接触式图像传感器的校准方法与流程

本发明涉及验钞器技术领域，尤其是涉及一种可以减少图像灰阶的失真，满足验钞器图像算法对图像质量要求的接触式图像传感器的校准方法。

背景技术：

接触式图像传感器是验钞器的关键部件，接触式图像传感器的质量直接影响验钞器的性能。为了使验钞器的图像算法有稳定的图像输入，验钞器的生产厂家买到图像传感器后，需要从亮度、各个通道的一致性方面校准图像传感器。

传统接触式图像传感器的校准方法，是假设传感器特性为线性变化，即采用两点式的线性拉伸方法，对传感器各个通道之间的一致性进行校准。然而，如果校准模型选择两点式线性校准方法，得到的图像灰阶会有一定的失真，无法满足验钞器的图像识别、鉴伪和清分算法对图像质量的要求。

技术实现要素：

本发明的发明目的是为了克服现有技术中的接触式图像传感器的校准方法无法满足验钞器的图像识别、鉴伪和清分算法对图像质量要求的不足，提供了一种可以减少图像灰阶的失真，满足验钞器图像算法对图像质量要求的接触式图像传感器的校准方法。

为了实现上述目的，本发明采用以下技术方案：

一种接触式图像传感器的校准方法，所述接触式图像传感器包括N个通道；包括如下步骤：

(1-1)选择1张包括M条不同灰度的条纹段的条纹实验纸，用待矫正的接触式图像传感器采集条纹实验纸的整幅图像数据Image；每个条纹段中均包括W行数据，Image包含M行N列图像块Image(i，j)，i＝1，2，...，M，j＝1，2，...，N；每个条纹段均分成W行N列图像块Imagek(i＇，j)，其中，i＇＝1，2，...，W，k为条纹段的序号，k＝1，2，...，M；

(1-2)计算M条条纹段的均值矩阵Mean；

(1-3)依次找到Mean每一行的最大值H和最小值L；

对于Mean中任意行i，则找到第i行的最大值Hi(x)和最小值Li(x)；其中，x表示最大值或最小值所处的列，x＝1，2...N；

(1-4)计算Mean中第i行第x列的修正系数Ki(x)

(1-5)若接触式图像传感器的某一通道采集到的像素的灰度值为I(x)，若I(x)的像素灰度值与Gi最接近，利用公式I＇(x)＝((I(x)-Li(x))×Ki(x))计算矫正后的像素的灰度值I＇(x)。

本发明的每个条纹段的图像排除边界若干行进行均值计算，有效避免了边界效应干扰。本发明可以完成非线性图像传感器的校准，同时适合线性传感器。

如图2所示，各个传感器在不同段对应的能量积分模拟图，也反映了各个传感器在同一段的灵敏度不同，能量聚集的多少说明传感器在该段的灵敏度不同。

作为优选，步骤(1-2)中包括如下具体步骤：

利用公式计算Image中每个条纹段中的m行数据的平均值Mean(k，j)，M条条纹段的Mean(k，j)组合成M行N列的均值矩阵Mean；其中，W＞l+m，l为6至12。

作为优选，步骤(1-4)包括如下具体步骤：设定M个条纹段的图像灰度值分别为G1，G2，…，GM；利用公式Ki(x)＝((Gi+1-Gi)/(Hi(x)-Li(x)))计算Mean中第i行第x列的修正系数Ki(x)。

作为优选，待矫正的接触式图像传感器采集条纹实验纸的整幅图像数据时，行分辨率≥200DPI。

作为优选，步骤(1-4)和(1-5)之间还包括如下步骤：在计算机中将用二进制表示的Ki(x)左移M位后取整；为了提高运算速度，把Ki(x)左移M取整，Ki(x)反应传感器各个通道对不同段灰度的灵敏度情况。

步骤(1-5)之后还包括如下步骤：在计算机中将用二进制表示的I＇(x)右移M位。

作为优选，M为9；G1，G2，…，GM分别为0，32，64，96，108，140，172，204，236。

因此，本发明具有如下有益效果：本发明每个条纹段的图像排除边界若干行进行均值计算，有效避免了边界效应干扰，提高运算速度，提高了图像传感器的灵敏度。

附图说明

图1是本发明的条纹实验纸的一种结构示意图；

图2是本发明对不同图像传感器在各个条纹段的能量积分模拟分析图；

图3是本发明的一种流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图3所示的实施例是一种接触式图像传感器的校准方法，接触式图像传感器包括N＝1584个通道；包括如下步骤：

步骤100，采集条纹实验纸图像

选择1张如图1所示的包括M条不同灰度的条纹段的条纹实验纸，用待矫正的接触式图像传感器采集条纹实验纸的整幅图像数据Image；每个条纹段中均包括W＝200行数据，Image包含M行N列图像块Image(i，j)，i＝1，2，...，M，j＝1，2，...，N；每个条纹段均分成W行N列图像块Imagek(i＇，j)，其中，i＇＝1，2，...，W，k为条纹段的序号，k＝1，2，...，M；

步骤200，计算M条条纹段的均值矩阵Mean

利用公式计算Image中每个条纹段中的m行数据的平均值Mean(k，j)，M条条纹段的Mean(k，j)组合成M行N列的均值矩阵Mean；其中，W＞l+m，l为10。

步骤300，依次找到Mean每一行的最大值H和最小值L；

对于Mean中任意行i，则找到第i行的最大值Hi(x)和最小值Li(x)；其中，x表示最大值或最小值所处的列，x＝1，2...N；

步骤400，计算Mean中第i行第x列的修正系数Ki(x)

设定M个条纹段的图像灰度值分别为G1，G2，…，GM；利用公式Ki(x)＝((Gi+1-Gi)/(Hi(x)-Li(x)))计算Mean中第i行第x列的修正系数Ki(x)；在计算机中将用二进制表示的Ki(x)左移M位后取整；

步骤500，修正像素的灰度值

若接触式图像传感器的某一通道采集到的像素的灰度值为I(x)，若I(x)的图像灰度值与Gi最接近，利用公式I＇(x)＝((I(x)-Li(x))×Ki(x))计算矫正后的像素的灰度值I＇(x)；在计算机中将用二进制表示的I＇(x)右移M位。

经过修正后，每个通道将有相同的灵敏度，消除了不同的通道的灵敏度差异，提高了纸币图像的数据质量，增强了验钞器算法的稳定性，提升了验钞器性能。

其中，待矫正的接触式图像传感器采集条纹实验纸的整幅图像数据时，行分辨率≥200DPI。M为9；G1，G2，…，GM分别为0，32，64，96，108，140，172，204，236。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。