J].Opt.Eng.,1982,21(3):427-431.
[5]Chu T C,Ranson W F,Suttonet M A et al.Applications of digital image correlation techniques to experimental mechanics[J].Exp.Mech,1985,25(3):232-245.
[6]孙伟,何小元,Quan C,等.基于数字图像相关的三维刚体位移测量方法[J].光学学报,2008,28(5):894-901.
[7]代祥俊,云海,蒲琪.基于数字图像相关的透明材料厚度测量[J].光学技术,2010,36(4):525-529.
[8]李吉泉,李德群,郭志英.塑件翘曲度及其计算方法[J].高分子材料科学与工程,2008,24(6):1-4.
[9]黄文辉,陈仁雷,张家谋.数字视频图像质量客观测量方法的改进与实现[J].北京邮电大学学报,2005,28(4):87-90.
雾天视频清晰化系统研究 第8篇
在信息化社会中, 实时监控系统在交通、安防、军事等领域有着越来越广泛的应用, 为维持社会秩序、提高人民生活质量起了至关重要的作用[1]。但是在恶劣天气条件下 (尤其是雾) , 视频图像发生了严重退化, 图像对比度降低、模糊不清, 甚至会出现颜色偏移与失真, 使得监控系统不能发挥应有的作用, 对生产生活、公共交通和社会稳定产生了极大不利影响。针对这一弊端, 本文设计了雾天实时视频清晰化系统。
视频清晰化系统以数字信号处理器DM642为核心, 首先通过视频解码芯片SAA7115把摄像头采集到的模拟视频信号转换为数字信号, 再对模拟信号经行图像增强算法, 最后通过视频编码芯片SAA7105把数字信号转换为模拟信号并传到显示器显示。通过在监控系统中加入视频清晰化系统可以有效改善视频图像的对比度、清晰度, 提高监控系统的适应性、可靠性。
1 系统硬件设计
DM642的核心是C6416型高性能数字信号处理器, 具有极强的处理性能。根据DM642的基本需求和视频清晰化系统功能要求, 硬件系统包括:视频解码芯片SAA7115、DM642、程序存储器、数据存储器、视频编码芯片SAA7105。系统硬件总体架构[2,3]如图1所示。
硬件系统组成包括: (1) 外部扩展存储器。DM642的外部存储器接口 (EMIFA) 分为四个片选空间:CE0-3。本文采用了其中两个片选空间CE0和CE1, CE0外接2片4M×32bit的SDRAM, 作为数据存储空间, CE1外接一片8M×8bit的Flash, 作为程序存储空间。 (2) 视频格式转换部分。DM642提供了3个可配置的视频端口 (VPORT0-2) 能够与通用的视频编、解码器实现无缝连接, 支持多种视频分辨率及视频标准。本文利用了其中两个视频通道VP0和VP2, 其中VP0用于视频信号的输入, VP2用于视频信号的输出。VP0外接视频解码芯片SAA7115, SAA7115以CVBS (Composite Video Broadcast Signal) 为输入信号, 能输出D1、CIF、QCIF等多种分辨率的图像。VP2外接视频编码芯片SAA7105, 能输出标准清晰度的电视信号和高清晰度的电视信号。 (3) JTAG接口和电源部分。系统采用XDS-510仿真器通过JTAG接口与PC机连接, 进行程序烧入和调试。系统中总共需要三种不同电压源:+5V、+3.3V和+1.4V。系统外部输入电压为+5V, 通过两片TPS54310转换得到+3.3V和+1.4V, +1.4V供应DSP核, +3.3V供应除了视频输入输出模块的其他芯片。视频解码、编码芯片由于负载较高, 分别由两块TPS76833提供+3.3V的电压。
2 系统软件流程
视频清晰化系统主要功能模块包括:系统初始化模块、视频采集模块、视频处理模块和视频输出模块。软件流程如图2所示, 在系统上电或复位以后, DSP启动并加载程序进行系统初始化和参数设置。完成初始化之后, 启动SAA7115解码芯片进行视频采集, 并把图像数据存储在SDRAM中, DSP对数字信号进行图像增强算法, 然后把增强后的图像送到输出缓存, SAA7115继续采集下一帧图像, 如此循环。
3 图像去雾算法
3.1 Retinex理论
Retinex (视网膜Retina和大脑皮层Cortex的缩写) 理论[4]是由Land提出来的一个关于人类视觉系统如何处理视觉信息和形成视觉的模型, 解释了为什么在不同的场景、环境下视觉颜色是恒定的。Retinex理论认为人类的视觉系统感觉到的颜色信息是物体表面的反射性质决定的, 而与光源的强度和环境无关[5]。基本思想[6]是把人类视觉接收到的原始图像S (x, y) 当作是由照度分量L (x, y) 和物体反射分量R (x, y) 组成的, 用公式S (x, y) =L (x, y) ×R (x, y) 表示。通过估算照度分量L (x, y) 来求解反射分量R (x, y) , 为了优化计算复杂度计算过程在对数域进行。所以Retinex算法的一般流程如图3所示。
3.2 Retinex算法数学分析
在Land和Ma Cann的Retinex算法[7]中, 计算像素点i的亮度值的方法是通过确定n条起始于随机点, 结束于像素点i的路径, 然后根据规则计算路径上连续像素点之间的平均比率值, 规则如下:
(1) 当比率值与1的差值在一定的阈值范围之内, 可以认定比率值为1。
(2) 如果路径上一个点之前比率值乘积超过1, 点的亮度被重置为1。
这两点分别就是Retinex算法中阈值机制和重置机制。像素点的亮度值L (x, y) 可以通过下面的公式求得:
其中jk是起始像素点, i是终点像素点, δ函数可以表示为:
对于一幅给定的数字图像, 考虑用N条路径γ1, γ2, …, γN, 其中γk是从像素点jk开始到i像素点结束的连续像素点构成的一条路径, nk表示第k条路径γk经过的像素点的个数, tk=1, 2, …, nk表示路径上的每个像素点, 有:
对于连续的两个像素点可以表示为:其中tk=1, 2, …, nk。在每一色彩通道上, 像素点的像素值表示为比率值是出于技术原因, 我们设定R0=1, 并把像素值标准化在[0, 1]之间。
图像中像素点i的亮度值可以用如下公式计算:
δk (R0) =1, δk (Rtk) 具体函数定义如下:
如果每条路径γk的输出可以写为点的公式可以简化为
通过分析已经证明对于阈值E, 有阈值和没有阈值的主要区别在于上限边界, 而这一点对最终亮度的计算影响可以忽略不计。因而对于Retinex算法最重要的是重置机制而不是阈值机制, 之后的数学分析建立在阈值ε的基础上。
忽略阈值机制可以对数学公式带来明显的简化, 已证明[8]可以采用近似公式计算像素点亮度值:
其中是路径γk遍历的像素点中亮度值最大的像素点。
从简化公式可以看出, 在路径γk上的像素点中, 对像素点亮度值计算有影响的只有具有最大亮度值的像素点。从而把基于阈值机制、重置机制的路径比率计算问题转换为寻找路径最大亮度像素点问题, 进一步可以认为最大亮度问题是与路径顺序无关的问题。
通过上述数学分析, 我们可以在图像上的以像素点i为终点的路径集合上找到两个等效集合γ, θ满足如下关系:
其中γ*和θ*分别是两个路径上的所有像素点的总和。
属于不同等效集合的路径对计算像素点亮度值的作用不同, 而相同等效集的不同路径作用相同可以用同一个表达式Lk (i) 表示, 所以在多路径中存在数据冗余。冗余主要体现在两个方面:一是通过多条路径消除样本噪声;二是等效集合中的不同路径对像素点i最终亮度作用相同。
在传统的基于路径的Retinex算法中, 我们只是选取了像素点i周边的几个特定方向, 而不能遍历所有相邻像素点, 从而导致了光晕问题。传统算法中用增加路径数目来解决光晕问题, 但这一方面增加了算法的计算量另一方面又不能很好地彻底解决问题。通过分析我们有理由相信路径方法不是完美适用于Retinex模型算法, 因为路径方法的数据冗余和路径像素点顺序与最终亮度值的不相关性。所以本文采用随机喷射算法, 引入2-D区域像素点集合的概念代替了路径像素点集合方法。
3.3 RSR算法
RSR (Random Spray Retinex) 算法[9]用Sprayk (i) 表示以像素点i为中心的nk个像素点, 相对于传统算法中路径γk上的nk个像素点。用寻找nk个像素中的亮度最大像素点代替传统的路径比率计算机制, 对于以前不同路径γk上的像素点数目不同, 需要用nk表示特定路径像素点个数, 但在RSR算法中由于最终选取的只是一个像素点, 与像素之间的路径关系、总个数无关, 所以我们可以统一使用n表示一个喷射中的像素点个数。在一个喷射集合的n个像素点中进行的计算只有n个比较和一个除法, 所以RSR算法相比于传统路径算法具有显著地计算速度提升。
如何构建合适的喷射像素点集合是影响RSR算法效果的关键步骤, 本文采用了极坐标的形式构建喷射像素点集合。常规像素点i的坐标为 (ix, iy) , 可设属于喷射集合Sprayk (i) 的像素点j的坐标 (jx, jy) , 为:
其中ρ是[0, R]区间上, θ是[0, 2π]区间上的随机值。
从式 (8) 可以分析得到像素点落在各个角度上是方向概率是相同的, 而在半径大小的概率进行分析。对于半径为r的区域Cr, 面积A=πr2, 像素点在半径r范围内的概率是r/R, 所以像求素对点A个求数导:nr/R, 根据面积公式个数为根据个数公式
代入A=πr2得到
所以根据上述公式可以认为随着半径增大区域像素点个数是减小的, 图4展示了半径R为1, 像素点个数为400的一个喷射像素点集合。
像素点在各角度上的概率相同很好的解决了传统算法中由于特定方向性带来的光晕问题。
通过对极坐标的ρ构建函数f, 我们可以把式 (8) 转换为:
ρ在[0, R]区间上, θ是[0, 2π]区间上的随机值。
图5展示了R=1, n=400时, 不同分布函数的喷射集合中像素点的分布。
从分布效果图上可以看出对于Log函数和双曲正弦函数分布效果十分近似于自然分布;指数函数中, 指数大于1时指数值增大中心区域密度增大, 指数 (0, 1) 时使指数值减小越加偏离原始区域;线性函数是对区域半径的一个比例扩大或者缩小的作用。
3.4 参数分析
RSR算法主要有四个参数:半径R, 半径密度函数f, 喷射集合个数N和集合像素点个数n。半径R定义的是像素点i周边的分析区域范围, 得到的像素点必须要能够反应像素点i周边的颜色信息;半径密度函数f调节的是喷射集合像素点的密度和半径的关系;喷射集合是通过随机产生, 每个喷射集合都有一个非零的概率得到一个具有最大亮度值的不相关的独立点, 成为噪声点, 所以可以通过增大N值来降低可能的噪声影响;喷射集合中像素点个数n决定的是喷射区域中得到的信息量大小, n太大不能体现像素点i的区域性, 太小又不能得到足够信息量来反映像素点i的周边颜色信息。下面将详细分析参数的设置和实验效果对比:
(1) 选取喷射半径
喷射半径R是相对而言最容易确定的参数, 在本文中我们选取图片的对角线长度为R值。如果R取值小于对角线长度, 则图像中肯定会有两个极端像素点永远不会被进行比较运算, 假如R取得太大, 则喷射集合随机产生的像素点会有很多不在图像区域上。
(2) 选取密度函数
密度函数决定半径值附近的像素点密度, 显然在像素点密度大的区域找到亮度值最大点的概率肯定会大于密度小的区域, 从而影响到RSR算法的区域性质。很多科学实验已经表明, 在人类颜色视觉系统中, 两个像素点之间的互相影响程度随着像素点距离的增加而减小, 这一理论在路径Retinex算法、中心环绕Retinex算法等都有应用。所以在RSR算法中也必定要遵循这一准则, 所以密度函数必定是随着半径R增大而单调递减的。
通过实验证明[10]以自然状态ρ为喷射集合的密度函数取得的效果最为理想, 从ρ2开始增大指数, 选取的像素点会变得过于集中在中心区域, 还会带来噪声点。所以从实验结果分析得出ρ是最佳密度函数, 之后的实验也将全部采用ρ。
(3) 选取集合个数和像素点个数
对于传统的Retienx算法而言, 路径长度和数目是一个开放性的没有唯一答案的问题, 而对于RSR算法, 可以分析得到一个统一的最佳N和n。N和n是两个紧密相关的参数, 最终的亮度值是N个喷射集合的加权平均, 每个集合的最亮值由n个像素点决定。N和n对图像去雾有着两种不同特性的影响, 如果取N很小, n非常大, 会带来很好的颜色视觉效果, 但是伴随着严重的噪声。在考虑处理效果的同时, 本文还考虑了计算量。综合多方面因素最终选取 (N=20, n=400) 。
4 实验结果分析
实验中密度函数选取f (ρ) =ρ, 集合个数像素点个数N=20、n=400, 处理对象是分辨率320×240的雾天视频, DM642系统处理速度达到了30帧每秒, 单帧图像处理前后对比如图6所示。表1显示了处理前后图像灰度图中均值、标准差和信息熵的对比, 从数据中可以看出均值、标准差和信息熵均变大, 即表明图像的亮度、对比度和信息量具有提高。所以通过处理前后的单幅图像对比表明视频清晰化系统能有效恢复雾天天气导致的视频模糊, 亮度变大、对比度明显提高。
5 结语
针对监控系统易受恶劣天气状况影响的问题, 设计了雾天视频清晰化系统。系统对摄像头采集到的实时视频图像进行增强处理, 采用改进的RSR算法还原真实场景图像, 显著提高了视频图像的亮度和对比度。通过对现有监控系统添加视频清晰化子系统有效解决恶劣天气对监控的影响。本文处理视频大小为320×240, 若采用实际监控中的视频大小, 在实时性方面仍有不足, 并且在图像质量评价标准等方面人有所欠缺, 本文下一步将对此课题进行系统研究。
参考文献
[1]何立民.嵌入式系统的定义与发展历史[J].单片机及嵌入式应用, 2004 (1) :6-8.
[2]高熊, 王敏, 宗大伟.基于TMS320DM642的视频采集系统设计[J].华中科技大学学报:自然科学版, 2011, 39 (z2) :144-146.
[3]龙映雪, 张春熹, 伊小素, 等.基于DM642的视频采集与处理系统设计及实现[J].电子测量技术, 2012, 35 (9) :52-55.
[4]Land E H, McCann J J.Lightness and Retinex Theory[J].Journal of the Optical Society of America, 1971, 61:1-11.
[5]肖燕峰.基于Retinex理论的图像增强恢复算法研究[D].上海:上海交通大学, 2007.
[6]武凤霞, 雨雾条件下图像与视频的清晰复原技术研究[D].浙江:浙江大学, 2006.
[7]Frankle J A, McCann J J.Method and apparatus for lightness imaging[C].Google Patents, 1983.
[8]Provenzi E, et al.Mathematical definition and analysis of the Retinex algorithm[J].JOSA A, 2005, 22:2613-2621.
[9]Provenzi E, et al.Random spray retinex:a new retinex implementation to investigate the local properties of the model[J].Image Processing, IEEE Transactions on, 2007, 16:162-171.
清晰化方法 第9篇
关于企业文化,人们把它想得太复杂了,其实就是三个字:"清晰化"。什么叫清晰化呢?如果你能用五句之内的话把它说清楚,员工能够记得住照着做,合作方也能清晰地感觉到,就可以了。至于叫"理念"还是叫"精神",都无所谓。这样的企业文化就是最好的,最有生命力的,最有竞争优势的,也是很多企业家们梦寐以求的。
要做到企业文化的清晰化,首先是概念的清晰化。
要说清企业文化到底是什么东西。它是为了解决问题的,是使全体员工明确可以这样做、不能那样做的游戏规则,是要大家共同维护的。台湾组织行为学家戴维森谈到企业文化的作用时强调了两个字——"有用"。有用是一根针,这根针可以把很多企业文化的气球扎破。企业管理者或许经常听到员工说,我们累死了,你还拿这个东西烦我,让我弄两句就好了,非要弄一大套,我越背越不懂。所以,清晰化最好。
怎么才可以清晰呢?先从里面往外找,慢慢就找清楚了。什么是企业文化的核心呢?第一,要弄清企业最关心什么。德国学者德鲁克说,知道不知道自己到底干什么,这是优秀公司与卓越公司的区别。华旗是知道的,它要实现"六赢",知道什么可以干,什么不可以干。企业要把这些问题弄清楚,如果弄不清楚,员工就会说这个企业没奔头,混两天算两天吧。第二,要给那些利益相关方很清晰的未来。第三,要讲清怎么干。这三个方面要清楚地展开企业最核心的命题,并要一个一个地去破解它。
愿景是什么呢?愿景是使命之最,就是你企业的最好状态。愿景不是吹牛,愿景是你要实现的未来。
价值观是什么?这个概念挺复杂,不容易明白。咱们举个例子:为了使孩子成为有用之材,爸爸说,孩子要听老师的话,要规规矩矩的;妈妈说,关爱、欣赏、沟通、鼓励,支持,对孩子最有价值;爷爷说,只要孩子每次考试都提升一个名次就可以了;奶奶说,不要限制孩子,要让他自由成长。管理企业,有人是"妈妈",有人是"爸爸",有人是"爷爷",有人是"奶奶"。这就是不同的价值观。
企业51%的价值观是反映企业绩效类的。关于价值观,据调查,非盈利性组织和盈利性组织不同,非盈利性组织以道德价值观为主,盈利性组织以绩效价值观为主。但是企业不能只谈绩效类价值观而不谈道德类价值观,还应有一个51和49的划分。
价值观虽然有点复杂,但只要把核心价值观弄清楚就基本可以了。如果你确立企业价值观时想在经营上或安全上强调一点,你就去做,叫什么都行,什么都不叫也行。但我想告诫大家,这东西不能多,越多越乱。重要的是企业要把最核心的搞清楚。GE最核心的就是坚持诚信,做足业绩。GE的诚信手册告诉员工,如果你的上级有不诚信的现象,你就可以打电话告诉美国总部的诚信执行官。还有惠普,曾有客户对他们说,你降一块钱我这个订单就给你。惠普的人说不能降,那样不诚信。1200万美元的订单就这样放弃了。
关于行为准则,它是价值观的行为落脚。组织有组织的对照标准,个人有个人的对照标准,就这点东西,你对照着做就到位了,不要写多了,要朴实点。不要写得行为规范像理念,理念像行为规范,这就错了。重要的在于准确、精炼。
关于企业精神,目前能直接运用于企业管理的不是很多。有些企业没有企业精神,也一样好,这要看你自己的需要。我建议,一是把它”供”起来。困难的时候,需要鼓劲的时候,"嗷"地喊一嗓子,员工振奋起来了,它就发挥作用了。不要整天拿着这个东西喊,天天喊人就疲了,它就不管用了。二是把企业精神当价值观用。这样可以吗?当然可以,起码企业精神是一系列价值观的总和,拿着用就行了。
要做到企业文化的清晰化,第二要实用、有效。
实用、有效,就是要解决问题,解决影响企业生存和发展的最核心问题。没用的东西不要谈,如果把所有的员工都弄成“企业文化专家”,那么你这个企业离倒闭就不远了。云南有个企业,它的企业文化部有八个人,七个人获得了全国企业文化管理师资格,大家都在那里坐而论道,这实用吗?
要做到企业文化的清晰化,第三要个性化。
世界上没有最好的企业文化,也没有最标准的企业文化,只有最适合你的企业生存发展的企业文化。这就体现了企业文化的个性化。因此,企业文化不可能策划出来。所谓策划,是和企业一起来对企业文化疏理定位,并力求弄清楚企业的三个问题:有什么,缺什么,将来要什么?而这些每个企业都是不一样的。
要做到企业文化的清晰化,第四要信。
如果你对自己的企业文化都不信,别人还会信吗?有些领导重视企业文化是假的。他怎么重视呢?年终总结的最后一章谈点企业文化,谈完了也不去实践。企业文化有个外号,叫"公司宗教"或"公司信仰"。教主都不信,你还让教徒信?只有你信而行之、信而仰之才行。
现在企业都讲诚信,但员工对自己企业讲诚信的认同度却很差,很多员工不认为自己企业是靠诚信起家的。所以,我们要提升企业的核心价值.怎么提升呢?一是把外部的资源持续不断地引进来,二是把内部资源整合好。只有你真的讲诚信了.员工才会信而行之、信而忠之,合作方、用户才会愿意跟你做生意,在员工和外部的互动过程中才会产生品牌信仰。
总之,要想让企业文化清晰化,就要把企业的问题弄清楚。如果员工的敬业度不强,中层干部的责任心不强,就要分析原因在哪儿。是激励不到位,就要问为什么不到位,背后的问题是什么?把这些找到了,就具备了清晰的前提。然后,把企业有价值的东西列出来进行统合,再变成最关键的价值观贯彻下去、执行下去,这就是正确的企业文化建设之路。而对企业文化的定位,可以锁定在三点上,第一是文化传承,第二是文化现状,第三是文化方向。从这三个点去进行文化定位,一般问题不大。我们曾给一个供电公司提出建议,要先把文化核心找出来,再看企业最关键的行为是什么,然后落实、总结。一层一层往下,一直到接电话怎么接,就可以了。