[发明专利]整体平移和线性延伸情况下的图像校准

说明书

本发明涉及图像校准，更具体地说，涉及图像在整体平移和线性延伸情况下检测并校正延伸进行的校准。

数字图像精确的空间校准是图像处理许多应用中最基本的重点。学术出版社1979年版、Ernest Hall著的《计算机图像处理和识别)》一书介绍了可用来进行图像校准的模板匹配基本相关法。Kuglin等人在1975年9月IEEE(电气与电子工程师协会)1975年控制论和社会国际会议的科研报告集第163-165页上发表的题为“相位相关图像校准方法”一文介绍了应用相位信息的基本相关仪的方案。这些方法适用于整体平移，例如图1A和1B的那一种，而且可以非常精确。但对那些还带线性延伸的失真的数字图像，如图2A和2B所示的那一种，光用这些相关法是不能处理这类复杂的模型的。

James R.Muller等人写的“图像的自适应复杂性配准处理”一文(1994年逻雪斯特大学941号技术报告)则采用更通用的手法。局部区域的模型复杂性可自适应地加以扩大，使其既包括象线性(仿射)至二次性之类更高级的模型，也包括整体平移。但子区域的大小必须相当大以避免混淆问题，从而缝合在一起时，各子区域之间的边界通常出问题。此外，这里并没有求出整体延伸的参数。

我们希望有的图像校准是那种整体平移和线性延伸都能补偿的图像校准法。

因此，本发明提供一种既能补偿整体平移也能补偿线性延伸的图像校准法。先是用左、中、右的相关方框确定基准图像和相应失真测试图像之间的平移参数，再根据各方框平移参数之间的差值检测线性延伸，于是确定了延伸系数的大致估计值。将基准图像与失真测试图像的中心对齐，再采用从估计的延伸系数开始的线性内插操作延伸基准图像直到两图像尽可能紧密地重合为止，由此细调估计的延伸系数，最后的延伸系数为能使两图像最紧密重合的延伸系数。接着，用精确的延伸系数扩展失真的测试图像，并加以平移，从而使失真的测试图像与基准图像对齐，可供例如图像质量分析之用。

结合所附权利要求书和附图阅读下面的详细说明可以清楚理解本发明的上述目的、优点和其它新的特点。

图1A和1B是仅平移图像的示意图。

图2A和2B是既平移又延伸的图像的示意图。

图3A-E是本发明确定既平移又延伸的图像的延伸系数的示意图。

本发明的基本结构是在上述Hall和Kuglin等人所述的检测基准图像与相应失真测试图像之间可能存在的线性延伸的基本方框相关法的基础上发展起来的。一旦检测出来，就用线性插值操作求出各图像之间的延伸系数。延伸系数求出之后，线性内插值操作就对失真测试图像进行逆(扩展)操作。下面详细说明检测和校正一维(水平)延伸和整体平移的方法，这种方法经过扩充可同样处理二维延伸。

首先，在数字图像中、左、右的位置确定三个相关方框的位置，并在各方框内进行空间配准以确定平移参数，如图1A,1B,2A和2B中所示。详细情况可参看1998年11月5日申请的申请号为09/186,761的美国专利“数字图像的高精度子像素空间校准”。

其次，若第一步骤中求出的左、中、右各方框的平移参数(ΔX_L,ΔX_C,ΔX_R)几乎相等，则没有延伸现象。否则，若与中间方框的平移参数相比，左方框更向左平移，右方框更向右平移，则检测出线性扩展延伸。同样，若比起中间方框束，左方框更向右平移，右方框更向左平移，则检测出线性收缩现象。

在下一个步骤中，从左右方框与中间方框的差距可大致估计延伸(收缩)系数的范围。设(X_L,Y_L)，(X_R,Y_R)表示左右方框的中心坐标，则就水平延伸而论，设ΔXe和ΔXr表示左右方框与中心方框的平移参数上的差值，即左右方框相对于中心方框的延伸量，其中ΔXe=ΔX_C-ΔX_L，和ΔXr=ΔX_R-ΔX_C，则范围L=[ΔXe/(W2-XL)]^*K；范围_R=[ΔXr/(X_R-W2)]^*k；范围=(范围_L+范围R)/2，其中W2为1/2图像宽度值，k为常数，(W2-X_L)为左方框与图像中心之间的间距，(X_R-W2)是图像中心与右方框之间的间距。这样就大致估计出收缩系数。然而，鉴于基准图像与失真图像之间的校准的敏感性，为精确衡量图像的质量，需要例如进一步调整收缩系数，如图3A,3B,3C和3D所示。