CN102156972B - 图像倾斜纠正方法及系统 - Google Patents
图像倾斜纠正方法及系统 Download PDFInfo
- Publication number
- CN102156972B CN102156972B CN2011100980519A CN201110098051A CN102156972B CN 102156972 B CN102156972 B CN 102156972B CN 2011100980519 A CN2011100980519 A CN 2011100980519A CN 201110098051 A CN201110098051 A CN 201110098051A CN 102156972 B CN102156972 B CN 102156972B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- edge
- edge point
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 3
- 230000002950 deficient Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,特别涉及一种图像倾斜纠正方法及系统,该方法包括:S1:提取当前图像中四个方向上的边缘点;S2:对四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;S3:对经过步骤S2处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正。本发明通过对四个方向上的边缘点进行选择,去除对直线拟合有负面作用的边缘点,实现了获得有缺陷图像的真实边缘点,以避免进行倾斜纠正后的图像不精确的问题。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像倾斜纠正方法及系统。
背景技术
所谓倾斜纠正,就是通过从图像上估计图像的位置和倾斜角,将图像还原到正常形态的过程。在通过各种图像采集设备扫描采集图像的过程中,由于图像放置倾斜或者设备硬件的原因,实际采集获得的图像大多数情况下是倾斜的,对图像的后期处理带来不利的影响。通过倾斜纠正方法,将图像还原到正常的形态,可以有效地抵抗硬件或者人为因素导致的图像差异,有利于图像的处理和分析。所以,倾斜纠正方法在图像处理中具有很重要的理论和实际意义。
到目前为止,在众多研究者的不懈努力下,图像的倾斜纠正技术已经有了比较大的进展。在通常的图像倾斜纠正技术中,首先根据前景与背景的差异获取到图像的边缘点,并将这些边缘点按照设定的准则分配到上下左右四条边上去,然后对每条边上的边缘点进行直线拟合,获得四条边的位置信息,进而可以通过这四条边推算出倾斜角以及四个顶点的位置,最后使用线性插值或者旋转算法生成倾斜纠正后的图像。
这种通用的倾斜纠正技术的关键在于获得有效的边缘点,并把这些边缘点正确地分配到四条边上去。如果图像的边缘存在着一些缺陷,例如折角了的图像,或者图像边缘有缺失,这时在这些有缺陷位置获得的边缘点往往不是真实有效的边缘点,如图1所示,除了正常边缘点P0外,还存在折角边缘点P1、缺损边缘点P2与伪边缘点P3点,把P1、P2和P3这些边缘点当作真实边缘点参与计算过程会导致误差,使得拟合出的边线不准确,进而使最后倾斜纠正出的图像不够精确,影响对图像的后续处理。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何获得有缺陷图像的真实边缘点,以避免进行倾斜纠正后的图像不精确的问题。
(二)技术方案
为解决上述技术问题,本发明提供了一种图像倾斜纠正方法,包括以下步骤:
S1:提取当前图像中四个方向上的边缘点;
S2:对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;
S3:对经过步骤S2处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正。
其中,步骤S1中包括:
S11:通过下式提取当前图像上的待定上边缘点,
通过下式提取当前图像上的待定下边缘点,
通过下式提取当前图像上的待定左边缘点,
通过下式提取当前图像上的待定右边缘点,
S12:若所述待定上边缘点能够满足下列三个条件之一,则判定其为上边缘点,
若所述待定下边缘点能够满足下列三个条件之一,则判定其为下边缘点,
条件一:且
其中,yk为第k个待定下边缘点的纵坐标,为下边缘点的判决阈值;
若所述待定左边缘点能够满足下列三个条件之一,则判定其为左边缘点,
若所述待定右边缘点能够满足下列三个条件之一,则判定其为右边缘点,
条件二:且
其中,步骤S12之后还包括步骤:
S13:根据步骤S12获得的四个方向上的边缘点的数量是否均达到第一数量阈值,若是,则直接执行步骤S2,若否,则降低四个方向上未达到数量阈值的相应的灰度判决阈值,重新执行步骤S11。
其中,步骤S2具体包括以下步骤:
S21:根据四个方向的边缘点分别进行直线拟合,根据拟合出的四条直线的交点构造出一个四边形,以四边形中边长最长的一个边作为基准边;
S22:计算所有与基准边相邻的A、B两边上的边缘点到基准边的距离;
|Li-Lj|<δ3
其中,δ3为第一距离阈值;
S24:计算步骤S23获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离Lmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
Lmax-L<δ4
其中,L为所述两点之间的距离,δ4为第二距离阈值;
S25:以A、B两边中较长的边作为新的基准边,并以新的基准边的两个相邻边作为新的A、B边,计算所述新的A、B两边上的边缘点到所述新的基准边的距离;
|nLi-nLj|<δ5
其中,δ5为第三距离阈值;
S27:计算步骤S26获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离nLmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
nLmax-nL<δ6
其中,nL为所述两点之间的距离,δ6为第四距离阈值;
其中,所述步骤S24之后还包括以下步骤:
S241:若步骤S24保留的边缘点对少于第二数量阈值,则增大第二距离阈值,重新执行步骤S24。
其中,所述步骤S27之后还包括以下步骤:
S271:若步骤S27保留的边缘点对少于第三数量阈值,则增大第四距离阈值,重新执行步骤S27。
其中,步骤S3具体包括以下步骤:
S31:对经过步骤S2处理后四个方向上剩下的边缘点分别进行直线拟合,获得四条边的直线方程,并根据四条边的直线方程进一步确定四个角的坐标;
S32:通过确定的四个角的坐标以及当前图像的四个顶点,利用双线性插值法对图像进行倾斜纠正。
本发明还公开了一种图像倾斜纠正系统,包括:
边缘点提取模块,用于提取当前图像中四个方向上的边缘点;
选择模块,用于对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;
拟合模块,用于对经过所述选择模块处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正。
(三)有益效果
本发明通过对所述四个方向上的边缘点进行选择,去除对直线拟合有负面作用的边缘点,实现了获得有缺陷图像的真实边缘点,以避免进行倾斜纠正后的图像不精确的问题。
附图说明
图1是一个有缺陷图像的示意图;
图2是按照本发明一种实施方式的图像倾斜纠正方法的流程图;
图3是按照图2所示的图像倾斜纠正方法的步骤S32中利用双线性插值法对图像进行倾斜纠正的示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本倾斜纠正方法以倾斜的扫描图像作为处理对象,首先提取图像上的边缘点并滤除噪声点,然后构造平行于基准边的边缘点对集合进行边缘点筛选获得真实有效的边缘点,再通过最小二乘拟合方法将这些边缘点拟合出图像的四条边缘,这样就可以将图像进行倾斜纠正。
图2是按照本发明一种实施方式的图像倾斜纠正方法的流程图,包括以下步骤:
S1:提取当前图像中四个方向上的边缘点。
S2:对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点,边缘点选择的目的是从所有边缘点中去除虽然是图像边缘,但对直线拟合有负面作用的边缘点。在图像存在着折角、缺损等现象时,有时候某些边缘点并不是真实有效的边缘点,这些点的存在,使得直线拟合的结果不准确,进而影响到图像的倾斜纠正效果。
S3:对经过步骤S2处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正。
其中,步骤S1中包括:
S11:通过下式提取当前图像上的待定上边缘点,
其中,p(i,j)为当前图像上第i行第j列处图像点的灰度值,0≤i<I,I为当前图像的行数,0≤j<J,J为当前图像的列数,为待定上边缘点的灰度判决阈值(其阈值范围为50~150,本实施方式优选为84);
通过下式提取当前图像上的待定下边缘点,
其中,为待定下边缘点的灰度判决阈值(其阈值范围为50~150,本实施方式优选为84);
通过下式提取当前图像上的待定左边缘点,
通过下式提取当前图像上的待定右边缘点,
其中,为待定右边缘点的灰度判决阈值(其阈值范围为50~150,本实施方式优选为84)。
由于带灰度的图像多种多样,可能存在某些边缘处灰度差值不大,而其内部相邻点却有较大的灰度差值,这样所获得的待定边缘点实际是噪声点,需要进行剔除,步骤S12的目的就是滤除这些噪声点,在进行噪声点滤除时,考虑了相邻边缘点应该具有的位置关系,相邻的边缘点应该位置较为接近,如果相邻边缘点不符合这种位置关系,也就是它们的距离较大,则认为其中存在着噪声点,应该予以剔除。
S12:若所述待定上边缘点能够满足下列三个条件之一,则判定其为上边缘点,
条件三:且第k-1个待定上边缘点与第k-2个待定上边缘点都是上边缘点;
若所述待定下边缘点能够满足下列三个条件之一,则判定其为下边缘点,
若所述待定左边缘点能够满足下列三个条件之一,则判定其为左边缘点,
若所述待定右边缘点能够满足下列三个条件之一,则判定其为右边缘点,
条件一:且
其中,步骤S12之后还包括步骤:
S13:根据步骤S12获得的四个方向上的边缘点的数量是否均达到第一数量阈值(其阈值范围为15~30,本实施方式优选为20),若是,则直接执行步骤S2,若否,则降低四个方向上未达到数量阈值的相应的灰度判决阈值(例如,在四个方向上,只有上边缘点未达到第一数量阈值,则只需降低待定上边缘点的灰度判决阈值,如果上边缘点和左边缘点均未达到第一数量阈值,则需分别降低上边缘点的灰度判决阈值和左边缘点的灰度判决阈值),重新执行步骤S11。
其中,步骤S2具体包括以下步骤:
S21:根据四个方向的边缘点分别进行直线拟合,根据拟合出的四条直线的交点构造出一个四边形,以四边形中边长最长的一个边作为基准边;
S22:计算所有与基准边相邻的A、B两边上的边缘点到基准边的距离;
|Li-Lj|<δ3
其中,δ3为第一距离阈值(其阈值范围为1~3,本实施方式优选为2);
S24:计算步骤S23获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离Lmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
Lmax-L<δ4
其中,L为所述两点之间的距离,δ4为第二距离阈值(其阈值范围为1~10,本实施方式优选为3);
S25:以A、B两边中较长的边作为新的基准边,并以新的基准边的两个相邻边作为新的A、B边,计算所述新的A、B两边上的边缘点到所述新的基准边的距离;
|nLi-nLj|<δ5
其中,δ5为第三距离阈值(其阈值范围为1~3,本实施方式优选为2);
S27:计算步骤S26获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离nLmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
nLmax-nL<δ6
其中,nL为所述两点之间的距离,δ6为第四距离阈值(阈值范围1~10,本实施方式优选为2);
其中,所述步骤S24之后还包括以下步骤:
S241:若步骤S24保留的边缘点对少于第二数量阈值(阈值范围10~20,本实施方式优选为15),则增大第二距离阈值,重新执行步骤S24。
其中,所述步骤S27之后还包括以下步骤:
S271:若步骤S27保留的边缘点对少于第三数量阈值(其阈值范围10~20,本实施方式优选为15),则增大第四距离阈值,重新执行步骤S27。
其中,步骤S3具体包括以下步骤:
S31:对经过步骤S2处理后四个方向上剩下的边缘点分别进行直线拟合,获得四条边的直线方程,并根据四条边的直线方程进一步确定四个角的坐标。
S32:通过确定的四个角的坐标以及当前图像的四个顶点,利用双线性插值法对图像进行倾斜纠正,如图3所示,假定倾斜纠正前的图像为P={p(i,j),0≤i<I,0≤j<J},倾斜纠正后的图像为Q={q(m,n),0≤m<M,0≤n<N},其中M与N分别是倾斜纠正后的图像的宽度与高度,并假定倾斜纠正前后图像的四个顶点分别为pLT,pLD,pRT,pRD和qLT,qLD,qRT,qRD。双线性插值的算法思想如下:假定倾斜纠正后任意一点q(m,n),与它同一行的左右两边上的首尾两点分别为q(m1,n1)与q(m2,n2),这两点分别对应着原始图像左右两条边线上的两点p(i1,j1)与p(i2,j2),它们之间满足下面的约束关系:
d(p(i1,j1),pLT)/d(pLT,pLD)=d(q(m1,n1),qLT)/d(qLT,qLD);
d(p(i2,j2),pRT)/d(pRT,pRD)=d(q(m2,n2),qRT)/d(qRT,qRD);
d(p(i,j),p(i1,j1))/d(p(i1,j1),p(i2,j2))=d(q(m,n),q(m1,n1))/d(q(m1,n1),q(m2,n2))。
通过上述约束关系,再考虑到p(i1,j1)与p(i2,j2)点都在边线上,可以解得与q(m,n)点对应的原始图像上的点坐标p(i,j)。这样对任意一点q(m,n),可以用对应的原始图像上的一点p(i,j)来填充,对倾斜纠正后图像上的所有点进行上述过程,就可以获得倾斜纠正后的图像。
本发明还公开了一种图像倾斜纠正系统,包括:
边缘点提取模块,用于提取当前图像中四个方向上的边缘点;
选择模块,用于对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;
拟合模块,用于对经过所述选择模块处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (7)
1.一种图像倾斜纠正方法,其特征在于,包括以下步骤:
S1:提取当前图像中四个方向上的边缘点;
S2:对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;
S3:对经过步骤S2处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正;
其中,步骤S2具体包括以下步骤:
S21:根据四个方向的边缘点分别进行直线拟合,根据拟合出的四条直线的交点构造出一个四边形,以四边形中边长最长的一个边作为基准边;
S22:计算所有与基准边相邻的A、B两边上的边缘点到基准边的距离;
|Li-Lj|<δ3
其中,δ3为第一距离阈值;
S24:计算步骤S23获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离Lmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
Lmax-L<δ4
其中,L为所述两点之间的距离,δ4为第二距离阈值;
S25:以A、B两边中较长的边作为新的基准边,并以新的基准边的两个相邻边作为新的A、B边,计算所述新的A、B两边上的边缘点到所述新的基准边的距离;
|nLi-nLj|<δ5
其中,δ5为第三距离阈值;
S27:计算步骤S26获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离nLmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
nLmax-nL<δ6
其中,nL为所述两点之间的距离,δ6为第四距离阈值。
2.如权利要求1所述的图像倾斜纠正方法,其特征在于,步骤S1中包括:
S11:通过下式提取当前图像上的待定上边缘点,
通过下式提取当前图像上的待定下边缘点,
通过下式提取当前图像上的待定左边缘点,
通过下式提取当前图像上的待定右边缘点,
S12:若所述待定上边缘点能够满足下列三个条件之一,则判定其为上边缘点,
条件一: 且
条件二: 且
条件三:且第k-1个待定上边缘点与第k-2个待定上边缘点都是上边缘点;
若所述待定下边缘点能够满足下列三个条件之一,则判定其为下边缘点,
条件一: 且
条件二: 且
若所述待定左边缘点能够满足下列三个条件之一,则判定其为左边缘点,
条件一: 且
条件二: 且
若所述待定右边缘点能够满足下列三个条件之一,则判定其为右边缘点,
条件一: 且
条件二: 且
3.如权利要求2所述的图像倾斜纠正方法,其特征在于,步骤S12之后还包括步骤:
S13:根据步骤S12获得的四个方向上的边缘点的数量是否均达到第一数量阈值,若是,则直接执行步骤S2,若否,则降低四个方向上未达到数量阈值的相应的灰度判决阈值,重新执行步骤S11。
4.如权利要求1所述的图像倾斜纠正方法,其特征在于,所述步骤S24之后还包括以下步骤:
S241:若步骤S24保留的边缘点对少于第二数量阈值,则增大第二距离阈值,重新执行步骤S24。
5.如权利要求1或4所述的图像倾斜纠正方法,其特征在于,所述步骤S27之后还包括以下步骤:
S271:若步骤S27保留的边缘点对少于第三数量阈值,则增大第四距离阈值,重新执行步骤S27。
6.如权利要求1所述的图像倾斜纠正方法,其特征在于,步骤S3具体包括以下步骤:
S31:对经过步骤S2处理后四个方向上剩下的边缘点分别进行直线拟合,获得四条边的直线方程,并根据四条边的直线方程进一步确定四个角的坐标;
S32:通过确定的四个角的坐标以及当前图像的四个顶点,利用双线性插值法对图像进行倾斜纠正。
7.一种图像倾斜纠正系统,其特征在于,包括:
边缘点提取模块,用于提取当前图像中四个方向上的边缘点;
选择模块,用于对所述四个方向上的边缘点进行选择,以去除对直线拟合有负面作用的边缘点;
拟合模块,用于对经过所述选择模块处理后四个方向上剩下的边缘点分别进行边缘点直线拟合,获得四条边的直线方程,并进一步确定四个角的坐标,通过确定的四个角的坐标以及当前图像的四个顶点对图像进行倾斜纠正;
其中,选择模块具体包括:
拟合子模块,用于根据四个方向的边缘点分别进行直线拟合,根据拟合出的四条直线的交点构造出一个四边形,以四边形中边长最长的一个边作为基准边;
距离计算子模块,用于计算所有与基准边相邻的A、B两边上的边缘点到基准边的距离;
|Li-Lj|<δ3
其中,δ3为第一距离阈值;
距离判断子模块,用于计算边缘点对判断子模块获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离Lmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
Lmax-L<δ4
其中,L为所述两点之间的距离,δ4为第二距离阈值;
基准边距离计算子模块,用于以A、B两边中较长的边作为新的基准边,并以新的基准边的两个相邻边作为新的A、B边,计算所述新的A、B两边上的边缘点到所述新的基准边的距离;
|nLi-nLj|<δ5
其中,δ5为第三距离阈值;
边缘点获取子模块,用于计算边缘点对获取子模块获得的边缘点对里每一对边缘点对的两点之间的距离,找出所述两点之间的最大距离nLmax,若满足下列公式,则保留相应边缘点对所包含的边缘点,否则,舍弃相应边缘点对所包含的边缘点,
nLmax-nL<δ6
其中,nL为所述两点之间的距离,δ6为第四距离阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100980519A CN102156972B (zh) | 2011-04-19 | 2011-04-19 | 图像倾斜纠正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100980519A CN102156972B (zh) | 2011-04-19 | 2011-04-19 | 图像倾斜纠正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102156972A CN102156972A (zh) | 2011-08-17 |
CN102156972B true CN102156972B (zh) | 2012-07-25 |
Family
ID=44438454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100980519A Expired - Fee Related CN102156972B (zh) | 2011-04-19 | 2011-04-19 | 图像倾斜纠正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156972B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335963B (zh) * | 2015-09-24 | 2018-07-03 | 凌云光技术集团有限责任公司 | 一种边缘缺陷检测方法及装置 |
JP6714477B2 (ja) * | 2016-09-09 | 2020-06-24 | 株式会社アドテックエンジニアリング | 基板角位置特定方法 |
CN108335404B (zh) * | 2018-02-07 | 2020-09-15 | 深圳怡化电脑股份有限公司 | 边缘拟合方法及验钞设备 |
CN111104940A (zh) * | 2018-10-26 | 2020-05-05 | 深圳怡化电脑股份有限公司 | 图像旋转校正方法、装置、电子设备及存储介质 |
CN110243336B (zh) * | 2019-07-30 | 2021-08-24 | 云谷(固安)科技有限公司 | 屏体翘曲检测方法 |
CN110490886B (zh) * | 2019-07-31 | 2022-04-01 | 武汉大学 | 一种针对倾斜视角下证件图像的自动纠正方法及系统 |
CN113255413B (zh) * | 2020-02-13 | 2024-04-05 | 北京小米松果电子有限公司 | 确定文档边框的方法、装置及介质 |
CN112288648B (zh) * | 2020-10-23 | 2022-10-11 | 天津市气象信息中心(天津市气象档案馆) | 一种基于能见度自动观测的快速插值显示方法 |
CN112419687B (zh) * | 2020-11-16 | 2022-02-22 | 珠海格力电器股份有限公司 | 能够纠正书本在书桌上摆放角度的方法和读书设备 |
CN114764804B (zh) * | 2022-06-16 | 2022-09-20 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4061243B2 (ja) * | 2002-05-14 | 2008-03-12 | 松下電器産業株式会社 | 陰極線管、陰極線管装置、画像表示装置およびコイルユニット |
JP4508553B2 (ja) * | 2003-06-02 | 2010-07-21 | カシオ計算機株式会社 | 撮影画像投影装置、及び撮影画像の補正方法 |
JP4687807B2 (ja) * | 2009-03-27 | 2011-05-25 | カシオ計算機株式会社 | 動画記録装置、及び動画像の傾き補正方法、プログラム |
CN101804814B (zh) * | 2010-01-08 | 2012-10-31 | 北京世纪高通科技有限公司 | 一种确定车道偏离的方法、装置和系统 |
-
2011
- 2011-04-19 CN CN2011100980519A patent/CN102156972B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102156972A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102156972B (zh) | 图像倾斜纠正方法及系统 | |
CN104463871B (zh) | 基于车载LiDAR点云数据的街景面片提取及优化方法 | |
CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
JP2018520428A5 (zh) | ||
CN103544711A (zh) | 遥感影像的自动配准方法 | |
CN104820973B (zh) | 畸变曲线弧度检测模板的图像校正方法 | |
CN109325930A (zh) | 边界缺陷的检测方法、装置及检测设备 | |
CN105139393B (zh) | 线阵相机内参数的标定方法 | |
US9083909B2 (en) | Device, method, and scanner correcting document image using correcting mesh constructed according to vertical and horizontal boundaries and adjusted extended filtered lines | |
CN106408596A (zh) | 基于边缘的局部立体匹配方法 | |
CN110942102B (zh) | 一种概率松弛核线匹配方法及系统 | |
CN104537627B (zh) | 一种深度图像的后处理方法 | |
CN111126418A (zh) | 一种基于平面透视投影的倾斜影像匹配方法 | |
CN114863258A (zh) | 海天线场景中基于视角转换检测小目标的方法 | |
CN109767407B (zh) | 一种去雾过程中大气透射率图像的二次估计方法 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测系统 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
CN102073997B (zh) | 小型文档图像透视复原方法 | |
CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
CN113763279A (zh) | 一种具有矩形框图像的精确校正处理方法 | |
CN107274353B (zh) | 一种黑白图像中缺陷像素的校正方法 | |
CN108537810B (zh) | 一种改进的Zernike矩亚像素边缘检测方法 | |
CN113658153B (zh) | 一种轮廓数据特征点检测方法及装置 | |
KR101524074B1 (ko) | 영상 처리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120725 |