專利名稱：預測圖像采集系統(tǒng)的缺陷的方法及其相關(guān)系統(tǒng)的制作方法
預測圖像采集系統(tǒng)的缺陷的方法及其相關(guān)系統(tǒng)本發(fā)明涉及圖像采集系統(tǒng)的缺陷。圖像采集系統(tǒng)(固定的或者動畫的)可以是例如用于數(shù)碼相機、單反式照相機、掃描儀器、傳真機、內(nèi)視鏡、電影攝像機、便攜式攝像機、監(jiān)視攝像機、玩具電影攝像機、以及與電話機、個人數(shù)字助理設備或電腦、紅外攝象機、超聲裝置、MRI (磁共振成像)裝置、X射線成像裝置集成在一起或者連接在一起的攝像機，等。它通常包括傳感器和光學系統(tǒng)，其中光學系統(tǒng)包括一個或多個用于將光線聚焦在傳感器上的透鏡。光學系統(tǒng)以具有的多項特征進行特征化，包括尺寸的大小、透鏡的數(shù)量、透鏡所使用的材料、透鏡的形狀、系統(tǒng)的不同部件沿著光軸的位置等。就傳感器而言，它是一個光敏元件(例如像素)的系統(tǒng)，可以將其所接收的一些光強轉(zhuǎn)換為數(shù)字數(shù)值，并且將所對應的數(shù)字數(shù)值分配給各個像素。由傳感器直接采集到的且未經(jīng)處理的圖像通常稱為原始圖像。最終用于各個像素的數(shù)字數(shù)值的數(shù)量取決于圖像采集系統(tǒng)。傳感器可以是，例如，CCD(電荷耦合器件)、CMOS (互補型金屬氧化物半導體)、 CID (電荷感應器件)、IRCCD (紅外CCD)、ICCD (強化CCD)、EBCCD (電子轟擊CCD)、MIS (金屬絕緣半導體)、APS (有源像素傳感器)、QWIP (量子阱紅外光電探測器)、MQW(倍增量子阱)以及其它器件。也可能與濾色器有關(guān)，例如Bayer濾色器、全色性單元，以便獲得彩色圖像。圖像采集系統(tǒng)用于產(chǎn)生照片情景的真實圖像。尤其是，圖像采集系統(tǒng)必須能以照片情景的方式轉(zhuǎn)換物體特性的，例如它們的反照率(它們?nèi)绾畏瓷涔饩€的)、距離攝像頭的距離或其它特性。然而，實際的圖像采集系統(tǒng)一般都會有些缺陷，例如，與設計或制造有關(guān)的缺陷， 這會在所采集的圖像方面產(chǎn)生變化。其結(jié)果是，采集圖像所呈現(xiàn)出的變化不僅與照片場景特性有關(guān)，還會因圖像采集系統(tǒng)中的至少一個或多個缺陷而產(chǎn)生。這在人們用肉眼觀察這些圖像時，就會帶來很多麻煩。圖像采集系統(tǒng)會有多種不同類型的缺陷，在使用圖像采集系統(tǒng)采集圖像時會產(chǎn)生圖像至少一個特性的變化。一個實例是光照漸變。這會使得圖像采集系統(tǒng)所采集到的圖像其邊緣部分明顯暗于中心部分。光照漸變?nèi)毕菔沟脠D像采集系統(tǒng)所采集到的圖像部分產(chǎn)生對應于灰階的至少一個特性的變化。該缺陷所產(chǎn)生的變化在數(shù)量級上概率小于由照明和場景中的物體干擾所產(chǎn)生的灰階變化。圖像采集系統(tǒng)中的缺陷的另一實例是色彩漸變。該缺陷在圖像采集系統(tǒng)所采集的圖像場中產(chǎn)生對應于色度的至少一個特征的變化。該缺陷會產(chǎn)生變化，使得其概率上數(shù)量級小于由場景中的物體顏色所產(chǎn)生的色度變化。它作為場景的位置函數(shù)而對應圖像采集系統(tǒng)(傳感器+紅外濾光器)的頻譜響應中的變化。作為結(jié)果，就彩色而言，采用單色光源來照亮完全均勻的表面是不會在傳感器上產(chǎn)生同樣的響應的。該變化取決于照明光源的頻譜分布，僅僅只從一個圖像以及傳感器的各個光敏元件接收光線的入射角度來看，這是不可預測的。這樣的問題會產(chǎn)生于包含不同類型光敏元件的任何傳感器，例如使用重復4個像素(兩個綠色、一個紅色、一個藍色)圖形的Bayer陣列以及其它類型陣列的傳感器。圖像采集系統(tǒng)的缺陷的另一實例是非均勻性的模糊。該缺陷在圖像采集系統(tǒng)所采集圖像場內(nèi)產(chǎn)生對應于模糊的至少一個特征的變化。該缺陷所產(chǎn)生的變化在數(shù)量級上概率小于在場景中的物體所產(chǎn)生的明銳度的變化。該缺陷與場景曲率有顯著關(guān)系。實際上，由于最佳的聚焦位置一般不是平面的而是曲線的，所以當使用平面?zhèn)鞲衅鲿r就會產(chǎn)生沿著該曲線的模糊變化。該曲線也取決于波長，使得模糊變化根據(jù)所觀察的顏色而改變。該缺陷就是眾所周知的色差。值得注意的是，非均勻的模糊也與其它因素有關(guān)，例如，由于透鏡制造質(zhì)量所產(chǎn)生的明銳度均勻性的缺乏。在光學系統(tǒng)使用自動對焦的情況中，在采集圖像中的模糊還會受到透鏡的移動或透鏡相對于傳感器的移動或相互移動的影響。透鏡的移動并不始終完全受控的并且透鏡有時可以調(diào)整角度的(偏離中心、光學傾斜，等)，這會影響他們的光軸變化。這些相關(guān)的移動都會改變場景的光學性能。例如，作為第一近似，這意味著改變場景中的物體的距離并因此改變在圖像中的明銳度。這些移動都是隨機的并且因為它們的屬性而不可預測的。另一實例是包括使用Bayer濾色器的傳感器的圖像采集系統(tǒng)的缺陷，事實上，該缺陷源與在同一陣列的單元中的兩個綠色像素(Gr和( )完全不同于，并且所述差異可以在區(qū)域中變換。該缺陷產(chǎn)生圖像采集系統(tǒng)所采集圖像中對應噪聲結(jié)構(gòu)的至少一個特性的變化。該缺陷所產(chǎn)生的變化在數(shù)量級上概率小于由場景物體所產(chǎn)生的結(jié)構(gòu)變化。上述的缺陷列表并不是完整的。很顯然，作為本領域的技術(shù)人員，可以設想圖像采集系統(tǒng)的其它缺陷，且這些缺陷會在圖像采集系統(tǒng)所采集的圖像區(qū)域中產(chǎn)生至少一個特性的變化。例如，會有各種不同的缺陷非均勻噪聲缺陷，產(chǎn)生在圖像中的噪聲變化在數(shù)量級上概率小于由場景中的物體的細節(jié)變化；幾何缺陷，例如失真或色差，產(chǎn)生圖像的局部變形變化在數(shù)量級上概率小于場景中的物體幾何的變化；非均勻黑色量級缺陷，產(chǎn)生在圖像中的黑色電平變化在數(shù)量級上概率小于場景物體的黑色電平變化；閃爍缺陷，產(chǎn)生對比度的變化在數(shù)量級上概率小于由場景所引起的對比度的變化；場的非均勻光學缺陷，產(chǎn)生圖像的至少一個特征的變化；場的非均勻傳感器缺陷，產(chǎn)生圖像的至少一個特征的變化。由圖像采集系統(tǒng)所存在的部分缺陷會導致所采集的圖像產(chǎn)生一些變化，這些變化與圖像采集條件和參數(shù)無關(guān)。然而，一些產(chǎn)生所采集圖像的至少一個特征的其它變化會取決于圖像的至少一個圖像采集條件和/或至少一個圖像采集參數(shù)。上述的色彩漸變和非均勻模糊都是這第二類缺陷的實例。下述部分或所有元素構(gòu)成圖像采集條件物體距離(或場景和攝像機之間的距離)、場景合成、單光源或多光源的特征(例如，頻譜響應、平均溫度、色彩、光強度、光源位置，等等)、場景的內(nèi)容(物體在場景中的位置、平均色彩，等等)，溫度、地理位置(尤其是攝像機)具有諸如GPS(全球定位系統(tǒng))定位系統(tǒng)或其它系統(tǒng))和/或日期時間，等等。下述部分或所有元素構(gòu)成圖像采集參數(shù)當透鏡可互換時所使用的透鏡類型、使用采集系統(tǒng)的模型、焦距的長度、聚焦的距離、曝光過度或曝光不足、閃光的激活及其強度、 曝光時間、傳感器的振幅、壓縮、白平衡，等等。導致場中變化的缺陷與圖像采集參數(shù)無關(guān)，并且通常通過測量和確定校正參數(shù)進行校正，稱為校準。該校準通常是在圖像采集系統(tǒng)退出生產(chǎn)線后在實驗室中進行。它使用呈現(xiàn)預定場景的參考圖像，諸如測試圖形。在校準過程中，至少一個圖像是由預定場景所采集的，并且會從中推導出一個或多個固定組的校正參數(shù)。例如，WO 03/007M1，W003/007237，和WO 03/007242闡述了這種方法。因此，在圖像采集系統(tǒng)的制造過程中，校準是附加地步驟，需要一定的時間，會影響產(chǎn)品制造的速度。它還需要永久存儲從校準中所獲得的校正參數(shù)。當需要校正缺陷時，這些現(xiàn)象會更加嚴重，各個圖像采集系統(tǒng)的缺陷都各不相同， 因為例如它們的特性和/或產(chǎn)品的公差。在這樣的情況下，通過單元的調(diào)試和不通過模塊 (表示通過圖像采集系統(tǒng)的類型)是必需的。例如，在缺陷取決于圖像采集系統(tǒng)制造過程中的至少一個不確定性的場合下，就必須對產(chǎn)品線上的各個單元進行校準。下列是缺陷的非限制性實例，這些缺陷取決于圖像采集系統(tǒng)制造過程中的不確定性在場中的色差變化缺陷，該缺陷尤其取決于圖像采集系統(tǒng)制造過程中的下列不確定性光學元件相互之間以及相對于傳感器的形狀和位置；在場中的光照變化缺陷，該缺陷尤其取決于圖像采集系統(tǒng)制造過程中的下述不確定性光學元件相互之間以及相對于傳感器的形狀和位置；在場中的明銳度變化缺陷，該缺陷尤其取決于圖像采集系統(tǒng)制造過程中的下述不確定性光學元件相互之間以及相對于傳感器的的形狀和位置。若缺陷取決于某些圖像采集條件和/或某些圖像采集參數(shù)，則情況就可能更加復
ο圖像采集系統(tǒng)的上述校準僅能獲得與特殊的圖像采集條件和參數(shù)直接關(guān)聯(lián)并且影響校準過程的一些校正參數(shù)。在使用已經(jīng)校準過的圖像采集系統(tǒng)時，這些校正參數(shù)不再適用于校正在其它條件和/或參數(shù)下所采集到的圖像中所存在的這些缺陷。使用這些與圖像采集條件和參數(shù)無關(guān)的相同校正參數(shù)，只能獲得較差質(zhì)量的圖像。眾所周知，對于根據(jù)圖像采集系統(tǒng)所測量的至少一個圖像采集條件(例如光源的溫度)而變化的缺陷，需要執(zhí)行不同圖像采集條件的校準，其中校正參數(shù)取決于變化的圖形采集條件。例如，WO 03/007236和WO 03/007239闡述了這種方法。對于根據(jù)至少一個圖像采集參數(shù)(例如焦距長度)而變化的缺陷，事實上是相同的。然后，進行適用于不同圖像采集參數(shù)的校準，其中校正參數(shù)取決于變化的圖像采集參數(shù)。例如，WO 03/007236和W003/007239闡述了這種方法。根據(jù)不由圖像采集系統(tǒng)所測量的至少一個圖像采集條件和/或圖像采集參數(shù)(例如光源頻譜響應)而變化的缺陷，就不能簡單地使用基于校準的方法。因此，不論是否基于至少一個圖像采集條件和/或圖像采集參數(shù)的缺陷，都會經(jīng)歷校準，雖然這十分復雜且僅能獲得不太合適在校準過程中較難適用圖像采集條件和/或圖像采集參數(shù)的校正參數(shù)；或者不能經(jīng)歷校準并因此不能進行校準。
值得注意的是，有一種基于圖像的預測方法，例如白平衡預測，但是這些預測不涉及圖像采集系統(tǒng)的缺陷，只涉及由圖像來預測的圖像采集參數(shù)。本發(fā)明的一個目的在于至少改善上述一些缺點。因此，本發(fā)明提供一種用于預測圖像采集系統(tǒng)的至少一個缺陷的方法，所述缺陷使得圖像采集系統(tǒng)所采集的和呈現(xiàn)任意場景的任意至少一個第一圖像在第一圖像至少一個特征場中產(chǎn)生變化，所述變化在數(shù)量級上概率小于由所述場景所引入的第一圖像特征場中的變化，所述方法包括下列步驟-計算步驟，在第一圖像場的至少一個第一部分中，計算與所述第一圖像特征有關(guān)的測量；-以及，獲取步驟，在第一圖像場的至少一個第二部分中，獲得所述缺陷的預測大小數(shù)值，所述大小數(shù)值取決于計算的測量并且具有與所述缺陷所產(chǎn)生的第一圖像特征場中的變化相同數(shù)量級的變化。采用這種方法來預測圖像采集系統(tǒng)的缺陷，就能消除上述校準的需要及其相關(guān)的缺點(實施的成本、測試圖形的使用、在永久存儲器中存儲數(shù)據(jù)，等等)。此外，還能預測出校準不能校正的缺陷。缺陷的預測能夠用于不同的目的和/或由不同部分所使用。例如，它能在圖像采集系統(tǒng)的限制條件下用于實現(xiàn)缺陷的校正，或用于其它目的。下列是一些優(yōu)選實施例且可以任何可設想的方式進行組合-所述方法還包括確定步驟，從所獲得的大小數(shù)值中，確定適用于由圖像采集系統(tǒng)所采集至少一個第二圖像的所述缺陷的校正參數(shù)，所述第二圖像不同于第一圖像。校正第二圖像或者有可能是多個第二圖像的能力，這不同于第一圖像，可用于缺陷的預測和節(jié)省處理過程；-確定所述校正參數(shù)，用于第二圖像的整個場；-該方法還包括第二圖像的處理步驟，用于考慮所述校正參數(shù)來處理由圖像采集系統(tǒng)所采集的第二圖像；-與第二圖像相比，第一圖像具有較低的分辨率、通道數(shù)量和/或尺寸的大?。?所述缺陷所產(chǎn)生的第一圖像至少一個特征場內(nèi)的變化取決于第一圖像的至少一個圖像采集參數(shù)和/或圖像采集條件，并且第二圖像由相同于或相似于第一圖像的所述圖像采集參數(shù)和/或圖像采集條件來采集。因此，現(xiàn)有技術(shù)能夠預測的這類缺陷是不能在校準之后得到合適的校正的或者就根本不能進行校準；-由所述缺陷產(chǎn)生的第一圖像至少一個特征場內(nèi)的變化專屬于所述圖像采集系統(tǒng)。在這樣的情況下，可避免各個單元校準的高昂成本；-缺陷取決于在所述圖像采集系統(tǒng)制造過程中的至少一個不確定性。-圖像采集系統(tǒng)至少包括下列之一光照漸變、色彩漸變、非均勻模糊、在相同通道中的相鄰光敏元件之間比率的非均勻變化、非均勻噪聲、幾何失真、橫向色差、縱向色差、散光、閃爍以及非均勻黑電平；-該方法包括識別，在所述第一圖像的場的至少第一部分中識別一系列均勻區(qū)域， 在各個均勻區(qū)域中，所述計算測量的變化在數(shù)量級上相同于所述缺陷所產(chǎn)生的第一圖像特征場中的變化，并且所述大小數(shù)值通過考慮所識別的均勻區(qū)域而獲得；
-在所述系列均勻區(qū)域中的一個均勻區(qū)域內(nèi)，通過將所述計算測量與第一圖像所述特征測量相關(guān)以及與所述均勻區(qū)域的參考點的計算相關(guān)來獲得所述大小數(shù)值。本發(fā)明還提供了一種根據(jù)上述方法所述用于預測圖像采集系統(tǒng)至少一個缺陷的系統(tǒng)，所述缺陷使得圖像采集系統(tǒng)所采集的和呈現(xiàn)任意場景的任意至少一個第一圖像產(chǎn)生在第一圖像至少一個特征場中的變化，所述變化在數(shù)量級上概率小于由所述場景所引入的第一圖像特征場中的變化。所述系統(tǒng)包括-計算單元，用于計算在第一圖像場的至少一個第一部分中與所述第一圖像的所述特征相關(guān)的測量；-獲取單元，用于獲得所述缺陷在第一圖像場的至少一個第二部分中的預測大小數(shù)值(ν)，所述大小數(shù)值取決于所計算的測量并且具有與所述缺陷所產(chǎn)生的第一圖像所述特征場中的變化相同數(shù)量級的變化。本發(fā)明還提供了一種用于確定至少一個參數(shù)的系統(tǒng)，所述參數(shù)用于校正根據(jù)上述方法所預測的圖像采集系統(tǒng)的至少一個缺陷。該系統(tǒng)包括確定單元，用于從所獲得的大小數(shù)值(ν)中確定用于由圖像采集系統(tǒng)所采集的至少一個第二圖像(Γ )的所述缺陷的校正參數(shù)(c)，所述第二圖像不同于第一圖像。本發(fā)明還提出一種計算機程序的產(chǎn)品和/或電子電路，包括用于根據(jù)上述方法所述實施預測圖像采集系統(tǒng)。本發(fā)明的其它特征和優(yōu)點將通過下列非限制性實施例以及參照附圖的闡述而變得明晰，附圖包括-

圖1是本發(fā)明能夠使用的圖像采集系統(tǒng)的一個實例；-圖2是根據(jù)本發(fā)明所執(zhí)行的步驟序列的流程圖；-圖3是根據(jù)本發(fā)明實施例所執(zhí)行的圖像分割的示意圖；-圖4是在本發(fā)明中用于預測色彩漸變?nèi)毕莸膶嵤├械牟襟E序列的流程圖。圖1示出圖像采集系統(tǒng)1的實施例。該系統(tǒng)通常包括具有至少一個傳感器C以及包括至少一個透鏡L的光學系統(tǒng)，所述透鏡可以為背景解釋中的任何可臆測到的形式?？蛇x擇的是，圖像采集系統(tǒng)1可以包括自動焦距系統(tǒng)AF，從而例如籍助于馬達M來確保在光學系統(tǒng)L和傳感器C之間的相對位移。盡管也可考慮其它位移，但這種位移通常優(yōu)選的是沿著圖像采集系統(tǒng)的光軸A平移，例如沿著垂直于光軸的軸向平移，以便獲得圖像的穩(wěn)定效果。當光學系統(tǒng)L包括多個透鏡，只有部分透鏡可經(jīng)受相對于傳感器C的位移。在光學系統(tǒng)的透鏡之間相對位移也是可能的?？蛇x擇的是，圖像采集系統(tǒng)1可以包括光學變焦，以便用于改變尺寸的大小。圖像采集系統(tǒng)1能夠采集表示任意場景S的任意至少一個圖像I?！氨硎救我鈭鼍暗娜我鈭D像”可以理解為在限定的預定條件下難以采集到的圖像，并且其圖像內(nèi)容是事先不知曉的。一般來說，這是在沒有特定約束條件下且在圖像采集系統(tǒng)1的服務壽命周期中所采集到的圖像。相比之下，諸如在實驗室中所采集到測試圖形的參考圖像不在所述定義內(nèi)。所采集到的圖像I可以包括對應單一通道的每個像素的單一數(shù)值，尤其是在RAW 圖像中。另一種選擇是，圖像I可以具有每個像素的多個數(shù)值，例如，對應于紅、綠和藍(R、G、B)三個通道的三個數(shù)值。對本領域的普通技術(shù)人員而言，也可以考慮其它的可能性，這些可能的實施例都是顯而易見的。圖像I可以是靜態(tài)的或動態(tài)的(視頻)?？梢约僭O，圖像采集系統(tǒng)1具有多種缺陷。這個或這些缺陷會在圖像I的至少一個特征場中產(chǎn)生變化。換句話說，圖像I的特征假設取決于在所述場中位置的數(shù)值。作為非限制性實施例，圖像采集系統(tǒng)1可能存在說明書所述的光照漸變的缺陷。 該缺陷會在圖像I中產(chǎn)生場中光照強度的變化。附加地或可選地，圖像采集系統(tǒng)1可能存在說明書所述的色彩漸變的缺陷。該缺陷會在彩色圖像I中產(chǎn)生場中的色度上的變化。附加地或可選地，圖像采集系統(tǒng)1可能存在與場的曲率相關(guān)的非均勻模糊的缺陷。該缺陷會在圖像I中產(chǎn)生場中的模糊變化。附加地或可選地，使用自動變焦AF的圖像采集系統(tǒng)1，如圖1所示，可能存在與透鏡移動或透鏡組L相關(guān)的模糊缺陷(中心偏移，光學傾斜等)。該缺陷會在圖像I中產(chǎn)生場中的模糊變化。附加地或可選地，包括使用Bayer濾色器的傳感器的圖像采集系統(tǒng)1可能存在陣列的相同小區(qū)中的兩個綠色的像素(標記為Gr和( )明顯不同且這種差異會在場中變化的缺陷。附加地或可選地，圖像采集系統(tǒng)1可能包括在圖像I中產(chǎn)生該圖像I至少一個特征場的變化的其它缺陷。對圖像采集系統(tǒng)1所呈現(xiàn)的任何缺陷，導致在圖像I相關(guān)特征場中的變化在數(shù)量級上概率小于由場景S所引入在相同特征場中的變化。因此，本發(fā)明通常可應用于在圖像特征中的變化在數(shù)量級上概率小于由場景所引入在所述圖像特征場中的變化的任何缺陷，這就意味著缺陷在波長的場中所引入的變化大于由于場景在場中變化的波長。這樣就通過消除由于場景的變化來消除場景的依賴性，如下文所述?？梢岳斫獾氖?，在圖像I的場中的替換過程中，由缺陷所產(chǎn)生的變化比由場景引入的變化更慢并且更加復雜(所述由場景引入的變化會產(chǎn)生在圖像兩個相鄰點之間的模糊轉(zhuǎn)換)。此外，即使將圖像I作為整體考慮，由缺陷所產(chǎn)生變化的總的振幅通常小于由場景所引入的變化(例如，由場景所引入變化的振幅包含非常高的對比度)。事實上，由缺陷所引入的變化“概率”為其振幅的數(shù)量級小于由場景S所引入的， 這是考慮場景的平均變化所產(chǎn)生的。然而，有可能具有一個特別穩(wěn)定的場景，該場景具有特別小的變化。例如，這種情況可能是在場景中呈現(xiàn)均勻光照的平坦單色物體?？梢钥隙ǖ氖?，對任何場景S來說，我們所感興趣的這種場景概率上是不太可能的。因此，由缺陷所引入的變化在數(shù)量級上通常小于由所述任何場景S所引入的變化。當然，這樣并不能阻止由缺陷所產(chǎn)生的變化，在某些場合下，所述缺陷所產(chǎn)生的變化在數(shù)量級上等于或大于由所述任何場景S所引入的變化，尤其當所述場景包括在一些位置上的穩(wěn)定物體。如下文所述，這種在場景中的局部穩(wěn)定可用于通過檢測對應的均勻區(qū)域來消除缺陷。如果所述攝影的任何場景S發(fā)生引入相同數(shù)量級的變化或甚至是小于圖像采集系統(tǒng)1缺陷的數(shù)量級的變化，則仍可以執(zhí)行該方法的下列步驟。有可能導致圖像的過度校正或錯誤校正。例如，在場景中的灰階通過校正而變得均勻。然而，導致信息的丟失會令人討厭，或者在任何情況中可以比圖像采集系統(tǒng)1沒有缺陷的情況更少令人討厭。如果考慮例如色彩，可以假設所述任何場景S都包括不同色彩的物體，并由不同頻譜的光線照亮。因此，場景的色彩可以在振幅中有非常顯著的差異。例如，只要場景包括兩個不同色彩的相鄰物體，就有可能在場景S中非常接近的兩個點之間有非常大的差異。然而，色彩漸變是一種振幅主要基于由傳感器所接收的光線入射角的現(xiàn)象。這種現(xiàn)象的結(jié)果是，在場中的色彩變化相對較小且相對較慢。這個色彩的變化確實是在數(shù)量級上概率小于由場景本身所引入的變化。色彩漸變的另一個因素是與空間一致性相關(guān)的現(xiàn)象。這樣足以在場中的多個位置上消除色彩漸變，以推導各處都具有好的相似性。如說明書所已經(jīng)討論的那樣，基于所考慮的缺陷類型，由圖像采集系統(tǒng)1由缺陷所產(chǎn)生圖像I的至少一個特征場中的變化可以取決于該圖像I的一個或多個圖像采集條件和/或一個或多個圖像采集參數(shù)，如上文所定義的。例如，這是色彩漸變的情況。由于該現(xiàn)象取決于傳感器所接收光線的入射角度，導致在色彩中的變化并不一定等同于所有的光線照射觀察場景的變化，即使在場景中的物體仍然保持相同的狀態(tài)。圖像I的特征場中的變化對一些圖像采集條件和/或參數(shù)的相同依賴性，仍舊存在于其它類型的缺陷，例如非均勻模糊。在一些情況中，在由圖像采集系統(tǒng)1考慮缺陷所產(chǎn)生的圖像I至少一個特征的場中的變化可以專用于該圖像采集系統(tǒng)。換句話說，相同模式的不同單元都可在與考慮缺陷相關(guān)的圖像I的特征中具有不同的變化。例如，這種對圖像采集系統(tǒng)的依賴性可由圖像采集系統(tǒng)的可能變化的特征所產(chǎn)生，例如由于制造的公差。作為一個實例，光學系統(tǒng)L相對于圖像采集系統(tǒng)1的傳感器C的輕微傾斜都會引起場曲率上的改變并因此由該系統(tǒng)產(chǎn)生非均勻的模糊。如圖2所示，由圖像采集系統(tǒng)1所采集的圖像I具有上述至少一個缺陷(步驟10)。在該圖像I場的至少一個部分中，計算與圖像I的特征有關(guān)的測量μ⑴，圖像采集系統(tǒng)1的缺陷引起在場中的變化(步驟11)。這個測量μ (I)具有也取決于場中位置的數(shù)值。因此，這個測量是局部的，并且它在各個點上的數(shù)值取決于接近考慮點的區(qū)域中的圖像I。測量μ (I)可以在圖像I的場中的各個點上進行計算，或者僅在該場中的確定點上進行計算。作為一個非限制性實例，可以僅在所述場的確定點上計算測量μ (I)，所述給定點是預先確定的，例如通過在圖像中的測量來確定，從而使得預測更加可靠或者比給定的閾值更加可靠。這個計算是在運行中完成的，這意味著是在圖像采集系統(tǒng)1正常使用采集圖像I 的過程中，不同于在離開生產(chǎn)線之后的實驗室中的校準。此外，如上所述，這個計算是對表示任何場景的任意至少一個圖像I所執(zhí)行的，這不同于諸如測試圖形的參考圖像。也有可能計算由圖像采集系統(tǒng)1所采集的多個圖像I的測量μ (I)。例如，不同的圖像ι進行平均，且這個平均可以用于確定測量μ (I)。附加地或可選擇的，可以為每個圖像I獨立計算測量μ (I)，并隨后對不同的測量μ (I)進行平均且僅保存有關(guān)圖像組的那個測量。也可能使用遞歸計算，即僅存儲每個新圖像與先前圖像組合有關(guān)的單一測量 μ (I)。這就可避免為每個圖像I存儲數(shù)據(jù)μ (I)。由于取決于先前圖像的測量μ (I)，這也可以避免振動或閃爍的現(xiàn)象，這種現(xiàn)象會在連續(xù)圖像相互獨立處理的情況下出現(xiàn)。作為一個非限制性實例，μ⑴可以為圖像I的綠色通道(G)和紅色通道(R)之間的比值，可定義在R不為零的任意點上，或?qū)嶋H上大于由信號噪聲等級所給出的閾值。還可以計算在各個點上的明銳度的測量μ (I)，例如，僅在梯度大于確定數(shù)值的點上的通道的拉普拉斯算子。根據(jù)圖像采集系統(tǒng)1所呈現(xiàn)的一個或多個缺陷，還可以考慮測量μ (I)的其它實例。然后，通過例如取決于所計算的測量μ (I)的計算，來獲得圖像采集系統(tǒng)1缺陷中所考慮缺陷的預測大小數(shù)值ν (步驟12)。該大小數(shù)值ν在相同于計算測量μ (I)的部分的圖像ι的場的部分中獲得。可選擇的，該圖像ι的場的部分可不同于計算測量μ (I)的部分。在這種情況下，在兩個部分之間可能呈現(xiàn)重疊。例如，獲得大小數(shù)值V的場部分可能是計算測量μ (I)部分的子部分。作為一個變化例，其本身可以包括計算測量μ (I)的部分。 例如，可以獲得圖像ι的整個場以及具有在該場中一些位置上的計算測量μ (I)的大小數(shù)
值Vo所獲得的大小數(shù)值ν使得其變化具有與由圖像采集系統(tǒng)1所考慮缺陷產(chǎn)生的圖像 I特征場中的變化的相同數(shù)量級。從而可以消除在測量μ (I)中由場景S對變化所產(chǎn)生的貢獻，并且僅保留由圖像采集系統(tǒng)1的考慮缺陷所產(chǎn)生的變化。大小數(shù)值ν可以假設不同形式。例如，它包含能夠反饋定義圖像I上各個點的數(shù)值的函數(shù)。作為一個實例，該函數(shù)可以是場位置函數(shù)的多項式，也可以是兼容所考慮缺陷引入變化的其它類型的函數(shù)。作為一個變化例，大小數(shù)值ν可以包含一系列參數(shù)。優(yōu)選地，給定圖像采集系統(tǒng)1 的缺陷的特性，參數(shù)的數(shù)量就可減少。作為一個實例，該系列參數(shù)可以包括3階或4階多項式的系數(shù)。在另一實例中，該系列參數(shù)可以包括與圖像I中的各個點或多個點相關(guān)的系列數(shù)值，例如由這些點或系列點的函數(shù)所假設的數(shù)值。在另一實例中，大小數(shù)值ν可包含確定數(shù)值不同映射的加權(quán)以及與圖像I 一點或多點相關(guān)的加權(quán)。在另一實例中，大小數(shù)值ν可包含由不同函數(shù)之間的局部選擇的參數(shù)。還可以考慮其它實例，這些實例對本領域的技術(shù)人員都是顯而易見的。大小數(shù)值ν可以任何合適的方法來獲得。下文闡述兩個非限制性的可能方法。第一種方法是在調(diào)整之后使用圖像分隔。事實上，這種方法是基于任何給定的圖像I都可能包含相對穩(wěn)定的區(qū)域，其中所呈現(xiàn)場景的變化相對較少。還基于是在這些均勻區(qū)域中的假設，所觀測到的變化主要是由于圖像采集系統(tǒng)1所考慮的缺陷引起的。因此，在該方法中尋求這樣的均勻區(qū)域。為此目的，在圖像I場的至少一個部分中，定義一系列均勻的區(qū)域，這些均勻區(qū)域中的各個區(qū)域定義為圖像I的一個區(qū)域，在所述區(qū)域中的計算測量μ (I)具有數(shù)量級相同于圖像ι特征場中變化的變化，所述圖像ι的特征場中的變化是由圖像采集系統(tǒng)1考慮的缺陷所產(chǎn)生的。為了闡述這個理論，參考圖3，圖3示出了由4個區(qū)域3-6所構(gòu)成的圖像2。在這些區(qū)域中，僅區(qū)域3和4對應于均勻的區(qū)域。例如，區(qū)域3表示均勻的物體，例如色彩均勻的桌子，并且區(qū)域4表示另一均勻的物體，例如色彩均勻的墻。陰影區(qū)域5和6分別對應多個非均勻的物體和/或難以與其它物體相互區(qū)分的物體。在圖像I中的均勻區(qū)域可以例如通過觀測在場中不同點上所計算的測量μ (I)來識別，并且檢測該測量區(qū)域的變化與圖像采集系統(tǒng)1所考慮缺陷產(chǎn)生的圖像特征場中的變化具有相同的數(shù)量級變化。例如，所檢測的均勻區(qū)域是圖像I中測量μ (I)在場中的變化較慢的區(qū)域(而由于場景自身的原因在測量μ (I)中可能有較快的變化)。也就是說，靠近均勻區(qū)域的兩個位置都具有較接近的數(shù)值。然而，值得注意的是，均勻區(qū)域可以包括兩個具有較大差異數(shù)值 μ (I)的兩個點，其提供從一個點至另一個點μ (I)中的變化緩慢的路徑。此外，圖像I的分隔，意味著在圖像I中系列均勻區(qū)域的識別，可以優(yōu)選執(zhí)行，使得在圖像I中的各個點屬于一個且僅屬于一個區(qū)域。這就是圖3所圖示說明的內(nèi)容，其中區(qū)域3-6是不重疊的。這些區(qū)域形成了圖像的分塊。作為一個實例，分隔可以通過合并區(qū)域來執(zhí)行，且各個點都在初始為一個區(qū)域的圖像I所考慮的部分內(nèi)。合并包括兩個相鄰點Xl和Χ2的區(qū)域，只要計算的測量μ (I)類似于在兩個點上的計算，即只要差異μ (xi)-μ (χ2)非常之小(例如小于閾值)。這只是一個說明性實例。可以使用任何類型的分隔，例如Horowitz和I^avlidis 所討論的分隔和合并的算法(Split and Merge algorithm)或諸如考慮輪廓規(guī)律性的 Mumford-Shah 技術(shù)。分隔算法的輸出包括均勻區(qū)域Zi的列表。物體的各個點屬于至多一個均勻的區(qū)域。然后，執(zhí)行調(diào)整，以獲得大小數(shù)值V。大小數(shù)值ν確定為使用常用函數(shù)的測量μ (I)中的變化的近似度，僅在較大的尺度范圍內(nèi)變化。具體的說，在由分隔所確定的各個均勻區(qū)域Zi中，近似度ν較佳僅包含低頻且接近于μ (I)的低頻。在均勻區(qū)域外，假設大小數(shù)值ν滿足常規(guī)的標準。事實上，這個假設產(chǎn)生于圖像采集系統(tǒng)的大部分缺陷都會在所采集的圖像中產(chǎn)生規(guī)律性的影響。因此，在該實例中，近似度ν的確定是基于下述兩個原理i/在ν中的變化和在μ (I)中的變化都是在均勻區(qū)域中局部靠近的；并且，ii/函數(shù)ν在任何位置上都是有規(guī)律的(與μ (I)不同，μ⑴在均勻區(qū)域的邊界和在不屬于任何均勻區(qū)域的點上具有間斷性，尤其是由于場景S的變化)。約束函數(shù)ν規(guī)律性的一種方法是討論常用函數(shù)族的規(guī)律性，例如低階多項式是在場中位置的函數(shù)或是場中位置函數(shù)低頻的正弦和余弦。優(yōu)選解決方法是建立上述兩種原理之間的折衷。為了執(zhí)行理論i/，例如可以選擇在各個均勻區(qū)域Zi中的參考位置xi。這個參考點，在圖3所示實例中，將區(qū)域3標記為7，將區(qū)域4標記為8，它可以為任意點。例如，它可以是由數(shù)值μ (xi)所定義的點，所述數(shù)值μ (xi)是例如在區(qū)域Zi中的平均或中值。它還可以是由它的位置所定義的點，例如定義在區(qū)域Zi的中心。因此，在均勻區(qū)域Zi中的任意點χ上的大小數(shù)值ν (標記為V(X))可以通過在該點(標記為μ (χ))上計算的測量μ (I)與在參考點(標記為μ (χ ))上計算的測量μ (I) 的相關(guān)而獲得。也就是說，理論i/可以通過計算μ (x)來確保在均勻區(qū)域Zi中任意點χ上
"(X) V(X)-一-
//(xi) v(xi) °例如，可以處罰(penalize)差異v(xi) μ (χ)-μ (xi)v(x)。另外一種消除的可能是需求對參考數(shù)值的處罰▽ (In y)-V (In ν)式中▽表示梯度操作。最佳的標準優(yōu)先考慮所有有效的測量，這些測量根據(jù)位置可能具有不同的加權(quán)。為了執(zhí)行理論ii/，例如處罰在ν中的變化。為了這樣執(zhí)行，處罰ν的梯度或拉普拉斯算子或討論ν的局部變化的任意其它操作。最佳的標準優(yōu)選考慮場中的所有位置，這些位置根據(jù)位置可能具有不同的加權(quán)。其它全局性的約束也可以在最佳解決方法中執(zhí)行，例如總的振幅不能超出平均數(shù)的確定部分?？梢赃@樣考慮，測量μ⑴在圖像I的均勻區(qū)域中為常數(shù)。但是，通?？梢杂^測到一些變化，因為所述測量具有噪聲。由于施加有規(guī)律的約束條件，大小數(shù)值ν所具有的噪聲就更少。這種方法可以用于預測這些不需要的變化。出于相同的原因，使用大小數(shù)值ν的圖像校正還能減少圖像的噪聲。在第二種方法中，大小數(shù)值ν的獲得不需要分隔和調(diào)正這兩個獨立且連續(xù)的步
馬聚ο為了執(zhí)行這樣的方法，例如，從測量μ (I)中的變化模式開始。例如，這類模式可以參數(shù)或多種學習路徑來提供。使用在圖像I中的多個參考點。然后，試圖最小化在其所屬域各個點和參考點的測量μ (I)之間誤差之和。最佳的變量是參考點(包括它們的數(shù)量)以及調(diào)整的路徑。例如，在預先學習路徑的情況中，可以尋求能夠最小化誤差的路徑或者最小化誤差路徑的組
I=I O參考點的數(shù)量可以為處罰的目標，并且可以尋求給定數(shù)量參考點的最佳位置及其最佳相關(guān)路徑。所獲得大小數(shù)值ν可用于不同的目的。例如，可以用于圖像采集系統(tǒng)1的量化條件，其基于預測來提供在圖像采集系統(tǒng)1中的缺陷。也可以用于從多種這類系統(tǒng)中選擇一些圖像采集系統(tǒng)，并且只保留那些具有較小缺陷的的圖像采集系統(tǒng)。如圖2所示，所獲得的大小數(shù)值ν可優(yōu)選用于確定校正圖像采集系統(tǒng)1所考慮缺陷所需的至少一個參數(shù)c，其中第二圖像I ‘可以相同于或不同于圖像I (步驟13)。這個或這些校正參數(shù)c允許確定對圖像I’的所有或部分進行校正，從而消除或至少消減缺陷的影響。在一些情況中，大小數(shù)值ν直接給出校正參數(shù)C。在另一些情況中，這些校正參數(shù) c的確定從使用大小數(shù)值ν的計算(而不是定義的函數(shù))中獲得。
校正參數(shù)c的特性是多變的。它們可以為表示校正算法或函數(shù)的參數(shù)，例如多項式的系數(shù)，例如是在3或4階場中的位置的函數(shù)。在另一實例中，可以為一系列與圖像I’ 的一點或點組相關(guān)的數(shù)值組，例如由這些點或這系列點的函數(shù)所假設的數(shù)值。它還可以具有在預定數(shù)值的不同路徑之間的加權(quán)以及與圖像中的一點或多點相關(guān)的加權(quán)。還可以考慮其它實例，對本領域的技術(shù)人員來說，這些實例都是顯而易見的。為了獲得在圖像I’的各個點上都有效的校正參數(shù)C，同時大小數(shù)值ν僅在圖像I 的一些點上獲得，可以為其它點執(zhí)行大小數(shù)值ν的插值操作。當兩個圖像呈現(xiàn)不同的場景時，則認為兩個圖像I和I’是不同的。在這樣的情況中，確定的校正參數(shù)可適用于圖像I’，盡管是從圖像I所獲得的大小數(shù)值V中推導得到的， 只要由圖像采集系統(tǒng)1所考慮缺陷產(chǎn)生的特征中的變化是獨立于場景的。因此，如果對呈現(xiàn)不同于圖像I場景的圖像I’確定這類校正參數(shù)c，那么對這類缺陷是較為有利的。通過執(zhí)行這種方法，有可能校正在采集圖像的特征中產(chǎn)生變化的圖像采集系統(tǒng)的缺陷，所述這種變化獨立于場景。之后，這類校正還可用于校正圖像采集系統(tǒng)1所采集的任意圖像。采用這種方法，對單一圖像I中所執(zhí)行的預測能夠用于之后所采集的整個系列圖像I’的校正。這就避免了圖像采集系統(tǒng)的校準，如說明書中所闡述的，因為圖像校正是根據(jù)圖像采集系統(tǒng)使用過程中所進行的預測來實施的。當兩個圖像以不同的分辨率來呈現(xiàn)相同的場景時，那么認為圖像I和I’是不同的。當圖像I’的分辨率比圖像I的分辨率高時，校正優(yōu)選包括大小數(shù)值V的插值，以適用于圖像Γ的更高分辨率。當兩個圖像以不同的圖像采集條件和/或不同的圖像采集參數(shù)來采集時，那么也可認為圖像I和I’是不同的。例如，圖像I可以在圖像I’之前通過圖像采集系統(tǒng)1采集。例如，其可以為預覽圖像，以確定一些獲取參數(shù)或用于做出一些調(diào)整(諸如，為一些位置獲得明銳度的測量，所述明銳度是在光學系統(tǒng)L和傳感器C之間由于自動對焦系統(tǒng)AF的相對距離的變化而產(chǎn)生的)。確定校正參數(shù)的圖像I可能比需要校正的圖像I’更加簡單。例如，它可以具有比圖像I’更低的分辨率、通道數(shù)量和/或維度數(shù)值。圖像I的較低分辨率可通過子采樣與圖像I’相同尺寸的大圖像的方法獲得，-例如，通過確定在大圖像中的區(qū)域并且從各個區(qū)域中選擇至少一個像素或平均各個區(qū)域的像素，-可通過將大圖像分解為規(guī)則的或不規(guī)則的光柵(grid)獲得區(qū)域，-區(qū)域可以基于或不基于圖像的內(nèi)容。這樣可以減少所需計算的復雜度，并且因此能消除存儲圖像I的需要。當圖像采集系統(tǒng)1所述的缺陷在圖像特性場中產(chǎn)生變化且取決于至少一個圖像采集條件和/或至少一個圖像采集參數(shù)時，所確定的校正參數(shù)c可有利地應用于圖像I ’，其可能不同于圖像I但是由圖像采集系統(tǒng)采用與圖像I相同或相似的圖像采集條件和/或參數(shù)所采集的。如果在兩個圖像之間的變化具有所考慮缺陷修正圖像特征的影響且這種影響對肉眼不重要或可以容忍的，則認為適用于圖像I’的圖像采集條件和/或圖像采集參數(shù)相同于或類似于圖像I的相同圖像采集條件和/或圖像采集參數(shù)。如果認為時兩種不同的缺陷， 則因此可接受的變化程度是不同的。于是，可以根據(jù)所考慮的缺陷，對可接受的變化限制設置所述圖像采集條件和/或圖像采集參數(shù)。例如，色彩漸變是基于照明傳感器的光線頻譜。它也可以基于照亮場景的光源。如果照亮場景的光源在兩個圖像之間沒有改變，那么色彩漸變通常在兩個圖像之間具有相似的數(shù)值。對第一圖像的預測可隨后用于第二圖像的合適校正。如果光源在兩個圖像之間有改變，則色彩漸變可能在兩個圖像之間會有變化，且在這樣的條件下還會改變白平衡。在圖像采集系統(tǒng)采用實時圖像處理的情況中，至少一個圖像必須用于預測本發(fā)明的色彩漸變，如同白平衡的情況。在一個變化例中，完整或部分存儲一個或多個圖像I的操作記錄-圖像采集條件和/或圖像采集參數(shù)；-以及對應的測量μ(I)或大小數(shù)值ν或校正參數(shù)C。在圖像采集的過程中，可以使用操作記錄來避免重復的操作，并且減少能量的消耗以及加速改變圖像采集條件和/或圖像采集參數(shù)的校正適應性，且可在不需要存儲圖像 I的運行過程中執(zhí)行。如果第一圖像在圖像采集系統(tǒng)處理之前就存儲，優(yōu)選組合第一圖像和第二圖像， 以獲得適合所有情況的校正。于是，可以確定適用于一個或多個圖像采集條件和/或參數(shù)改變的且不能使用現(xiàn)有技術(shù)的校準來校正的情況的校正參數(shù)。使用所確定的校正參數(shù)c優(yōu)選用于校正圖像I’。在計算測量μ (I)和獲得缺陷預測大小數(shù)值ν的相同系統(tǒng)中，例如圖像采集系統(tǒng)1 本身，可以根據(jù)這些參數(shù)來實施缺陷的校正參數(shù)c和/或缺陷校正的確定。除了用于執(zhí)行上述步驟的單元以外，該系統(tǒng)包括確定單元，用于從圖像采集系統(tǒng)采集到的圖像I’所獲得的大小數(shù)值ν中確定所述缺陷的校正參數(shù)c ；和/或處理單元，用于根據(jù)這些參數(shù)來執(zhí)行校正的處理。作為一個變化例，確定校正參數(shù)c和/或考慮這些參數(shù)的圖像I’的校正可由不同的系統(tǒng)來執(zhí)行，所述系統(tǒng)包括用于確定校正參數(shù)的確定單元和/或適用于執(zhí)行圖像I’校正的處理單元。于是，可以有用于預測缺陷的系統(tǒng)(可以是圖像采集系統(tǒng)自身)以及用于確定所考慮缺陷校正的一個或多個參數(shù)的獨立系統(tǒng)。基于校正參數(shù)c的圖像I’的校正可由確定校正參數(shù)的系統(tǒng)或獨立的校正系統(tǒng)來完成。在后者情況中，校正系統(tǒng)優(yōu)選包括用于從確定參數(shù)的系統(tǒng)中接收校正參數(shù)c的接收單元。值得注意的是，本發(fā)明所提及的系統(tǒng)可以由簡單的裝置構(gòu)成，也可由復雜的系統(tǒng)構(gòu)成，并且與多個獨立的單元協(xié)同實施上述各項功能。此外，可以通過軟件來完整或部分地執(zhí)行上述不同的步驟，即通過包括為此目的的編碼指令的計算機程序產(chǎn)品。附加地或選擇的，這些步驟中至少有一些步驟可以通過電子電路來執(zhí)行。本發(fā)明的示范性應用將在下文中進行闡述。這些都是非限制性實施例，可以推測其它的應用，這些對本領域的技術(shù)人員來說都是顯而易見的。在第一應用中，如圖4所示，假設圖像采集系統(tǒng)1存在著色彩漸變的缺陷。如上所述，該缺陷在具有紅色通道R、綠色通道G和藍色通道B的采集圖像I (步驟14)中產(chǎn)生圖像I場中的色度變化。因為色彩漸變是基于傳感器所接收到的光線入射角的現(xiàn)象，所導致的色度變化在概率上小于由場景S所產(chǎn)生的色度變化。在圖像I場的至少第一部分中，計算與至少一種色彩有關(guān)的測量μ (I)。它可以是不同通道之間的色彩比值。例如，所述測量包括在綠色和紅色通道中測量到的光強的G/ R比值，如圖4所示(步驟15)。所述測量可以由例如G/B的比值來進行替換或補充。然后，在圖像I場的至少一個第二部分中(它可以與所述第一部分不同或相同)， 獲取用于色彩漸變?nèi)毕莸念A測大小數(shù)值V。這種方法的獲取，使得大小數(shù)值ν基于計算測量 μ (I)并且具有與由色彩漸變所導致的色彩變化相同數(shù)量級的變化。為了執(zhí)行這樣的方法，圖像I可通過上述方法進行分隔，以便確定在G/R(和/或 G/B)變化緩慢的均勻區(qū)域Zi。在均勻區(qū)域Zi中，可對具有相似G/R(和/或G/B)數(shù)值的圖像I的相鄰點進行分組，例如那些具有小于確定閾值所區(qū)分的數(shù)值。為了模擬色彩漸變和保證上述特性i/和ii/，例如尋求具有作為大小數(shù)值ν可緩慢變化的函數(shù)，例如3或4階的多項式P (x, y)，使得對任何點都具有坐標(X，y)
TW 、 G/R, G/B在均勻區(qū)域Zi 內(nèi)部:P(x, y) = —~Γ (或者P(x, y)=—)
Gi/Ri
Gi/Bi以及在均勻區(qū)域外部▽ P(x，y) 0，其中G、R和B表示分別在綠、紅和藍通道中的點(x，y)上所測量到的強度，而Gi、 Ri和Bi表示分別在綠、紅和藍通道的區(qū)域Zi的參考點上所測量到的強度，以及▽表示梯度算子(步驟16)。為了解決這個問題并且獲得滿足上述條件的多項式P(x，y)，例如最小化下述數(shù)量來解決二次方程式和線性問題 在均勻場Zi中
P(x,y)
G/R
Gi/Ri
或
/
和 /、
P(x,y)-
G/B
Gi/Bi以及在均勻場外I V P (χ, y) I2在該實例中，所獲得的多項式P(X，y)直接給出色彩漸變的校正參數(shù)(例如多項式自身，該多項式的系數(shù)或者其它)，用于不同于或相同于圖像I的至少一個圖像I’的校正。 該多項式p(x，y)在整個圖像I’的場中定義。基于這些校正參數(shù)的校正例如可以通過下述方法執(zhí)行。例如，對在圖像I’中的任何坐標(X，y)，通道G中的數(shù)值保持不變，而在R(和/或B)通道中的數(shù)值改變，并且校正數(shù)值 R'(和/或B')使得 R' =P(x，y).R(和 / 或B' =p(x，y).B)。 實際上，因為確定P(x，y)使之在均勻區(qū)域Zi中滿足 G/B
P(x,y)
G/R
或
/
和 /、
Gi/Ri
)，所以在該區(qū)域Zi中點的比值G/R'(和/或G/B')基本等于Gi/
Gi/Bi
Ri (和/或Gi/Bi)。即，在各個均勻區(qū)域中，所修正的色彩基本對應于所述區(qū)域中所選擇參考點的色彩。因此，或多或少消除了在各個均勻區(qū)域中與色彩漸變有關(guān)的色度變化。色彩漸變的效果也限制在均勻區(qū)域外部，因為已經(jīng)確定了表示在整個圖像 K VP(x,y) ^O)中的緩慢變化的多項式P(x，y)?？梢岳斫獾氖?，這個只是一個預測和校正色彩漸變的實例。可選擇的，缺陷的預測和校正可以不需要明確定義圖像I中的均勻區(qū)域來進行確定。還值得注意的是，通過對一個或多個通道應用增益來校正色彩漸變不是唯一的校正模式。例如，更常用的校正方法可以使用矩陣，矩陣中的系數(shù)基于所述場中的位置并且其取決于場中位置的方式來組合不同的通道。先前的校正對應于對角矩陣的特定情況。可以較為容易的推廣至任意較高階的模式。剛討論的色彩漸變的實例可以簡單地轉(zhuǎn)換用于預測光照漸變的缺陷，這時所采集到的圖像邊緣比中心要暗。為了執(zhí)行這樣的方法，而不是使用不同色彩通道(G/R和/或G/B)的數(shù)值比值來作為測量μ (I)，而是考慮一個或多個通道(例如G或R或B)的光強數(shù)值。另外，剛討論的上述相似方法的多項式P (χ，y)確定非常適用于該情況。在另一實例中，預測圖像I場中的模糊變化，例如由于場的曲率和/或由于圖像采集系統(tǒng)1引入的縱向色像差所產(chǎn)生的模糊變化。在圖像I場的至少一個第一部分中，計算與至少一個模糊等級有關(guān)的測量μ (I)。之后，在圖像I場的至少一個第二部分中(其可以相同于或至少部分相同于所述第一部分)，獲得模糊變化的預測大小數(shù)值V。該大小數(shù)值ν基于計算的測量μ (I)并且具有與模糊變化所產(chǎn)生的變化相同數(shù)量級的變化。為了執(zhí)行該方法，可以進行局部增強的濾波，以對模糊等級形成確定的數(shù)值。作為一個實例，計算在圖像I的各個點χ上以及各個紅R和G綠通道的模糊等級。 這些模糊等級標記為Fk(X)和Fe(x)。然后，對在場景S中的目標邊緣，使用常用的邊緣檢測算法在圖像I中所識別的在通道R和G之間的相關(guān)模糊，例如 ^κ(Χ)/Fe(X)之比，基本上是穩(wěn)定的。為此目的，可為大小數(shù)值ν確定具有緩慢變化的函數(shù)，例如多項式P(X)，其近似于恒定比率/Fe(X)。除了識別的邊緣以外，Ρ(χ)的梯度可以最小化，例如保證多項式在場中的一致性。對于本領域的普通技術(shù)人員來說，有可能出于校正的目的，根據(jù)本發(fā)明的原理，消除圖像采集系統(tǒng)的其它缺陷都是顯而易見的。下文將闡述一些非限制性實例。為了限制在Bayer陣列的像素Gr和( 之間綠色級別的差異，Gr/Gb比之可以作為測量μ (I)來計算，于是可獲得表示串擾變化的大小數(shù)值ν。另一個缺陷是光學閃爍，當強光源接近所述場或在所述場中，就會在傳感器上形成閃爍。閃爍是由于在光學系統(tǒng)中的離散反射的影響。這個影響會在圖像中產(chǎn)生光線遮蔽的效果，從而使對比度降低和色彩模糊。通常，還會引起在Gr和( 之間的差異。在Gr和 ( 之間的差異允許測量和檢閃爍變化并且適用于色彩轉(zhuǎn)換以及場景的對比度。特性測量因此可以為基于圖像采集條件的Gr和( 之間的差異。大小數(shù)值可以為基于圖像采集條件以及在場中的位置的黑點的轉(zhuǎn)移。在另一實例中，為了預測散光，可以計算模糊點的定向測量μ (I)。另一實例涉及幾何失真的預測。圖像采集系統(tǒng)的這類缺陷使得攝影場景的直線在采集圖像中不再呈現(xiàn)為直線。為了預測這樣的缺陷，可以在采集圖像I中設置規(guī)則的邊緣。 然后，計算在設置邊緣上的局部曲率的測量μ (I)，并且所獲得的大小數(shù)值ν對應于貫穿場的放大倍率的變化的路徑。另一實例涉及橫向色度偏差。圖像采集系統(tǒng)的這類缺陷引入取決于波長的放大失真。為了預測這類缺陷，可以例如在采樣圖像I中設置規(guī)則的邊緣。然后，計算適用于不同波長或波長范圍(例如在不同的通道R、G、B)在這些邊緣位置上的差異的測量μ (I)，以及獲得對應于在波長或波長范圍之間位置上的差異路徑的大小數(shù)值ν。在位置上的差異僅在垂直于邊緣的方向上進行評估。值得注意的是，當橫向色差在徑向上產(chǎn)生放大效應時，則只有可能用于計算使用邊緣的測量μ (I)，所述邊緣不穿過獲取圖像ι的中心。如果所有通過圖像中心的邊緣，則不能校正橫向色差，但是色差對圖像沒有影響，這樣沒有校正的必要。 在更多的實際和通常的情況中，圖像可以在多個方向上包括不同的邊緣。事實上，色差是在圖像場中緩慢變化的現(xiàn)象，可以預測位移V在任何地方和任何方向上的路徑。另一實例涉及非均勻黑色電平。這個缺陷使得已經(jīng)接收到確定數(shù)量光線的圖像采集系統(tǒng)返回一個不是完全線性的響應。實際上，即使在完全沒有光線的情況下，返回的數(shù)值也不是零，并且取決于場中的位置。為了預測這類缺陷，可以計算所采集圖像I的黑電平位置對應于傳感器響應的測量μ (I)，以及獲取大小數(shù)值V，從而預測傳感器對整個場的響應。另一實例涉及非均勻噪聲。這個缺陷是涉及圖像采集系統(tǒng)包括產(chǎn)生變化強度的噪聲的不同部件。為了預測這類缺陷，計算局部噪聲變化的測量μ (I)，并且通過預測延展了局部噪聲變化的局部增益來獲得大小數(shù)值V。然后，有可能使用由所獲得大小數(shù)值ν所推導出的校正參數(shù)來校正圖像I’的噪聲。校正的圖像I’通常包括均勻的噪聲。
權(quán)利要求
1.一種用于預測圖像采集系統(tǒng)(1)的至少一個缺陷的方法，所述缺陷使得圖像采集系統(tǒng)所采集的和呈現(xiàn)任意場景的任意至少一個第一圖像在第一圖像至少一個特征場中產(chǎn)生變化，所述變化在數(shù)量級上概率小于由所述場景所引入的第一圖像特征場中的變化，所述方法包括下列步驟-計算步驟，在第一圖像場的至少一個第一部分中，計算與所述第一圖像特征有關(guān)的測量μ (I)；以及，-獲取步驟，在第一圖像場的至少一個第二部分中，獲得所述缺陷的預測大小數(shù)值 (V)，所述大小數(shù)值取決于計算的測量并且具有與所述缺陷所產(chǎn)生的第一圖像特征場中的變化相同數(shù)量級的變化；-確定步驟，從所獲得的大小數(shù)值(ν)中，確定適用于由圖像采集系統(tǒng)所采集至少一個第二圖像(Γ )的所述缺陷的校正參數(shù)(C)，所述第二圖像不同于第一圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二圖像(Γ)由圖像采集系統(tǒng)在緊接著第一圖像(I)之后采集。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述第一圖像(I)為預先采集或預先預覽的圖像。
4.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，所述校正參數(shù)(c)是為第二圖像(Γ )的整個場而確定的。
5.根據(jù)上述權(quán)利要求中任一項所述的方法，還包括第二圖像(Γ)的處理步驟，所述第二圖像(Γ )由圖像采集系統(tǒng)(1)采集且考慮所述校正參數(shù)(C)。
6.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，所述第一圖像(I)具有與第二圖像(Γ )相比較低的分辨率、通道的數(shù)量和/或維度的數(shù)量。
7.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，在由所述缺陷產(chǎn)生的第一圖像(I)至少一個特征場中的變化取決于第一圖像的至少一個圖像采集參數(shù)和/或圖像采集條件，并且所述第二圖像(Γ )由圖像采集系統(tǒng)(1)采用相同于或類似于第一圖像的圖像采集參數(shù)和/或圖像采集條件采集。
8.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，由所述缺陷所產(chǎn)生的第一圖像(I)至少一個特征場中的變化是專屬于所述圖像采集系統(tǒng)(1)。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述缺陷取決于所述圖像采集系統(tǒng)(1)制造過程中的至少一個不確定性。
10.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，所述圖像采集系統(tǒng)(1)的缺陷至少包括光照漸變、色彩漸變、非均勻模糊、在相同通道中相鄰光敏元件元素之間的比率的非均勻變化、非均勻噪聲、幾何失真、橫向色像偏差、縱向色象偏差、散光以及非均勻黑色電平。
11.根據(jù)上述權(quán)利要求中任一項所述的方法，其特征在于，在所述第一圖像的場的至少第一部分中識別一系列均勻區(qū)域(3 ；4)，在各個均勻區(qū)域中，所述計算測量(U(I))的變化在數(shù)量級上相同于所述缺陷所產(chǎn)生的第一圖像(I)特征場中的變化，并且所述大小數(shù)值通過考慮所識別的均勻區(qū)域而獲得。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，在所述系列均勻區(qū)域中的一個均勻區(qū)域內(nèi)，通過將所述計算測量與第一圖像(I)所述特征測量相關(guān)以及與所述均勻區(qū)域的參考點(7 ；8)的計算相關(guān)來獲得所述大小數(shù)值(ν)。
13.一種根據(jù)上述權(quán)利要求中任一項所述用于預測圖像采集系統(tǒng)(1)至少一個缺陷的系統(tǒng)，所述缺陷使得圖像采集系統(tǒng)所采集的和呈現(xiàn)任意場景(S)的任意至少一個第一圖像 (I)產(chǎn)生在第一圖像至少一個特征場中的變化，所述變化在數(shù)量級上概率小于由所述場景所引入的第一圖像特征場中的變化，所述系統(tǒng)包括計算單元，用于計算在第一圖像場的至少一個第一部分中與所述第一圖像的所述特征相關(guān)的測量μ⑴；獲取單元，用于獲得所述缺陷在第一圖像場的至少一個第二部分中的預測大小數(shù)值 (V)，所述大小數(shù)值取決于所計算的測量并且具有與所述缺陷所產(chǎn)生的第一圖像所述特征場中的變化相同數(shù)量級的變化；確定單元，用于從所獲得的大小數(shù)值(ν)中確定用于由圖像采集系統(tǒng)所采集的至少一個第二圖像(Γ )的所述缺陷的校正參數(shù)(c)，所述第二圖像不同于第一圖像。
14.一種計算機程序產(chǎn)品和/或電子電路，其特征在于，包括用于根據(jù)上述權(quán)利要求1 至12中任一項所述實施預測圖像采集系統(tǒng)(1)中至少一個缺陷的方法的代碼指令。
全文摘要
本發(fā)明涉及一種用于預測圖像采集系統(tǒng)(1)中的缺陷的方法，該缺陷在涉及呈現(xiàn)任意場景(S)的任意第一圖像(I)中產(chǎn)生第一圖像特征場中的變化且具有在數(shù)量級上概率小于由場景所引入的所述特征場中的變化。所述方法包括計算步驟，用于計算在第一圖像場的至少一個第一部分中與所述第一圖像的特征相關(guān)的測量μ(I)，以及獲取步驟，用于獲取在第一圖像的至少一個第二部分中的所述缺陷的預測大小數(shù)值(v)，該數(shù)值取決于所計算的測量并具有與所述缺陷所產(chǎn)生的第一圖像特征場中的變化相同數(shù)量級的變化。
文檔編號H04N5/357GK102577355SQ201080042911
公開日2012年7月11日 申請日期2010年7月2日 優(yōu)先權(quán)日2009年7月21日
發(fā)明者埃哈姆·恩塞爾, 弗雷德里克·古查德, 弗雷德里克·曹 申請人:德克索實驗室