本發(fā)明專利技術(shù)公開了一種基于多進程的焦點堆疊圖像融合方法與系統(tǒng)，屬于工業(yè)瑕疵品檢測和攝影領(lǐng)域，包括如下步驟：快速獲取第m張，m＝1,2,......,N，N為圖像的總張數(shù)，對同一物體進行拍攝的圖像；本發(fā)明專利技術(shù)中，由傳統(tǒng)的圖像邊緣檢測方法轉(zhuǎn)變?yōu)榛诙噙M程的多圖像梯度邊緣檢測方法，從而實現(xiàn)了焦點堆疊圖像的合成，這極大提升了合成的運行時間，尤其是在CPU處于多核的情況下，同時在方法內(nèi)還具有對于圖像的處理過程，可有效提升獲取圖像的素質(zhì)，從而有效提高后續(xù)焦點堆疊效果，保證了最終焦點堆疊圖像的質(zhì)量，同時，在最后還設(shè)置有圖像評估過程，可根據(jù)深度學習算法，對于優(yōu)質(zhì)圖像進行學習，進行對比評估，可對于整體焦點堆疊圖像融合方法進行評估，功能強大，適于推廣。適于推廣。適于推廣。
【技術(shù)實現(xiàn)步驟摘要】
一種基于多進程的焦點堆疊圖像融合方法與系統(tǒng)
[0001]本專利技術(shù)屬于工業(yè)瑕疵品檢測和攝影
，尤其涉及一種基于多進程的焦點堆疊圖像融合方法與系統(tǒng)。
技術(shù)介紹
[0002]隨著圖像處理技術(shù)的發(fā)展，焦點堆疊技術(shù)逐步成為熱門。在拍攝照片的過程中，為了對焦使得目標物體清晰，則必然導致整體圖像中某些部分是虛化的，這為獲取到視場全部清晰的圖像造成了困難。不過我們通過焦點堆疊技術(shù)可克服上述困難，實現(xiàn)圖像整體清晰的效果。
[0003]焦點堆疊技術(shù)的特點在于探測目標物體邊緣的準確性，為了保證合成的圖像精度高，這勢必會造成程序復雜，循環(huán)次數(shù)多，最終導致程序運行時間過長的問題。這對焦點堆疊技術(shù)來合成圖像構(gòu)成了極大的挑戰(zhàn)，因此從多進程數(shù)據(jù)處理出發(fā)來作為解決方案便成了一種可行性的思路。
[0004]先技術(shù)1公開了視網(wǎng)膜成像的焦點堆疊(CN111093470A)，包括用來自光源的一個或多個光束照射眼睛內(nèi)部，并且所述照射被配置為觸發(fā)眼睛的瞳孔的改變。在瞳孔的寬度響應于所述照射而改變的預期的時間幀期間，圖像傳感器捕獲由眼睛內(nèi)部反射的光的圖像序列。處理裝置將圖像序列中的圖像組合以形成具有比圖像序列中的圖像中的每個的景深大的景深的合成圖像。圖像中的每個的景深與捕獲圖像中的每個時的瞳孔的寬度對應。
[0005]先技術(shù)2公開了一種用于多焦點堆疊微距攝影的自動云臺，(CN112212142A)，本專利技術(shù)公開了一種用于多焦點堆疊微距攝影的自動云臺，包括固定板，固定板的頂端設(shè)有滑槽，滑槽的內(nèi)部滑動安裝有滑座，滑座的頂端連接有夾座，且夾座的頂端一側(cè)固定安裝定板，夾座在遠離定板的一側(cè)安裝有夾板，且夾板與定板相互平行，滑槽的內(nèi)部固定安裝有絲杠，且絲杠從滑座的左右兩側(cè)貫穿，固定板在靠近絲杠的一端設(shè)有安裝槽，安裝槽內(nèi)固定安裝有第一電機，且第一電機與絲杠傳動連接。
[0006]先技術(shù)3公開了一種基于Laplacian算子的特征選擇方法(CN104408480A)，本專利技術(shù)公開了一種基于Laplacian算子的特征選擇方法，所述方法既考慮到了樣本和類標簽之間的關(guān)聯(lián)又保留了樣本和樣本之間的相互依賴關(guān)系。
[0007]先技術(shù)4公開了一種利用對數(shù)變換和Laplacian算子的人臉光照不變特征提取方法(CN106934399A)，將人臉圖像變換到對數(shù)域；利用Laplacian算子對人臉圖像進行銳化處理，提取人臉的細節(jié)特征，同時消除了光照分量，所得結(jié)果就是需要提取的人臉光照不變特征。
[0008]先技術(shù)5公開了一種基于Laplacian算子的人臉光照不變特征提取方法(CN106934343A)，利用Laplacian算子對人臉圖像銳化處理，提取人臉細節(jié)特征；與原圖像對應像素進行除法運算，消除慢變化的人臉光照部分，所得結(jié)果就是需要提取的人臉光照不變特征。
[0009]先技術(shù)6公開了一種基于Laplacian算子的圖像增強及降噪的方法與系統(tǒng)
(CN113034376A)，讀取原始圖像A，獲得圖像的最大行數(shù)m及最大列數(shù)n；對圖像中間像素逐行逐列則進行3x3鄰域Laplacian算子模板操作，得到初步輸出；對初始輸出進行二值化處理，絕對值高于事先給定的參數(shù)a的賦值1，低于a的賦值0，得到二值化的初始邊緣圖像；對上步賦值為1的點搜索聯(lián)結(jié)像素數(shù)，低于事先給定的第二個參數(shù)b的判定為噪點，對原像素利用高斯模塊降噪，高于b的判定為邊緣點進行增強，若該點所對應的A(i，j)＞0，原像素值增加指定像素數(shù)，若該點所對應的A(i，j)＜0，原像素值減少指定像素數(shù)；得到最終的增強圖像。
[0010]先技術(shù)7公開了一種基于Laplacian算子的圖像邊緣提取的方法與系統(tǒng)(CN112464962A)，讀取原始圖像A，獲得圖像的最大行數(shù)m及最大列數(shù)n；對圖像中間像素逐行逐列則進行3x3鄰域Laplacian算子模板操作，得到初步輸出；對初始輸出進行二值化處理，絕對值高于事先給定的參數(shù)a的賦值1，低于a的賦值0，得到二值化的初始邊緣圖像；對上步賦值為1的點搜索聯(lián)結(jié)像素數(shù)，低于事先給定的第二個參數(shù)b的判定為噪點，從初始邊緣圖中刪除，高于b的判定為真邊緣點；得到最終的邊緣圖像。
[0011]先技術(shù)8公開了圖像融合變換(CN109993716A)，將原始圖像中的某個物體的圖像融合到模板圖像中對應的物體圖像上，在融合的過程中，利用像素權(quán)重圖對各個像素進行融合處理，使得融合后的圖像中，能夠在較好地保留原始圖像中物體的特征的基礎(chǔ)上更好地融入到模板圖像之中。
[0012]先技術(shù)9公開了圖像融合方法(CN109064436A)，獲取同一場景的可見光圖像和紅外光圖像；分解可見光圖像獲得第一高頻子圖像和第一低頻子圖像，以及分解紅外光圖像獲得第二高頻子圖像和第二低頻子圖像；根據(jù)第一高頻子圖像和第二高頻子圖像生成場景的高頻融合圖像，以及根據(jù)第一低頻子圖像和第二低頻子圖像生成場景的低頻融合圖像；根據(jù)場景的低頻融合圖像和高頻融合圖像計算場景的融合圖像。
[0013]先技術(shù)10公開了圖像融合方法(CN113362261A)，在一次融合得到的第一融合圖像的基礎(chǔ)上，可以利用顏色遷移實施二次融合，以使第一融合圖像的亮度和顏色都可以向可見光圖像遷移，從而可以得到亮度和顏色更接近可見光圖像的第二融合圖像。
[0014]綜上所述，上述在先技術(shù)涉及對焦點堆疊技術(shù)的應用以及設(shè)備；或者通過在Laplacian算子的基礎(chǔ)上設(shè)定閾值、變換坐標系、與原圖像進行乘除操作，使得圖像信息提取的精確度得以提升；或者將目標圖像與模版圖像進行融合、非可見光圖像與可見光圖像進行融合。
技術(shù)實現(xiàn)思路
[0015]本專利技術(shù)要解決的技術(shù)問題均有別于上述在先技術(shù)，提供一種基于多進程的焦點堆疊圖像融合方法與系統(tǒng)，其內(nèi)容為通過提取每一幅圖像的最大梯度邊緣信息，在此過程中同時采用多進程的數(shù)據(jù)處理方法，從而實現(xiàn)基于多進程的焦點堆疊圖像。
[0016]為了實現(xiàn)上述目的，本專利技術(shù)采用了如下技術(shù)方案：一種基于多進程的焦點堆疊圖像融合方法，包括如下步驟：
[0017]S1、快速獲取第m幅，m＝1,2,......,N，N為圖像的總張數(shù)，對同一物體進行拍攝的圖像；
[0018]S2、將獲取的圖像信息進行上傳，同時對于圖像進行處理；
[0019]S3、運用合適的梯度邊緣檢測算子快速對第m幅圖像的梯度進行檢測；
[0020]S4、將第m幅圖像中最大的梯度信息進行快速獲取；
[0021]S5、重復上述步驟，直到第N張圖像的最大的梯度信息已被獲取，之后將N張圖像的最大的梯度信息進行疊加；
[0022]S6、將疊加得到的圖像進行歸一化操作；
[0023]S7、對于焦點堆疊后圖像進行評估。
[0024]作為上述技術(shù)方案的進一步描述：
[0025]所述S1中，快速獲取m張，m＝1,2,......,N，N為圖像的總張數(shù)，對同一物體進行拍攝，拍攝的為不同焦距的圖像。
[0026]作為上述技術(shù)方案的進一步描述：
[0027]所述S2中，將獲取的圖像信息進行本文檔來自技高網(wǎng)...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.一種基于多進程的焦點堆疊圖像融合方法，其特征在于：包括如下步驟：S1、快速獲取第m幅，m＝1,2,......,N，N為圖像的總張數(shù)，對同一物體進行拍攝的圖像；S2、將獲取的圖像信息進行上傳，同時對于圖像進行處理；S3、運用合適的梯度邊緣檢測算子快速對第m幅圖像的梯度進行檢測；S4、將第m幅圖像中最大的梯度信息進行快速獲取；S5、重復上述步驟，直到第N張圖像的最大的梯度信息已被獲取，之后將N張圖像的最大的梯度信息進行疊加；S6、將疊加得到的圖像進行歸一化操作；S7、對于焦點堆疊后圖像進行評估。2.根據(jù)權(quán)利要求1所述的一種基于多進程的焦點堆疊圖像融合方法，其特征在于，所述S1中，快速獲取m張，m＝1,2,......,N，N為圖像的總張數(shù)，對同一物體進行拍攝，拍攝的為不同焦距的圖像。3.根據(jù)權(quán)利要求1所述的一種基于多進程的焦點堆疊圖像融合方法，其特征在于，所述S2中，將獲取的圖像信息進行上傳，同時對于圖像進行處理，其具體步驟為：先對于圖像進行亮度調(diào)節(jié)，進行色彩空間轉(zhuǎn)換，將獲取的不同圖像由RGB空間轉(zhuǎn)換為YCbCr空間，再對于圖像的灰度與對比度進行調(diào)節(jié)。4.根據(jù)權(quán)利要求1所述的一種基于多進程的焦點堆疊圖像融合方法，其特征在于，所述S3中，運用合適的梯度邊緣檢測算子快速對第m幅圖像的梯度進行檢測，得到第m幅圖像的所有梯...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呼江勇，尹少齊，劉忠，
申請(專利權(quán))人：七海測量技術(shù)深圳有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。