检测图像失焦、偏色、亮度异常

2023-11-23 09:21
文章标签 异常 图像 检测 亮度 失焦 偏色

本文主要是介绍检测图像失焦、偏色、亮度异常，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！


要求通过算法检测监控设备是否存在失焦、偏色、亮度异常等问题。问题本身不难，在网上查看了一些资料，自己也做了一些思考，方法如下：

        1.失焦检测。

        失焦的主要表现就是画面模糊，衡量画面模糊的主要方法就是梯度的统计特征，通常梯度值越高，画面的边缘信息越丰富，图像越清晰。需要注意的是梯度信息与每一个视频本身的特点有关系，如果画面中本身的纹理就很少，即使不失焦，梯度统计信息也会很少，对监控设备失焦检测需要人工参与的标定过程，由人告诉计算机某个设备正常情况下的纹理信息是怎样的。

[cpp]  view plain copy
  1. /******************************************************************************** 
  2. *函数描述：  DefRto 计算并返回一幅图像的清晰度    
  3. *函数参数： frame  彩色帧图 
  4. *函数返回值：double   清晰度表示值，针对该视频，当清晰度小于10为模糊，大于14为清楚                   
  5. *********************************************************************************/  
  6. double DefRto(Mat frame)  
  7. {  
  8.     Mat gray;  
  9.     cvtColor(frame,gray,CV_BGR2GRAY);  
  10.     IplImage *img = &(IplImage(gray));  
  11.     double temp = 0;  
  12.     double DR = 0;  
  13.     int i,j;//循环变量  
  14.     int height=img->height;  
  15.     int width=img->width;  
  16.     int step=img->widthStep/sizeof(uchar);  
  17.     uchar *data=(uchar*)img->imageData;  
  18.     double num = width*height;  
  19.   
  20.     for(i=0;i<height;i++)  
  21.     {  
  22.         for(j=0;j<width;j++)  
  23.         {  
  24.             temp += sqrt((pow((double)(data[(i+1)*step+j]-data[i*step+j]),2) + pow((double)(data[i*step+j+1]-data[i*step+j]),2)));  
  25.             temp += abs(data[(i+1)*step+j]-data[i*step+j])+abs(data[i*step+j+1]-data[i*step+j]);  
  26.         }  
  27.     }  
  28.     DR = temp/num;  
  29.     return DR;  
  30. }  

        2.色偏检测。

        网上常用的一种方法是将RGB图像转变到CIE L*a*b*空间，其中L*表示图像亮度，a*表示图像红/绿分量，b*表示图像黄/蓝分量。通常存在色偏的图像，在a*和b*分量上的均值会偏离原点很远，方差也会偏小；通过计算图像在a*和b*分量上的均值和方差，就可评估图像是否存在色偏。计算CIE L*a*b*空间是一个比较繁琐的过程，好在OpenCV提供了现成的函数，因此整个过程也不复杂。

[cpp]  view plain copy
  1. /******************************************************************************************** 
  2. *函数描述：  calcCast    计算并返回一幅图像的色偏度以及，色偏方向    
  3. *函数参数：  InputImg    需要计算的图片，BGR存放格式，彩色（3通道），灰度图无效 
  4. *           cast        计算出的偏差值，小于1表示比较正常，大于1表示存在色偏 
  5. *           da          红/绿色偏估计值，da大于0，表示偏红；da小于0表示偏绿 
  6. *           db          黄/蓝色偏估计值，db大于0，表示偏黄；db小于0表示偏蓝 
  7. *函数返回值： 返回值通过cast、da、db三个应用返回，无显式返回值 
  8. *********************************************************************************************/  
  9. void colorException(Mat InputImg,float& cast,float& da,float& db)  
  10. {  
  11.     Mat LABimg;  
  12.     cvtColor(InputImg,LABimg,CV_BGR2Lab);//参考http://blog.csdn.net/laviewpbt/article/details/9335767  
  13.                                        //由于OpenCV定义的格式是uint8，这里输出的LABimg从标准的0～100，-127～127，-127～127，被映射到了0～255，0～255，0～255空间  
  14.     float a=0,b=0;  
  15.     int HistA[256],HistB[256];  
  16.     for(int i=0;i<256;i++)  
  17.     {  
  18.         HistA[i]=0;  
  19.         HistB[i]=0;  
  20.     }  
  21.     for(int i=0;i<LABimg.rows;i++)  
  22.     {  
  23.         for(int j=0;j<LABimg.cols;j++)  
  24.         {  
  25.             a+=float(LABimg.at<cv::Vec3b>(i,j)[1]-128);//在计算过程中，要考虑将CIE L*a*b*空间还原 后同  
  26.             b+=float(LABimg.at<cv::Vec3b>(i,j)[2]-128);  
  27.             int x=LABimg.at<cv::Vec3b>(i,j)[1];  
  28.             int y=LABimg.at<cv::Vec3b>(i,j)[2];  
  29.             HistA[x]++;  
  30.             HistB[y]++;  
  31.         }  
  32.     }  
  33.     da=a/float(LABimg.rows*LABimg.cols);  
  34.     db=b/float(LABimg.rows*LABimg.cols);  
  35.     float D =sqrt(da*da+db*db);  
  36.     float Ma=0,Mb=0;  
  37.     for(int i=0;i<256;i++)  
  38.     {  
  39.         Ma+=abs(i-128-da)*HistA[i];//计算范围-128～127  
  40.         Mb+=abs(i-128-db)*HistB[i];  
  41.     }  
  42.     Ma/=float((LABimg.rows*LABimg.cols));  
  43.     Mb/=float((LABimg.rows*LABimg.cols));  
  44.     float M=sqrt(Ma*Ma+Mb*Mb);  
  45.     float K=D/M;  
  46.     cast = K;  
  47.     return;  
  48. }  

        3.亮度检测。

        亮度检测与色偏检测相似，计算图片在灰度图上的均值和方差，当存在亮度异常时，均值会偏离均值点（可以假设为128），方差也会偏小；通过计算灰度图的均值和方差，就可评估图像是否存在过曝光或曝光不足。函数如下：

[cpp]  view plain copy
  1. /********************************************************************************************************************************************************* 
  2. *函数描述：  brightnessException     计算并返回一幅图像的色偏度以及，色偏方向    
  3. *函数参数：  InputImg    需要计算的图片，BGR存放格式，彩色（3通道），灰度图无效 
  4. *           cast        计算出的偏差值，小于1表示比较正常，大于1表示存在亮度异常；当cast异常时，da大于0表示过亮，da小于0表示过暗 
  5. *函数返回值： 返回值通过cast、da两个引用返回，无显式返回值 
  6. **********************************************************************************************************************************************************/  
  7. void brightnessException (Mat InputImg,float& cast,float& da)  
  8. {  
  9.     Mat GRAYimg;  
  10.     cvtColor(InputImg,GRAYimg,CV_BGR2GRAY);  
  11.     float a=0;  
  12.     int Hist[256];  
  13.     for(int i=0;i<256;i++)  
  14.     Hist[i]=0;  
  15.     for(int i=0;i<GRAYimg.rows;i++)  
  16.     {  
  17.         for(int j=0;j<GRAYimg.cols;j++)  
  18.         {  
  19.             a+=float(GRAYimg.at<uchar>(i,j)-128);//在计算过程中，考虑128为亮度均值点  
  20.             int x=GRAYimg.at<uchar>(i,j);  
  21.             Hist[x]++;  
  22.         }  
  23.     }  
  24.     da=a/float(GRAYimg.rows*InputImg.cols);  
  25.     float D =abs(da);  
  26.     float Ma=0;  
  27.     for(int i=0;i<256;i++)  
  28.     {  
  29.         Ma+=abs(i-128-da)*Hist[i];  
  30.     }  
  31.     Ma/=float((GRAYimg.rows*GRAYimg.cols));  
  32.     float M=abs(Ma);  
  33.     float K=D/M;  
  34.     cast = K;  
  35.     return;  
  36. }  
        最后展示一下结果。

        可以发现：当亮度变低时，失焦检测显示结果为：模糊。这是由于失焦检测依赖于梯度统计，亮度变低时，会导致梯度值整体下降，从而导致检测不正确。一种更好的方法是利用亮度检测的结果，合理设定失焦检测的报警阈值，避免这种情况。
        源代码相关下载地址：http://iask.sina.com.cn/u/ish?uid=1171839324（如果不可见，表示还未通过审核，请稍后重试）。



这篇关于检测图像失焦、偏色、亮度异常的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/416927。

相关文章

OpenCV实现实时颜色检测的示例

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间
阅读更多...
Java对异常的认识与异常的处理小结

Java对异常的认识与异常的处理小结

《Java对异常的认识与异常的处理小结》Java程序在运行时可能出现的错误或非正常情况称为异常,下面给大家介绍Java对异常的认识与异常的处理,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参... 目录一、认识异常与异常类型。二、异常的处理三、总结 一、认识异常与异常类型。（1）简单定义-什么是
阅读更多...
Python主动抛出异常的各种用法和场景分析

Python主动抛出异常的各种用法和场景分析

《Python主动抛出异常的各种用法和场景分析》在Python中,我们不仅可以捕获和处理异常,还可以主动抛出异常,也就是以类的方式自定义错误的类型和提示信息,这在编程中非常有用,下面我将详细解释主动抛... 目录一、为什么要主动抛出异常？二、基本语法：raise关键字基本示例三、raise的多种用法1. 抛
阅读更多...
Java空指针异常NullPointerException的原因与解决方案

Java空指针异常NullPointerException的原因与解决方案

《Java空指针异常NullPointerException的原因与解决方案》在Java开发中,NullPointerException（空指针异常）是最常见的运行时异常之一,通常发生在程序尝试访问或... 目录一、空指针异常产生的原因1. 变量未初始化2. 对象引用被显式置为null3. 方法返回null
阅读更多...
Python中OpenCV与Matplotlib的图像操作入门指南

Python中OpenCV与Matplotlib的图像操作入门指南

《Python中OpenCV与Matplotlib的图像操作入门指南》：本文主要介绍Python中OpenCV与Matplotlib的图像操作指南,本文通过实例代码给大家介绍的非常详细,对大家的学... 目录一、环境准备二、图像的基本操作1. 图像读取、显示与保存 使用OpenCV操作2. 像素级操作3.
阅读更多...
C/C++的OpenCV 进行图像梯度提取的几种实现

C/C++的OpenCV 进行图像梯度提取的几种实现

《C/C++的OpenCV进行图像梯度提取的几种实现》本文主要介绍了C/C++的OpenCV进行图像梯度提取的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录预www.chinasem.cn备知识1. 图像加载与预处理2. Sobel 算子计算 X 和 Y
阅读更多...
c/c++的opencv图像金字塔缩放实现

c/c++的opencv图像金字塔缩放实现

《c/c++的opencv图像金字塔缩放实现》本文主要介绍了c/c++的opencv图像金字塔缩放实现,通过对原始图像进行连续的下采样或上采样操作,生成一系列不同分辨率的图像,具有一定的参考价值,感兴... 目录图像金字塔简介图像下采样 (cv::pyrDown)图像上采样 (cv::pyrUp)C++ O
阅读更多...
redis在spring boot中异常退出的问题解决方案

redis在spring boot中异常退出的问题解决方案

《redis在springboot中异常退出的问题解决方案》：本文主要介绍redis在springboot中异常退出的问题解决方案,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴... 目录问题：解决 问题根源️ 解决方案1. 异步处理 + 提前ACK（关键步骤）2. 调整Redis消费者组
阅读更多...
springboot项目redis缓存异常实战案例详解(提供解决方案)

springboot项目redis缓存异常实战案例详解(提供解决方案)

《springboot项目redis缓存异常实战案例详解(提供解决方案)》redis基本上是高并发场景上会用到的一个高性能的key-value数据库,属于nosql类型,一般用作于缓存,一般是结合数据... 目录缓存异常实践案例缓存穿透问题缓存击穿问题（其中也解决了穿透问题）完整代码缓存异常实践案例Red
阅读更多...
Java内存区域与内存溢出异常的详细探讨

Java内存区域与内存溢出异常的详细探讨

《Java内存区域与内存溢出异常的详细探讨》：本文主要介绍Java内存区域与内存溢出异常的相关资料,分析异常原因并提供解决策略,如参数调整、代码优化等,帮助开发者排查内存问题,需要的朋友可以参考下... 目录一、引言二、Java 运行时数据区域（一）程序计数器（二）Java 虚拟机栈（三）本地方法栈（四）J
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2