[发明专利]检测数字图像中的条纹的方法

说明书

技术领域

本发明一般而言涉及从图像及其类似物中检测及移除诸如条纹之类噪声的领域。更具体地，本发明涉及将诸如傅立叶变换的频率变换应用于图像以检测该图像中的条纹，这些条纹可以被量化且被移除。本发明还包括一种检测图像(尤其是平场图像或具有已知变换特征的图像)中条纹的改进方法。 

背景技术

现有算法在空间域中使用边缘检测算法来识别图像数据中的不连续，且测量发生在多个像素之上的强度的变化。由于图像中的噪声，难以设定检测亮像素的阈值，该亮像素对边缘有帮助。也难以设定感兴趣区域及计算缺陷密度的准则，由于透镜滚转(roll off)或边缘效应而容易受到错误的检测。 

Greg L.Archer等人于2005年7月13日申请的名称为″The Use OfFrequency Transforms In The Analysis Of Image Sensors″的美国专利，其申请号为11/180,816。其中，在频域中使用单一线性回归算法来识别在图像中心的线性图案。 

虽然当前已知并使用的用于检测及移除条纹的方法是令人满意的，但总还需要改良。本发明将提供这样的改良方案。 

发明内容

本发明将用于克服上文所述问题中的一个或多个。简而言之，根据本发明的一个方面，本发明使用五个感兴趣区域(4个角及1个中心)来进行傅立叶变换分析以粗略标记条纹(若存在)的位置。它将围绕每一傅立叶变换ROI的中心的小窗口设定为零以屏蔽由透镜滚转或其它噪声所引起的亮点的聚集。它使用迭代线性回归来移除随机离群值并且搜索最佳可能的线性图案。如果其发现任何条纹，则它会计算角度且将该角度转换为空间域中的条纹角度。一旦检测到条纹，则其可被借由对所处理的量值及傅立叶变换图像的原始相位应用反向的傅立叶变换而移除。 

根据本发明的一方面，一种用于检测图像中的噪声的方法包含以下步骤： 

一种用于检测图像中的噪声的方法，该方法包含以下步骤： 

(a)将频率变换应用于所述图像以获得频域中的量值图像； 

(b)将第一阈值与该量值图像的值进行比较以获得量值图像中的亮点的集合，所述亮点的值大于第一阈值； 

(c)将线性回归应用于亮点的所述集合以获得估算的最佳拟合线； 

(d)基于所估算的最佳拟合线确定所估算的最佳拟合线的R平方值； 

(e)如果R平方值超过预定值，则计算条纹角度； 

(f)如果R平方值不超过所述预定值，则将第二阈值应用于最佳拟合线与亮点的所述集合中的每个亮点之间的距离以获得亮点的新集合，所述新集合是亮点的前一集合的子集；以及 

(g)重复步骤(c)至(f)直至所述R平方值在步骤(e)中超过所述预定值或直至满足步骤(c)至(f)的最大送代。 

根据本发明的另一方面，一种检测图像中的噪声的方法包含以下步骤： 

(a)将频率变换应用于该图像以获得频域中的量值图像； 

(b)将第一阈值与该量值图像的值进行比较以获得量值图像中的亮点的集合，所述亮点的值大于第一阈值； 

(c)将线性回归应用于亮点的所述集合以获得估算的最佳拟合线； 

(d)将第二阈值应用于所述最佳拟合线与亮点的所述集合中的每个亮点之间的距离以获得亮点的新集合，所述新集合是亮点的前一集合的子集； 

(e)重复步骤(c)和(d)n次，其中n为0或更大；以及 

(f)在条纹角度存在的情况下，计算该条纹角度。 

根据本发明的又一方面，一种用于检测图像中的噪声的图像捕获装置包含： 

(a)频率变换，其被应用于该图像以获得频域中的量值图像； 

(b)第一阈值，其被与该量值图像的值进行比较以获得量值图像中的亮点的集合，所述亮点的值大于第一阈值； 

(c)线性回归，其被应用于亮点的所述集合以获得估算的最佳拟合线； 

(d)第二阈值，其被应用于所述最佳拟合线与亮点的所述集合中的每个亮点之间的距离以获得亮点的新集合，所述新集合是亮点的前一集合的子集；以及 

(e)处理器，其在条纹角度存在的情况下确定该条纹角度。 

本发明的优点 

本发明具有以下优点：将频率变换应用于图像，然后应用迭代回归技术以改进条纹噪声的检测及移除。 

附图说明