CN107330906A - 基于曲线拟合的改进细化算法 - Google Patents
基于曲线拟合的改进细化算法 Download PDFInfo
- Publication number
- CN107330906A CN107330906A CN201710507368.0A CN201710507368A CN107330906A CN 107330906 A CN107330906 A CN 107330906A CN 201710507368 A CN201710507368 A CN 201710507368A CN 107330906 A CN107330906 A CN 107330906A
- Authority
- CN
- China
- Prior art keywords
- point
- diamond
- pixel
- algorithm
- shaped windows
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
在基于网格投影的三维重建过程中,网格细化是至关重要的一步,对后续点的匹配有着重要影响。针对网格细化问题,本发明首先采用索引表改进后基于数学形态的细化算法对双目视觉图像作初步细化处理。然后,针对细化算法在运行过程中都会形成外框线条向内部线条方向凹陷的问题,本发明通过基于线性拟合的改进细化算法成功解决。实验结果表明:该算法提高了网格细化的速度,同时解决了网格的凹陷问题。
Description
技术领域
本发明涉及的是一种图像处理技术领域的方法,具体是一种基于数学形态的细化算法对图像作初步细化处理,然后基于线性拟合的细化算法。
背景技术
在双目视觉三维重建的研究过程中,从双目视觉图像中提取特征并获得正确的匹配点对是重要的一步。然而,在双目摄像机拍摄图像的过程中,由于拍摄环境、摄像机镜头加工精度、图像传输过程等原因,不可避免地产生一些噪声和畸变导致图像质量下降。在采用网格投影的方法时,将任何自由曲面表面变换情况转换为网格线条形变,为了充分利用网格投影所表达的信息,网格投影细化的研究是至关重要的一步。
经典的细化算法按照算法原理可以分为基于模板的细化算法、基于索引表的细化算法和基于形态学的细化算法3种。基于模板的细化算法中,比较经典的算法有Hilditch细化算法、OPTA细化算法和Zhang并行快速细化算法。Hilditch细化算法是以二值图像为对象的串行算法,以中心像素的8邻域作为移动模板,从图像左上角自上而下、自左到右遍历图像中所有像素,如果中心像素满足一定条件则将其设为背景点,直到目标对象成为单像素为止。One-Pass Thinning Algorithm(简称OPTA算法)是另一种经典基于模板的细化算法。其细化过程同样是从图像左上角到右下角遍历图像中每个像素点。不同的是,在OPTA算法中对于每个中心像素点考察的是它周围的10个相邻点。在图像细化算法的不断发展过程中,利用数学形态学的细化算法也逐渐被人们熟知。数学形态学细化算法的基本思路是给定一些结构元素,删除满足击中击不中变换的中心像素点,与基于模板的细化方法相比,形态学算法将大量复杂的计算条件转换为基本的移位和逻辑运算,简化了运算过程。然而,各种细化算法都存在一个共性问题,即在网格线条外框线条与内部线条三线叉交处的细化结果畸变严重,几乎所有的细化算法都形成外框线条向内部线条方向凹陷。
发明内容
本发明针对现有技术存在的上述不足,提出了基于曲线拟合的交叉区域改进细化算法。本发明首先通过索引表改进后基于数学形态的细化算法对双目视觉图像作初步细化处理,然后基于线性拟合改进细化算法成功解决这凹陷难题。这一点改进的意义在于后续所有的特征点提取工作,都以提取的交叉点为基础,因此,在交叉点提取部分的精度提高,能够降低整个模型三维重建误差。本文改进后细化算法的流程如图1所示。
首先是菱形窗口的设计,经过对形态学细化算法的研究,如果形态学细化过程中不是以没有可删除的像素点为迭代终止条件,而是在其中某个阶段停止,在这个阶段,线条部分已经细化到单像素宽,交叉点区域尚未完成细化,也没有出现畸变。为了使得形态学算法在该阶段适时停止,同时受到最大正方形方法的启发,设计一个最大菱形窗口如图2所示,希望通过这样的菱形窗口判断交叉点区域的细化情况,适时终止形态学算法的迭代进程。判断及终止过程如下:
第一步,在每次形态学算法迭代结束后,使用该窗口遍历图像,并计算窗口中的前景点总数。
第二步,当某点为中心像素的菱形区域内前景像素点介于设定的最大阈值和最小阈值之间时,细化算法迭代终止。
第三步,最大阈值的设定:在初始状态下,一定存在某个中心像素所在区域在菱形窗口内全部为前景点,由于随着细化算法的进行前景点逐渐减少,会出现不再有中心像素点所在区域在菱形窗口内全部为前景点,因此,一般设定菱形窗口内的全部像素点的数量和作为最大阈值。
第四步,最小阈值的设定:在应用菱形窗口过程中,我们感兴趣的是交叉部分的细化情况,为了屏蔽在遍历过程中非交叉点部分即直线部分对菱形窗口计算的干扰,我们设定一个最小阈值,经过实验,一般将最小阈值设定为L+L-2(L为菱形窗口的最大宽度),即有一条2像素宽的直线通过菱形最宽部分情况。
通过菱形窗口判断交叉点区域的细化情况,适时终止形态学算法的迭代进程,在此之后,菱形窗口使得形态学算法在交叉点处尚未畸变时停止,为了实现细化后更精确的网格交叉点,将采用最小二乘法曲线拟合的方法,处理过程如下:
第一步,提取竖直方向线条所包含的所有像素点,即图像每一行中具有最小列坐标的前景点。
第二步,提取交叉点区域中除交叉区域外水平方向曲线所包含特征点,根据像素点提取结果,可以得到尚未细化完善的像素点的列坐标。
第三步,利用所提取的竖直方向、水平方向像素点坐标,分别采用最小二乘法拟合竖直方向曲线和水平方向曲线。这两条曲线的方程分别为。通过最小二乘法计算a1到a6这6个系数。拟合成功后,联立两条曲线方程,求得两条曲线的交点,即为希望得到的更精确的交叉点坐标。
第四步,将第二步中获得的尚未细化完全的像素点列坐标,代入拟合后水平方向曲线的方程,即可得到对应的像素点行坐标。
第五步,计算得出交叉点区域像素点取代原交叉点区域,实现交叉点区域的精确细化。
附图说明
图1发明流程图;
图2菱形窗口的设计;
图3网格线条交叉点区域。
具体实施方式
下面对本发明的实施例作详细说明。本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实施例。
首先是菱形窗口的设计,经过对形态学细化算法的研究,如果形态学细化过程中不是以没有可删除的像素点为迭代终止条件,而是在其中某个阶段停止,在这个阶段,线条部分已经细化到单像素宽,交叉点区域尚未完成细化,也没有出现畸变。为了使得形态学算法在该阶段适时停止,同时受到最大正方形方法的启发,设计一个最大菱形窗口适时终止形态学算法的迭代进程。判断及终止过程如下:
第一步,在每次形态学算法迭代结束后,使用该窗口遍历图像,并计算窗口中的前景点总数。
第二步,当某点为中心像素的菱形区域内前景像素点介于设定的最大阈值和最小阈值之间时,细化算法迭代终止。
第三步,最大阈值的设定:在初始状态下,一定存在某个中心像素所在区域在菱形窗口内全部为前景点,由于随着细化算法的进行前景点逐渐减少,会出现不再有中心像素点所在区域在菱形窗口内全部为前景点,因此,一般设定菱形窗口内的全部像素点的数量和作为最大阈值。
第四步,最小阈值的设定:在应用菱形窗口过程中,我们感兴趣的是交叉部分的细化情况,为了屏蔽在遍历过程中非交叉点部分即直线部分对菱形窗口计算的干扰,我们设定一个最小阈值,经过实验,一般将最小阈值设定为L+L-2(L为菱形窗口的最大宽度),即有一条2像素宽的直线通过菱形最宽部分情况。
通过菱形窗口判断交叉点区域的细化情况,适时终止形态学算法的迭代进程,在此之后,菱形窗口使得形态学算法在交叉点处尚未畸变时停止,为了实现细化后更精确的网格交叉点,将采用最小二乘法曲线拟合的方法,以图3所示的网格线条交叉点区域为例,处理过程如下:
第一步,提取竖直方向线条所包含的所有像素点,即图像每一行中具有最小列坐标的前景点。
第二步,提取交叉点区域中除交叉区域外水平方向曲线所包含特征点,根据像素点提取结果,可以得到尚未细化完善的像素点的列坐标。
第三步,利用所提取的竖直方向、水平方向像素点坐标,分别采用最小二乘法拟合竖直方向曲线和水平方向曲线。这两条曲线的方程分别为。通过最小二乘法计算a1到a6这6个系数。拟合成功后,联立两条曲线方程,求得两条曲线的交点,即为希望得到的更精确的交叉点坐标。
第四步,将第二步中获得的尚未细化完全的像素点列坐标,代入拟合后水平方向曲线的方程,即可得到对应的像素点行坐标。
第五步,计算得出交叉点区域像素点取代原交叉点区域,实现交叉点区域的精确细化。
Claims (2)
1.在基于网格投影的三维重建过程中,网格线条交点的细化质量将对后续三维重建精度有很大影响。基于数学形态学细化算法,提出了一种结合曲线拟合优化该算法在网格线条三叉交点处的细化处理方法。为了使得形态学算法适时停止,同时受到最大正方形方法的启发,设计一个最大菱形窗口,进而通过这样的菱形窗口判断交叉点区域的细化情况,适时终止形态学算法的迭代进程。判断及终止过程如下:
第一步,在每次形态学算法迭代结束后,使用该菱形窗口遍历图像,并计算窗口中的前景点总数。
第二步,当某点为中心像素的菱形区域内前景像素点介于设定的最大阈值和最小阈值之间时,细化算法迭代终止。
第三步,最大阈值的设定:在初始状态下,一定存在某个中心像素所在区域在菱形窗口内全部为前景点,由于随着细化算法的进行前景点逐渐减少,会出现不再有中心像素点所在区域在菱形窗口内全部为前景点,因此,一般设定菱形窗口内的全部像素点的数量和作为最大阈值。
第四步,最小阈值的设定:在应用菱形窗口过程中,专注于交叉部分的细化情况,为了屏蔽在遍历过程中非交叉点部分即直线部分对菱形窗口计算的干扰,设定一个最小阈值,经过实验,一般将最小阈值设定为L+L-2(L为菱形窗口的最大宽度),即有一条2像素宽的直线通过菱形最宽部分情况。
2.根据权利要求1所述的菱形窗口判断交叉点区域的细化情况,适时终止形态学算法的迭代进程,在此之后,菱形窗口使得形态学算法在交叉点处尚未畸变时停止,为了实现细化后更精确的网格交叉点,将采用最小二乘法曲线拟合的方法,处理过程如下:
第一步,提取竖直方向线条所包含的所有像素点,即图像每一行中具有最小列坐标的前景点。
第二步,提取交叉点区域中除交叉区域外水平方向曲线所包含特征点,根据像素点提取结果,可以得到尚未细化完善的像素点的列坐标。
第三步,利用所提取的竖直方向、水平方向像素点坐标,分别采用最小二乘法拟合竖直方向曲线和水平方向曲线,这两条曲线的方程分别为通过最小二乘法计算a1到a6这6个系数,拟合成功后,联立两条曲线方程,求得两条曲线的交点,即为希望得到的更精确的交叉点坐标。
第四步,将第二步中获得的尚未细化完全的像素点列坐标,代入拟合后水平方向曲线的方程,即可得到对应的像素点行坐标。
第五步,计算得到的交叉点区域像素点取代原交叉点区域,实现交叉点区域的精确细化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507368.0A CN107330906A (zh) | 2017-06-28 | 2017-06-28 | 基于曲线拟合的改进细化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507368.0A CN107330906A (zh) | 2017-06-28 | 2017-06-28 | 基于曲线拟合的改进细化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107330906A true CN107330906A (zh) | 2017-11-07 |
Family
ID=60197179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710507368.0A Pending CN107330906A (zh) | 2017-06-28 | 2017-06-28 | 基于曲线拟合的改进细化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330906A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615242A (zh) * | 2018-05-04 | 2018-10-02 | 重庆邮电大学 | 一种高速护栏跟踪方法 |
CN109359529A (zh) * | 2018-09-11 | 2019-02-19 | 北京语言大学 | 长笔段的处理方法和装置 |
CN111932506A (zh) * | 2020-07-22 | 2020-11-13 | 四川大学 | 一种提取图像中非连续直线的方法 |
CN113313724A (zh) * | 2021-05-27 | 2021-08-27 | 深圳企业云科技股份有限公司 | 一种用于对抗手机摄像头重采样的线条检测处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408772A (zh) * | 2014-11-14 | 2015-03-11 | 江南大学 | 一种基于网格投影的自由曲面三维重建方法 |
US20150341723A1 (en) * | 2014-05-22 | 2015-11-26 | The United States Of America As Represented By The Secretary Of The Navy | Multitask learning method for broadband source-location mapping of acoustic sources |
CN106355646A (zh) * | 2016-09-13 | 2017-01-25 | 广州市香港科大霍英东研究院 | 应用于图像处理的表面细化方法、装置以及系统 |
-
2017
- 2017-06-28 CN CN201710507368.0A patent/CN107330906A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150341723A1 (en) * | 2014-05-22 | 2015-11-26 | The United States Of America As Represented By The Secretary Of The Navy | Multitask learning method for broadband source-location mapping of acoustic sources |
CN104408772A (zh) * | 2014-11-14 | 2015-03-11 | 江南大学 | 一种基于网格投影的自由曲面三维重建方法 |
CN106355646A (zh) * | 2016-09-13 | 2017-01-25 | 广州市香港科大霍英东研究院 | 应用于图像处理的表面细化方法、装置以及系统 |
Non-Patent Citations (1)
Title |
---|
方程骏: "基于双目视觉的自由曲面三维重建研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615242A (zh) * | 2018-05-04 | 2018-10-02 | 重庆邮电大学 | 一种高速护栏跟踪方法 |
CN108615242B (zh) * | 2018-05-04 | 2021-07-27 | 重庆邮电大学 | 一种高速护栏跟踪方法 |
CN109359529A (zh) * | 2018-09-11 | 2019-02-19 | 北京语言大学 | 长笔段的处理方法和装置 |
CN109359529B (zh) * | 2018-09-11 | 2021-11-30 | 北京语言大学 | 长笔段的处理方法和装置 |
CN111932506A (zh) * | 2020-07-22 | 2020-11-13 | 四川大学 | 一种提取图像中非连续直线的方法 |
CN111932506B (zh) * | 2020-07-22 | 2023-07-14 | 四川大学 | 一种提取图像中非连续直线的方法 |
CN113313724A (zh) * | 2021-05-27 | 2021-08-27 | 深圳企业云科技股份有限公司 | 一种用于对抗手机摄像头重采样的线条检测处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN109785291B (zh) | 一种车道线自适应检测方法 | |
CN107330906A (zh) | 基于曲线拟合的改进细化算法 | |
US10430951B2 (en) | Method and device for straight line detection and image processing | |
CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
WO2021047684A1 (zh) | 基于主动轮廓和深度学习的模糊边界图像自动分割方法 | |
CN103927016B (zh) | 一种基于双目视觉的实时三维双手手势识别方法及其系统 | |
CN107844750A (zh) | 一种水面全景图像目标检测识别方法 | |
CN107704801B (zh) | 基于分段直线加分段贝塞尔曲线的曲线车道线检测方法 | |
CN107578430B (zh) | 一种基于自适应权值和局部熵的立体匹配方法 | |
CN110443205B (zh) | 一种手部图像分割方法及装置 | |
CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
CN104616258B (zh) | 一种针对道路图像的快速去雾方法 | |
CN110930411B (zh) | 一种基于深度相机的人体分割方法及系统 | |
CN107622480B (zh) | 一种Kinect深度图像增强方法 | |
CN103824089A (zh) | 一种基于级联回归的人脸3d姿态识别方法 | |
CN102708370A (zh) | 一种多视角图像前景目标提取方法及装置 | |
CN104346833A (zh) | 一种基于单目视觉的车辆重构算法 | |
CN110334752B (zh) | 一种基于梯形卷积的不规则形状物体检测方法 | |
CN109508673A (zh) | 一种基于棒状像素的交通场景障碍检测与识别方法 | |
CN107093182B (zh) | 一种基于特征拐点的人体高度估计方法 | |
CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
CN110598832B (zh) | 一种基于遗传优化算法的文字透视矫正方法 | |
CN111310754A (zh) | 一种分割车牌字符的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171107 |