本發(fā)明涉及精密電子組裝設(shè)備的圖像處理領(lǐng)域，具體涉及一種在精密電子組裝設(shè)備工作場景下，降低圖像噪聲和使顏色接近標(biāo)準(zhǔn)的方法。

背景技術(shù)：
經(jīng)典的針對單一圖像的降噪方法是空間域濾波和頻率域濾波?？臻g域濾波是在原圖上利用模板直接對像素值進(jìn)行卷積運算，包括均值濾波、中值濾波、低通濾波。頻率域濾波是利用傅里葉變換將原圖從空間域轉(zhuǎn)換到頻率域，然后調(diào)整不同頻率的圖像系數(shù)來去除噪聲，最后將圖像從頻率域變回空間域。此外，還有利用小波變換濾波、偏微分方程、變分法、形態(tài)學(xué)濾波等方法進(jìn)行圖像去噪。實際上，針對單一圖像的降噪方法會造成圖像細(xì)節(jié)的丟失。

技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供了一種在精密電子組裝設(shè)備工作場景下，用多鏡頭降低圖像噪聲和使顏色接近標(biāo)準(zhǔn)的方法。為了實現(xiàn)發(fā)明目的，本發(fā)明采用的技術(shù)方案為：采用多鏡頭拍攝獲得公共區(qū)域較大的兩幅印刷電路板圖像，然后以一張圖像作為底稿把兩圖的公共區(qū)域加權(quán)合成，利用噪聲的隨機(jī)性來降低圖像的噪聲，最后通過顏色校正矩陣來使顏色接近標(biāo)準(zhǔn)。利用兩圖合成降低噪聲的方案可以較好地保留圖像的細(xì)節(jié)。一種降低圖像噪聲和使顏色接近標(biāo)準(zhǔn)的方法，在精密電子組裝設(shè)備工作場景下，采用多鏡頭拍攝獲得公共區(qū)域較大的兩幅印刷電路板圖像，然后以其中一張圖像作為底稿把兩幅印刷電路板圖像的公共區(qū)域加權(quán)合成，利用噪聲的隨機(jī)性來降低圖像的噪聲，最后通過顏色校正矩陣來使顏色接近標(biāo)準(zhǔn)。上述的降低圖像噪聲和使顏色接近標(biāo)準(zhǔn)的方法，其特征是具體包括如下步驟：（1）兩幅圖像公共區(qū)域加權(quán)融合：選擇兩幅印刷電路板圖像中的一張圖像作為底稿，利用單應(yīng)性矩陣將另一張圖像變換成與底稿在公共區(qū)域有對應(yīng)元素的圖像，然后對兩幅圖像的公共區(qū)域進(jìn)行加權(quán)，得到新的圖像，從而降低圖像噪聲；（2）色彩校正：通過一個3乘3的矩陣變換，將新的圖像里原有的RGB顏色空間映射到標(biāo)準(zhǔn)的RGB顏色空間，使得圖像的RGB像素值更接近標(biāo)準(zhǔn)的RGB像素值。上述步驟（1）中所拍攝的兩幅印刷電路板圖像為在精密電子組裝設(shè)備工作場景的同一個平面上的圖像；人工或自動選取同一平面上n組(不少于4組)對應(yīng)點，得到對應(yīng)點的坐標(biāo)，利用直接線性變換算法求解出兩圖像對應(yīng)的單應(yīng)性矩陣。上述步驟（1）中，將另一張圖像變換成與所述底稿在公共區(qū)域有對應(yīng)元素的圖像過程中，為了提高運算速度，每16像素*16像素的方框使用單應(yīng)性矩陣得到4組頂點對應(yīng)點坐標(biāo)（該4組對應(yīng)點坐標(biāo)為方框的頂點），其余對應(yīng)點坐標(biāo)用雙線性插值的方法和已求的4組對應(yīng)點坐標(biāo)得到。上述步驟（1）中，將另一張圖像變換成與所述底稿在公共區(qū)域有對應(yīng)元素的圖像過程中，新圖像的像素值要通過對應(yīng)點坐標(biāo)在原圖獲取，需利用雙線性插值方法在目標(biāo)點最鄰近的4個坐標(biāo)的像素值得到所需要的整數(shù)坐標(biāo)下的像素值。所述直接線性變換算法包括：將兩組對應(yīng)點坐標(biāo)Xl和Xr經(jīng)過和歸一化得到Xlg和Xrg，（下標(biāo)l和r分別表示左圖和右圖，Xl和Xr分別代表左圖和右圖的原始對應(yīng)點坐標(biāo)，Xlg和Xrg分別代表左圖和右圖的歸一化后對應(yīng)點坐標(biāo)。xl和xr分別代表左圖和右圖的x坐標(biāo)，yl和yr分別代表左圖和右圖的x坐標(biāo)，E(xl)和E(xr)分別是左圖和右圖歸一化前x坐標(biāo)的期望，E(yl)和E(yr)是左圖和右圖歸一化前y坐標(biāo)的期望，D(xl)和D(xr)分別是左圖和右圖歸一化前x坐標(biāo)的方差，D(yl)和D(yr)分別是左圖和右圖歸一化前y坐標(biāo)的方差）；利用Xi'×HXi=0整理成Ah=0得其中hi代表3乘3單應(yīng)性矩陣的第i行的轉(zhuǎn)置，將3n乘9的A矩陣（n是指對應(yīng)點組數(shù)）進(jìn)行奇異值分解A=UDVT，歸一化后單應(yīng)性矩陣Hg即為V的最后一列，反歸一化的單應(yīng)性矩陣所述的雙線性插值方法包括：插值按照16像素*16像素的方框逐個進(jìn)行，f(1)，f(2)，f(3)，f(4)分別指的是方框四個頂點位置的映射坐標(biāo)，在每一個方框內(nèi)部，利用公式f12(k,1)=(f(1)*(16-k)+f(2)*k)>>2，f23(16,k)=(f(2)*(16-k)+f(3)*k)>>2，f34(k,16)=(f(3)*(16-k)+f(4)*k)>>3，f41(1,k)=(f(4)*(16-k)+f(1)*k)>>3先插值四條邊，然后利用公式f(x,y)=(f(1)*(64-x)*(64-y)+f(2)*(x)*(64-y)+f(3)*(64-x)*(y)+f(4)*x*y)>>12插值方框的內(nèi)部區(qū)域；其中，下標(biāo)代表待插值邊的第一頂點和第二頂點的標(biāo)記，k代表位于待插值邊上且與該待插值邊上第一個頂點距離為k-1個像素的坐標(biāo)，k取值為2～15；x、y代表方框內(nèi)的坐標(biāo)，取值為2～15。所述的雙線性插值方法利用雙線性插值方法在目標(biāo)點最鄰近的4個對應(yīng)點坐標(biāo)的像素值得到所需要的整數(shù)坐標(biāo)下的像素值；利用公式f(x,y)=(f(1)*(64-x)*(64-y)+f(2)*(x)*(64-y)+f(3)*(64-x)*(y)+f(4)*x*y)>>12，f(1)，f(2)，f(3)，f(4)分別指的是最鄰近的4個坐標(biāo)的像素值。所述步驟（2）包括：只需要在該場景做一次顏色校正矩陣的求取，以后就一直使用該矩陣作為顏色校正；兩個攝像機(jī)先在工作場景下拍攝24色標(biāo)準(zhǔn)調(diào)色板，調(diào)色板要在兩幅圖的公共區(qū)域里，然后利用步驟（1）所述的降噪方法得到合成圖像。步驟（2）中使顏色接近標(biāo)準(zhǔn)的方法包括：將合成圖像上讀取24個色塊的5點像素平均值作為輸入，調(diào)色板對應(yīng)色塊的標(biāo)準(zhǔn)像素值作為輸出，把公式整理成Ax=b的形式（Rin、Gin、Bin分別為輸入的紅色、綠色、藍(lán)色通道矩陣的顏色值，Rin、Gin、Bin分別為標(biāo)準(zhǔn)色塊的紅色、綠色、藍(lán)色通道矩陣的顏色值），得公式（即），其中，ci是代表3乘3顏色校正矩陣第i行的轉(zhuǎn)置，矩陣A大小為72*9，向量b的大小為72*1；利用最小二乘法x=(AT*A)-1*ATb或奇異值分解可得到所需要的變換矩陣。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和效果：本發(fā)明采用的多攝像頭圖像融合降低圖像噪聲可以減少經(jīng)典的單一圖像濾波去噪丟失細(xì)節(jié)，利用色彩校正矩陣可使顏色接近標(biāo)準(zhǔn)，有著實際的生產(chǎn)意義。附圖說明圖1是本發(fā)明降低噪聲和使顏色接近標(biāo)準(zhǔn)總流程圖圖2是求取單應(yīng)性矩陣流程圖3是將一張圖像變換并與另一張圖像加全合成流程圖圖4是求取顏色校正矩陣流程圖具體實施方式以下結(jié)合附圖對本發(fā)明的實施作進(jìn)一步說明，但本發(fā)明的實施和保護(hù)范圍不限于此。一種降低圖像噪聲和使顏色接近標(biāo)準(zhǔn)的方法，具體包括如下五個主要步驟：（1）人工或自動選取同一平面上不少于4組對應(yīng)點，得到對應(yīng)點的坐標(biāo)，利用直接線性變換算法求解出兩圖像對應(yīng)的單應(yīng)性矩陣。直接線性變換算法：將兩組對應(yīng)點坐標(biāo)Xl和Xr經(jīng)過和歸一化得到Xlg和Xrg，E(x)是歸一化前坐標(biāo)的期望，D(x)是歸一化前坐標(biāo)的方差。利用Xi'×HXi=0整理成Ah=0得其中hi代表3乘3單應(yīng)性矩陣的第i行的轉(zhuǎn)置，將3n乘9的A矩陣進(jìn)行奇異值分解A=UDVT，歸一化后單應(yīng)性矩陣Hg即為V的最后一列，反歸一化的單應(yīng)性矩陣（2）計算公共區(qū)域內(nèi)圖像的對應(yīng)點，為了提高運算速度，每16像素*16像素的方框才使用單應(yīng)性矩陣得到4組對應(yīng)點坐標(biāo)，其余對應(yīng)點坐標(biāo)用雙線性插值的方法和4組對應(yīng)點坐標(biāo)得到。雙線性插值方法按照16像素*16像素的方框逐個進(jìn)行，f(1)，f(2)，f(3)，f(4)分別指的是方框四個頂點位置的映射坐標(biāo)。在每一個方框內(nèi)部，利用公式f12(k,1)=(f(1)*(16-k)+f(2)*k)>>2，f23(16,k)=(f(2)*(16-k)+f(3)*k)>>2，f34(k,16)=(f(3)*(16-k)+f(4)*k)>>3，f41(1,k)=(f(4)*(16-k)+f(1)*k)>>3先插值四條邊，然后利用公式f(x,y)=(f(1)*(64-x)*(64-y)+f(2)*(x)*(64-y)+f(3)*(64-x)*(y)+f(4)*x*y)>>12插值方框的內(nèi)部區(qū)域。下標(biāo)代表方框的其中兩個頂點，如下標(biāo)12代表以該兩個頂點為端點的待插值邊的第一頂點1和第二頂點2（又如，下標(biāo)41代表待插值邊的第一頂點4和第二頂點1），f12(k,1)代表在以第一頂點1和第二頂點2為端點構(gòu)成的待插值邊上與第一頂點1的距離為k-1個像素的點的映射坐標(biāo)；fab(k,1)代表在以第一頂點a和第二頂點b為端點構(gòu)成的待插值邊上與第一頂點a的距離為k-1個像素的點的映射坐標(biāo)，k代表位于待插值邊上且與該待插值邊上第一個頂點a的距離為k-1個像素的坐標(biāo)（k為坐標(biāo)，fab(k,1)為映射坐標(biāo)，坐標(biāo)是在方框里建立的坐標(biāo)系，映射坐標(biāo)是在完整大圖里建立的坐標(biāo)系），取值為2～15；x、y代表方框內(nèi)的坐標(biāo)，取值為2～15。（3）將另一張圖像變換成與底稿在公共區(qū)域有對應(yīng)元素的圖像，然后將兩圖加權(quán)合成。新圖的像素值要通過對應(yīng)點坐標(biāo)在原圖獲取，因為對應(yīng)點坐標(biāo)可能有小數(shù)，所以需要利用雙線性插值方法在目標(biāo)點最鄰近的4個坐標(biāo)的像素值得到所需要的整數(shù)坐標(biāo)下的像素值。利用雙線性插值方法在目標(biāo)點最鄰近的4個對應(yīng)點坐標(biāo)的像素值得到所需要的整數(shù)坐標(biāo)下的像素值。利用公式f(x,y)=(f(1)*(64-x)*(64-y)+f(2)*(x)*(64-y)+f(3)*(64-x)*(y)+f(4)*x*y)>>12，f(1)，f(2)，f(3)，f(4)分別指的是最鄰近的4個坐標(biāo)的像素值。（4）只在工作場景做一次顏色校正矩陣的求取，以后就一直使用該矩陣作為顏色校正。兩個攝像機(jī)先在工作場景下拍攝24色標(biāo)準(zhǔn)調(diào)色板，調(diào)色板要在兩幅圖的公共區(qū)域里，然后利用上述步驟合成圖像。將圖上讀取24個色塊的5點像素平均值作為輸入，調(diào)色板對應(yīng)色塊的標(biāo)準(zhǔn)像素值作為輸出，把公式整理成Ax=b的形式，得公式其中，ci是代表3乘3顏色校正矩陣第i行的轉(zhuǎn)置，矩陣A大小為72*9，向量b的大小為72*1。利用最小二乘法x=(AT*A)-1*ATb或奇異值分解可得到所需要的變換矩陣。（5）每一次得到的合成圖像經(jīng)過顏色校正得到新的圖像。如圖1，為本發(fā)明的降低噪聲和使顏色接近標(biāo)準(zhǔn)流程圖。具體為先拍攝兩張公共區(qū)域較大的貼片機(jī)工作場景圖像，利用直接線性變換算法求取單應(yīng)性矩陣，再求出其中一圖變換后的圖像，以另一圖為底稿將兩圖加權(quán)合成，最后通過顏色校正得到最終的圖像。顏色校正矩陣只需要進(jìn)行一次求解就能得到。如圖2所示為求解單應(yīng)性矩陣流程圖。第一步是通過自動或人工選取不少于4組對應(yīng)點，對應(yīng)點最好能夠均勻分布在圖像各部分；第二步是將對應(yīng)點進(jìn)行歸一化，為了提高求解單應(yīng)性矩陣的精度；第三步是利用奇異值分解得到歸一化后的單應(yīng)性矩陣；第四步是對上一步的矩陣進(jìn)行反歸一化，得到原有對應(yīng)坐標(biāo)的單應(yīng)性矩陣。如圖3所示為將一張圖像變換并與另一張圖像加全合成流程圖。第一步是將圖像劃分成多個16像素*16像素的方框，利用單應(yīng)性矩陣算出所有方框4個角的對應(yīng)點坐標(biāo)；第二步是利用雙線性插值的方法求取公共區(qū)域所有對應(yīng)點坐標(biāo)；第三步是利用對應(yīng)點坐標(biāo)和雙線性插值得到其中一圖變換后的圖像；第四步是以另一張圖像為底稿，將公共區(qū)域圖像加權(quán)合成，得到降噪的圖像。如圖4所示對求取顏色校正矩陣流程圖。第一步是先拍攝在公共區(qū)域有調(diào)色板的兩張圖像；第二步是用上述方法將兩圖像加權(quán)合成；第三步是把合成圖像24個色塊的RGB像素值作為輸入，其中每個色塊取5點的平均值，把調(diào)色板的標(biāo)準(zhǔn)RGB像素值作為輸出；第四步是利用最小二乘法或奇異值分解得到顏色校正矩陣。本實例在明亮的環(huán)境下拍攝工作內(nèi)容的圖像作為標(biāo)準(zhǔn)，然后在稍暗（即噪聲較多）的環(huán)境下獲取相同的圖像和調(diào)色板的圖像，并使用本方法進(jìn)行處理。噪聲的評價函數(shù)為：其中，s和t分別代表標(biāo)準(zhǔn)無噪圖像和有噪圖像，上標(biāo)i=1,2,…,N，N是圖像道。若MSE越小，則噪聲越小。顏色標(biāo)準(zhǔn)程度的評價函數(shù)為：其中，R、G、B分別代表圖像的三個通道，下標(biāo)in和out分別代表標(biāo)準(zhǔn)值和待檢測值，上標(biāo)j代表第j個色塊，m代表顏色塊的總數(shù)，此處取24。若q越小，顏色更接近標(biāo)準(zhǔn)。本實例中原始拍攝調(diào)色板圖像的顏色標(biāo)準(zhǔn)程度為17171.4，用PS調(diào)整得到的標(biāo)準(zhǔn)調(diào)色板圖像（顏色標(biāo)準(zhǔn)程度為0），用所求顏色校正矩陣進(jìn)行校正得到的調(diào)色板圖像（顏色標(biāo)準(zhǔn)程度為5618.4），說明顏色更接近標(biāo)準(zhǔn)。實例中所拍攝的左圖的MSE為7463.9，拍攝的右圖的MSE為4433.5，合成的降噪圖像的MSE為1338.5。