Page 168 - 《应用声学》2024年第1期

164 2024 年 1 月

表 1 图像畸变校正算法处理流程伪代码
Table 1 Image distortion correction algorithm process pseudo-code

1. 对 A 扫描原始数据进行预处理：
输入所需变量数据，包括滤波器参数、以图 2(b) 为例的全部 A 扫描原始数据、图像分辨率 (x, y) (由扫描点数决定) 等；对全
部 A 扫描原始数据进行剪切、数字滤波和希尔伯特变换等处理，获得预处理数据，处理过程如图 5 所示。
2. 利用 MIP 获得灰度图像：
输入预处理数据：
for i ← 1 到 x
for j ← 1 到 y
a ← 第 i 行、第 j 列的 A 扫描预处理数据；
对 a 进行 MIP 计算，将计算结果保存到 D(i, j) 中；
end
end
将 D 矩阵中所有的数据归一化到 [0, 255]；处理过程如图 6 所示。
3. 确定灰度图像的 ROI 左右边缘位置：
输入归一化数据 D，D 为 x 行、y 列的灰度矩阵；利用 Otsu 边缘检测算法或数据观察法确定阈值 v，该阈值 v 用于确定灰度
图像的 ROI 左右边缘位置；设置矩阵 L(x, 2)，L 包含 x 行，每行包含左右 2 个边缘像素位置；
for i ← 1 到 x
for j ← 1 到 y
if D(i, j) 大于 v
则 L(i, 1) = j;
break；
end
end
如果没有符合条件的位置，则 L(i, 1) = y/2;
for j ← y 到 1
if D(i, j) 大于 v
则 L(i, 2) = j;
break;
end
end
如果没有符合条件的位置，则 L(i, 2) = y/2;
end
4. 对灰度图像进行中心坐标校正：
设置原始灰度图像中目标每行的中心位置为向量 C(x, 1)；C(x, 1) = (L(x, 1) + L(x, 2))/2; 设置每行所需要的校正补偿量
为 offset(x, 1)；offset(x, 1) = y/2 − C(x, 1); 设置 R(x, y) 为校正后的灰度矩阵；
for i ← 1 到 x
if (offset (i) 大于 0)
将第 i 行整体向右移动 n 次，n = offset(i)；每次移动时，将最右侧像素值补充至最左侧第一个像素位置；移动完毕后，将
该行数据保存到 R 矩阵中的对应行；
end
if (offset(i) 等于 0)
不需要移动，将该行数据直接保存到 R 矩阵中的对应行；
end
if (offset (i) 小于 0)
将第 i 行整体向左移动 n 次，n = abs(offset(i))；每次移动时，将最左侧像素值补充至最右侧第一个像素位置；移动完毕
后，将该行数据保存到 R 矩阵中的对应行；
end
end
R 矩阵即为校正后的灰度图像。