CN106815846A - 图像暗角裁切范围的确定方法、图像暗角补偿方法及装置 - Google Patents

Abstract

本发明公开了一种图像暗角裁切范围的确定方法、图像暗角补偿方法及装置，该图像暗角裁切范围的确定方法包括：从摄像头拍摄的图像中截取侦测区域图像，其中，所述侦测区域图像包含有暗角区域；对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线；根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值；根据所述暗角区域裁切信息值，确定所述暗角区域的裁切范围。采用本发明提供的图像暗角裁切范围的确定方法，不会裁切掉过多的不包含有图像暗角的区域，牺牲了较小的图像视野率。

Description

图像暗角裁切范围的确定方法、图像暗角补偿方法及装置

技术领域

本发明涉及内置有摄像头设备技术领域，更具体地，涉及一种图像暗角裁切范围的确定方法、图像暗角补偿方法及装置。

背景技术

目前有一些无人机将摄像头设计在无人机内部，即摄像头是内置的，该类无人机在产线上进行组装时，由于零件上的公差、或者组装所造成的误差(例如，组装时产生的倾斜)，会导致摄像头的轴心出现偏移的情况，使得无人机组装完成后利用摄像头拍摄或者录像时，会拍摄到摄像头外部的结构体(例如，无人机的机身或者螺旋桨)，进而使得拍摄或录制的图像的四角出现暗角的现象，影响到所拍摄或录制的图像的质量。因此，需要对图像四角出现的暗角进行补偿运算。

现有技术中，对图像四角出现的暗角的补偿运算具体为：收集产线数据，估算出图像暗角区域的裁切区域，参见图1a，将图中示出的长方形之外区域的图像裁切掉，参见图1b，图中示出了裁切后的图像；将裁切后的图像放大至裁切前的图像的大小，参见图1c，图中示出了放大后的图像。但是这种补偿运算方法，图像暗角区域的裁切区域远远大于图像的实际暗角区域，牺牲了图像的视野率，另外，将裁切后的图像放大至裁切前的图像的大小，其是以裁切后的图像作为放大运算的对象，数据量较大，运算处理时间较长，并且还造成图像的质量受到影响。

发明内容

本发明的一个目的是提供一种图像暗角裁切范围的确定方法、图像暗角补偿方法及装置的新技术方案。

根据本发明的第一方面，提供了一种图像暗角裁切范围的确定方法，包括：

从摄像头拍摄的图像中截取侦测区域图像，其中，所述侦测区域图像包含有暗角区域；

对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线；

根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值；

根据所述暗角区域裁切信息值，确定所述暗角区域的裁切范围。

可选地，对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线，包括：

对所述侦测区域图像进行二值化处理，得到二值化图像；

对所述二值化图像进行边缘强化处理，获取所述二值化图像包含的图形的边界点；

从所述边缘点中筛选出构成所述二值化图像包含的图形的外围轮廓的特征点；

根据所述特征点拟合得到至少一条外围轮廓特征曲线；

判断每条外围轮廓特征曲线是否包含有边缘点；

若包含有边缘点，则确定为所述暗角区域对应的外围轮廓特征曲线。

可选地，根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值，包括：

以所述侦测区域图像中任一点作为原点，建立二维坐标系；

利用所述二维坐标系，确定所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值；

根据所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值，确定所述暗角区域对应的暗角区域裁切范围值。

可选地，在确定所述暗角区域对应的暗角区域裁切范围值之后，还包括：

判断所述暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内；

若位于所述预设的暗角区域裁切阈值范围内，则将所述暗角区域裁切范围值进行存储。

根据本发明的第二方面，还提供了一种图像暗角补偿方法，包括：

利用上述任一所述的方法确定暗角区域的裁切范围；

利用所述暗角区域裁切范围值，以所述摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

根据所述暗角区域裁切范围值确定作为所述局部圆形补偿曲线的处理对象的区域图像；

利用所述局部圆形补偿曲线的曲率，对作为所述局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。

根据本发明的第三方面，还提供了一种图像暗角裁切范围的确定装置，包括：

截取模块，用于从摄像头拍摄的图像中截取侦测区域图像，其中，所述侦测区域图像包含有暗角区域；

处理模块，用于对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线；

第一确定模块，用于根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值；

第二确定模块，用于根据所述暗角区域裁切信息值，确定所述暗角区域的裁切范围。

可选地，所述处理模块还用于：

对所述侦测区域图像进行二值化处理，得到二值化图像；

对所述二值化图像进行边缘强化处理，获取所述二值化图像包含的图形的边界点；

从所述边缘点中筛选出构成所述二值化图像包含的图像的外围轮廓的特征点；

根据所述特征点拟合得到至少一条外围轮廓特征曲线；

判断每条外围轮廓特征曲线是否包含有边缘点；

若包含有边缘点，则确定为所述暗角区域对应的外围轮廓特征曲线。

可选地，所述第一确定模块还用于：

以所述侦测区域图像中任一点作为原点，建立二维坐标系；

利用所述二维坐标系，确定所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值；

根据所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值，确定所述暗角区域对应的暗角区域裁切范围值。

可选地，所述装置还包括：

判断模块，用于判断所述暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内；

存储模块，用于若位于所述预设的暗角区域裁切阈值范围内，则将所述暗角区域裁切范围值进行存储。

根据本发明的第四方面，还提供了一种图像暗角的补偿装置，包括：

确定模块，用于利用上述任一所述的装置确定暗角区域的裁切范围；

绘制模块，用于利用所述暗角区域裁切范围值，以所述摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

获取模块，用于根据所述暗角区域裁切范围值获取作为所述局部圆形补偿曲线的处理对象的区域图像；

放大处理模块，用于利用所述局部圆形补偿曲线的曲率，对作为所述局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。

本发明提供的图像暗角裁切范围的确定方法、图像暗角补偿方法及装置，通过获取到暗角区域对应的外围轮廓特征曲线，根据暗角区域对应的外围轮廓特征曲线确定暗角区域对应的暗角区域裁切范围值，进而确定暗角区域的裁切范围，由于暗角区域对应的外围轮廓特征曲线能够反映出暗角区域的范围大小，相对于现有技术，本发明提供的图像暗角裁切范围的确定方法能够较为准确地确定出图像暗角的区域大小，进而在进行裁切时，不会裁切掉过多的不包含有图像暗角的区域，牺牲了较小的图像的视野率。然后，利用暗角区域裁切范围值，以摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线，以该局部圆形补偿曲线作为补偿模型，并且，作为局部圆形补偿曲线的处理对象的区域图像并不是裁切后剩余的摄像头拍摄的图像，而是利用暗角区域裁切范围值确定出的图像，利用暗角区域裁切范围值确定出的图像数据量较少，使得运算处理时间较短，并且由于仅对暗角区域裁切范围值确定出的图像进行放大处理，相对于现有技术，减少了对图像质量的影响。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1a示出了现有技术中摄像头拍摄的图像的暗角区域的裁切示意图。

图1b示出了现有技术中裁切后的摄像头拍摄的图像的示意图。

图1c示出了现有技术中对裁切后的摄像头拍摄的图像放大处理后的示意图。

图2示出了根据本发明一个实施例的图像暗角裁切范围的确定方法。

图3示出了根据本发明一个实施例的从摄像头拍摄的图像截取侦测区域图像的示意图。

图4a示出了根据本发明一个实施例的边缘强化处理后的侦测区域图像的示意图。

图4b示出了根据本发明一个实施例的二值化图像包含的图形的外围轮廓的特征点的示意图。

图4c示出了根据本发明一个实施例的拟合得到的外围轮廓特征曲线的示意图。

图4d示出了根据本发明一个实施例的暗角区域对应的外围轮廓特征曲线的示意图。

图5示出了图3示出的摄像头拍摄的图像的裁切示意图。

图6示出了根据本发明一个实施例的图像暗角补偿方法的处理流程图。

图7示出了根据本发明一个实施例的局部圆形补偿曲线的示意图。

图8示出了根据本发明一个实施例的图像暗角裁切范围的确定装置的结构示意图。

图9示出了根据本发明一个实施例的图像暗角裁切范围的确定装置的另一种结构示意图。

图10示出了根据本发明一个实施例的图像暗角裁切范围的确定装置的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明提供了一种图像暗角裁切范围的确定方法。图2示出了根据本发明一个实施例的图像暗角裁切范围的确定方法，参见图2，该方法至少包括步骤S202至步骤S208。

步骤S202，从摄像头拍摄的图像中截取侦测区域图像，其中，侦测区域图像包含有暗角区域；

步骤S204，对侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从至少一条外围轮廓特征曲线中筛选出暗角区域对应的外围轮廓特征曲线；

步骤S206，根据暗角区域对应的外围轮廓特征曲线，确定暗角区域对应的暗角区域裁切范围值；

步骤S208，根据暗角区域裁切信息值，确定暗角区域的裁切范围。

本发明提供的图像暗角裁切范围的确定方法，通过获取到暗角区域对应的外围轮廓特征曲线，根据暗角区域对应的外围轮廓特征曲线确定暗角区域对应的暗角区域裁切范围值，进而确定暗角区域的裁切范围。由于暗角区域对应的外围轮廓特征曲线能够反映出暗角区域的范围大小，相对于现有技术，本发明提供的图像暗角裁切范围的确定方法能够较为准确地确定出图像暗角的区域大小，进而在进行裁切时，不会裁切掉过多的不包含有图像暗角的区域，牺牲了较小的图像的视野率。

上述步骤S202涉及的从摄像头拍摄的图像中截取侦测区域图像，该侦测区域图像包括有摄像头拍摄的图像中出现的所有暗角，且侦测区域图像的大小可随意界定。参见图3，图中示出的位于摄像头拍摄的图像左半部分的长方形表示待截取的侦测区域图像的规格，图中示出的位于摄像头拍摄的图像右边的长方形表示待截取的侦测区域图像的规格。

本发明实施例中，对侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从至少一条外围轮廓特征曲线中筛选出暗角区域对应的外围轮廓特征曲线，至少包括以下步骤S302至步骤S314。首先，以从图3示出摄像头拍摄的图像截取的左半部分的侦测区域图像为例，执行步骤S302，对截取的侦测区域图像进行二值化处理，其中，二值化处理为将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。然后，执行步骤S304，对二值化图像进行边缘强化处理，获取二值化图像包含的图形的边界点，其中，边界点为其紧邻的各点中既包括灰度值为0的像素点，也包括灰度值为255的像素点，参见图4a，图中示出了二值化图像包含的图形的各边界点。参见图4a，图中示出了二值化图像包含的图形的各边界点。具体地，以下列公式对二值化图像进行边缘强化处理，

(Image_data)'＝G(X)*Image_data+G(Y)*Image_data，

其中，G(X)和G(Y)为边缘强化系数，且G(X)和G(Y)为3*3的列式，具体为，

Image_data为二值化图像中待确定像素点和其紧邻的8个像素点的灰度值组成的3*3的列式，即

其中，p(x，y)代表二值化图像中待确定像素点的灰度值，p(x-1，y-1)代表与待确定像素点相邻且位于其左上方的位置的像素点的灰度值，p(x+1，y-1)代表与待确定像素点相邻且位于其右上方的位置的像素点的灰度值，p(x-1，y)代表与待确定像素点相邻且位于其正左方位置的像素点的灰度值，p(x+1，y)代表与待确定像素点相邻且位于其正右方位置的像素点的灰度值，p(x-1，y+1)代表与待确定像素点相邻且位于其左下方位置的像素点的灰度值，p(x+1，y+1)代表与待确定像素点相邻且位于其右下方位置的像素点的灰度值。(Image_data)'＝G(X)*Image_data+G(Y)*Image_data的运算规则如下：

利用上述边缘强化处理公式计算得出(Image_data)'后，对(Image_data)'的绝对值进行判断，若(Image_data)'的绝对值大于作为判断待确定像素点是否为边界点的预设阈值，则确定该像素点为二值化图像包含的图形的边界点，若(Image_data)'的绝对值小于预设阈值，则确定该像素点不是该二值化图像包含的图形的边界点。

需要说明地是，本发明提供的为3*3的列式G(X)和G(Y)仅仅是作为一个示例，对本发明并不造成任何限定，3*3的列式中包括的9个数值还可为其他数值，具体可以依据摄像头模组的型号而定。

若二值化图像包含有15×9个像素点，表1示出了该二值化图像包含的各像素点的灰度值。

表1

灰度值	1	2	3	4	5	6	7	8	9
										1	0	0	0	0	0	0	0	0	0
2	0	0	255	0	0	0	0	0	0
										3	0	0	255	255	0	0	0	0	0
4	0	255	255	255	255	0	0	0	0
										5	0	255	255	255	255	0	0	0	0
6	255	255	255	255	255	0	0	0	0
										7	255	255	255	255	255	0	0	0	0
8	0	255	255	255	255	0	0	0	0
										9	0	0	255	255	0	0	0	0	0
10	0	0	0	0	0	0	0	0	0
										11	0	0	0	0	0	0	0	0	0
12	0	0	0	0	0	0	0	0	0
										13	0	0	0	0	0	0	0	0	0
14	0	0	0	0	0	0	0	0	0
										15	0	0	0	0	0	0	0	0	0

以位于表1中第4行第2列的像素点和位于表中第7行地4列的像素点为例，利用上述公式确定这两个像素点是否为二值化图像包含的图形的边界点。首先，以位于表1中第4行第2列的像素点为例，其中，该像素点对应的Image_data为

将Image_data代入到上述边缘强化处理公式中，按照上述运算规则进行运算，即

进一步，对(Image_data)'的绝对值进行判断，其中，本发明实施例中作为判断待确定像素点是否为边界点的阈值为500，(Image_data)'的绝对值为510，其大于作为判断待确定像素点是否为边界点的预设阈值，则确定该待确定像素点为二值化图像包含的图形的边界点。然后，以位于表中第7行地4列的像素点为例，该像素点对应的Image_data为

将该Image_data代入到上述边缘强化处理公式中，按照上述运算规则进行运算，即

进一步，对(Image_data)'的绝对值进行判断，其中，本发明实施例中作为判断待确定像素点的是否为边界点的阈值为500，(Image_data)'的绝对值为0，其小于作为判断待确定像素点是否为边界点的预设阈值，则确定该待确定像素点不是二值化图像包含的图形的边界点。需要说明地是，本发明列举的作为判断待确定像素点是否为边界点的阈值为500，仅仅是作为一个示例，对本发明并不造成任何限定，可以根据摄像头模组的型号以及其他外界因素确定作为判断待确定像素点是否为边界点的阈值大小。

在获取到二值化图像包含的图形的边界点之后，执行步骤S306，从该边界点中筛选出构成二值化图像包含的图形的外围轮廓的特征点，参见图4b。具体地，分别对二值化图像包含的每一个图形进行分析，对每一个图形包含的每一个像素点进行由内向外搜寻是否存在周围像素点的操作，其中，由内向外进行周围像素点的搜寻操作可为沿着某一个像素点的上、下、左、右四个方向搜寻是否存在预设数量的周围像素点的操作。其中，周围像素点的预设数量可根据随意设定，或者，可根据摄像头模组拍摄的图像的具体情况而定。若搜寻结果为沿着该像素点的上、下、左、右四个方向均存在周围像素点，且上、下、左、右四个方向的周围像素点的数量均满足小于等于预设数量，此时，可确定该像素点并不是构成二值化图像包含的图形的外围轮廓的特征点，若搜寻结果为沿着该像素点的上、下、左、右四个方向中至少一个方向的周围像素点的数量为0时，则确定该像素点是构成二值化图像包含的图形的外围轮廓的特征点。

接着，执行步骤S308，将获取到的特征点拟合成至少一条外围轮廓特征曲线，其中，该外围轮廓特征曲线中包括有暗角区域对应的外围轮廓特征曲线，还可能包括有侦测区域图像中包含的摄像头拍摄的物体或图形的外围轮廓特征曲线。具体地，利用Snake模型对获取到的特征点进行拟合，得到至少一条外围轮廓特征曲线。Snake模型的基本思想是，以构成具有一定形状的控制点为初始轮廓线，该条初始轮廓线在内部力和外部力的作用下，主动地向感兴趣的目标区域附近的轮廓边界移动，通过求解轮廓曲线能量函数的极小化，来完成对图像的分割。本发明实施例中，Snake模型涉及的能量函数的公式如下，

其中，v代表向量，α代表内部能量系数，β代表外部能量系数，s∈[0,1],被积函数的第一项为弹性能量，被积函数的第二项为弯曲能量，被积函数的第三项为外部能量。本发明实施例中，Snake模型涉及的能量函数除了包含内部能量(即内力)和外部能量(即外力)，还加入边缘能量，以适用于暗角区域对应的外围轮廓特征曲线的正确定位。图4c示出了根据本发明一个实施例的拟合得到外围轮廓特征曲线的示意图，参见图4c，本发明实施例中，根据获取到的特征点拟合得到7条外围轮廓特征曲线，即曲线1、曲线2、曲线3、曲线4、曲线5、曲线6、曲线7。然后，对拟合得到的外围轮廓特征曲线进行进一步判断，即执行步骤S310，判断每条外围轮廓特征曲线是否包含有边缘点，其中，该边缘点为位于摄像头拍摄的图像的边缘的点，摄像头拍摄的图像的边缘包括摄像头拍摄的图像的长度方向上的边缘和摄像头拍摄的图像的宽度方向上的边缘。若外围轮廓特征曲线包含有边缘点，执行步骤S312，确定该条外围轮廓特征曲线为暗角区域对应的外围轮廓特征曲线，若外围轮廓特征曲线未包含有边缘点，执行步骤S314，确定该条外围轮廓特征曲线为摄像头拍摄的物体或图形的外围轮廓特征曲线。以图4c为例，图中示出的曲线1、曲线2、曲线3均包含有位于摄像头拍摄的图像的边缘上的点，而曲线4、曲线5、曲线6、曲线7未包含有位于摄像头拍摄的图像的边缘上的点，因此，可以确定曲线1、曲线2、曲线3为暗角区域对应的外围轮廓特征曲线，得到图4d。

在获取到暗角区域对应的外围轮廓特征曲线之后，本发明实施例以截取的侦测区域图像中任一点作为原点，建立二维坐标系，利用该二维坐标系，确定暗角区域对应的外围轮廓特征曲线上、表示暗角区域范围大小的特征点的坐标值，根据该坐标值确定暗角区域对应的暗角区域裁切范围值。以图4d示出的曲线为例，从图4d中获取表示暗角区域范围大小的特征点，即A点、B点、C点、D点、E点，以位于侦测区域图像左上角的点作为原点，以摄像头拍摄的图像的长度方向作为X轴，以摄像头拍摄的图像的宽度方向作为Y轴，建立二维坐标系。利用该二维坐标系得到A点、B点、C点、D点、E点五个点分别对应的坐标值(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，(x₄，y₄)，(x₅，y₅)，利用上述五个点的坐标值，确定暗角区域对应的暗角区域裁切范围值(a、b、c)。其中，a值为C点距离Y轴的距离，b值为取A点和E点中距离Y轴距离较大的值再减去a值，c值为取B点距离摄像头拍摄的图像的长度方向的上边缘的距离和D点距离摄像头拍摄的图像的长度方向的下边缘的距离中较大值。利用暗角区域对应的暗角区域裁切范围值(a、b、c)对摄像头拍摄的图像进行裁切，参见图5，该图是以图3示出的摄像头拍摄的图像为例，将图3中包含的暗角区域进行裁切。

需要说明地是，本发明实施例示出的暗角区域对应的暗角区域裁切范围值(a、b、c)仅仅是作为一个示例，由于摄像头拍摄的图像的暗角不固定，因此，暗角区域对应的暗角区域裁切范围值也不固定，例如，若暗角区域对应的外围轮廓特征曲线中没有出现图4d中示出的曲线2，则a值为0，若摄像头拍摄的图像中在靠近沿图像的长度方向的上边缘的中间区域出现暗角，此时，获取到的暗角区域对应的外围轮廓特征曲线中包含有该暗角对应的外围轮廓特征曲线，则从该暗角对应的外围轮廓特征曲线上获取到表示暗角区域范围大小的特征点，然后再根据该特征点的坐标值确定该暗角对应的暗角区域裁切范围值。

本发明实施例中，在确定暗角区域对应的暗角区域裁切范围值之后，对在确定所述暗角区域对应的暗角区域裁切范围值作进一步判断，即判断暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内，若位于预设的暗角区域裁切阈值范围内，则将确定出的暗角区域对应的暗角区域裁切范围值进行存储，若未位于预设的暗角区域裁切阈值范围内，则确定摄像头的组装不合格，须重新组装。

本发明还提供了一种图像暗角补偿方法，图6示出了根据本发明一个实施例的图像暗角补偿方法的处理流程图，参见图6，该方法至少包括步骤S602至步骤S608。

步骤S602，利用上述提供的图像暗角裁切范围的确定方法确定暗角区域的裁切范围；

步骤S604，利用暗角区域裁切范围值，以摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

步骤S606，根据暗角区域裁切范围值确定作为局部圆形补偿曲线的处理对象的区域图像；

步骤S608，利用局部圆形补偿曲线的曲率，对作为局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。

本发明实施例中，利用暗角区域裁切范围值，以摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线，以该局部圆形补偿曲线作为补偿模型，并且，作为局部圆形补偿曲线的处理对象的区域图像并不是裁切后剩余的摄像头拍摄的图像，而是利用暗角区域裁切范围值确定出的图像，利用暗角区域裁切范围值确定出的图像数据量较少，使得运算处理时间较短，并且由于仅对暗角区域裁切范围值确定出的图像进行放大处理，相对于现有技术，减少了对图像质量的影响。

上述步骤S604涉及的绘制局部圆形补偿曲线操作步骤，参见图7，该图是以图3示出的摄像头拍摄的图像为例，在确定暗角区域裁切范围值后，确定出一补偿模型，该补偿模型为一局部圆形补偿曲线，局部圆形补偿曲线的中心即摄像头拍摄的图像的中心，局部圆形补偿曲线的半径由暗角区域裁切范围值确定。参见图7，暗角区域裁切范围值为(a、b、c)，沿着摄像头拍摄的图像的上边缘且距离位于摄像头拍摄的图像的左上角的点为a+2b的位置处确定一点，该点到摄像头拍摄的图像的中心的距离作为局部圆形补偿曲线的半径值。利用确定局部圆形补偿曲线的中心以及半径值，绘制图7示出的局部圆形补偿曲线。上述步骤S606，根据暗角区域裁切范围值确定作为局部圆形补偿曲线的处理对象的区域图像，具体为，参见图7，沿着摄像头拍摄的图像的上边缘且距离位于摄像头拍摄的图像的左上角的点为a+2b的位置处确定一点，相应地，沿着摄像头拍摄的图像的下边缘且距离位于摄像头拍摄的图像的左下角的点为a+2b的位置处再确定一点，这两点连起来的连线与图7中示出的暗角区域对应的裁切线围起来的图像作为部圆形补偿曲线的处理对象的区域图像。然后，利用局部圆形补偿曲线的曲率，对该局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像，即图8，将图8与图1c进行对比，本发明得到的补偿后的摄像头拍摄的图像，牺牲了较小的图像的视野率，且减少了对图像质量的影响。

需要说明地是，上述涉及的距离位于摄像头拍摄的图像的左上角的点为a+2b的位置处确定一点，该距离值仅仅是作为一个示例，对本发明并不造成任何限定。

基于同一发明构思，本发明还提供了一种图像暗角裁切范围的确定装置，图8示出了根据本发明一个实施例的图像暗角裁切范围的确定装置的结构示意图，参见图8，该装置至少包括：

截取模块810，用于从摄像头拍摄的图像中截取侦测区域图像，其中，侦测区域图像包含有暗角区域；

处理模块820，与截取模块810耦合，用于对侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从至少一条外围轮廓特征曲线中筛选出暗角区域对应的外围轮廓特征曲线；

第一确定模块830，与处理模块820耦合，用于根据暗角区域对应的外围轮廓特征曲线，确定暗角区域对应的暗角区域裁切范围值；

第二确定模块840，与第一确定模块830耦合，用于根据暗角区域裁切信息值，确定暗角区域的裁切范围。

本发明实施例中，处理模块820还用于：对侦测区域图像进行二值化处理，得到二值化图像；对二值化图像进行边缘强化处理，获取二值化图像包含的图形的边界点；从边缘点中筛选出构成二值化图像包含的图像的外围轮廓的特征点；根据特征点拟合得到至少一条外围轮廓特征曲线；判断每条外围轮廓特征曲线是否包含有边缘点；若包含有边缘点，则确定为暗角区域对应的外围轮廓特征曲线。

本发明实施例中，第一确定模块830还用于：以侦测区域图像中任一点作为原点，建立二维坐标系；利用二维坐标系，确定暗角区域对应的外围轮廓特征曲线上、表示暗角区域范围大小的特征点的坐标值；根据暗角区域对应的外围轮廓特征曲线上、表示暗角区域范围大小的特征点的坐标值，确定暗角区域对应的暗角区域裁切范围值。

本发明实施例中，参见图9，图像暗角裁切范围的确定装置还包括：判断模块850，与第二确定模块840耦合，用于判断暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内；存储模块860，与判断模块850耦合，用于若位于预设的暗角区域裁切阈值范围内，则将暗角区域裁切范围值进行存储。

基于同一发明构思，本发明还提供了一种图像暗角的补偿装置，图10示出了根据本发明一个实施例的图像暗角裁切范围的确定装置的结构示意图，参见图10，该装置至少包括：

确定模块1010，用于利用上述任一的装置确定暗角区域的裁切范围；

绘制模块1020，与确定模块1010耦合，用于利用暗角区域裁切范围值，以摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

获取模块1030，与绘制模块1020耦合，用于根据暗角区域裁切范围值获取作为局部圆形补偿曲线的处理对象的区域图像；

放大处理模块1040，与获取模块1030耦合，用于利用局部圆形补偿曲线的曲率，对作为局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种图像暗角裁切范围的确定方法，其特征在于，包括：

从摄像头拍摄的图像中截取侦测区域图像，其中，所述侦测区域图像包含有暗角区域；

对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线；

根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值；

根据所述暗角区域裁切信息值，确定所述暗角区域的裁切范围。

2.根据权利要求1所述的方法，其特征在于，对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线，包括：

对所述侦测区域图像进行二值化处理，得到二值化图像；

对所述二值化图像进行边缘强化处理，获取所述二值化图像包含的图形的边界点；

从所述边缘点中筛选出构成所述二值化图像包含的图形的外围轮廓特征点；

根据所述特征点拟合得到至少一条外围轮廓特征曲线；

判断每条外围轮廓特征曲线是否包含有边缘点；

若包含有边缘点，则确定为所述暗角区域对应的外围轮廓特征曲线。

3.根据权利要求1所述的方法，其特征在于，根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值，包括：

以所述侦测区域图像中任一点作为原点，建立二维坐标系；

利用所述二维坐标系，确定所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值；

根据所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值，确定所述暗角区域对应的暗角区域裁切范围值。

4.根据权利要求1-3任一所述的方法，其特征在于，在确定所述暗角区域对应的暗角区域裁切范围值之后，还包括：

判断所述暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内；

若位于所述预设的暗角区域裁切阈值范围内，则将所述暗角区域裁切范围值进行存储。

5.一种图像暗角补偿方法，其特征在于，包括：

利用权利要求1-4任一所述的方法确定暗角区域的裁切范围；

利用所述暗角区域裁切范围值，以所述摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

根据所述暗角区域裁切范围值确定作为所述局部圆形补偿曲线的处理对象的区域图像；

利用所述局部圆形补偿曲线的曲率，对作为所述局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。

6.一种图像暗角裁切范围的确定装置，其特征在于，包括：

截取模块，用于从摄像头拍摄的图像中截取侦测区域图像，其中，所述侦测区域图像包含有暗角区域；

处理模块，用于对所述侦测区域图像进行处理，得到至少一条外围轮廓特征曲线，并从所述至少一条外围轮廓特征曲线中筛选出所述暗角区域对应的外围轮廓特征曲线；

第一确定模块，用于根据所述暗角区域对应的外围轮廓特征曲线，确定所述暗角区域对应的暗角区域裁切范围值；

第二确定模块，用于根据所述暗角区域裁切信息值，确定所述暗角区域的裁切范围。

7.根据权利要求6所述的装置，其特征在于，所述处理模块还用于：

对所述侦测区域图像进行二值化处理，得到二值化图像；

对所述二值化图像进行边缘强化处理，获取所述二值化图像包含的图形的边界点；

从所述边缘点中筛选出构成所述二值化图像包含的图像的外围轮廓的特征点；

根据所述特征点拟合得到至少一条外围轮廓特征曲线；

判断每条外围轮廓特征曲线是否包含有边缘点；

若包含有边缘点，则确定为所述暗角区域对应的外围轮廓特征曲线。

8.根据权利要求6所述的装置，其特征在于，所述第一确定模块还用于：

以所述侦测区域图像中任一点作为原点，建立二维坐标系；

利用所述二维坐标系，确定所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值；

根据所述暗角区域对应的外围轮廓特征曲线上、表示所述暗角区域范围大小的特征点的坐标值，确定所述暗角区域对应的暗角区域裁切范围值。

9.根据权利要求6-8任一所述的装置，其特征在于，所述装置还包括：

判断模块，用于判断所述暗角区域裁切范围值是否位于预设的暗角区域裁切阈值范围内；

存储模块，用于若位于所述预设的暗角区域裁切阈值范围内，则将所述暗角区域裁切范围值进行存储。

10.一种图像暗角的补偿装置，其特征在于，包括：

确定模块，用于利用权利要求6-9任一所述的装置确定暗角区域的裁切范围；

绘制模块，用于利用所述暗角区域裁切范围值，以所述摄像头拍摄的图像的中心作为中心点，绘制局部圆形补偿曲线；

获取模块，用于根据所述暗角区域裁切范围值获取作为所述局部圆形补偿曲线的处理对象的区域图像；

放大处理模块，用于利用所述局部圆形补偿曲线的曲率，对作为所述局部圆形补偿曲线的处理对象的区域图像进行放大处理，得到补偿后的摄像头拍摄的图像。