一、偏振图像分离（核心目标：提取多方向偏振分量）
利用偏振相机的微偏振阵列（如 0°/45°/90°/135° 四方向），将原始成像数据分解为不同偏振方向的单通道图像，需满足 Nyquist 采样定理以避免混叠。
- 通道对齐：通过相机内参校正（畸变校正、像素配准），确保四方向偏振图像像素位置完全对应；
- 噪声抑制：采用高斯滤波（σ=0.8-1.2）或小波阈值去噪，保留偏振信息的同时降低暗电流噪声；
-
数据格式：输出单通道 16 位灰度图，每个通道对应一个偏振方向（记为 I₀、I₄₅、I₉₀、I₁₃₅）。
-
相邻通道的峰值信噪比（PSNR）≥35dB，确保分离后图像无明显错位。
二、图像插值（核心目标：提升偏振图像空间分辨率）
|---------|----------------|----------------|
| 算法类型 | 优势 | 适用场景 |
| 双线性插值 | 计算速度快，边缘平滑 | 实时导航（如无人机） |
| 双三次插值 | 细节保留好，分辨率提升显著 | 高精度导航（如航天器） |
| 导向滤波插值 | 保留偏振边缘特征，抗模糊 | 复杂场景（云层、复杂地形） |
- 以分离后的四方向偏振图为输入，设定插值倍率（通常 2-4 倍，需匹配相机硬件分辨率）；
- 插值后进行边缘增强（如 Sobel 算子），避免偏振信息在插值过程中模糊；
- 输出插值后的四方向偏振图像，像素尺寸统一为目标分辨率（如 1920×1080）。
三、偏振角图计算（核心目标：获取像素级偏振方向分布）
- 逐像素代入公式计算，对分母为 0 的像素（I₀=I₉₀），设定 θ=45° 或标记为无效像素；
- 偏振角归一化：将 θ 值映射为 0-255 灰度值（θ=0°→0，θ=180°→255），生成偏振角灰度图；
-
异常值处理：采用 3×3 邻域均值滤波，替换超过 ±15° 偏差的孤立像素（排除噪声干扰）。
-
与标准偏振角校准板（已知偏振方向）对比，误差≤2°。
四、图像形态变换（核心目标：优化偏振角图空间特征）
预处理：腐蚀操作（3×3 矩形结构元素），去除偏振角图中的微小噪声点（面积 < 5 像素）；
- 主体增强：膨胀操作（同结构元素），恢复有效区域的连通性；
- 边缘优化：开运算（先腐蚀后膨胀），平滑偏振角突变区域（如天空 - 地面交界）；
- 细节保留：顶帽变换，增强弱偏振区域（如薄云覆盖区域）的偏振角特征。
结构元素尺寸根据图像分辨率调整（通常 3×3-5×5），避免过度腐蚀导致有效区域丢失。
五、筛选过滤可用区域（核心目标：排除无效偏振信息区域）
- 偏振度（DoP）阈值：DoP = √[(I₀-I₉₀)² + (2I₄₅-I₀-I₉₀)²]/(2 (I₀+I₉₀))，设定 DoP≥0.15（排除无偏振信息的区域，如强反射地面）；
- 灰度方差阈值：计算偏振角图的局部方差（5×5 窗口），方差≥10（排除均匀无特征区域，如纯蓝天）；
-
连通性筛选：保留面积≥500 像素的连通区域，排除孤立小区域（噪声干扰）。
-
生成二值掩码图：满足所有指标的区域标记为 1（可用），否则为 0（无效）；
-
掩码膨胀：对二值图进行 1 次膨胀操作，填补可用区域内的微小空洞；
- 输出 "偏振角图 + 可用区域掩码" 的叠加数据。
六、计算拟合子午线（核心目标：确定太阳子午线直线参数）
在可用区域内，提取偏振角梯度最大值点：通过 Sobel 算子计算 x/y 方向梯度，选取梯度模值前 30% 的像素作为特征点；
- 特征点聚类：采用 K-means 聚类（K=2），分离太阳子午线两侧的特征点集群。
- 直线拟合算法
- 采用加权最小二乘法：以特征点梯度模值为权重（梯度越大权重越高），拟合直线方程 y = kx + b；
-
鲁棒性优化：剔除残差＞3σ 的异常特征点（σ 为残差标准差），迭代拟合直至异常点占比＜5%；
-
计算直线与图像水平轴的夹角 α（即太阳子午线方位角的图像映射值）；
-
输出拟合直线的斜率 k、截距 b 及置信度（R²≥0.95，确保拟合精度）。
七、处理流程（具体代码后续整理后上传）
1.线程框架图
┌─────────────────────┐
│ 主线程 (main) │
│ 系统初始化 │
└─────────────────────┘
│
┌────────────────────┼─────────────────────┐
│ │ │
▼ ▼ ▼
┌─────────────┐ ┌─────────────┐ ┌────────────┐
│ Thread 1 │ │ Thread 2 │ │ Thread 3 │
│ 偏振角计算 │───▶│ 伪彩色映射 │───▶ │ 边界检测 │
└─────────────┘ └─────────────┘ └────────────┘
2.**为什么用HSV而非BGR？**
| 特性 | BGR | HSV |
| ----- | ----- | ----- |
| 颜色表示 | 蓝绿红混合 | 色调+饱和度+亮度 |
| 光照鲁棒性 | ❌ 差 | ✅ 好 |
| 颜色分离 | ❌ 困难 | ✅ 简单 |
| 阈值设定 | ❌ 复杂 | ✅ 直观 |
3.**HSV色环示意图：**
90° (绿色)
│
│
180°(红色) ──────┼────── 0° (红色)
│
│
270° (蓝色)
4.**连通域分析示意图：**
原始掩码（多个区域）: 过滤后（单个主区域）:
┌────────────────────┐ ┌────────────────────┐
│ ●小蓝 ●小蓝 │ │ │
│ │ │ │
│ ██████ 小红● │ │ ██████ │
│ ██████ │ │ ██████ │
│ ██████ ●小红 │ ─▶ │ ██████ ████ │
│ 大蓝区域 ████ │ │ 大蓝区域 ████ │
│ ██████ ████ │ │ ██████ ████ │
│ ██████ 相邻红 │ │ ██████ 相邻红 │
└────────────────────┘ └────────────────────┘
5.**距离变换示意图：**
原始掩码: 距离图:
┌─────┐ ┌─────┐
│██░░░│ │01234 │
│██░░░│ ───▶ │01234 │
│██░░░│ │01234 │
└─────┘ └─────┘
(黑=目标区域) (数字=距离值)
6.**HUBER拟合 vs 最小二乘法：**
| 方法 | 对离群点 | 精度 | 速度 |
|-------------|--------------|------------------------|--------|
| 最小二乘 | ❌ 敏感 | 高（无噪声时） | 快 |
| HUBER | ✅ 鲁棒 | 高（有噪声时） | 中等 |
7.**HUBER vs 最小二乘法损失函数对比：**
损失值
│
│ ╱ 最小二乘（e²增长）
│ ╱
│ ╱
│ ╱
│ ╱ ╱─ HUBER（线性增长）
│ ╱ ╱
│ ╱ ╱
│ ╱ ╱
│╱╱
└────────────▶ 误差e8.数据流程图
main
│
┌──────────────────────────┼──────────────────────────┐
│ │ │
▼ ▼ ▼
┌────────────────┐ ┌────────────────┐ ┌────────────────┐
│ Thread 1 │ │ Thread 2 │ │ Thread 3 │
│ 偏振角计算 │ │ 伪彩色映射 │ │ 边界检测 │
├────────────────┤ ├────────────────┤ ├────────────────┤
│ 输入： │ │ 输入： │ │ 输入： │
│ 灰度图 │ │ 偏振角图 │ │ 伪彩色图 │
│ CV_8U │ │ CV_32F │ │ CV_8UC3 │
├────────────────┤ ├────────────────┤ ├────────────────┤
│ 处理流程： │ │ 处理流程： │ │ 处理流程： │
│ 1. 通道分离 │ │ 1. 归一化 │ │ 1. BGR→HSV │
│ 2. 高斯滤波 │ │ 2. 反转 │ │ 2. 颜色掩码 │
│ 3. 通道插值 │ │ 3. JET映射 │ │ 3. 腐蚀膨胀 │
│ 4. 偏振计算 │ │ │ │ 4. 连通域 │
│ │ │ │ │ 5. 距离变换 │
│ │ │ │ │ 6. 边界检测 │
│ │ │ │ │ 7. 直线拟合 │
│ │ │ │ │ 8. 绘制结果 │
├────────────────┤ ├────────────────┤ ├────────────────┤
│ 输出： │ │ 输出： │ │ 输出： │
│ 偏振角图 │───────▶│ JET伪彩色图 │───────▶│ 掩码+边界点 │
│ CV_32F │ │ CV_8UC3 │ │ CV_8UC3 │
└────────────────┘ └────────────────┘ └────────────────┘