CN107818542A - 一种图像变形的修复方法及装置 - Google Patents

Abstract

本申请公开了一种图像变形的修复方法及装置，涉及图像处理技术领域，为解决图像变形导致检测类应用测量结果不准确的问题而发明。该方法主要包括：获取被测物的线阵相机图像；计算所述线阵相机图像的变形因子；根据所述变形因子，判断所述线阵相机图像是否发生变形；如果判断结果为是，则根据所述变形因子，校正所述线阵相机图像。本申请主要应用于修复变形的线阵相机图像的过程中。

Description

一种图像变形的修复方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像变形的修复方法及装置。

背景技术

线阵相机通常用于检测连续材料，例如金属、塑料、纸和纤维等等。被检测的物体通常匀速运动,利用一台或多台相机对其逐行连续扫描,以达到对其整个表面均匀检测。可以对其图像一行一行进行处理,或者对由多行组成的面阵图像进行处理。另外线阵相机非常适合测量场合，这要归功于传感器的高分辨率,它可以准确测量到微米。

线阵相机采用线阵图像传感器，每次采集一行，拍摄的图像呈“线”状，具有几k的长度，要将若干行拼接成一幅图像，必须要求被摄物体(或线阵相机)沿图像高度方向运动，具有很高的分辨率，常用于被测视野细长、需要极大视野或极高精度的检测领域。

线阵相机的纵向精度取决于拍摄视野宽度和摄像机的分辨率，横向精度与线阵相机的工作行频和被测物体(或摄像机)的运动速度有关，如果两者参数不匹配，就会导致拍摄图像出现拉伸或压缩的情况，具体地，如果相机行频低于物体运动速度，拍摄图像被压缩，反之，拍摄图像被拉伸，只有两者完全匹配，拍摄图像才不会发生形变。而在实际应用中，两参数完全匹配的情况难以严格保证，图像变形会导致检测类应用测量结果不准确。

发明内容

本申请提供了一种图像变形的修复方法及装置，以解决图像变形导致检测类应用测量结果不准确的问题。

第一方面，本申请提供了一种图像变形的修复方法，该方法包括：获取被测物的线阵相机图像；计算所述线阵相机图像的变形因子；根据所述变形因子，判断所述线阵相机图像是否发生变形；如果判断结果为是，则根据所述变形因子，校正所述线阵相机图像。采用本实现方式，以线阵相机图像的变形因子为依据，校正线阵相机图像，可以准确得到与被测物实际比例一样的图像，由此可以降低线阵相机行频参数和被测物运动速度的匹配难度，同时该校正线阵相机图像方法的运算量最小，可以支持实时校正。

结合第一方面，在第一方面第一种可能的实现方式中，所述计算所述线阵相机图像的变形因子包括：获取所述被测物的横向尺寸和纵向尺寸；根据所述横向尺寸和所述纵向尺寸，计算所述被测物的实物横纵比，所述实物横纵比为所述横向尺寸与所述纵向尺寸的比值；获取所述线阵相机图像的拍摄参数，所述拍摄参数包括线阵相机的视野宽度、所述线阵相机的分辨率、所述被测物的运动速度和所述线阵相机的工作行频；计算所述线阵相机图像的横向精度，所述横向精度是所述视野宽度和所述分辨率的比值；计算所述线阵相机图像的纵向精度，所述纵向精度是所述运动速度和所述工作行频的比值；根据所述横向精度和所述纵向精度，计算所述线阵相机图像的图像横纵比，所述图像横纵比为所述横向精度与所述纵向精度的比值；根据所述实物横纵比和所述图像横纵比，计算所述变形因子，所述变形因子为所述图像横纵比与所述实物横纵比的比值。采用本实现方式，通过比较真实被测物的实物横纵比和线阵相机图像的图像横纵比，计算变形因子，为校正线阵相机图像提供依据。

结合第一方面，在第一方面的第二种可能的实现方式中，所述根据所述变形因子，判断所述线阵相机图像是否发生变形，包括：判断所述变形因子是否等于1；如果判断结果为是，则确定所述线阵相机图像未发生形变；如果判断结果为否，则确定所述线阵相机图像发生形变。采用本实现方式，以变形因子为判断条件，判断线阵相机图像是否发生形变，能够避免对未发生形变的线阵相机图像的无效校正。

结合第一方面，在第一方面的第三种可能的实现方式中，所述根据所述变形因子，校正所述线阵相机图像，包括：确定校正所述线阵相机图像的校正像素值；根据所述校正像素值，采用预置亚像素插值算法，校正所述线阵相机图像，得到线阵相机校正图像。

结合第一方面，在第一方面的第四种可能的实现方式中，所述确定所述线阵相机图像的校正像素值，包括：获取所述线阵相机校正图像的每一行的行数值；根据确定校正所述线阵相机图像的校正像素值I(Q+1,j)和I(Q+2,j)，其中I为所述线阵相机图像，k为所述线阵相机校正图像的行数值，j为所述线阵相机图像的列数值，同时也是所述线阵相机校正图像的列数值，D为变形因子，Q为校正余数，R为校正商；所述根据所述校正像素值，采用预置亚像素插值算法，校正所述线阵相机图像，得到线阵相机校正图像，包括：根据dx＝R/D,计算校正参数，其中dx为校正参数；根据O(k,j)＝(1-dx)·I(Q+1,j)+dx·I(Q+2,j)，校正所述线阵相机图像，其中O(k,j)为所述线阵相机校正图像的第k行第j列个像素值。

第二方面，本申请还提供了一种图像变形的修复装置，所述图像变形的修复装置包括用于执行第一方面各种实现方式中方法步骤的模块。

第三方面，本申请还提供了一种终端，包括：处理器及存储器；所述处理器可以执行所述存储器中所存储的程序或指令，从而实现以第一方面各种实现方式所述图像变形的修复方法。

第四方面，本申请还提供了一种存储介质，该计算机存储介质可存储有程序，该程序执行时可实现包括本申请提供的图像变形的修复方法各实施例中的部分或全部步骤。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的一种图像变形的修复方法流程图；

图2为本申请提供的一种计算线阵相机图像的变形因子的方法流程图；

图3为本申请提供的一种判断线阵相机图像是否发送变形的方法流程图；

图4为本申请提供的一种校正线阵图像的方法流程图；

图5为本申请提供的一种图像变形的修复装置组成框图；

图6为本申请提供的另一种图像变形的修复装置组成框图。

具体实施方式

参见图1，为本申请提供的一种图像变形的修复方法流程图。如图1所示，该方法包括：

101、获取被测物的线阵相机图像。

线阵相机图像，是由线阵相机拍摄的被测物的图像。被测物可以是金属、塑料、纸和纤维，在本申请实施例中对被测物的种类不做限定。

102、计算线阵相机图像的变形因子。

变形因子，是指被测物原本的物理尺寸与成像物体尺寸间的变形程度。被测物原本的物理尺寸，包括横向宽度和纵向宽度，可以通过长度测量工具测量得出。成像物体尺寸由线阵相机拍摄视野宽度、线阵相机分辨率、物体的运动速度和线阵相机的工作行频计算得出横向精度和纵向精度。

103、根据变形因子，判断线阵相机图像是否发生变形。

变形因子能够表征线阵相机图像的变形程度，所以能够作为判断线阵相机图像是否发送变形的依据。

104、如果判断结果为是，则根据变形因子，校正线阵相机图像。

像素是成像面的基本单位，也是最小单位，通常被称为图像的物理分辨率。如果成像系统要显示的对象尺寸小于物理分辨率时，成像系统是无法正常辨识出来的。实际上亚像素细分算法是软件上对物理分辨率的近似优化结果。如果某成像芯片，其像素间距为4.5μm，在成像时对物理世界中连续的图像进行了离散化处理，这是成像面上的每个像素点只代表其附近的颜色。而两个像素之间有4.5μm的距离，在宏观上可以看作是连在一起的，但是在微观上他们之间还有无限更小的东西存在，是两个物理像素之间的“像素”，这些更小的东西就称为亚像素。亚像素是实际存在的，只是硬件上没有比像素更细微的传感器把它检测出来，于是在软件上把它近似地计算出来。

校正线阵相机图像，根据变形因子通过改变线阵相机图像的像素值实现，也就是，对线阵相机图像进行亚像素运算。具体的，对线阵相机图像先进行插值运算，再进行抽样运算，使得线阵相机图像得以校正，实现对线阵相机图像的修复。

从上述实施例可以看出，以线阵相机图像的变形因子为依据，校正线阵相机图像，可以准确得到与被测物实际比例一样的图像，由此可以降低线阵相机行频参数和被测物运动速度的匹配难度，同时该校正线阵相机图像方法的运算量最小，可以支持实时校正。

参见图2，为本申请提供的一种计算线阵相机图像的变形因子的方法流程图。在图1所示方法的基础上，计算线阵相机图像的变形因子包括：

201、获取被测物的横向尺寸和纵向尺寸。

横向尺寸和纵向尺寸，是指被线阵相机拍摄的一侧的被测物的横向尺寸和纵向尺寸。横向尺寸和纵向尺寸，通过长度测量工具测量得出。

202、根据横向尺寸和纵向尺寸，计算被测物的实物横纵比。

实物横纵比为横向尺寸与纵向尺寸的比值。在计算实物横纵比之前，需要统一横向尺寸和纵向尺寸的长度单位。

203、获取线阵相机图像的拍摄参数。

拍摄参数包括线阵相机的视野宽度、线阵相机的分辨率、被测物的运动速度和线阵相机的工作行频。

204、计算线阵相机图像的横向精度。

横向精度是视野宽度和分辨率的比值。

205、计算线阵相机图像的纵向精度。

纵向精度是运动速度和工作行频的比值。

206、根据横向精度和纵向精度，计算线阵相机图像的图像横纵比。

图像横纵比为横向精度与纵向精度的比值。

207、根据实物横纵比和图像横纵比，计算变形因子。

变形因子为图像横纵比与实物横纵比的比值。

从上述实施例可以看出，通过比较真实被测物的实物横纵比和线阵相机图像的图像横纵比，计算变形因子，为校正线阵相机图像提供依据。

参见图3，为本申请提供的一种判断线阵相机图像是否发送变形的方法流程图。在图1所示方法的基础上，根据变形因子，判断线阵相机图像是否发生变形，包括：

301、判断变形因子是否等于1。

302、如果判断结果为是，则确定线阵相机图像未发生形变。

303、如果判断结果为否，则确定线阵相机图像发生形变。

从上述实施例可以看出，以变形因子为判断条件，判断线阵相机图像是否发生形变，能够避免对未发生形变的线阵相机图像的无效校正。

参见图4，为本申请提供的一种校正线阵图像的方法流程图。在图1所示方法的基础上，如图4所示，根据变形因子，校正线阵相机图像，得到线阵相机校正图像，包括：

401、确定校正线阵相机图像的校正像素值。

具体的，确定校正线阵相机图像的校正像素值，还包括：获取线阵相机校正图像的每一行的行数值；根据确定校正像素值I(Q+1,j)和I(Q+2,j)，其中I为线阵相机图像，k为线阵相机校正图像的行数值，j为线阵相机图像的列数值，同时也是线阵相机校正图像的列数值，D为变形因子，Q为校正余数，R为校正商。

402、根据校正像素值，采用预置亚像素插值算法，校正线阵相机图像，得到线阵相机校正图像。

参照双线性插值算法的原理，假设图像中各像素点的灰度值在两个像素之间是线性变化的，插值图像中的某个待插点映射为原图像四邻域中的e(u,v)点，其中u、v都为非整数。原图像四邻域A、B、C、D四点对应的灰度值分别为I(i,j)、I(i,j+1)、I(i+1,j)、I(i+1,j+1)，dx＝u-i，dy＝v-j，e点的灰度值可以由插值灰度公式计算获得：e(u,v)＝(1-dx)·(1-dy)·I(i,j)+dx·(1-dy)·I(i+1,j)+(1-dx)·dy·I(i,j+1)+dx·dy·I(i+1,j+1)。考虑到线阵相机图像的纵向精度已定，即可以只对图像做横向的插值，从而减小运算量。双线性插值法，可以简化为e(u,v)＝(1-dx)·I(i,j)+dx·I(i+1,j)。

具体的，校正线阵相机图像，还包括：根据dx＝R/D,计算校正参数，其中dx为校正参数；根据O(k,j)＝(1-dx)·I(Q+1,j)+dx·I(Q+2,j)，校正线阵相机图像，其中O(k,j)为线阵相机校正图像的第k行第j列个像素值。

通过上述方法重新计算线阵相机图像中的像素值，以校正线阵相机图像，使得线阵相机图像得以修复，以得到与被测物实际比例一样的线阵相机校正图像。

从上述实施例可以看出，根据图像变形程度，通过双线性插值实现亚像素级别的变形图像校正，可以准确得到与被测物实际比例一样的线阵相机校正图像，实现对线阵相机图像的修复。此处不局限于采用双线性插值算法实现亚像素级别的变形图像校正，还可以采用其他插值算法，如双三次插值算法。

作为图1-4所示方法的具体实现，参见图5，为本申请提供的一种图像变形的修复装置组成框图。参见图6为本申请提供的另一种图像变形的修复装置组成框图。如图5所示，该装置包括：

获取单元51，用于获取被测物的线阵相机图像；

计算单元52，用于计算线阵相机图像的变形因子；

判断单元53，用于根据变形因子，判断线阵相机图像是否发生变形；

校正单元54，用于如果判断结果为是，则根据变形因子，校正线阵相机图像。

进一步地，如图6所示，计算单元52，包括：

获取模块521，用于获取被测物的横向尺寸和纵向尺寸；

计算模块522，用于根据横向尺寸和纵向尺寸，计算被测物的实物横纵比，实物横纵比为横向尺寸与纵向尺寸的比值；

获取模块521，还用于获取线阵相机图像的拍摄参数，拍摄参数包括线阵相机的视野宽度、线阵相机的分辨率、被测物的运动速度和线阵相机的工作行频；

计算模块522，还用于计算线阵相机图像的横向精度，横向精度是视野宽度和分辨率的比值；

计算模块522，还用于计算线阵相机图像的纵向精度，纵向精度是运动速度和工作行频的比值；

计算模块522，还用于根据横向精度和纵向精度，计算线阵相机图像的图像横纵比，图像横纵比为横向精度与纵向精度的比值；

计算模块522，还用于根据实物横纵比和图像横纵比，计算变形因子，变形因子为图像横纵比与实物横纵比的比值。

进一步地，如图6所示，判断单元53，包括：

判断模块531，用于判断变形因子是否等于1；

确定模块532，用于如果判断结果为是，则确定线阵相机图像未发生形变；

确定模块532，还用于如果判断结果为否，则确定线阵相机图像发生形变。

进一步地，如图6所示，校正单元54，包括：

确定模块541，用于确定校正线阵相机图像的校正像素值；

校正模块542，用于根据校正像素值，采用预置亚像素插值算法，校正线阵相机图像，得到线阵相机校正图像。

进一步地，如图6所示，确定模块541，包括：

获取子模块5411，用于获取线阵相机校正图像的每一行的行数值；

确定子模块5412，用于根据确定校正线阵相机图像的校正像素值I(Q+1,j)和I(Q+2,j)，其中I为线阵相机图像，k为线阵相机校正图像的行数值，j为线阵相机图像的列数值，同时也是线阵相机校正图像的列数值，D为变形因子，Q为校正余数，R为校正商；

校正模块542，包括：

计算子模块5421，用于根据dx＝R/D,计算校正参数，其中dx为校正参数；

校正子模块5422，用于根据O(k,j)＝(1-dx)·I(Q+1,j)+dx·I(Q+2,j)，校正线阵相机图像，其中O(k,j)为线阵相机校正图像的第k行第j列个像素值。

从上述实施例可以看出，以线阵相机图像的变形因子为依据，校正线阵相机图像，可以准确得到与被测物实际比例一样的图像，由此可以降低线阵相机行频参数和被测物运动速度的匹配难度，同时该校正线阵相机图像方法的运算量最小，可以支持实时校正。

具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的呼叫方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的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)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (10)

1.一种图像变形的修复方法，其特征在于，所述方法包括：

获取被测物的线阵相机图像；

计算所述线阵相机图像的变形因子；

根据所述变形因子，判断所述线阵相机图像是否发生变形；

如果判断结果为是，则根据所述变形因子，校正所述线阵相机图像。

2.如权利要求1所述的方法，其特征在于，所述计算所述线阵相机图像的变形因子包括：

获取所述被测物的横向尺寸和纵向尺寸；

根据所述横向尺寸和所述纵向尺寸，计算所述被测物的实物横纵比，所述实物横纵比为所述横向尺寸与所述纵向尺寸的比值；

获取所述线阵相机图像的拍摄参数，所述拍摄参数包括线阵相机的视野宽度、所述线阵相机的分辨率、所述被测物的运动速度和所述线阵相机的工作行频；

计算所述线阵相机图像的横向精度，所述横向精度是所述视野宽度和所述分辨率的比值；

计算所述线阵相机图像的纵向精度，所述纵向精度是所述运动速度和所述工作行频的比值；

根据所述横向精度和所述纵向精度，计算所述线阵相机图像的图像横纵比，所述图像横纵比为所述横向精度与所述纵向精度的比值；

根据所述实物横纵比和所述图像横纵比，计算所述变形因子，所述变形因子为所述图像横纵比与所述实物横纵比的比值。

3.如权利要求1所述的方法，其特征在于，所述根据所述变形因子，判断所述线阵相机图像是否发生变形，包括：

判断所述变形因子是否等于1；

如果判断结果为是，则确定所述线阵相机图像未发生形变；

如果判断结果为否，则确定所述线阵相机图像发生形变。

4.如权利要求1所述的方法，其特征在于，所述根据所述变形因子，校正所述线阵相机图像，包括：

确定校正所述线阵相机图像的校正像素值；

根据所述校正像素值，采用预置亚像素插值算法，校正所述线阵相机图像，得到线阵相机校正图像。

5.如权利要求4所述的方法，其特征在于，所述确定所述线阵相机图像的校正像素值，包括：

获取所述线阵相机校正图像的每一行的行数值；

根据确定校正所述线阵相机图像的校正像素值I(Q+1,j)和I(Q+2,j)，其中I为所述线阵相机图像，k为所述线阵相机校正图像的行数值，j为所述线阵相机图像的列数值，同时也是所述线阵相机校正图像的列数值，D为变形因子，Q为校正余数，R为校正商；

所述根据所述校正像素值，采用预置亚像素插值算法，校正所述线阵相机图像，得到线阵相机校正图像，包括：

根据dx＝R/D,计算校正参数，其中dx为校正参数；

根据O(k,j)＝(1-dx)·I(Q+1,j)+dx·I(Q+2,j)，校正所述线阵相机图像，其中O(k,j)为所述线阵相机校正图像的第k行第j列个像素值。

6.一种图像变形的修复装置，其特征在于，所述装置包括：

获取单元，用于获取被测物的线阵相机图像；

计算单元，用于计算所述线阵相机图像的变形因子；

判断单元，用于根据所述变形因子，判断所述线阵相机图像是否发生变形；

校正单元，用于如果判断结果为是，则根据所述变形因子，校正所述线阵相机图像。

7.如权利要求6所述的装置，其特征在于，所述计算单元，包括：

获取模块，用于获取所述被测物的横向尺寸和纵向尺寸；

计算模块，用于根据所述横向尺寸和所述纵向尺寸，计算所述被测物的实物横纵比，所述实物横纵比为所述横向尺寸与所述纵向尺寸的比值；

所述获取模块，还用于获取所述线阵相机图像的拍摄参数，所述拍摄参数包括线阵相机的视野宽度、所述线阵相机的分辨率、所述被测物的运动速度和所述线阵相机的工作行频；

所述计算模块，还用于计算所述线阵相机图像的横向精度，所述横向精度是所述视野宽度和所述分辨率的比值；

所述计算模块，还用于计算所述线阵相机图像的纵向精度，所述纵向精度是所述运动速度和所述工作行频的比值；

所述计算模块，还用于根据所述横向精度和所述纵向精度，计算所述线阵相机图像的图像横纵比，所述图像横纵比为所述横向精度与所述纵向精度的比值；

所述计算模块，还用于根据所述实物横纵比和所述图像横纵比，计算所述变形因子，所述变形因子为所述图像横纵比与所述实物横纵比的比值。

8.如权利要求6所述的装置，其特征在于，所述判断单元，包括：

判断模块，用于判断所述变形因子是否等于1；

确定模块，用于如果判断结果为是，则确定所述线阵相机图像未发生形变；

所述确定模块，还用于如果判断结果为否，则确定所述线阵相机图像发生形变。

9.如权利要求6所述的装置，其特征在于，所述校正单元，包括：

确定模块，用于确定校正所述线阵相机图像的校正像素值；

校正模块，用于根据所述校正像素值，采用预置亚像素插值算法，校正所述线阵相机图像，得到线阵相机校正图像。

10.如权利要求9所述的装置，其特征在于，所述确定模块，包括：

获取子模块，用于获取所述线阵相机校正图像的每一行的行数值；

确定子模块，用于根据确定校正所述线阵相机图像的校正像素值I(Q+1,j)和I(Q+2,j)，其中I为所述线阵相机图像，k为所述线阵相机校正图像的行数值，j为所述线阵相机图像的列数值，同时也是所述线阵相机校正图像的列数值，D为变形因子，Q为校正余数，R为校正商；

所述校正模块，包括：

计算子模块，用于根据dx＝R/D,计算校正参数，其中dx为校正参数；

校正子模块，用于根据O(k,j)＝(1-dx)·I(Q+1,j)+dx·I(Q+2,j)，校正所述线阵相机图像，其中O(k,j)为所述线阵相机校正图像的第k行第j列个像素值。