CN101771796B

CN101771796B - 一种校正图像桶形失真的方法和装置

Info

Publication number: CN101771796B
Application number: CN 200810189155
Authority: CN
Inventors: 宋敏; 彭茂; 肖本懿
Original assignee: BYD Co Ltd
Current assignee: BYD Semiconductor Co Ltd
Priority date: 2008-12-29
Filing date: 2008-12-29
Publication date: 2013-01-30
Anticipated expiration: 2028-12-29
Also published as: CN101771796A

Abstract

本发明公开了一种校正图像桶形失真的方法，包括：首先对采集到的图像插入行列数据，得到插入行列数据后图像；串行输入所述插入行列数据后图像，并将其中的部分图像存储到存储单元；对所述存储单元中的一个图像数据进行校正并输出，继续存储未被存储的串行输入的所述插入行列数据后图像中的图像数据，重复执行本步骤的校正、输出、继续存储过程，直至输出全部插入行列数据后图像中的图像数据，得到校正后图像。本发明同时公开了一种校正图像桶形失真的装置。应用本发明所述的方法和装置能够在减少存储空间的基础上对图像桶形失真进行有效地校正，而且还可以在存储空间很小但成本很低的CIS中实现对图像桶形失真的校正，节约成本。

Description

一种校正图像桶形失真的方法和装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种校正图像桶形失真的方法和装置。

背景技术

广角镜头由于视角的宽广而被广泛地应用于摄像领域，但是，应用广角镜头时会存在由镜头引起的成像画面呈桶形膨胀状的现象，即桶形失真，这种失真会严重影响实际摄像的效果，因而需要对图像桶形失真进行校正。

目前，校正图像桶形失真的方法很多，比如，控制点法和模式法等，图1为现有技术图像桶形失真校正方法实施例的流程图，该方法包括以下步骤：

步骤101：对发生桶形失真的图像进行存储。

在对发生桶形失真的图像进行校正之前，首先要对所要校正的图像进行存储，由于一幅图像中有很多的像素点，也即图像的数据量很大，因此需要存储空间比较大的存储单元来存储发生桶形失真的图像。

步骤102：对图像中的每一个图像数据分别进行校正。

鉴于桶形失真图像本身的特点，对发生桶形失真的图像进行校正时需要对图像上的每一个图像数据分别进行校正，具体校正方法如下：

假设(X，Y)是桶形失真图像中某个图像数据的坐标，(X_d，Y_d)是图像的中心坐标，(X′，Y′)是对图像进行校正后坐标为(X，Y)的图像数据应该在的坐标，z是(X，Y)到(X_d，Y_d)的距离，则有

X′-X_d＝(X-X_d)*M(z) (1)

Y′-Y_d＝(Y-Y_d)*M(z) (2)

其中，M(z)是一个与距离z有关的参数，令M(z)＝1+A*z^2，A是一个为负值的系数，它的值是在已知所有坐标的前提下通过对公式(1)或(2)逆推得到的。

将M(z)＝1+A*z^2代入公式(1)和(2)并展开，得到

X′-X＝(X-X_d)*A*z^2 (3)

Y′-Y＝(Y-Y_d)*A*z^2 (4)

其中，所述+表示加号，所述-表示减号，所述*表示乘号，所述^表示乘方号。

对发生桶形失真的图像中的图像数据进行校正时，将图像中该图像数据所在的坐标按照式(3)和(4)进行计算得到一对新的坐标，得到的新的坐标上对应的图像数据即为对原始坐标上的图像数据进行校正后的值。

步骤103：将所有校正后得到的图像数据串行输出得到最终所需图像。

在对发生桶形失真的图像进行失真校正时，是按照图像数据串行输入存储单元中的顺序来对图像中的每一个图像数据分别进行校正的，对每个图像数据分别校正完后，将校正后得到的图像数据串行输出得到最终所需图像，即对发生桶形失真的图像进行校正后的图像。

基于上述方法，图2为现有技术图像桶形失真校正装置实施例的组成结构示意图。如图2所示，该装置包括：

存储单元21，用于对发生桶形失真的图像进行存储。

在对发生桶形失真的图像进行校正之前，首先要对该图像进行存储，现有技术中由于是对一整幅图像直接进行校正处理，而且图像的数据量很大，因此，需要存储空间比较大的存储单元来对图像进行存储。

计算单元22，用于对存储单元21中存储的图像进行校正。

在对发生桶形失真的图像进行校正时，需要对图像中的每一个图像数据分别进行校正，并且对每个图像数据进行校正时是按照图像数据串行输入存储单元21中的顺序来进行的。

输出单元23，用于将校正后的图像数据进行输出得到最终所需图像。

将计算单元22中进行校正后的图像数据进行输出时，是将校正后得到的每个图像数据串行输出的，将全部图像数据进行校正完并输出后，即得到最终所需的校正后图像。

图2所示装置的具体工作流程参照图1所示方法实施例中的相应说明。

通过以上分析可以看出，现有技术中对图像桶形失真进行校正的方法虽然能够比较好地校正图像桶形失真，但是需要对发生桶形失真的图像预先进行存储，即需要很大的存储空间，因此，现有方法都是在存储空间大的数字信号处理(DSP)中实现的，具有存储功能的cmos图像传感器(CIS)成本很低，但存储空间又太小。

发明内容

有鉴于此，本发明的主要目的在于提供一种校正图像桶形失真的方法，能够在减少存储空间的基础上对图像桶形失真进行有效地校正。

本发明的另一目的在于提供一种校正图像桶形失真的装置，能够在减少存储空间的基础上对图像桶形失真进行有效地校正。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种校正图像桶形失真的方法，包括：

对采集到的图像插入行列数据，得到插入行列数据后图像；

串行输入所述插入行列数据后图像，并将其中的部分图像存储到存储单元；

对所述存储单元中的一个图像数据进行校正并输出，继续存储未被存储的串行输入的所述插入行列数据后图像中的图像数据，重复执行本步骤的校正、输出、继续存储过程，直至输出全部插入行列数据后图像中的图像数据，得到校正后图像，

其中，所述对采集到的图像插入行列数据是在图像的中心处插入行列，在所述插入的行列中插入数据。

一种校正图像桶形失真的装置，该装置包括：

控制单元，用于计算需要在桶形失真的图像中插入的行列数；

行列插值单元，用于根据控制单元计算出的行列数在桶形失真的图像中心处插入行列数据后，串行输入存储单元；

存储单元，用于对由行列插值单元得到的插入行列数据后的图像中的部分图像依次进行存储，所述依次存储是后续输入的一个图像数据依次存储在所述计算单元上次校正后的一个图像数据的位置；

计算单元，用于对存储单元中的部分图像依次进行校正；

输出单元，用于将校正后的图像进行输出。

由上述的技术方案可见，本发明采用的对图像桶形失真进行校正的方法：首先对采集到的图像插入行列数据，之后存储单元对串行输入的插入行列数据后图像中的部分图像依次进行存储，最后对部分图像中的矩阵数据块依次进行校正得到最终所需的校正后图像。可以看出，该方案采用了依次对存储的串行输入存储单元中的部分图像进行校正，而且是边存储、边校正、边输出，由于并不是对数据量很大的一整幅图像中的图像数据全部进行存储后再校正，因此，应用本发明所述的方法能够在减少存储空间的基础上对图像桶形失真进行有效地校正。

附图说明

图1为现有技术图像桶形失真校正方法实施例的流程图。

图2为现有技术图像桶形失真校正装置实施例的组成结构示意图。

图3为本发明图像桶形失真校正方法实施例的流程图。

图4为本发明采用的bayer格式的图像形式。

图5为本实施例采用的bayer格式的8*8的图像。

图6为本实施例对8*8的图像插入两行两列数据后的图像。

图7为本实施例对第一个图像数据进行校正时所存储的部分图像。

图8为本实施例存储的第一个部分图像中的3*3的矩阵数据块。

图9为本实施例对第一个图像数据进行校正后所存储的部分图像。

图10为本实施例几个部分图像中的几个特殊的3*3的矩阵数据块。

图11为本发明图像桶形失真校正装置实施例的组成结构示意图。

图12为桶形失真图像及采用本实施例的方法对其进行校正后的图像示意图。

具体实施方式

为解决现有技术中存在的问题，本发明提出一种对图像桶形失真进行校正的方法，首先对采集到的图像插入行列数据，之后存储单元对串行输入的插入行列数据后图像中的部分图像依次进行存储，最后对部分图像中的矩阵数据块依次进行校正得到最终所需的校正后图像，该方法能够在减少存储空间的基础上对图像桶形失真进行有效地校正。

在介绍具体的实现方案之前，首先介绍一下红绿蓝(RGB)色彩模型的概念。RGB色彩模型是工业界的一种颜色标准，通过对R、G、B三个颜色通道进行变化以及对它们相互之间进行叠加来得到各种各样的颜色，所以，对于图像中的每一个像素点，均可用R、G、B三个分量(通道)来表示。通常，每个分量的取值范围为0～255；这样，当R、G、B分量分别取不同的值时，对应表示的颜色也将不同。比如，纯红色的R分量值为255，G分量值和B分量值均为0；亮红色的R分量值为246，G分量值为20，B分量值为50。

基于上述介绍，本发明所述方案的具体实现包括：对采集到的图像插入行列数据，得到插入行列数据后图像；串行输入所述插入行列数据后图像，并将其中的部分图像存储到存储单元；对所述存储单元中的一个图像数据进行校正并输出，继续存储未被存储的串行输入的所述插入行列数据后图像中的图像数据，重复执行本步骤的校正、输出、继续存储过程，直至输出全部插入行列数据后图像中的图像数据，得到校正后图像。

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

图3为本发明图像桶形失真校正方法实施例的流程图。如图3所示，包括以下步骤：

步骤301：采集桶形失真的图像。

要对图像桶形失真进行校正，首先要采集发生了桶形失真的图像，在本实施例中，可以通过CIS中的图像采集单元直接采集图像，也可采用其它的桶形失真图像的采集方法。

步骤302：将采集到的图像由RGB格式转换为bayer格式。

经过步骤301的操作可以采集到发生了桶形失真的图像，采集到的图像可能为RGB格式的，即每个图像数据均包含了R、G、B三个分量，也即每个图像数据都包含了三个信息，因此，对这种格式的图像进行桶形失真校正时需要较大的存储空间。

为了减少由于RGB格式本身的特点而带来的存储空间的浪费，本实施中采用了将RGB格式的图像转换为bayer格式的图像，图4为本发明采用的bayer格式的图像形式。如图4所示，在bayer格式的图像中，每个像素点的信息只有R、G、B三个分量中的一个，相比RGB格式的图像中每个点的信息均包含了R、G、B三个分量来说，对bayer格式的图像进行桶形失真校正会减少运算时所需要的存储空间。

如果采集到的图像为bayer格式的，可以不进行该步骤的操作，而将bayer格式的图像直接进行后续操作。

在本实施例中，采用了对bayer格式的图像进行校正是利用了bayer格式的特点从而进一步能减少所需要的存储空间，实际对图像桶形失真进行校正时也可以省略该步骤，而直接对采集到的RGB格式的图像进行后续的操作。

步骤303：对图像插入行列数据。

在本实施例中，所有图像均是以串行图像数据流的形式来完成输入和输出的，因此，bayer格式的图像也是串行输入、串行输出的，每个图像数据逐个输入，首次输入第一行第一列中的一个图像数据，然后第二列中的一个图像数据......直到本行最后一列中的一个图像数据；再对第二行中的每个图像数据依次输入，接下来第三行......直至最后一行最后一列中的最后一个图像数据。

图5为本实施例采用的bayer格式的8*8的图像。在图5中，字母部分代表的是该图像数据的形式，数字部分代表的是该图像数据在图像中的坐标。图5中的图像串行输入时，输入图像数据流的形式为：

B11G12B13G14B15G16B17G18G21R22G23......R88。

本实施例中，在对bayer格式的图像进行桶形失真校正之前，还需要对图像进行插入行列数据的操作，对图像插入行列数据是在图像的中心处插入行列并在所述插入的行列中插入数据。

以下举例说明对图像插入行列数据的原因以及插入行列数据时所采用的方法。

以图5中的图像为例，在存储空间一定的条件下，假设对坐标为(6，7)上的图像数据G67进行校正时，G56已经被串行输入的其它图像数据覆盖了，而鉴于桶形失真图像本身的特点，对于桶形失真的图像来说，G67很可能被校正为G56，但此时G56已经不存在了，这样校正后输出的图像数据会变得不连续，并且造成了图像数据的丢失。因此，在这种情况下，只能采取对更多的图像数据进行存储以保证输出图像数据的连续性，从而增大了存储空间。但是，如果在对图像进行校正之前，已经对图像插入了行列数据，那么同样在对G67进行校正时，由于在图像中心处插入了行列，此时后续串行输入的图像数据可能先输入到了插入的行列中，即图像数据G56还在存储单元中，并且保证了输出图像数据的连续性，还充分节省了存储空间。

通过上述分析看出，本实施例中，对图像插入行列数据是一种节省存储空间的行之有效的方法。

在图像的中心处需要插入行列的行列数由图像的行列数决定，具体计算公式为：

假设图像的尺寸为m*n，则图像上任意一点到图像中心点的最大距离为(m/2)^+2+(n/2)^2，这些距离最大的点就是图像的四个顶点，将此距离代入式(3)与式(4)，得到：

X′-X＝(X-X_d)*A*z^2＝(m/2)*A*((m/2)^2+(n/2)^2)，

Y′-Y＝(Y-Y_d)*A*z^2＝(n/2)*A*((n/2) ^2+(n/2)^2)，故，

其中，所述m为图像总行数，所述n为图像总列数；所述A是一个为负值的系数；所述d_X为插入的行数，所述d_Y为插入的列数；所述/表示除号，所述||表示取绝对值，所述

表示上取整。

由此，即可得到需要在图像的中心处插入行列的行列数和后续对图像进行校正时需要计算的矩阵数据块的尺寸，插入的行数为d_X，列数为d_Y，矩阵数据块的尺寸为(d_X+1)*(d_Y+1)，即矩阵数据块的尺寸也由图像的行列数决定。

图6为本实施例对8*8的图像插入两行两列数据后的图像。也即在图5中的图像的中心处插入了两行两列的数据，空白处即为插入的数据，所述插入的数据可以为任意的数据且该数据在后续对图像桶形失真进行校正的过程中始终为无效的，在本实施例中用Non来代表插入的数据。

经过插入行列数据后的图6中的图像串行输入时，输入图像数据流变为：

B11 G12 B13 G14 Non Non B15 G16 B17 G18 G21 R22 G23......R48Non......Non R51......R88。

步骤304：对插入行列数据后的部分图像依次进行存储。

插入行列数据后图像串行输入后，需要将输入的图像数据存储起来。在本实施例中，以图6中的图像为例来说明对插入行列数据后图像中的图像数据进行存储的过程。在图6中，由于对图像进行的是插入两行两列的数据，因此，需要计算的矩阵数据块的尺寸为3*3，故存储单元至少需要存储两行或两列的图像数据，本实施例中以至少存储两行图像数据为例，首先存储串行输入存储单元的第一行和第二行中所有的图像数据，接着，第三行中的图像数据串行输入，在存储了该行中的B31，G32和B33后，此时，存储单元中所存储的图像数据如图7所示，图7为本实施例对第一个图像数据进行校正时所存储的部分图像。同样地，对第一个图像数据B 11进行校正时所需要的3*3矩阵数据块内的图像数据也都被存储下来了，此时所存储的矩阵数据块如图8所示，图8为本实施例存储的第一个部分图像中的3*3的矩阵数据块。

对图像桶形失真进行校正时，是在部分图像的矩阵数据块中进行的，首先，对图像中坐标为(1，1)上的图像数据B11在图8中所述的矩阵数据块中进行校正，并将校正后得到的图像数据直接进行输出，同时下一个图像数据G34输入存储单元中，将G34直接存储在已经校正并输出后的B11所在的位置即可，此时，存储单元中所存储的图像数据如图9所示，图9为本实施例对第一个图像数据进行校正后所存储的部分图像。之后，在图9中所包含的3*3的矩阵数据块中对G12进行校正并输出，同时下一个数据B35输入部分图像中并存储在G12所在的位置中得到第三个部分图像，按照同样的方式将每一个图像数据进行串行输出输入，即得到进行存储的每一个部分图像。

所述存储的部分图像是一种不规则的图像，它的尺寸，也即它所需要的存储空间的大小是由图像的行列数决定的，部分图像的尺寸按下式进行计算：

(d_X*(n+d_Y))+(d_Y+1)。

需要说明的是，在本实施例中，当B11进行完校正后，B11在以后的图像桶形失真校正的过程中不会被用到，因此，将串行输入未被存储的下一个图像数据直接存储在该B11所在的位置中将其覆盖，再重复执行对B11后的图像数据进行校正并输出、再对串行输入的图像数据进行存储，这样可以最大程度地节省存储空间。具体的校正方法在下面进行详细说明。

本步骤对图像中的部分图像进行依次存储可以充分地节省存储空间，而且，在后续的校正处理过程中，后续串行输入的一个图像数据依次占有上次图像数据的位置，并不需要额外的存储空间，从而与现有技术对一整幅图像中的所有图像数据全部进行存储来说，大大节省了存储空间。

步骤305：对存储的部分图像中的矩阵数据块依次进行校正。

该步骤中的具体校正计算过程同步骤102。

对每一个矩阵数据块进行校正时是只对该矩阵数据块中的一个图像数据来说的，以下举例说明本实施例中的具体校正过程：

以图8中存储的第一个部分图像中的3*3的矩阵数据块为例，此时需要校正的图像数据为B11，B11在图像中的坐标为(1，1)，见图6，图像中心的坐标为(4，4)，则

z^2＝(1-4)^2+(1-4)^2＝18，将其代入式(3)与式(4)得到，

X′-X＝(X-X_d)*A*z^2＝(1-4)*A*18＝-54*A，

Y′-Y＝(Y-Y_d)*A*z^2＝(1-4)*A*18＝-54*A，

令A＝-1/27，则有

X′-X＝2，

Y′-Y＝2，

即(X，Y)应该在的坐标为(X′，Y′)，也即(3，3)，对B11进行校正后的值为坐标(3，3)上对应的图像数据B33的值。

图10为本实施例几个部分图像中的几个特殊的3*3的矩阵数据块，下面分别以图10中的这几个特殊的矩阵数据块为例对其校正过程进行说明。

对图10(a)来说，此时需要进行校正的图像数据为G14，它在图像中的坐标为(1，4)，见图6，图像中心的坐标仍为(4，4)，则

z^2＝(1-4)^2+(4-4)^2＝9，将其代入式(3)与式(4)得到，

X′-X＝(X-X_d)*A*z^2＝(1-4)*A*18＝-54*A，

Y′-Y＝(Y-Y_d)*A*z^2＝(4-4)*A*18＝0，

同样，令A＝-1/27，则有，

X′-X＝1，

Y′-Y＝0，

(X，Y)应该在的坐标为(X′，Y′)，也即(2，4)，对G14进行校正后的值为坐标(2，4)上的图像数据R24的值，与待处理的图像数据G14不一致了，因此需要对R24进行插值后再赋给G14进行输出，这里进行插值后的值为(G14+G34)/2。

由此，需要说明的是，由于采用的是bayer格式的图像，因此当对图像数据进行校正时可能会出现校正后的图像数据形式与需要校正的图像数据形式不一致的情况，当出现不一致的情况时，对校正后的图像数据进行插值再将插值后的结果作为对图像数据进行校正的最终结果进行输出即可。

对于图10(b)中的B15来说，在未对图像插入行列数据之前，该图像数据与图10(a)中的G14是连续的，为了保证图像数据输入输出的连续性，对B15进行校正后的图像数据也应为B的形式，下面具体分析其校正过程。

需要校正的图像数据B 15在图像中的坐标为(1，5)，见图6，图像中心的坐标仍为(4，4)，则

z^2＝(1-4)^2+(5-4)^2＝10，将其代入式(3)与式(4)得到，

X′-X＝(X-X_d)*A*z^2＝(1-4)*A*10＝-30*A，

Y′-Y＝(Y-Y_d)*A*z^2＝(5-4)*A*10＝10*A，

同样，令A＝-1/27，则有，

X′-X＝30/27，

Y′-Y＝-10/27，

由于坐标均为整数，因此，需要对分数进行取整，这里对其统一进行了向零取整的操作，从而，

(X，Y)应该在的坐标为(X′，Y′)，也即(2，5)，对B 15进行校正后的值为坐标(2，5)上的图像数据G25的值，与待处理的图像数据B15不一致了，因此需要对G24进行插值后再赋给B15进行输出，这里进行插值后的值为(B15+B35)/2。

这样，保证了对行列插值后的图像进行校正后的图像数据的连续性。

同样地，对图10(c)中的G41和图10(d)中的B51进行校正后的图像数据在纵向上也是连续的，对图10(e)中的G74和图10(f)中的B75进行校正后的图像数据在横向上也是连续的，从而保证了对行列插值后的图像进行校正后输出的图像数据都是连续的。

在本实施例中，对每一个图像数据进行校正时，都是在其所对应的矩阵数据块中进行的，而且在一个矩阵数据块中进行校正时只能针对其中的一个图像数据，当对该矩阵数据块中的某一个图像数据校正并输出后，此时对应的矩阵数据块为下一个图像数据输入后存储的部分图像所对应的矩阵数据块，之后再在该矩阵数据块中对其中的某一个图像数据进行校正并输出，得到另一个部分图像所对应的矩阵数据块，照此过程进行到最后一个图像数据校正后输出即完成了对部分图像中的矩阵数据块依次进行校正。

步骤306：将校正后bayer格式的图像转换为RGB格式的图像。

对插入行列数据后图像中每一个图像数据进行完校正之后，得到的是bayer格式的图像，为了进行输出显示需要将bayer格式的图像再转换为适合显示的RGB格式的图像。

步骤307：将转换后的RGB格式的图像串行输出得到最终所需图像。

转换为RGB格式的图像后，将该图像按照串行形式进行输出即得到了最终所需图像，即对发生桶形失真的图像进行校正后的图像。

至此，即完成了本发明所述图像桶形失真进行校正的处理过程。

基于上述方法，图11为本发明图像桶形失真校正装置实施例的组成结构示意图。如图11所示，该装置包括：

图像采集单元111，用于采集桶形失真的图像。

要对图像桶形失真进行校正，首先要通过图像采集单元111采集发生了桶形失真的图像，该单元采集到的图像可能为RGB格式，也可能为bayer格式，在本实施例中，可以通过图像采集单元111直接采集图像，也可采用其它的桶形失真图像的采集方法。

第一转换单元112，用于对由图像采集单元111得到的图像进行RGB格式到bayer格式的转换，并将转换后的图像送所述行列插值单元113。

如果通过图像采集单元111采集到的是RGB格式的桶形失真图像，由于RGB格式的图像中每个图像数据均包含了R、G、B三个分量，也即每个图像数据都包含了三个信息，因此，对这种格式的图像进行桶形失真校正时需要较大的存储空间。

为了减少由于RGB格式本身的特点而带来的存储空间的浪费，本实施中采用了将RGB格式的图像转换为bayer格式的图像，bayer格式的图像中，每个像素点的信息只有R、G、B三个分量中的一个，相比RGB格式的图像中每个点的信息均包含了R、G、B三个分量来说，对bayer格式的图像进行桶形失真校正会减少运算时所需要的存储空间。

在本实施例中，采用了对bayer格式的图像进行校正是利用了bayer格式的特点从而进一步能减少所需要的存储空间，实际对图像桶形失真进行校正时也可以省略该单元的操作，而直接对采集到的RGB格式的图像输入后续处理单元。

行列插值单元113，用于对桶形失真图像插入行列数据后，串行输入存储单元115。

用于对由第一转换单元112中的bayer格式的图像进行插入行列数据的操作，对图像插入行列数据后可以在保证输入图像数据和输出图像数据连续性的前提下，充分节省所需要的存储空间，对图像插入行列数据时是在图像的中心处插入行列并在所述插入的行列中插入数据来实现的，所述需要插入行列的行列数由图像的行列数决定，具体计算公式如下：

假设图像的尺寸为m*n，则图像上任意一点到图像中心点的最大距离为(m/2)^2+(n/2)^2，这些距离最大的点就是图像的四个顶点，将此距离带入式(3)与式(4)，得到：

X′-X＝(X-X_d)*A*z^2＝(m/2)*A*((m/2)^2+(n/2)^2)，

Y′-Y＝(Y-Y_d)*A*z^2＝(n/2)*A*((m/2)^2+(n/2)^2)，故，

其中，所述m为图像总行数，所述n为图像总列数；所述A是一个为负值的系数；所述d_X为插入的行数，所述d_Y为插入的列数；所述+表示加号，所述-表示减号，所述*表示乘号，所述/表示除号，所述^表示乘方号，所述||表示取绝对值，所述

表示上取整。

由此，即可得到需要在图像的中心处插入行列的行列数和后续对图像进行校正时需要计算的矩阵数据块的尺寸，插入的行数为d_X，列数为d_Y，矩阵数据块的行数为d_X+1，列数为d_Y+1，总的尺寸为(d_X+1)*(d_Y+1)，即矩阵数据块的尺寸也由图像的行列数决定。

需要说明的是，如果图像采集单元111采集到的图像为bayer格式，也可以省略该单元的操作，而直接进行后续单元的操作即可。

控制单元114，用于控制图像采集单元111中采集桶形失真图像时的图像数据流和控制行列插值单元113中插入行列数据时需要插入的行列数。

在本实施中，采用的是对串行输入的插入行列数据后图像中的部分图像进行存储和对部分图像中的矩阵数据块进行校正的方法，因此，需要控制单元114来对输入的图像数据流进行控制，使得存储单元中的图像数据能保持一定的数据量。

行列插值单元113中需要插入的行列数也是通过控制单元114来进行控制的，控制单元114首先根据图像的尺寸计算出需要在图像中插入的行列数，然后按照计算得到的行列数来对图像进行行列插值，而且，计算得到的行列是在图像的中心处进行插入的。

存储单元115，用于对由行列插值单元113得到的插入行列数据后图像中的部分图像依次进行存储。

为了对图像进行校正，需要用存储单元115将该图像中的部分图像进行存储。在该单元中对图像中的部分图像依次进行存储可以充分地节省存储空间，而且，在后续的校正处理过程中，后续输入的一个图像数据依次存储在上次校正后的一个图像数据所在的位置，并不需要额外的存储空间，从而与现有技术对一整幅图像中的图像数据全部进行存储来说，大大节省了存储空间。

计算单元116，用于对存储单元115中的存储的部分图像依次进行校正。

需要说明的是，本实施例中，当采用对bayer格式的图像进行校正时，可能会出现校正后的图像数据形式与需要校正的图像数据形式不一致的情况，当出现不一致的情况时，对校正后的图像数据进行插值再将插值后的结果作为对图像数据进行校正的最终结果进行输出即可。

第二转换单元117，用于对由计算单元116得到的校正后的bayer格式的图像转换为RGB格式的图像，并将转换后的校正后图像送所述输出单元118。

由于bayer格式的图像并不适合输出显示，因此，对图像中每一个坐标点上的图像数据进行完校正后，为了进行输出显示需要将bayer格式的图像转换为适合输出的RGB格式的图像。

输出单元118，用于将由转换单元117中得到的RGB格式的图像进行输出。

图11所示装置的具体工作流程请参照图3所示方法实施例中的相应说明，此处不再赘述。

图12为桶形失真图像及采用本实施例的方法对其进行校正后的图像示意图。在图12中，虚线为发生了桶形失真的图像，从图中可以看出图像存在较明显的桶形失真，实线为对发生了桶形失真的图像进行校正后的图像，经过校正后，图像桶形失真得到了明显地消除。

总之，本发明所述的技术方案，首先对采集到的图像插入行列数据，之后存储单元对串行输入的插入行列数据后图像中的部分图像依次进行存储，最后对部分图像中的矩阵数据块依次进行校正得到最终所需的校正后图像。可以看出，该方案采用了依次对存储的串行输入存储单元中的部分图像进行校正，而且是边存储、边校正、边输出，由于并不是对数据量很大的一整幅图像中的图像数据全部进行存储后再校正，因此，应用本发明所述的方法能够在减少存储空间的基础上对图像桶形失真进行有效地校正。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种校正图像桶形失真的方法，其特征在于，该方法包括：

对采集到的图像插入行列数据，得到插入行列数据后图像；

2.如权利要求1所述的方法，其特征在于，所述对采集到的图像插入行列数据之前还包括将所述采集到的图像由RGB格式转换为bayer格式的步骤。

3.如权利要求1所述的方法，其特征在于，所述采集到的图像为bayer格式。

4.如权利要求1所述的方法，其特征在于，所述在图像的中心处插入行列的行列数由图像的行列数决定，计算公式如下：

其中，所述m为图像总行数，所述n为图像总列数；所述A是一个为负值的系数；所述d_X为插入的行数，所述d_Y为插入的列数；所述+表示加号，所述*表示乘号，所述/表示除号，所述^表示乘方号，所述||表示取绝对值，所述

表示上取整。

5.如权利要求4所述的方法，其特征在于，所述部分图像，其尺寸为：

(d_X*(n+d_Y))+(d_Y+1)。

6.如权利要求4所述的方法，其特征在于，所述对所述存储单元中的一个图像数据进行校正是在所述存储单元的矩阵数据块中进行。

7.如权利要求6所述的方法，其特征在于，所述矩阵数据块的尺寸由图像的行列数决定，其尺寸为：

(d_X+1)*(d_Y+1)。

8.如权利要求1所述的方法，其特征在于，所述对所述存储单元中的一个图像数据进行校正后还进一步包括对所述校正后的图像数据进行插值。

9.如权利要求1所述的方法，其特征在于，还包括将校正后图像由bayer格式转换为RGB格式的步骤。

10.一种校正图像桶形失真的装置，其特征在于，该装置包括：

存储单元，用于对由行列插值单元得到的插入行列数据后图像中的部分图像依次进行存储，所述依次存储是后续输入的一个图像数据依次存储在所述计算单元上次校正后的一个图像数据的位置；

计算单元，用于对存储单元中的部分图像依次进行校正；

输出单元，用于将校正后的图像进行输出。

11.如权利要求10所述的装置，其特征在于，该装置还包括：

图像采集单元，用于采集桶形失真的图像。

12.如权利要求11所述的装置，其特征在于，该装置还包括：

第一转换单元，用于对由图像采集单元得到的图像进行RGB格式到bayer格式的转换，并将转换后的图像送所述行列插值单元。

13.如权利要求12所述的装置，其特征在于，该装置还包括：

第二转换单元，用于对由计算单元得到的校正后的图像进行bayer格式到RGB格式的转换，并将转换后的图像送所述输出单元。

14.如权利要求11所述的装置，其特征在于，

所述控制单元，还用于控制图像采集单元中采集桶形失真图像的数据流。