CN102930515A - 数字图像的几何畸变自动校正方法 - Google Patents

Abstract

本发明公开了一种数字图像的几何畸变自动校正方法，其特征在于所述方法包括以下步骤：（1）输入数字图像，然后对数字图像进行分割处理形成若干个图像块并分别标记、储存；（2）对数字图像进行图像增强处理，然后检测数字图像的边缘，对原始边缘强度进行拉伸使边缘加强；清楚图像边缘的毛刺；（3）提取图像的轮廓，进行空间变换，判断插值点所属的区域，分别进行线性插值和非线性插值。该方法在自动校正几何畸变图像的基础上确保输出的图像在边缘细节方面也有高清晰度。

Description

数字图像的几何畸变自动校正方法

技术领域

本发明属于数字图像处理技术领域，具体涉及一种数字图像的几何畸变自动校正方法。

背景技术

现有的数字图像几何畸变自动校正方法采用的传统插值方法，这使得校正出来的图像在细节方面不够精确，特别是在边缘过渡的地方会出现模糊。目前的一些专业图像处理软件基本都需要人工的参与，它们并不能实现畸变校正的自动化，然而人工参与不仅费神费力而且容易产生误差。

传统的插值方法分为非线性插值和线性插值。常用的非线性插值法有最近邻插值法，其运算速度较快。但它仅使用离待测采样点最近的像素的灰度值作为该采样点的灰度值，而没考虑其他相邻像素点的影响，因而重新采样后灰度值有明显的不连续性，图像质量损失较大，会产生明显的马赛克和锯齿现象。

常用的线性插值法有双线性插值法和立方卷积插值法等。双线性插值法效果要好于最近邻插值，只是计算量稍大一些，算法复杂些，程序运行时间也稍长些，但其具有低通滤波器的性质,从而导致插值后图像的高频分量受到损失,图像边缘在一定程度上变得较为模糊。

立方卷积插值能够产生比双线性插值更为平滑的边缘，计算精度很高，处理后的图像画质损失最少，效果是最佳的。但其计算量最大，算法也是最为复杂的。本发明因此而来。

发明内容

本发明目的在于提供一种数字图像的几何畸变自动校正方法，解决了现有技术中数字图像几何畸变自动校正后图像的细节方面不够精确，边缘过渡的地方会出现模糊等问题。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种数字图像的几何畸变自动校正方法，其特征在于所述方法包括以下步骤：

（1）输入数字图像，然后对数字图像进行分割处理形成若干个图像块并分别标记、储存；

（2）对数字图像进行图像增强处理，然后检测数字图像的边缘，对原始边缘强度进行拉伸使边缘加强；清除图像边缘的毛刺；

（3）提取图像的轮廓，进行空间变换，判断插值点所属的区域，分别进行线性插值和非线性插值。

本发明技术方案在自动校正几何畸变图像的基础上确保输出的图像在边缘细节方面也有高清晰度。本发明技术方案采用了一种自动校正几何畸变图像的方法。

先用OTUS算法使图像二值化并将图像均匀分割为若干份存储，为后续的选择性插值做准备。再将灰度图采用直方图法增强，然后对增强后的图像进行边缘提取，对提取后的边缘做适当的拉伸和清楚毛刺之后，用检测直线的算法得到图像中的直线方程并计算多对直线上的匹配点，根据匹配点法进行空间变换。在插值之前判断插值所在区域的位置分别选择插值的方式，若插值点在灰度变换剧烈的点就选择非线性插值法，若插值点在灰度变换平稳的点就选择线性插值法。这样不仅保证了系统的运算速度也保证了校正后图像的精度。

本发明根据图像的灰度变化情况而自适应的选择插值方法，不仅降低运算量也在一定程度上提高了图像的精度。

具体的步骤包括：

1、输入图像后先分割图像：转换彩色图像为灰度图，将灰度图像二值化（如使用otsu（最大类间方差）算法）使其按照灰度特性将灰度值转换为“0”或者“1”，而“0”和“1”交替的区域即为灰度变化剧烈的区域。接着将图像均匀的切分成互不重叠的多个子图（如48个）并分别标记储存。

2、图像增强：用直方图均衡化对灰度图进行增强

3、检测边缘，并拉伸边缘：用sobel算子检测边缘，并在边缘点附近对原始边缘强度进行适当的拉伸，如g(i，j)=f(i，j)±enhance其中，f(i,j)为原始图像，g(i,j)为边缘增强后的图像，enhance为增强系数，正负号的选择由边缘的极性决定。

4、清除毛刺：采用长度为7个像素角度为90度的结构体对图像的边缘进行开运算，以达到清除毛刺的效果。

5、解析图像轮廓：根据已检测的边缘信息，本文用Hough变换进行轮廓解析，可检测到图像中直线上的点，根据检测到的点坐标可计算出直线方程。

6、进行空间变换：采用匹配点法进行空间坐标的变换。待校正图像上的点定义为输入点，其对应的校正后图像上的匹配点定义为基准点。输入点从检测到得直线上获取，本文取得的输入点分别在直线的1/2、1/4、1/8处，按照几何性质可以根据输入点的值计算出基准点的值。根据求得的输入点和基准点能够按照匹配法进行空间坐标变换。

7、判断插值点所属的区域，分别进行线性插值和非线性插值：先判断待插值点属于步骤1切分的哪个子图区域，再判断待插值点在子图区域中邻近4个像素点的值，若这4个像素点的值相同（全为“1”或全为“0”）则选用线性插值法（如双线性插值法或立方卷积插值法），否则选用非线性插值法（如最近领域法）。

现有的几何畸变自动校正方法在进行最后的插值部分时，为了计算的方便往往采用双线性插值法，这个插值方法会使图像的边缘模糊。本发明技术方案将几何畸变自动校正方法和边缘保持的双线性插值方法结合在一起，不仅能够使输出的图像具有高精度而且基本没有增加计算的复杂度和时间，不论从输出效果还是运算量上都有提高。

本发明与现有技术相比，具有如下的有益效果：

本发明技术方案可以尽可能的对几何畸变图像进行自动校正，可以在保证尽可能提高速度的情况下，保证图像的精度；本发明技术当前的线性插值方法和非线性插值方法可以根据用户的需求更换为精度更高的插值方法，对系统实现近一步的优化。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明技术方案的总体流程图；

图2为本发明技术方案中图像分割的工作流程图；

图3为本发明技术方案中边缘检测的原理图；

图4为本发明技术方案中畸变校正的原理图；

图5为本发明技术方案中选择插值方法的原理图。

具体实施方式

以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。

1、输入图像后先分割图像：转换彩色图像为灰度图，将灰度图像二值化（如使用otsu（最大类间方差）算法）使其按照灰度特性将灰度值转换为“0”或者“1”，而“0”和“1”交替的区域即为灰度变化剧烈的区域。接着将图像均匀的切分成互不重叠的多个子图（如48个）并分别标记储存。

2、用直方图均衡的方法增强图像；

3、用sobel算子检测边缘，并在边缘点附近对原始边缘强度进行适当的拉伸使边缘加强；用sobel算子检测边缘，并在边缘点附近对原始边缘强度进行适当的拉伸，如g(i，j)=f(i，j)±enhance其中，f(i,j)为原始图像，g(i,j)为边缘增强后的图像，enhance为增强系数，正负号的选择由边缘的极性决定。

4、用开运算清除毛刺：采用长度为7个像素角度为90度的结构体对图像的边缘进行开运算，以达到清除毛刺的效果。

5、用Hough变换解析图像轮廓：根据已检测的边缘信息，本文用Hough变换进行轮廓解析，可检测到图像中直线上的点，根据检测到的点坐标可计算出直线方程。

6、提取计算匹配点并进行空间变换：采用匹配点法进行空间坐标的变换。待校正图像上的点定义为输入点，其对应的校正后图像上的匹配点定义为基准点。输入点从检测到得直线上获取，本文取得的输入点分别在直线的1/2、1/4、1/8处，按照几何性质可以根据输入点的值计算出基准点的值。根据求得的输入点和基准点能够按照匹配法进行空间坐标变换。

7、判断插值点所属的区域，分别进行线性插值和非线性插值：先判断待插值点属于步骤1切分的哪个子图区域，再判断待插值点在子图区域中邻近4个像素点的值，若这4个像素点的值相同（全为“1”或全为“0”）则选用线性插值法（如双线性插值法或立方卷积插值法），否则选用非线性插值法（如最近领域法）。

上述实例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种数字图像的几何畸变自动校正方法，其特征在于所述方法包括以下步骤：

（1）输入数字图像，对数字图像进行分割处理形成若干个图像块并分别标记、储存；

（2）对数字图像进行图像增强处理，然后检测数字图像的边缘，对原始边缘强度进行拉伸使边缘加强；清楚图像边缘的毛刺；

（3）提取图像的轮廓，进行空间变换，判断插值点所属的区域，分别进行线性插值和非线性插值。

2.根据权利要求1所述的方法，其特征在于所述方法步骤（1）中数字图像先进行二值化处理为灰度图像，然后进行图像分割。

3.根据权利要求1所述的方法，其特征在于所述方法步骤（2）中用sobel算子检测边缘，并在边缘点附近对原始边缘强度进行适当的拉伸，图像增强的公式为：g(i，j)=f(i，j)±enhance其中，f(i,j)为原始图像，g(i,j)为边缘增强后的图像，enhance为增强系数，正负号的选择由边缘的极性决定。

Images