專利名稱：一種圖像劃痕的檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種圖像劃痕的檢測方法及裝置。
背景技術(shù)：
隨著數(shù)字電視技術(shù)的興起，大量的膠片電影被數(shù)字化后通過媒體播放。由于電影 膠片經(jīng)過長期存放和多次播放，存在著灰塵、霉斑、劃痕等類型的降質(zhì)區(qū)域，因此自動檢測 和修復(fù)膠片降質(zhì)區(qū)域的數(shù)字技術(shù)日趨重要。其中，膠片劃痕是指電影膠片中線狀分布的銀 粒剝落現(xiàn)象，通常是由堅硬的顆粒在平行于電影膠片的運動方向上刮擦所引起的，盡管劃 痕的寬度(約1 5個像素)相比整個畫面很小，但是時常貫穿整個畫面，引發(fā)視頻的不連 續(xù)，影響視頻圖像的播放質(zhì)量。由于膠片劃痕時而在相連幾幀圖像的臨近位置出現(xiàn)，時而完 全隨機(jī)，因此膠片劃痕的檢測具有挑戰(zhàn)性。針對膠片的圖像劃痕檢測，現(xiàn)有的Ridgelet (脊波)變換適用于直線的檢測，因此 可以用來檢測圖像的劃痕，目前的劃痕檢測都是采用實數(shù)Ridgelet變換。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)的方案，無法精確定位出劃痕區(qū)域的范圍，即現(xiàn)有技術(shù)的定位劃痕區(qū)域 的范圍的精確度很低。

發(fā)明內(nèi)容
本發(fā)明實施例提供了一種圖像劃痕的檢測方法及裝置，以提高定位劃痕的精確度。根據(jù)本發(fā)明實施例的一方面，提供一種圖像劃痕的檢測方法，所述方法包括將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的和；根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；將所述濾波函數(shù)與所述一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，根據(jù) 所述單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。根據(jù)本發(fā)明實施例的另一方面，提供一種圖像劃痕的檢測裝置，所述裝置包括投影模塊，將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的 和；計算模塊，根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；處理模塊，將所述濾波函數(shù)與所述一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波 系數(shù)，根據(jù)所述單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；操作模塊，根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。本發(fā)明實施例通過對圖像作復(fù)數(shù)Ridgelet變換獲得復(fù)Ridgelet系數(shù)，根據(jù)所述 融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣，從而可以提高定位劃痕的精確度。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些 實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些 附圖獲得其他的附圖。圖1是本發(fā)明實施例一提供的圖像劃痕的檢測方法流程圖；圖2是本發(fā)明實施例二提供的圖像劃痕的示意圖；圖3是本發(fā)明實施例二提供的圖像劃痕的檢測方法流程圖；圖4是本發(fā)明實施例三提供的圖像劃痕的檢測方法流程圖；圖5是本發(fā)明實施例四提供的排除虛假劃痕的方法流程圖；圖6是本發(fā)明實施例五提供的圖像劃痕的檢測方法流程圖；圖7是本發(fā)明實施例五提供的分割后的重疊子圖分塊示意圖；圖8是本發(fā)明實施例六提供的圖像劃痕的檢測裝置結(jié)構(gòu)圖；圖9是本發(fā)明實施例六提供的又一圖像劃痕的檢測裝置結(jié)構(gòu)圖；圖10是本發(fā)明實施例六提供的再一圖像劃痕的檢測裝置結(jié)構(gòu)圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護(hù)的范圍。為使本發(fā)明的技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn) 一步地詳細(xì)描述。實施例一如圖1所示，為本發(fā)明實施例提供的圖像劃痕的檢測方法流程圖，該方法包括101 將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的和；102 根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；103:將濾波函數(shù)與一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，根據(jù)單顏 色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；104 根據(jù)融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。通過本實施例提供的方法，對圖像作復(fù)數(shù)Ridgelet變換獲得復(fù)Ridgelet系數(shù)，其 中，復(fù)Ridgelet系數(shù)的虛部極值點對應(yīng)圖像的灰度跳變的位置和強(qiáng)度，可以用于劃痕邊緣 和豎直圖像邊緣的定位；而結(jié)合虛部系數(shù)與實部系數(shù)得到的復(fù)Ridgelet系數(shù)的相位信息， 則可以用于區(qū)分出豎直劃痕與豎直階躍的邊緣，從而最終可以提高定位劃痕的精確度。實施例二在實際應(yīng)用中，由于圖像劃痕表現(xiàn)為近似垂直(傾斜角度< 5° )，因此本實施例 以圖像劃痕是垂直的為例說明，對于具有一定傾角的劃痕，通過后續(xù)實施例中的方法進(jìn)行處理。在絕大多數(shù)情況下，圖像劃痕都完全可以用垂線近似。如圖2所示，為圖像劃痕的示意圖。圖2中，η表示圖像的離散水平坐標(biāo)，m表示圖像的離散垂直坐標(biāo)，圖像劃痕是垂直 的，表現(xiàn)為垂直于η軸的垂線。其中，η和m的取值均為整數(shù)或自然數(shù)。
由于彩色圖像可以通過劃分三種基本顏色進(jìn)行處理，因此本發(fā)明實施例以對圖像 進(jìn)行R(紅)、G(綠)、B(藍(lán))三基色的劃分為例說明，可以理解的是，也可以將圖像劃分為 其他三種基本顏色。本實施例對圖像的R、G、B顏色分量分別作0度方向的脊小波(Ridgelet)變換，得 到相應(yīng)的Ridgelet變換系數(shù)f)(力，rs(G\x) , rs^(x)，其中s = S1,. . .，為變換過程中的 參數(shù)，表示一系列的分解尺度；χ為自變量，此處無物理含義，在脊小波變換過程中可以理 解為水平坐標(biāo)；通過Ridgelet變換系數(shù)檢測劃痕、區(qū)分劃痕和劃痕的邊緣。如圖3所示，為本實施例提供的檢測圖像劃痕的方法，該方法包括301 將二維彩色圖像中的單顏色分量f(m，η)沿豎直方向作投影，獲得一維豎直
投影的和Z/(w，w)。 其中，以圖2所示的坐標(biāo)為參考，η為水平分量坐標(biāo)，m為豎直分量坐標(biāo)，由于圖 像劃痕是垂直于η軸的，因此將圖像沿豎直方向作投影即沿劃痕方向作投影；單顏色分量 f(m,n)指的是彩色圖像的某個顏色分量構(gòu)成的圖像，此處，f(m，η)具體為單顏色分量的圖 像值，為標(biāo)量。將圖像f(m，η)沿豎直方向(即垂直于η軸的方向)作投影，獲得 ？/…；^工力^，…’表示把圖像^!!!，η)每一列的像素值加起來，得到一個一維豎直投影的
weN
和；其中，m、η為離散自變量，取值為整數(shù)或自然數(shù)；P表示沿豎直方向投影的變量；N表示 自然數(shù)。302 根據(jù)預(yù)設(shè)準(zhǔn)則獲取用于檢測劃痕的復(fù)小波函數(shù)。其中，本發(fā)明實施例采用復(fù)數(shù)的Ridgelet變換方法檢測圖像劃痕，需要獲取用于 檢測劃痕的S分解尺度復(fù)小波函數(shù)，S = S1, . . . , Sj為一系列分解尺度參數(shù)，其由劃痕的經(jīng) 驗寬度范圍(一般認(rèn)為1 5個像素)決定。具體過程如下復(fù)數(shù)Ridgelet 函數(shù)形如 Ψ (r) ((xcos θ +ysin θ ) /s) +j · ψ ω ((xcos θ +ysin θ ) / s)，其中Ψωα)，Ψωω分別對應(yīng)為實、虛部的ι維小波函數(shù)，θ和s分別為方向和分解 尺度參數(shù)，x、y和t為連續(xù)自變量，取值為實數(shù)，無特殊含義。本實施例中，由于圖像劃痕表 現(xiàn)為近似垂直，因此θ取值為0度。采用復(fù)數(shù)的Ridgelet變換，關(guān)鍵是對復(fù)小波函數(shù)的選 擇。本發(fā)明實施例根據(jù)以下預(yù)設(shè)準(zhǔn)則獲取復(fù)小波函數(shù)1)實部ψ ω (t)采用高斯函數(shù)的二階導(dǎo)數(shù)形式； 由于高斯函數(shù)(符合C -exp (- (t/s)2)的一族函數(shù)，其中C，s為常數(shù)，t為自變量) 的二階導(dǎo)數(shù)形式與劃痕本身造成的灰度(圖像是由一系列灰度值組成)跳變接近，故高斯 函數(shù)的二階導(dǎo)數(shù)可以用于劃痕檢測；因此在確定復(fù)小波函數(shù)時，實部ψωα)采用高斯函 數(shù)的二階導(dǎo)數(shù)形式。2)在固定了實部(t)后，按照以下預(yù)設(shè)準(zhǔn)則選擇虛部(t)a) Ψ⑴(t)與Ψ (r) (t)應(yīng)近似構(gòu)成希爾伯特(Hilbert)變換對；b) Ψ⑴(t)只有一個過零點；c) Ψ (r) (t) + j · Ψ⑴(t)包絡(luò)應(yīng)具有光滑性和無震蕩性；
d)包絡(luò)的能量應(yīng)具有集中性。其中，首先選擇虛部Ψωα)為具有自由參數(shù)(α，β)的函數(shù)族Ψωα)= sign(t) ·?！唉? · t/β aexp(-(t/^)2/2)；其中，sign(t)為符號函數(shù)，Ci ( β )是歸一 化常數(shù)，以保證Il ψ(r) (t) Il 2與Il Ψω (t) Il2相等，Il ψω (t) ||2表示Ψω (t)的二階范 數(shù)，Il Ψω (t) ||2表示Ψωα)的二階范數(shù)；因為該族函數(shù)與Ψωα)近似構(gòu)成Hilbert變 換對，從而滿足上述優(yōu)化準(zhǔn)則a)；且該族函數(shù)只有一個過零點，因此滿足上述優(yōu)化準(zhǔn)則b)； 其次，令包絡(luò)A(t) = (Ψωα))2+(νωα))2，其中，t表示函數(shù)的自變量，無特殊含義；根
據(jù)上述優(yōu)化準(zhǔn)則c)、d)，建立并優(yōu)化目標(biāo)函數(shù)argminA.
其中，λ為目標(biāo)函數(shù)的加權(quán)參數(shù)，取值范圍為0 1，獲得自由參數(shù)(α，β)，從而可以確定 Ψ ⑴(t)，實際中取 α = 1，β = 0· 83。本發(fā)明實施例根據(jù)上述1)、2)的內(nèi)容，可以確定s分解尺度復(fù)小波函數(shù)為 其中，Vs(t)為本發(fā)明實施例采用的s分解尺度復(fù)小波函數(shù)，和O)分別為 ￥s(t)的實部函數(shù)和虛部函數(shù)，t表示復(fù)小波函數(shù)的自變量，S表示分解尺度，β表示縮放 參數(shù)，經(jīng)驗取值為0.83，以獲得接近最優(yōu)的濾波效果。從公式(1)可以看出，實部為 高斯函數(shù)的二階導(dǎo)數(shù)，用于匹配檢測劃痕；而虛部W' 為高斯函數(shù)的一階導(dǎo)數(shù)，是理想的 Canny邊緣檢測算子，可以用于定位劃痕的邊緣。303:根據(jù)復(fù)小波函數(shù)計算整數(shù)像素點的濾波函數(shù)//丨7)(11)和半整數(shù)像素點的濾波 函數(shù)。其中，半整數(shù)像素點即圖像在χ e Z+l/2(此處將整數(shù)與1/2的和定義為半整數(shù)) 處的像素值。由于在實際情況中，數(shù)字圖像f(m，η)僅定義在整數(shù)網(wǎng)格上，但劃痕邊緣則可 能處于像素之間，因此Ridgelet變換具有半像素精度。即，需要獲得圖像ridgelet變換系 數(shù)&00，在1^ Z和χ e Z+l/2(半整數(shù))的值，其中Z為整數(shù)集?？梢酝ㄟ^整數(shù)像素點的 濾波函數(shù)砍和半整數(shù)像素點的濾波函數(shù)雙Γ⑷實現(xiàn)，其定義如下 式中，t為函數(shù)的自變量，η表示圖像的水平坐標(biāo)(離散的)，取值為整數(shù)，s = S1, 為一系列分解尺度參數(shù)，其由劃痕的經(jīng)驗寬度范圍(一般認(rèn)為1 5個像素) 決定；復(fù)數(shù)小波函數(shù)Vs的含義與式(1)中的Vs相同，ker(t)為卷積核，本發(fā)明實施例取 ker(t) = l[-1/2,1/2]0304 將各個尺度的濾波函數(shù)O)和付與垂直方向的投影Pf (η)作卷積，獲 得各個尺度單色復(fù)Ridgelet系數(shù)<(》在半像素點的值。其中，各個尺度單色復(fù)Ridgelet系數(shù)在半像素點的值為在χ e Z和 xez+1/2的值，其中Z為整數(shù)集。
其中，通過下面式(3)得到 式(3)中，*為離散卷積；<(》是單色復(fù)ridgelet變換系數(shù)，χ為自變量，其取值為 X e Z和X e Z+l/2，n為離散水平坐標(biāo)，取值為整數(shù)；定義了圖像在整數(shù)點位置上的系 數(shù)值和圖像在半整數(shù)點(χ e Z+1/2)位置上的系數(shù)值。通過上述方法，獲取到單色復(fù)Ridgelet系數(shù), R、G、B三基色分別具有對應(yīng)的 作)，。(G)W, O)。305 根據(jù)單色復(fù)Ridgelet系數(shù)<(χ)計算圖像的融合復(fù)Ridgelet系數(shù)rs(x)。其中，在獲得R、G、B三基色分別對應(yīng)的單色復(fù)Ridgelet系數(shù).f)⑶,rs(G\x), 后，按照如下方式對系數(shù)的實部·]和虛部Im[ ·]分別處理，獲得圖像的融合系 其中，s = Sl，. . .，為一系列分解尺度參數(shù)，χ表示變換系數(shù)中的自變量，其取值 為X e ζ和χ e Z+1/2，Z為整數(shù)集。通過式(4)，將三個單顏色分量半像素精度復(fù)Ridgelet 系數(shù)進(jìn)行融合，得到圖像的融合復(fù)Ridgelet系數(shù)。306:根據(jù)融合系數(shù)rs(x)的虛部極值點查找在s尺度下所有可能劃痕所在的區(qū) 間。其中，復(fù)小波函數(shù)的虛部即為Carmy邊緣檢測算子(見式1)，將融合系數(shù) rs(x)的虛部(Im[rs(X)])極值點記為Xsii，1彡i彡Ks 表示s尺度下的第i個極值點， Ks是一個s尺度下所有極值點個數(shù)；由于虛部極值點xs,i對應(yīng)豎直灰度跳變的位置和強(qiáng)度， 因此，定義在s尺度下所有可能豎直直線(包括豎直劃痕和其他的豎直邊緣，例如圖像的邊 緣)在水平坐標(biāo)的區(qū)間為Ls,i :[xSji,xSji+1],l ^ i <KS。需要說明的是，在一個s尺度下， 系數(shù)rs(x)的所有虛部可能存在很多極值點。而任意一對相鄰的極值(即極小值和極大值) 都對應(yīng)一個可能為劃痕的區(qū)間，而一個劃痕區(qū)間圈定一個劃痕。上述需要說明的是，劃痕的區(qū)間、劃痕以及劃痕的邊緣是相互關(guān)聯(lián)的概念，劃痕的 邊緣圈定劃痕區(qū)間，而劃痕位于劃痕區(qū)間內(nèi)。307:在所有可能劃痕的區(qū)間中根據(jù)預(yù)設(shè)條件確定顯著直線所在的區(qū)間。其中，本實施例根據(jù)以下預(yù)設(shè)條件但不限于這些預(yù)設(shè)條件，確定豎直劃痕所在的 區(qū)間，在該過程中，將豎直劃痕定義為顯著直線。則確定顯著直線所在的區(qū)間如下(1)顯著直線所在的區(qū)間內(nèi)有且僅有一個&00的模極大點ei e [Xs,,, Xs,i+1]，且 |rs(ei) I彡Tcd,其中，|rs(ei) I表示rs(x)的模極大點；Tcd為對區(qū)間Lsii附近鄰域內(nèi)所有模 極大點數(shù)據(jù)組成的數(shù)據(jù)集選擇的分布閾值，可以根據(jù)經(jīng)驗人工設(shè)定。(2)顯著直線所在的區(qū)間的兩個端點X^Xs,i+1滿足Imts(Xsa)]彡Tei且Im[rs (xs, i+1)] ^ Tei，其中Tei為對區(qū)間Ls, i附近鄰域內(nèi)所有虛部極大點數(shù)據(jù)組成的數(shù)據(jù)集選擇的分 布閾值，可以根據(jù)經(jīng)驗人工設(shè)定。
(3) I xSj -Xs, i+11 彡 Wmax, Wmax 是劃痕的最大寬度。(4)區(qū)間內(nèi)有且僅有一個實部Re[rs(x)]的極大點Hii e [Xi，xi+1]，且其滿足ReLrs(Hii)]/ImLrs(Hii)] |彡T0,其中T0為對區(qū)間Lsa附近鄰域內(nèi)所有實部極大點數(shù)據(jù)組成
的數(shù)據(jù)集選擇的分布閾值，可以根據(jù)經(jīng)驗人工設(shè)定。本發(fā)明實施例中，顯著直線即劃痕，為了方便描述與理解，將確定劃痕所在的區(qū)間 定義為確定顯著直線所在的區(qū)間，二者表示的意思相同。綜合上述，顯著直線(劃痕)檢測的原理包含在復(fù)數(shù)Ridgelet函數(shù)中，實部 Kw⑴主要用于豎直劃痕的匹配檢測；虛部^》⑴則主要用于豎直劃痕邊緣的定位。與現(xiàn)有 技術(shù)中的實數(shù)域Ridgelet檢測算法相比，復(fù)數(shù)域方法能提供模值和相位信息。事實上， 由于復(fù)數(shù)域Ridgelet檢測算法中提供的模值與劃痕本身造成的灰度跳變接近，因此每個 模值Irs(X) I極大點對應(yīng)于劃痕，且模值的大小對應(yīng)劃痕的強(qiáng)度，模值越大，表示劃痕越明 顯。Ridgelet系數(shù)的虛部極大點對應(yīng)豎直灰度跳變，通過相位信息則能有效的區(qū)分豎直灰 度跳變中的豎直劃痕和豎直邊緣。具體而言，每個模值極大點能唯一對應(yīng)于一條劃痕，并 且由于對&00取模，無論是明暗劃痕，都會對應(yīng)于一個模的極大點，從而能使明、暗劃痕 同時被檢出；理想情況下，豎直劃痕對應(yīng)水平投影上的一個脈沖，故相應(yīng)的模極大點相位為 0° /180° (明/暗劃痕)；而豎直邊緣對應(yīng)著階躍，故相應(yīng)的模極大點相位為士90°。本實施例中，對圖像f(m，η)沿θ+90°直線方向作投影(本實施例中θ取值為 0)，獲得1維投影信號，而后對投影結(jié)果作尺度為S的復(fù)小波變換，整個過程又可以稱為對 圖像f(m，η)作復(fù)數(shù)Ridgelet變換。由于1維投影信號的每個點對應(yīng)于圖像中沿垂直方 向的某條直線，因此Ridgelet變換中小波函數(shù)的實部可以用于檢測劃痕；同時，由于復(fù)數(shù) Ridgelet變換中小波函數(shù)的虛部為高斯函數(shù)一階導(dǎo)數(shù)，其對應(yīng)于Carmy邊緣檢測算子，因 此將其與一維投影信號進(jìn)行上述數(shù)學(xué)處理，可以用于劃痕邊緣的定位。同時，本發(fā)明實施例獲取各個單顏色分量系數(shù)，利用各個單顏色分量信息，將單色 分量系數(shù)融合后獲得彩色圖像的系數(shù)，與直接將彩色圖像轉(zhuǎn)換為灰度圖象相比，其能充分 利用視頻的色彩信息，從而提高檢測效率。實施例三本實施例在上一實施例的基礎(chǔ)上，在得到的融合后半整數(shù)精度復(fù)Ridgelet系數(shù) rs(x),x e N U (N+l/2) (s = S1, ... , Sj為分解尺度)，檢測出在各個尺度s下的直線特征 后，對多個尺度s下檢測的顯著直線進(jìn)行融合，確定最終的候選劃痕區(qū)間。如圖4所示，為本實施例提供的圖像劃痕的檢測方法流程圖，該方法包括401 獲取在多尺度下的顯著直線所在的區(qū)間。其中，根據(jù)實施例二，可以獲得s尺度下的所有可能劃痕的區(qū)間中顯著直線所在 的區(qū)間；當(dāng)分解尺度S的值為S1,. . .，ST時，可以通過上述實施例的方法得到多尺度下的顯 著直線所在的區(qū)間。具體為假設(shè)Ridgelet系數(shù)rs (χ)在尺度Sj (1 ^ j ^ J)下共提取Kj條顯著直線，記為Lj, i(k) Lxj, i(k), Xj, i(k)+i ]，1 < j < J，1 < k < Kj,其中，j為變量，表示某一尺度；J表示S尺度 的總個數(shù)；i (k)表示第k條顯著直線的區(qū)間序號，Kj表示顯著直線的個數(shù)。402 根據(jù)顯著直線所在的區(qū)間，建立由多尺度Ridgelet系數(shù)的虛部極大值點所 組成的脊線。
具體地，402可以通過如下程序化步驟實現(xiàn)將多尺度Ridgelet系數(shù) (力所有虛部極大值標(biāo)為OPEN (標(biāo)識符號，用來標(biāo)識需要融合的虛部極大值點)；其中，Sj, 1彡j彡J為一系列分解尺度；當(dāng)尺度Sj Wj=J到1，且當(dāng)顯著直線Lj, i(k) Wk=I到Kj時；循環(huán)進(jìn)行如下操 作，直到生成脊線如果顯著直線Lj, i(k)左端點Xj, i(k)已被標(biāo)CLOSE (標(biāo)識符號，標(biāo)識已經(jīng)被融合的虛 部極大值點)，則把經(jīng)過該點的Ridge號記為Ieftj, i(k)；否則以Xj, i(k)開始，建立一條從Sj 到S1，全部由虛部極大點組成的連續(xù)Ridge，該Ridge所經(jīng)過的虛部極大值點都標(biāo)為CLOSE， 把該條Ridge號記入Ieftjaao ；同理，如果Ljaao右端點Xj,i(k)+1已被標(biāo)CLOSE，把經(jīng)過該點的Ridge號記為right」， i(k)；否則以Xj, i(k)+1開始，建立一條從Sj到S1,全部由虛部極大點組成的連續(xù)Ridge ；把該 Ridge所經(jīng)過的虛部極大值點都標(biāo)為CLOSE，把該條Ridge號記入right」,i(k)。通過上述處理，Lj, i(k)對應(yīng)一個候選劃痕區(qū)間Sj, i(k)，其左端點是序號為Ieftj, i(k) 的Ridge中幅度最強(qiáng)虛部極大值點的位置；而右端點則是序號為right」, i(k)的Ridge中幅 度最強(qiáng)虛部極大值點的位置。403 根據(jù)脊線確定劃痕所在的區(qū)間，將所有劃痕區(qū)間合并。最終候選劃痕區(qū)域為上述所有顯著直線對應(yīng)劃痕區(qū)間的并集，即滿足
的所有點集。以上內(nèi)容的原理為每一個顯著直線的端點，是變換系數(shù)的虛部極大值點。根據(jù)尺 度空間濾波理論，當(dāng)濾波函數(shù)采用高斯函數(shù)的某階導(dǎo)數(shù)時，其濾波結(jié)果的極大/小值會在 尺度空間中，構(gòu)成一條從粗尺度到細(xì)尺度的連續(xù)脊線(Ridge)。本實施例基于實施例二，在307中進(jìn)一步地，Tci, Tei和T0還可以通過單模分布閾 值的選取方法獲取?！皢文！狈植?，是指數(shù)據(jù)的分布統(tǒng)計直方圖具有單峰形態(tài)。本發(fā)明實施 例Ridgelet變換系數(shù)集中，絕大多數(shù)樣本點為背景產(chǎn)生的小幅值區(qū)域值，僅包含少量劃痕 產(chǎn)生樣本點則具有較大幅值，從而需要一個閾值將其與背景樣本點分開。為了自動選取閾 值，需先作如下假設(shè)數(shù)據(jù)集X中背景樣本點服從威布爾(Weibull)分布W(r ； α，β )，r > 0;而樣本點(由劃痕產(chǎn)生的)為遠(yuǎn)離該分布的大幅值“污染”點。威布爾概率分布函數(shù)表 達(dá)式為Pa,e(r) = l-eXp(-(r/a)e)，r>0，其中α，β分別為縮放、衰減因子，r為連續(xù) 自變量，無特殊意義。由于一個概率分布的ρ分位點為滿足如下性質(zhì)的點即對應(yīng)于此分布的隨機(jī)變量 將會以概率P小于該分位點。因此，對單模分布數(shù)據(jù)集X的自動閾值選取包括區(qū)分?jǐn)?shù)據(jù)集X中背景樣本點和劃痕產(chǎn)生的樣本點的自動閾值Ta(X)可取為威布爾 分布W(r ;α，β)的ρ分位點ΤΑ00 = α [ln(l/(l-p))]"e (5)其中，X表示包含背景樣本點和劃痕產(chǎn)生的樣本點的數(shù)據(jù)集，α，β分別為縮放、 衰減因子，P為威布爾分布的分位點。當(dāng)通過式(5)確定了自動閾值Ta(X)的表達(dá)式后，在含奇異點樣本的情況下，穩(wěn)健估計(穩(wěn)健估計即在包含噪聲和奇異樣本點干擾的情況下進(jìn)行參數(shù)估計)參數(shù)α，β 記M(X)為X的中位數(shù)，而D(X)為X分布的“最小半概區(qū)間”(即有一半點落在其 中的最短區(qū)間)。則可以通過解式(6)中的方程組，求得與M(X)，D (X)這兩個穩(wěn)健統(tǒng)計量最 為一致的威布爾模型參數(shù)α，β，即不同的威布爾分布參數(shù)，會對應(yīng)于不同的M(X)，D(X)， 故利用統(tǒng)計得出的M(X)，D(X)估計最合適的分布參數(shù)。式(6)為
(6) 其中，Pa,0(r) = l-exp(-(r/a)0)為威布爾概率分布函數(shù)。式(6)可以通過非 線性方程的迭代法解出，初始解可以設(shè)W(r;a，β)為Rayleigh分布(β =2)得到，此時 (a，β，r)為(M(X)/Vi^,2,0.4201_M(X)/Vi^)。由于數(shù)據(jù)中存在大幅值的“污染點”，所以傳
統(tǒng)的極大似然法并不適用；而該方法，通過求解基于穩(wěn)健統(tǒng)計量的方程組，能精確的估計出 分布參數(shù)。綜上，對單模分布數(shù)據(jù)集X的閾值選取步驟為1)根據(jù)公式(6)，對含噪單模分布數(shù)據(jù)集X，穩(wěn)健估計出威布爾分布W(r;a，β) 的模型參數(shù)a，β。2)根據(jù)公式(5)，選出該模型的ρ分位點作為數(shù)據(jù)集X的閾值。1^、1^和1\可以通過上述的單模分布閾值的選取方法獲取。本實施例中，在獲取顯著直線所在的區(qū)間后，建立由多尺度Ridgelet系數(shù)的虛部 極大值點所組成的脊線，脊線上每個點代表了在相應(yīng)尺度下檢測到的劃痕邊界點。而其中 的幅度最強(qiáng)點，代表了最強(qiáng)邊緣響應(yīng)(即該邊緣的最佳檢測尺度)，從而可作為劃痕邊緣的 精確估計，同時，通過上述方法對不同尺度的劃痕進(jìn)行檢測，并選定劃痕區(qū)間，可以適應(yīng)不 同寬度的劃痕。此外，本實施例中采用單模分布閾值的選取方法獲取T。” Tei和T0，可以避免人為 根據(jù)經(jīng)驗值設(shè)定閾值的盲目性，有利于提高劃痕檢測的穩(wěn)健性。通過本實施例提供的方法，對圖像作復(fù)數(shù)Ridgelet變換獲得復(fù)Ridgelet系數(shù)，其 中，復(fù)Ridgelet系數(shù)的虛部極值點對應(yīng)圖像的灰度跳變的位置和強(qiáng)度，可以用于劃痕邊緣 和豎直圖像邊緣的定位；而結(jié)合虛部系數(shù)與實部系數(shù)得到的復(fù)Ridgelet系數(shù)的相位信息， 則可以用于區(qū)分出豎直劃痕與豎直階躍的邊緣，從而最終可以提高定位劃痕的精確度；結(jié) 合虛部系數(shù)與實部系數(shù)得到的復(fù)Ridgelet系數(shù)的模值對應(yīng)圖像的不同灰度值，可以檢測 劃痕。同時，本發(fā)明實施例獲得各個單顏色分量系數(shù)后，利用各個單顏色分量信息，將單色 分量系數(shù)融合后獲得彩色圖像的系數(shù)，與直接將彩色圖像轉(zhuǎn)換為灰度圖象相比，能充分利 用視頻的色彩信息，從而提高檢測效率。實施例四本實施例將利用領(lǐng)域顏色信息，去除上一實施例中候選劃痕區(qū)間Ω中的可能存 在的虛假劃痕?？梢远x一個與圖像同尺寸的二值圖像SM(m，η)來標(biāo)定劃痕，二值圖像即 圖像中只有0，1兩個值，當(dāng)值為1時代表真實劃痕點。
對圖像中任一點A = Ovntl)，其中，Hitl為豎直坐標(biāo)，Iitl為水平坐標(biāo)；以如下方式定 義其鄰域顏色距離在m0-l, m0, m0+l這3行的非劃痕區(qū)域(SM(m，η) = 0)中，取距離r0最 近的6個像素點，以及(m0，n0-l), (m0，n0+l)中的非劃痕點，構(gòu)成rQ的鄰域點集N(rQ)。將 鄰域顏色距離定義為NCD(~) = milVivWll/("。)-/Ml·其中Il Il 2為二階范數(shù)，f og為像 素點^的彩色圖像值，該值為矢量?；谏鲜鰞?nèi)容，如圖5所示，為本實施例提供的排除虛假劃痕的方法流程圖，為了 提高檢測的準(zhǔn)確率，該方法將利用顏色信息，對實施例三中得到的候選劃痕區(qū)間Ω中的虛 假劃痕點進(jìn)行去除，該方法包括501 將SM(m，η)初始化為將所有候選劃痕區(qū)域Ω中的點標(biāo)為真實劃痕點。502 獲取所有NCD構(gòu)成的點集的鄰域顏色距離閾值Ts。其中，每個像素點都有一個NCD (鄰域顏色距離)，Ts可以根據(jù)經(jīng)驗值設(shè)定，也可以 通過上一實施例中的單模分布選擇閾值法獲得，具體地，通過式(5)和式(6)獲取。503 根據(jù)鄰域顏色距離閾值Ts排除虛假劃痕點。具體地，可以通過如下步驟實現(xiàn)當(dāng)仍有真實劃痕點，即SM(m，n) = 1的點被置為非劃痕點SM(m，n) = 0 ；循環(huán)進(jìn)行 如下兩步操作，直到排除虛假劃痕點1)對每個滿足 SM(mQ，n0) = 1 的點 rQ，若 NCD (rQ) < Ts，則置 SM(mQ，n0) = 0，以去 除虛假劃痕點；2)對η 從 1 到 Z(整數(shù))，若(Σ K ^MSM(m，η))/M < TSD，則置 SM(m，η) = 0， l^m^M,以去除虛假劃痕。其中，M表示圖像的列數(shù)；閾值Tsd為最小允許劃痕密度，可以 根據(jù)經(jīng)驗值設(shè)定。通過上述方法，最終可以確定SM(m，η) = 1的點即為劃痕點。本實施例中，使用二值圖像信息和單模分布選擇閾值法相結(jié)合，排除二值圖像中 的虛假劃痕，實現(xiàn)對檢測結(jié)果的校驗，降低了虛警率。實施例五本實施例提供的方法，檢測具有微小豎直傾角的劃痕。假設(shè)劃痕距離垂直方向最 大傾角為θ _，則在H= Ι/tan θ _的局部豎直范圍內(nèi)，劃痕的水平偏移不超過一個像素， 故可認(rèn)為其完全垂直。一般θ_<5°，H取16。因此，可以利用上述實施例的方法，對圖 像進(jìn)行長為H的局部豎直劃痕檢測。具體方法仍可分為采用實施例二提供的單顏色分量 半像素精度最優(yōu)復(fù)數(shù)Ridgelet濾波，各顏色分量ridglet系數(shù)融合；采用實施例三提供的 方法進(jìn)行單尺度顯著直線檢測，多尺度檢測結(jié)果融合；還可以采用實施例四提供的方法進(jìn) 行檢測結(jié)果校驗。以下只對與上述實施例不同之處進(jìn)行敘述。如圖6所示，為本實施例提供的圖像劃痕的檢測方法流程圖，該方法包括601 將彩色圖像f (m，η)分割成一系列高為H，且相互重疊的子圖。其中，將彩色圖像f(m，η)按照式(7)的方式分割成一系列高為H，相互重疊H/r的 子圖f(j)(m，n)，式(7)如下 其中，各個參數(shù)的含義f(m，η)為像素點(m，η)的彩色圖像值；H為子圖高度，H/r為子圖重疊高度，M為整個圖像的高度(即圖像的行數(shù)，以行數(shù)標(biāo)定圖像的高度)，j為子 圖序號，「M.r/Ζ η表示對M · r/H向上取整。分割后的重疊子圖分塊示意圖如圖7所示。602:對每個子圖進(jìn)行圖像劃痕檢測，得到圖像在子圖的豎直范圍內(nèi)的候選劃痕區(qū) 域。其中，對每個子圖f(j)(m，n)進(jìn)行圖像劃痕檢測，得到圖像f(m，η)在[j -H/r,j ·Η/ r+H-1]豎直范圍內(nèi)的候選劃痕區(qū)域Si,」，1彡i彡^),0<j<\M-r/H'\，N表示圖像的列數(shù)。具體地，對每個子圖f。) (m, η)按照前述實施例的方式進(jìn)行圖像劃痕檢測，包括對 每個子圖進(jìn)行單顏色分量半像素精度最優(yōu)復(fù)數(shù)Ridgelet濾波，各顏色分量ridglet系數(shù)融 合，單尺度顯著直線檢測，多尺度檢測結(jié)果融合；通過上述操作，得到圖像f(m，n)在[j ·Η/ r, j · H/r+H-1]豎直范圍內(nèi)的候選劃痕區(qū)域Si,」，1彡i ( N(j)，0y <「J_r//fl。603 將所有劃痕區(qū)域合并，獲得整個圖像的候選劃痕區(qū)域Ω。604 對候選劃痕區(qū)域進(jìn)行結(jié)果校驗。其中，對獲得的整個圖像的候選劃痕區(qū)域Ω進(jìn)行檢測結(jié)果的校驗，其校驗的方法 與實施例四所述的方法基本相同，不同之處在于，相對實施例四中的503而言，排除虛假劃 痕的具體方法是對SM (m，η)做[90° _ΘΜΧ，90° + θ max]角度范圍的Hough變換，其中，θ _ 為劃痕離垂直方向最大傾角；把SM(m，η)中累積量超過閾值Tsd最小允許劃痕密度， 可以根據(jù)經(jīng)驗值設(shè)定)直線所經(jīng)過的點賦1，其余點賦0，則SM(m，η)為1的點為真實劃痕 點。其中，Hough變換是求二值圖像(0或1)在某個角度下直線的累加值，若SM(m，n)在某 個直線方向有Tsd個劃痕點，則判為真實劃痕，并把該直線上所有點判為劃痕點。本實施例中，將具有帶傾角劃痕的圖像分割成一系列子圖，由于每個子圖中的劃 痕近似垂直，因此對每個子圖按照前述的方法進(jìn)行劃痕檢測，之后將候選的劃痕區(qū)域進(jìn)行 合并，得到整個圖像的候選劃痕區(qū)域。因此，通過本實施例的方法，可以檢測帶有微小豎直 傾角的劃痕。需要說明的是，本發(fā)明實施例也可以用于黑白電影圖像的劃痕檢測，由于黑白電 影圖像只有亮度，是標(biāo)量，因此無需個顏色分量Ridgelet系數(shù)的融合。實施例六如圖8所示，為本實施例提供的圖像劃痕的檢測裝置結(jié)構(gòu)圖，該裝置包括投影模塊81，將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影 的和；計算模塊82，根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；處理模塊83，將濾波函數(shù)與一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，根 據(jù)單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；操作模塊84，根據(jù)融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。其中，投影模塊81獲 得一維劃痕投影的和之后，根據(jù)預(yù)設(shè)準(zhǔn)則獲取用于檢測劃痕的復(fù)小波函數(shù)；計算模塊82根 據(jù)該復(fù)小波函數(shù)計算像素點的濾波函數(shù)，該像素點包括整數(shù)像素點與半整數(shù)像素點；處理 模塊83將濾波函數(shù)與一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，通過本發(fā)明實施 例二中的公式(4)，根據(jù)單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；操作模塊84根據(jù) 融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣，其中，根據(jù)融合系數(shù)的虛部極值點查找所有可能劃痕所在的區(qū)間，再通過預(yù)設(shè)的條件確定劃痕所在的區(qū)間。具體方法詳見實施例二，此處不 再贅述。如圖9所示，進(jìn)一步地，該裝置還可以包括獲取模塊91，獲取用于檢測劃痕的復(fù)小波函數(shù)。進(jìn)一步地，該裝置還可以包括
多尺度處理模塊92，用于獲取在多個分解尺度下的劃痕所在的區(qū)間；根據(jù)劃痕所 在的區(qū)間，建立由多個分解尺度下的復(fù)脊波系數(shù)的虛部極大值點組成的脊線；根據(jù)脊線將 多個分解尺度下的劃痕所在的區(qū)間合并。其中，多尺度處理模塊92的處理原理包括每一個顯著直線(在本發(fā)明實施例中 代指豎直劃痕)的端點，是變換系數(shù)的虛部極大值點。根據(jù)尺度空間濾波理論，當(dāng)濾波函數(shù) 采用高斯函數(shù)的某階導(dǎo)數(shù)時，其濾波結(jié)果的極大/小值會在尺度空間中，構(gòu)成一條從粗尺 度到細(xì)尺度的連續(xù)脊線(Ridge)。優(yōu)選地，該裝置還可以包括校驗?zāi)K93，用于獲取鄰域顏色距離構(gòu)成的點集的鄰域顏色距離閾值，鄰域顏色 距離為圖像中像素點的鄰域顏色距離；根據(jù)鄰域顏色距離閾值排除虛假劃痕點。其中，校驗?zāi)K93利用領(lǐng)域顏色信息，可以去除劃痕區(qū)間Ω中的可能存在的虛假 劃痕?？梢远x一個與圖像同尺寸的二值圖像SM(m，η)來標(biāo)定劃痕，二值圖像即圖像中只 有0，1兩個值，當(dāng)值為1時代表真實劃痕點。通過定義像素點的鄰域顏色距離，并獲取鄰域 顏色距離構(gòu)成的點集的鄰域顏色距離閾值，根據(jù)鄰域顏色距離閾值排除虛假劃痕點。其中， 鄰域顏色距離閾值可以根據(jù)本發(fā)明實施例中的單模分布選擇閾值法獲得，也可以根據(jù)經(jīng)驗 值設(shè)定。當(dāng)劃痕具有微小的豎直傾角時，為了檢測具有微小傾角的劃痕，可以利用上述的 裝置，對圖像進(jìn)行長為H的局部豎直劃痕檢測，具體的方法詳見方法實施例，此處不再贅 述。因此，在圖8的基礎(chǔ)上，該裝置還包括分割模塊11與合并模塊12，如圖10所示分割模塊11，將二維圖像分割成相互重疊的子圖；其中，將彩色圖像分割成一系列高為H，且相互重疊的子圖；之后，對每個子圖按照本發(fā)明實施例二的方法進(jìn)行圖像劃痕檢測，得到圖像在子 圖的豎直范圍內(nèi)的候選劃痕區(qū)域；再將所有子圖的劃痕區(qū)域合并，因此，相應(yīng)地，裝置還包 括合并模塊12，用于將所有子圖中的劃痕合并，得到圖像的劃痕。本實施例中，對圖像沿直線方向作復(fù)數(shù)Ridgelet變換，由于1維投影信號的每個 點對應(yīng)于圖像中沿垂直方向的某條直線，因此Ridgelet變換中小波函數(shù)的實部可以用于 檢測劃痕；同時，由于復(fù)數(shù)Ridgelet變換中小波函數(shù)的虛部為高斯函數(shù)一階導(dǎo)數(shù)，其對應(yīng) 于Carmy邊緣檢測算子，因此將其與一維投影信號進(jìn)行上述數(shù)學(xué)處理，可以用于劃痕邊緣 的定位，從而最終可以提高定位劃痕的精確度。同時，本實施例通過單色分量系數(shù)獲得彩色 圖像的融合系數(shù)，能充分利用圖像的色彩信息，提高檢測效率。本領(lǐng)域技術(shù)人員可以理解附圖是一個實施例的示意圖，附圖中的模塊或流程并不 一定是實施本發(fā)明所必須的。
本領(lǐng)域技術(shù)人員可以理解實施例中的裝置中的模塊可以按照實施例描述分布于實施例的裝置中，也可以進(jìn)行相應(yīng)變化位于不同于本實施例的一個或多個裝置中。上述實 施例的模塊可以合并為一個模塊，也可以進(jìn)一步拆分成多個子模塊。上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。本發(fā)明實施例中的部分步驟，可以利用軟件實現(xiàn)，相應(yīng)的軟件程序可以存儲在可 讀取的存儲介質(zhì)中，如光盤或硬盤等。本發(fā)明實施例可以通過軟件實現(xiàn)，相應(yīng)的軟件可以存儲在可讀取的存儲介質(zhì)中， 例如計算機(jī)的硬盤、光盤或軟盤中。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和 原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種圖像劃痕的檢測方法，其特征在于，所述方法包括將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的和；根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；將所述濾波函數(shù)與所述一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，根據(jù)所述單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)復(fù)小波函數(shù)計算像素點的濾波 函數(shù)的步驟包括根據(jù)所述復(fù)小波函數(shù)計算整數(shù)像素點的濾波函數(shù)和半整數(shù)像素點的濾波函數(shù)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述融合復(fù)脊波系數(shù)的虛部確 定劃痕的邊緣的步驟包括根據(jù)融合復(fù)脊波系數(shù)的虛部極值點獲取劃痕所有可能所在的區(qū)間； 根據(jù)預(yù)設(shè)條件確定劃痕所在的區(qū)間。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)條件確定劃痕所在的區(qū)間 的步驟包括若劃痕所在的區(qū)間內(nèi)有一個融合復(fù)脊波系數(shù)的模極大點，且所述模極大點的值大于等 于所述區(qū)間附近領(lǐng)域內(nèi)所有模極大點數(shù)據(jù)組成的數(shù)據(jù)集的分布閾值；若劃痕所在的區(qū)間的兩個端點的虛部極值大于等于所述區(qū)間附近領(lǐng)域內(nèi)所有虛部極 大點數(shù)據(jù)組成的數(shù)據(jù)集的分布閾值；若劃痕所在的區(qū)間的兩個端點間的差值小于等于劃痕的最大寬度；和 若劃痕所在的區(qū)間有一個融合復(fù)脊波系數(shù)的實部的極大點，且所述點的實部與虛部的 極值比大于等于所述區(qū)間附近領(lǐng)域內(nèi)所有實部極大點數(shù)據(jù)組成的數(shù)據(jù)集的分布閾值，則確 定所述劃痕在所述的區(qū)間。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述數(shù)據(jù)集的分布閾值包括 構(gòu)建數(shù)據(jù)集的威布爾概率分布函數(shù)，估計威布爾分布函數(shù)的縮放和衰減因子；根據(jù)所述縮放和衰減因子獲取威布爾概率分布函數(shù)的分布點作為數(shù)據(jù)集的分布閾值。
6.根據(jù)權(quán)利要求1-4中任一權(quán)利要求所述的方法，其特征在于，所述方法還包括 獲取在多個分解尺度下的劃痕所在的區(qū)間；根據(jù)所述劃痕所在的區(qū)間，建立由所述多個分解尺度下的復(fù)脊波系數(shù)的虛部極大值點 組成的脊線；根據(jù)所述脊線將多個分解尺度下的劃痕所在的區(qū)間合并。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括獲取鄰域顏色距離構(gòu)成的點集的鄰域顏色距離閾值，所述鄰域顏色距離為圖像中像素 點的鄰域顏色距離；根據(jù)所述鄰域顏色距離閾值排除虛假劃痕點。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將二維圖像中的單顏色分量沿劃痕 方向作投影之前還包括將二維圖像分割成相互重疊的子圖；相應(yīng)地，所述根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣之后還包括將所有子圖合并，得到圖像的劃痕。
9.一種圖像劃痕的檢測裝置，其特征在于，所述裝置包括投影模塊，將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的和； 計算模塊，根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；處理模塊，將所述濾波函數(shù)與所述一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)， 根據(jù)所述單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；操作模塊，根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括 多尺度處理模塊，用于獲取在多個分解尺度下的劃痕所在的區(qū)間；根據(jù)所述劃痕所在的區(qū)間，建立由所述多個分解尺度下的復(fù)脊波系數(shù)的虛部極大值點 組成的脊線；根據(jù)所述脊線將多個分解尺度下的劃痕所在的區(qū)間合并。
11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括校驗?zāi)K，用于獲取鄰域顏色距離構(gòu)成的點集的鄰域顏色距離閾值，所述鄰域顏色距 離為圖像中像素點的鄰域顏色距離；根據(jù)所述鄰域顏色距離閾值排除虛假劃痕點。
12.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括 分割模塊，將二維圖像分割成相互重疊的子圖；相應(yīng)地，所述裝置還包括合并模塊，用于根據(jù)所述融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣之后將所有子圖合 并，得到圖像的劃痕。
全文摘要
本發(fā)明實施例公開了一種圖像劃痕的檢測方法及裝置。所述方法包括將二維圖像中的單顏色分量沿劃痕方向作投影，獲得一維劃痕投影的和；根據(jù)復(fù)小波函數(shù)計算像素點的濾波函數(shù)；將濾波函數(shù)與一維劃痕投影的和作卷積，獲取單顏色復(fù)脊波系數(shù)，根據(jù)單顏色復(fù)脊波系數(shù)計算圖像的融合復(fù)脊波系數(shù)；根據(jù)融合復(fù)脊波系數(shù)的虛部確定劃痕的邊緣。本發(fā)明通過對圖像作復(fù)數(shù)脊波變換獲得復(fù)脊波系數(shù)，采用復(fù)脊波系數(shù)可以提高定位劃痕的精確度。
文檔編號G01N21/88GK101865859SQ200910133800
公開日2010年10月20日 申請日期2009年4月17日 優(yōu)先權(quán)日2009年4月17日
發(fā)明者傅佳莉, 張岐林, 李厚強(qiáng), 章鵬 申請人:華為技術(shù)有限公司;中國科學(xué)技術(shù)大學(xué)