CN106709862B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN106709862B CN106709862B CN201611146220.0A CN201611146220A CN106709862B CN 106709862 B CN106709862 B CN 106709862B CN 201611146220 A CN201611146220 A CN 201611146220A CN 106709862 B CN106709862 B CN 106709862B
- Authority
- CN
- China
- Prior art keywords
- image
- filter
- navigational
- pixel
- window
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Abstract
本发明实施例提供一种图像处理方法及装置,所述方法包括:接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子;根据所述方差权重因子获取优化后的引导图像滤波器;根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。所述装置执行上述方法。本发明实施例提供的图像处理方法及装置提高了自主移动机器人中的图像解析识别的准确性,使得自主移动机器人移动路径的规划更加合理。
Description
技术领域
本发明实施例涉及图像处理技术领域,具体涉及一种图像处理方法及装置。
背景技术
随着计算机技术的快速发展和新型传感器的广泛应用,机器人特别是自主移动机器人的应用场合越来越多,作用也变得越来越重要。
现有技术中普遍通过采用双目摄像头采集自主移动机器人应用的场景图像,再对采集到的图像进行解析识别,最后提供给自主移动机器人反映地理位置的三维坐标信息,以供自主移动机器人选择合适的移动路径,避免触碰到障碍物。但是现有技术对采集到的图像解析识别的误差较大,进而导致生成的三维坐标信息不够准确,造成了自主移动机器人的自主移动路径不合理,还需要人工干预,影响了自主移动机器人的工作效率。
因此,如何保证图像解析识别的准确性,合理规划自主移动机器人的移动路径成为亟须解决的问题。
发明内容
针对现有技术存在的问题,本发明实施例提供一种图像处理方法及装置。
一方面,本发明实施例提供一种图像处理方法,包括:
接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;
根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;
根据所述方差权重因子获取优化后的引导图像滤波器;
根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
另一方面,本发明实施例提供一种图像处理装置,包括:
接收单元,用于接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;
第一获取单元,用于根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;
第二获取单元,用于根据所述方差权重因子获取优化后的引导图像滤波器;
滤波单元,用于根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本发明实施例提供的图像处理方法及装置提高了自主移动机器人中的图像解析识别的准确性,使得自主移动机器人移动路径的规划更加合理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例图像处理方法的流程示意图;
图2为本发明实施例滤波前后效果对比图;
图3为本发明实施例自主移动机器人车体坐标关系示意图;
图4为本发明实施例图像处理装置的结构示意图;
图5为本发明实施例提供的装置实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例图像处理方法的流程示意图,如图1所示,本实施例提供的一种图像处理方法,包括以下步骤:
S1:接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像。
具体的,装置接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像。需要说明的是:装置可以设置在自主移动机器人上,用于控制自主移动机器人的移动路径。第一摄像装置和第二摄像装置组成了双目摄像装置。
S2:根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像。
具体的,装置根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像。需要说明的是:每个像素点都对应有与其所在位置相关的二维像素坐标。预设邻域范围可以根据实际情况自主设置。匹配代价计算可以根据如下公式获得:
其中,Trgb和Tg分别为颜色和梯度的截断阈值、α为权重,都可以根据实际情况自主设定。m(p,d)为滤波前的三维矩阵元素,m(p,d)中的p表示的是每一个像素点的二维像素坐标,d为指定的图像视差值,且1≤d≤Dmax,Dmax为预设最大视差值,R、G、B构成了预设颜色空间(三种颜色,但不作限定)R表示红色、G表示绿色、B表示蓝色。可以表示为第一图像的像素点所对应的二维像素坐标,可以表示为第二图像的像素点所对应的二维像素坐标,通过d在1~Dmax之间的取值,获取多个滤波前的三维矩阵Mp,d中的元素m(p,d),可以表示为第一图像的像素点所对应的二维像素坐标的梯度值,可以表示为第二图像的像素点所对应的二维像素坐标的梯度值,需要说明的是:若的计算结果小于Trgb,则获取的计算结果,若的计算结果大于等于Trgb,则将计算结果取值为Trgb,的计算说明可参照上述的计算说明,不再赘述。
S3:根据所述方差权重因子获取优化后的引导图像滤波器。
具体的,装置根据所述方差权重因子获取优化后的引导图像滤波器。需要说明的是:优化后的引导图像滤波器,不仅是增加了方差权重因子的计算,还使得运算的过程更加简便,除了基本的矩阵和数值计算以外,剩下的都是均值计算,可以通过盒滤波器(boxfilter)使用积分图像方法加速实现。
S4:根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
具体的,装置根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本发明实施例提供的图像处理方法,提高了自主移动机器人中的图像解析识别的准确性,使得自主移动机器人移动路径的规划更加合理。
在上述实施例的基础上,具体的,装置根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述方差权重因子根据如下公式进行计算:
其中,w(k)为在所述滤波窗口中局部窗口的方差权重因子、k为所述局部窗口的中心像素点、i为所述局部窗口中的所有像素点、N为所述局部窗口中的所有像素点的个数、I为所述引导图像、为以k为中心点,且在Ng×Ng预设邻域范围内各像素点位置与k的位置之间的方差、为以i为中心点,且在Ng×Ng预设邻域范围内各像素点位置与i的位置之间的方差、χ为一个较小的常数(0.001×L)2,若I为灰度图像,L取值为与所述灰度图像相对应的灰度数值,若I为8位彩色图像,则L取值为256。需要说明的是:每个灰度图像对应有一个灰度数值,该灰度数值的获取为成熟技术,不再赘述,若I为灰度图像,L的取值为1~256之间的数值。
本发明实施例提供的图像处理方法,通过获取的方差权重因子,提高了自主移动机器人中的图像解析识别的准确性。
在上述实施例的基础上,具体的,装置根据所述方差权重因子获取优化后的引导图像滤波器,所述优化后的引导图像滤波器根据如下公式进行计算:
其中,Wi,j(I)为所述优化后的引导图像滤波器、ωk为所述局部窗口、ωi为所述滤波窗口、Ii′为所述滤波窗口中的某一像素点、Ij′为所述局部窗口中的不同于所述Ii′的另一像素点、μk为所述滤波窗口中的全部Ii′和所述局部窗口中的全部Ij′之和的算术平均值、∑k为每个所述Ii′与所述滤波窗口中除Ii′以外的像素点之间的协方差矩阵和每个所述Ij′与所述局部窗口中除Ij′以外的像素点之间的协方差矩阵之和、w(k)为所述方差权重因子、Ii′、Ij′和μk均为M×1的向量,M为预先设置的颜色空间数值、ε为无限接近于零的很小的预设数值、U为大小为M×M的自选矩阵。需要说明的是:局部窗口和滤波窗口会有部分区域重合,因此要保证Ij′与Ii′为不同的像素点,M×1向量中的M可以为三种颜色,R、G、B,即Ii′、Ij′和μk可以为3×1的向量,U可选为三维标准矩阵,即ε可选为0.001。
本发明实施例提供的图像处理方法,通过用方差权重因子修正引导图像滤波器,提高了自主移动机器人中的图像解析识别的准确性。
在上述实施例的基础上,具体的,装置根据所述滤波窗口中的指定像素点p,在水平和竖直方向进行扩展,得到一个十字区域,其中所述指定像素点p、向上、下、左、右方向分别延伸至qu、qd、ql、qr,延伸的长度分别为lu、ld、ll、lr。
具体的,装置将满足如下条件:的十字区域作为目标十字区域,其中,Ldismax为预设最大像素间欧氏距离阈值、Ldismin为预设最小像素间欧氏距离阈值、Lrgb为预设颜色空间下的颜色阈值、Dl(p,qi)为所述指定像素点p扩展后的位置与扩展前的位置之间的距离,qi,i=u,d,l,r、Drgb(p,qi)为所述指定像素点p所对应的颜色数值。需要说明的是:Ldismin可选为4,Ldismax可选为10,Lrgb为在RGB空间下颜色阈值,可选为0.15。
具体的,装置将内嵌于所述目标十字区域的矩形作为所述滤波窗口ωi。
本发明实施例提供的图像处理方法,通过获取滤波窗口,保证了在自主移动机器人中的图像解析识别的顺利进行。
在上述实施例的基础上,具体的,装置对所述待处理图进行滤波处理,根据以下公式进行:
其中,j为所述局部窗口ωk中的所有像素点、i为所述滤波窗口中的所有像素点、Wi,j(I)为所述优化后的引导图像滤波器、Mp,d中的p为匹配代价计算后的计算结果中的像素点的二维像素坐标,Mp,d中的d为指定的图像视差值,且1≤d≤Dmax,Dmax为预设最大视差值、Mp,d为由所述像素坐标所组成滤波前的三维矩阵、M′p,d为进行滤波后的三维矩阵。需要说明的是:滤波前的三维矩阵Mp,d中的元素为已在上述实施例中获得的各m(p,d)。图2为本发明实施例滤波前后效果对比图,如图2所示,获取第一图像中的像素点位置(190,145)和位置(325,145)之间的一条扫描直线,如图2中的虚线所示。将Dmax设置为15,当设置指定的图像视差值d从1变到最大视差15,将滤波之前和滤波之后的图像与原始图像进行对比可以看出:直接通过代价计算得到的视差,边缘特性非常不明显,噪声很多,质量较差。而通过优化的引导图像滤波器进行滤波后,得到的矩阵更为平滑,原始图像的变化趋势可以在该矩阵中很好的体现出来,在同一区域内的视差值基本一致,特别是边缘特性,得到了很好的保持。
本发明实施例提供的图像处理方法,通过对所述待处理图像进行滤波处理,进一步保证了自主移动机器人中的图像解析识别的准确性。
进一步的,还可以根据如下公式:获取到指定像素点p的视差值,并对得到的视差值进行LRC处理,就可以得到最终的视差图,通过最终的视差图获取拍摄场景的三维地理位置坐标的步骤为:
定义重投影矩阵Q如式(1)所示,
式中,T为两个摄像装置之间的基线距离,f为焦距,(uo,vo)为引导图像中心像素位置。
通过重投影矩阵Q,就可以将通过立体匹配得到的最终视差图中任意一个二维点(ul,vl)转换到三维空间中,(ul,vl)为上述实施例中最终的视差图中任意一点的二维像素坐标。
空间中任意点P在预设摄像装置(预设摄像装置可以为第一摄像装置或第二摄像装置),以第一摄像装置为例的坐标系中的三维坐标(X,Y,Z)可表示为:
图3为本发明实施例自主移动机器人车体坐标关系示意图,如图3所示,在具有双目摄像装置的自主移动机器人中,可以认为第一摄像装置和第二摄像装置连线的中点在自主移动机器人的中线上,如图3所示,可以获取自主移动机器人的相关尺寸参数,就可以得到点P在自主移动机器人坐标系OrobotXYZ中的三维坐标(Xob,Yob,Zob)为
式中T为第一摄像装置和第二摄像装置的中心距离,Hr为第一摄像装置或第二摄像装置中心Ol与自主移动机器人车体中心Orobot在OrobotZ方向上的距离,Br为第一摄像装置或第二摄像装置中心Ol与自主移动机器人车体中心Orobot在OrobotY方向上的距离。
自主移动机器人上搭载的双目摄像装置通过上述步骤实现对周围环境信息的感知,再通过合适的路径规划算法和控制算法,就可以完全摆脱人为控制,实现自主移动机器人在室内环境内的自主移动。
图4为本发明实施例图像处理装置的结构示意图,如图4所示,本实施例提供了一种图像处理装置,包括接收单元1、第一获取单元2、第二获取单元3和滤波单元4,其中:
接收单元1用于接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像,第一获取单元2用于根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像,第二获取单元3用于根据所述方差权重因子获取优化后的引导图像滤波器,滤波单元4用于根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
具体的,接收单元1用于接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像,接收单元1将第一图像和第二图像发送给第一获取单元2,第一获取单元2用于根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像,第一获取单元2将方差权重因子发送给第二获取单元3,第二获取单元3用于根据所述方差权重因子获取优化后的引导图像滤波器,第二获取单元3将优化后的引导图像滤波器发送给滤波单元4,滤波单元4用于根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本发明实施例提供的图像处理装置,提高了自主移动机器人中的图像解析识别的准确性,使得自主移动机器人移动路径的规划更加合理。
在上述实施例的基础上,具体的,所述第一获取单元2具体用于根据如下公式进行计算:
其中,w(k)为在所述滤波窗口中局部窗口的方差权重因子、k为所述局部窗口的中心像素点、i为所述局部窗口中的所有像素点、N为所述局部窗口中的所有像素点的个数、I为所述引导图像、为以k为中心点,且在Ng×Ng预设邻域范围内各像素点位置与k的位置之间的方差、为以i为中心点,且在Ng×Ng预设邻域范围内各像素点位置与i的位置之间的方差、χ为一个较小的常数(0.001×L)2,若I为灰度图像,L取值为与所述灰度图像相对应的灰度数值,若I为8位彩色图像,则L取值为256。
本发明实施例提供的图像处理装置,通过获取的方差权重因子,提高了自主移动机器人中的图像解析识别的准确性。
在上述实施例的基础上,具体的,所述第二获取单元3具体用于根据如下公式进行计算:
其中,Wi,j(I)为所述优化后的引导图像滤波器、ωk为所述局部窗口、ωi为所述滤波窗口、Ii′为所述滤波窗口中的某一像素点、Ij′为所述局部窗口中的不同于所述Ii′的另一像素点、μk为所述滤波窗口中的全部Ii′和所述局部窗口中的全部Ij′之和的算术平均值、∑k为每个所述Ii′与所述滤波窗口中除Ii′以外的像素点之间的协方差矩阵和每个所述Ij′与所述局部窗口中除Ij′以外的像素点之间的协方差矩阵之和、w(k)为所述方差权重因子、Ii′、Ij′和μk均为M×1的向量,M为预先设置的颜色空间数值、ε为无限接近于零的很小的预设数值、U为大小为M×M的自选矩阵。
本发明实施例提供的图像处理装置,通过用方差权重因子修正引导图像滤波器,提高了自主移动机器人中的图像解析识别的准确性。
在上述实施例的基础上,所述第二获取单元3还用于:
根据所述滤波窗口中的指定像素点p,在水平和竖直方向进行扩展,得到一个十字区域,其中所述指定像素点p、向上、下、左、右方向分别延伸至qu、qd、ql、qr,延伸的长度分别为lu、ld、ll、lr;将满足如下条件:的十字区域作为目标十字区域,其中,Ldismax为预设最大像素间欧氏距离阈值、Ldismin为预设最小像素间欧氏距离阈值、Lrgb为预设颜色空间下的颜色阈值、Dl(p,qi)为所述指定像素点p扩展后的位置与扩展前的位置之间的距离,qi,i=u,d,l,r、Drgb(p,qi)为所述指定像素点p所对应的颜色数值;将内嵌于所述目标十字区域的矩形作为所述滤波窗口ωi。
本发明实施例提供的图像处理装置,通过获取局部窗口,保证了在自主移动机器人中的图像解析识别的顺利进行。
在上述实施例的基础上,具体的,所述滤波单元4具体用于根据以下公式进行:
其中,j为所述局部窗口ωk中的所有像素点、i为所述滤波窗口中的所有像素点、Wi,j(I)为所述优化后的引导图像滤波器、Mp,d中的p为匹配代价计算后的计算结果中的像素点的二维像素坐标,Mp,d中的d为指定的图像视差值,且1≤d≤Dmax,Dmax为预设最大视差值、Mp,d为由所述像素坐标所组成滤波前的三维矩阵、M′p,d为进行滤波后的三维矩阵。
本发明实施例提供的图像处理装置,通过对所述待处理图像进行滤波处理,进一步保证了自主移动机器人中的图像解析识别的准确性。
本实施例提供的图像处理装置具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图5为本发明实施例提供的装置实体结构示意图,如图5所示,所述装置包括:处理器(processor)501、存储器(memory)502和总线503;
其中,所述处理器501、存储器502通过总线503完成相互间的通信;
所述处理器501用于调用所述存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;根据所述方差权重因子获取优化后的引导图像滤波器;根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;根据所述方差权重因子获取优化后的引导图像滤波器;根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;根据所述方差权重因子获取优化后的引导图像滤波器;根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (6)
1.一种图像处理方法,其特征在于,包括:
接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;
根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;
根据所述方差权重因子获取优化后的引导图像滤波器;
根据所述优化后的引导图像滤波器,对所述待处理图进行滤波处理;
所述根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述方差权重因子根据如下公式进行计算:
其中,w(k)为在所述滤波窗口中局部窗口的方差权重因子、k为所述局部窗口的中心像素点、i为所述局部窗口中的所有像素点、N为所述局部窗口中的所有像素点的个数、I为所述引导图像、为以k为中心点,且在Ng×Ng预设邻域范围内各像素点位置与k的位置之间的方差、为以i为中心点,且在Ng×Ng预设邻域范围内各像素点位置与i的位置之间的方差、χ为一个较小的常数(0.001×L)2,若I为灰度图像,L取值为与所述灰度图像相对应的灰度数值,若I为8位彩色图像,则L取值为256。
2.根据权利要求1所述的方法,其特征在于,所述根据所述方差权重因子获取优化后的引导图像滤波器,所述优化后的引导图像滤波器根据如下公式进行计算:
其中,Wi,j(I)为所述优化后的引导图像滤波器、ωk为所述局部窗口、ωi为所述滤波窗口、Ii′为所述滤波窗口中的某一像素点、Ij′为所述局部窗口中的不同于所述Ii′的另一像素点、μk为所述滤波窗口中的全部Ii′和所述局部窗口中的全部Ij′之和的算术平均值、∑k为每个所述Ii′与所述滤波窗口中除Ii′以外的像素点之间的协方差矩阵和每个所述Ij′与所述局部窗口中除Ij′以外的像素点之间的协方差矩阵之和、w(k)为所述方差权重因子、Ii′、Ij′和μk均为M×1的向量,M为预先设置的颜色空间数值、ε为无限接近于零的很小的预设数值、U为大小为M×M的自选矩阵。
3.根据权利要求1所述的方法,其特征在于,所述滤波窗口的获取包括:
根据所述滤波窗口中的指定像素点p,在水平和竖直方向进行扩展,得到一个十字区域,其中所述指定像素点p、向上、下、左、右方向分别延伸至qu、qd、ql、qr,延伸的长度分别为lu、ld、ll、lr;
将满足如下条件:的十字区域作为目标十字区域,其中,Ldismax为预设最大像素间欧氏距离阈值、Ldismin为预设最小像素间欧氏距离阈值、Lrgb为预设颜色空间下的颜色阈值、Dl(p,qi)为所述指定像素点p扩展后的位置与扩展前的位置之间的距离,qi中的i为u,d,l,r,Drgb(p,qi)为所述指定像素点p所对应的颜色数值;
将内嵌于所述目标十字区域的矩形作为所述滤波窗口。
4.一种图像处理装置,其特征在于,包括:
接收单元,用于接收第一摄像装置和第二摄像装置针对同一拍摄场景所分别拍摄的第一图像和第二图像;
第一获取单元,用于根据引导图像中的滤波窗口图像的像素点,获取中心像素点位置预设邻域范围内的方差权重因子,所述引导图像是所述第一图像或所述第二图像中的一个,待处理图像为所述引导图像经过匹配代价计算得到的图像;
第二获取单元,用于根据所述方差权重因子获取优化后的引导图像滤波器;
滤波单元,用于根据所述优化后的引导图像滤波器对所述待处理图进行滤波处理;
所述第一获取单元具体用于根据如下公式进行计算:
其中,w(k)为在所述滤波窗口中局部窗口的方差权重因子、k为所述局部窗口的中心像素点、i为所述局部窗口中的所有像素点、N为所述局部窗口中的所有像素点的个数、I为所述引导图像、为以k为中心点,且在Ng×Ng预设邻域范围内各像素点位置与k的位置之间的方差、为以i为中心点,且在Ng×Ng预设邻域范围内各像素点位置与i的位置之间的方差、χ为一个较小的常数(0.001×L)2,若I为灰度图像,L取值为与所述灰度图像相对应的灰度数值,若I为8位彩色图像,则L取值为256。
5.根据权利要求4所述的装置,其特征在于,所述第二获取单元具体用于根据如下公式进行计算:
其中,Wi,j(I)为所述优化后的引导图像滤波器、ωk为所述局部窗口、ωi为所述滤波窗口、Ii′为所述滤波窗口中的某一像素点、Ij′为所述局部窗口中的不同于所述Ii′的另一像素点、μk为所述滤波窗口中的全部Ii′和所述局部窗口中的全部Ij′之和的算术平均值、∑k为每个所述Ii′与所述滤波窗口中除Ii′以外的像素点之间的协方差矩阵和每个所述Ij′与所述局部窗口中除Ij′以外的像素点之间的协方差矩阵之和、w(k)为所述方差权重因子、Ii′、Ij′和μk均为M×1的向量,M为预先设置的颜色空间数值、ε为无限接近于零的很小的预设数值、U为大小为M×M的自选矩阵。
6.根据权利要求4所述的装置,其特征在于,所述第二获取单元还用于:
根据所述滤波窗口中的指定像素点p,在水平和竖直方向进行扩展,得到一个十字区域,其中所述指定像素点p、向上、下、左、右方向分别延伸至qu、qd、ql、qr,延伸的长度分别为lu、ld、ll、lr;
将满足如下条件:的十字区域作为目标十字区域,其中,Ldismax为预设最大像素间欧氏距离阈值、Ldismin为预设最小像素间欧氏距离阈值、Lrgb为预设颜色空间下的颜色阈值、Dl(p,qi)为所述指定像素点p扩展后的位置与扩展前的位置之间的距离,qi中的i为u,d,l,r,Drgb(p,qi)为所述指定像素点p所对应的颜色数值;
将内嵌于所述目标十字区域的矩形作为所述滤波窗口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611146220.0A CN106709862B (zh) | 2016-12-13 | 2016-12-13 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611146220.0A CN106709862B (zh) | 2016-12-13 | 2016-12-13 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709862A CN106709862A (zh) | 2017-05-24 |
CN106709862B true CN106709862B (zh) | 2019-08-20 |
Family
ID=58937245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611146220.0A Expired - Fee Related CN106709862B (zh) | 2016-12-13 | 2016-12-13 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709862B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816595B (zh) * | 2017-11-20 | 2021-01-26 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
CN109767408B (zh) * | 2018-12-29 | 2021-11-12 | 广州方硅信息技术有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
CN111292250B (zh) * | 2018-12-29 | 2023-01-13 | 展讯通信(上海)有限公司 | 图像处理方法及装置 |
CN111080534B (zh) * | 2019-10-31 | 2023-09-15 | 北京迈格威科技有限公司 | 图像滤波方法、装置及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008001967A1 (en) * | 2006-06-30 | 2008-01-03 | Industry-Academic Cooperation Foundation, Yonsei University | Device and method for transforming 2-d image into 3-d image |
TW201428680A (zh) * | 2013-01-02 | 2014-07-16 | Ind Tech Res Inst | 影像處理裝置及立體影像前景分離方法 |
AU2013206597A1 (en) * | 2013-06-28 | 2015-01-22 | Canon Kabushiki Kaisha | Depth constrained superpixel-based depth map refinement |
-
2016
- 2016-12-13 CN CN201611146220.0A patent/CN106709862B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
Fast Cost-Volume Filtering for Visual Correspondence and Beyond;Asmaa Hosni等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20120801;全文 |
双目视觉中立体匹配算法的研究与实现;周芳;《中国优秀硕士学位论文全文数据库-信息科技辑》;20130915;第33-43页 |
Also Published As
Publication number | Publication date |
---|---|
CN106709862A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355570B (zh) | 一种结合深度特征的双目立体视觉匹配方法 | |
CN106709862B (zh) | 一种图像处理方法及装置 | |
US10846836B2 (en) | View synthesis using deep convolutional neural networks | |
CN105303514B (zh) | 图像处理方法和装置 | |
JP6905602B2 (ja) | 画像照明方法、装置、電子機器および記憶媒体 | |
CN108596975B (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN109416727A (zh) | 一种人脸图像中眼镜去除方法及装置 | |
CN107465911B (zh) | 一种深度信息提取方法及装置 | |
EP3308323B1 (en) | Method for reconstructing 3d scene as 3d model | |
CN109660783A (zh) | 虚拟现实视差校正 | |
CN109493373B (zh) | 一种基于双目立体视觉的立体匹配方法 | |
CN107820001A (zh) | 使用基于特征的重影去除的阵列照相机图像组合 | |
CN109903321A (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN108377374A (zh) | 用于产生与图像相关的深度信息的方法和系统 | |
CN106952247A (zh) | 一种双摄像头终端及其图像处理方法和系统 | |
CN106683174A (zh) | 双目视觉系统的三维重建方法、装置及双目视觉系统 | |
CN110619660A (zh) | 一种物体定位方法、装置、计算机可读存储介质及机器人 | |
CN110349215A (zh) | 一种相机位姿估计方法及装置 | |
CN112287824A (zh) | 基于双目视觉的三维目标检测方法、装置及系统 | |
CN109559272A (zh) | 一种图像处理方法及装置、电子设备、存储介质 | |
CN110276831A (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
CN110490822A (zh) | 图像去运动模糊的方法和装置 | |
CN107133981B (zh) | 图像处理方法和装置 | |
CN109978928B (zh) | 一种基于加权投票的双目视觉立体匹配方法及其系统 | |
CN112233149A (zh) | 场景流的确定方法及装置、存储介质、电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190820 Termination date: 20191213 |
|
CF01 | Termination of patent right due to non-payment of annual fee |