CN108492284B - 用于确定图像的透视形状的方法和装置 - Google Patents
用于确定图像的透视形状的方法和装置 Download PDFInfo
- Publication number
- CN108492284B CN108492284B CN201810201366.3A CN201810201366A CN108492284B CN 108492284 B CN108492284 B CN 108492284B CN 201810201366 A CN201810201366 A CN 201810201366A CN 108492284 B CN108492284 B CN 108492284B
- Authority
- CN
- China
- Prior art keywords
- vanishing
- vanishing point
- points
- determining
- line segment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2628—Alteration of picture size, shape, position or orientation, e.g. zooming, rotation, rolling, perspective, translation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于确定图像的透视形状的方法和装置。该方法的一具体实施方式包括：检测目标图片中包含的线段；对线段进行消失点检测，得到消失点集合；从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；从三个消失点中选取目标图片中的目标区域所对应的两个消失点；根据两个消失点，确定待添加图像的透视形状。该实施方式实现了对于待添加图像的透视形状的确定。
Description
技术领域
本申请实施例涉及图像处理领域，具体涉及用于确定图像的透视形状的方法和装置。
背景技术
众所周知，摄影摄像设备的光学镜头为透镜。因此，照片或视频中包含的图像会存在透视畸变。而照片或视频在拍摄完成后，往往还需要进行添加文字、图片等后期处理。因此，存在确定待添加文字、图片的透视形状的需求。
发明内容
本申请实施例提出了用于确定图像的透视形状的方法和装置。
第一方面，本申请实施例提供了一种用于确定图像的透视形状的方法，该方法包括：检测目标图片中包含的线段；对线段进行消失点检测，得到消失点集合；从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；从三个消失点中选取目标图片中的目标区域所对应的两个消失点；根据两个消失点，确定待添加图像的透视形状。
在一些实施例中，从消失点集合中确定三个消失点包括：对于消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角；将消失点集合中加权和最大的消失点确定为第一消失点；根据目标相机焦距值，从消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点；将至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点；将至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
在一些实施例中，从三个消失点中选取目标图片中的目标区域所对应的两个消失点包括：确定目标区域在三维空间中的法向量；根据法向量，确定目标区域所对应的两个消失点。
在一些实施例中，检测目标图片中包含的线段包括：基于霍夫变换检测目标图片中包含的线段。
在一些实施例中，检测目标图片中包含的线段之前还包括：抽取目标视频帧序列中的目标视频帧作为目标图片。
第二方面，本申请实施例提供了一种用于确定图像的透视形状的装置，该装置包括：线段检测单元，配置用于检测目标图片中包含的线段；消失点检测单元，配置用于对线段进行消失点检测，得到消失点集合；消失点确定单元，配置用于从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；消失点选取单元，配置用于从三个消失点中选取目标图片中的目标区域所对应的两个消失点；透视形状确定单元，配置用于根据两个消失点，确定待添加图像的透视形状。
在一些实施例中，消失点确定单元进一步配置用于：对于消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角；将消失点集合中加权和最大的消失点确定为第一消失点；根据目标相机焦距值，从消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点；将至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点；将至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
在一些实施例中，消失点选取单元进一步配置用于：确定目标区域在三维空间中的法向量；根据法向量，确定目标区域所对应的两个消失点。
在一些实施例中，线段检测单元进一步配置用于：基于霍夫变换检测目标图片中包含的线段。
在一些实施例中，该装置还包括：目标图片确定单元，配置用于抽取目标视频帧序列中的目标视频帧作为目标图片。
第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于确定图像的透视形状的方法和装置，通过检测目标图片中包含的线段以及对线段进行消失点检测，得到消失点集合；之后，从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；而后，从三个消失点中选取目标图片中的目标区域所对应的两个消失点；最后，根据两个消失点，确定待添加图像的透视形状。通过此过程，实现了对待添加图像的透视形状的确定。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于确定图像的透视形状的方法的一个实施例的流程图；
图3是根据两个消失点确定待添加图像的透视形状的方法的一个实施例的流程图；
图4是根据本申请的用于确定图像的透视形状的方法的一个应用场景的示意图；
图5是从消失点集合中确定三个消失点的方法的一个实施例的流程图；
图6是根据本申请的用于确定图像的透视形状的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图；
图8是三个消失点中的每个消失点分别对应三维空间中三组互相垂直的平行线中的一组平行线的一个示例性示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于确定图像的透视形状的方法或用于确定图像的透视形状的装置的实施例的示例性系统架构100。
如图1所示如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如拍照应用、图片处理应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有摄像头的电子设备，包括但不限于照相机、摄像机、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上的拍照应用提供支持的图片处理服务器。图片处理服务器可以对接收到的图片处理请求等数据进行分析等处理，并将处理结果(例如确定的待添加图像的透视形状)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于确定图像的透视形状的方法一般由服务器105执行，相应地，用于确定图像的透视形状的装置一般设置于服务器105中。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。根据实际需要，也可以只设置终端设备或服务器。
继续参考图2，示出了根据本申请的用于确定图像的透视形状的方法的一个实施例的流程200。该用于确定图像的透视形状的方法，包括以下步骤：
步骤201，检测目标图片中包含的线段。
在本实施例中，用于确定图像的透视形状的方法的执行主体(例如图1所示的服务器)采用各种线段检测方法检测目标图片中包含的线段。其中，线段检测方法包括但不限于：基于图像边缘连接的线段检测方法、基于随机抽样一致性(RANSAC，Random SampleConsensus)的线段检测方法。
在本实施例的一些可选的实现方式中，可以基于霍夫变换检测目标图片中包含的线段。霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，也有很多改进算法。其主要用来从图像中分离出具有某种相同特征的几何形状(如，直线，圆等)。
在本实施例的一些可选的实现方式中，可以设置线段长度阈值，检测目标图片中线段长度大于长度阈值的线段。
需要说明的是，图片可以是各种格式的图片，也可以是视频帧序列中的一帧图像。目标图片可以是由技术人员指定的图片，也可以是根据预设条件从预设的图片集合中选取的图片。目标图片可以存储在上述执行主体本地，也可以由上述执行主体通过有线连接方式或者无线连接方式从用户终端获取。
步骤202，对上述线段进行消失点检测，得到消失点集合。
在本实施例中，上述执行主体可以采用各种方法对上述线段进行消失点检测，得到消失点集合。现实中平行的物体(例如铁轨、马路两侧整齐排列的树木)在照片或视频中往往会汇聚于一点，这一点即为消失点。
消失点检测方法包括但不限于：基于空间变换的消失点检测方法(例如高斯球变换)、基于图片中直线信息的消失点检测方法、统计估计的方法(例如根据图片中的边缘特征估计直线参数，由直线参数计算消失点)。
作为示例，可以首先将上述目标图片以图片几何中心为原点，平均分为16个扇区，将每个扇区中包含的线段归为一组；之后将每组中包含的线段的交点的中心作为消失点，16个扇区中的所有消失点组成消失点集合。
步骤203，从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线。
对于三维空间的物体，当物体成像时，会形成三个消失点。这三个消失点中的每个消失点分别对应三维空间中三组互相垂直的平行线中的一组平行线。举例说明，如图8所示，当立方体ABCD-A'B'C'D'成像时，三组平行边在图片中分别交于一点，形成三个消失点M、N、O。那么消失点M对应一组平行边AD、BC、A'D'、B'C'。消失点N对应一组平行边AB、DC、A'B'、D'C'。消失点O对应一组平行边A A'、BB'、CC'、DD'。这三组平行边两两垂直。
继续返回参考图2，本实施例中，上述执行主体可以通过各种方法从消失点集合中确定三个消失点。
作为示例，上述执行主体可以首先对消失点集合中的消失点进行聚类；选取三个聚类簇的中心点作为三个消失点。
作为示例，可以采用对消失点投票的方式确定消失点。具体包括：
步骤一：定义每个消失点的投票值
其中，v为投票值，l为线段长度，α为线段中点与消失点的连线与该线段的夹角，σ为鲁棒性阈值，可以取值0.1，e为自然对数的底数。
步骤二，对消失点集合中的每个消失点进行投票。对投票结果做统计直方图。
步骤三，选取统计直方图中最大的三个峰值作为三个消失点。
步骤204，从三个消失点中选取目标图片中的目标区域所对应的两个消失点。
在本实施例中，目标图片中的目标区域可以是技术人员指定的区域，也可以是根据预设条件选取的区域。实践中，可以选取目标图片中包含的地面、墙面上的区域作为目标区域。上述执行主体可以通过各种方式从三个消失点中选取目标图片中的目标区域所对应的两个消失点。例如，选取三个消失点中距离目标区域所在的平面较远的两个消失点，作为目标区域所对应的两个消失点。
在本实施例的一些可选的实现方式中，可以通过以下步骤从三个消失点中选取目标图片中的目标区域所对应的两个消失点：
步骤一，确定目标区域在三维空间中的法向量。具体的，可以采取各种方法计算目标区域在三维空间中法向量。例如，利用预先训练的FCN(Fully Convolutional Networks，全连接网络)确定目标区域的法向量。其中，全连接网络用于计算目标区域在三维空间中的法向量。
步骤二，根据上述法向量，确定目标区域所对应的两个消失点。
作为示例，可以删除位于法向量所指方向相反方向的消失点，而将其余两个消失点作为目标区域所对应的两个消失点。具体的，目标区域可以是上述目标图片中包含的墙面上的区域。如果法向量指向墙面右侧，应该删除墙面左侧的消失点。如果法向量指向墙面左侧，应该删除墙面右侧的消失点。
步骤205，根据两个消失点，确定待添加图像的透视形状。
在本实施例中，在步骤204确定的目标区域对应的两个消失点的基础上，通过连接目标区域内的点(包括目标区域内部的点、框选目标区域的矩形框的侧边以及顶点)与消失点，形成待添加图像的透视形状的侧边。基于侧边围成的形状，确定待添加图像的透视形状。
作为示例，图3示出了根据两个消失点，确定待添加图像的透视形状的方法。图3中，目标区域为矩形框ABCD框选的区域，其对应的两个消失点分别为点M和点N。示例性的，分别连接AM、CM、BN、AN，形成四边形AEFG，此时形成的四边形AEFG的为面积最大的透视形状。四边形AEFG即为待添加图像的透视形状。
在本实施例的一些可选的实现方式中，还包括以下步骤：抽取目标视频帧序列中的目标视频帧作为目标图片。其中，目标视频帧序列可以是由技术人员指定的视频帧序列，也可以是根据预设条件选取的视频帧序列。目标视频帧可以是技术人员在目标视频帧序列中指定的视频帧，也可以是上述执行主体根据预设条件在目标视频帧序列中选取的视频帧。
继续参见图4，图4是根据本申请实施例的用于确定图像的透视形状的方法的应用场景的一个示意图。在图4的应用场景中，图片中包含建筑物401。用于确定图像的透视形状的方法，包括以下步骤：首先，检测目标图片中包含的线段，如图中所示，建筑物401的轮廓以及建筑物的窗户等轮廓都被检测出来；其次，对上述线段进行消失点检测，得到消失点集合以及从消失点集合中确定三个消失点P1、P2、P3；对于墙上的目标区域矩形框402，根据其法向量的方向，选取消失点P1、P2，确定待添加图像的透视形状即四边形403。
本申请的上述实施例提供的方法中，首先，检测目标图片中包含的线段；之后，对上述线段进行消失点检测，得到消失点集合；然后，从消失点集合中确定三个消失点；之后，确定目标区域所对应的两个消失点；最后，确定待添加图像的透视形状。通过此过程，最终实现了确定待添加图像的透视形状。
进一步参考图5，其示出了从消失点集合中确定三个消失点的方法一个实施例的流程500。该从消失点集合中确定三个消失点的流程500，包括以下步骤：
步骤501，对于消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角。
本实施例中，与该消失点对应的各条线段可以是上述实施例中采用各种方法进行消失点检测过程中，与该消失点属于同一组(聚簇)的各条线段。具体来说，上述示例中，首先将上述目标图片分为16个扇区，将每个扇区中包含的线段归为一组；之后将每组中包含的线段的交点的中心作为消失点。那么，与该消失点对应的各条线段可以是与该消失点属于同一组，也即与该消失点属于同一扇区的各条线段。
步骤502，将消失点集合中加权和最大的消失点确定为第一消失点。
步骤503，根据目标相机焦距值，从消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点。
本实施例中，目标相机焦距值可以是拍摄上述目标图片所使用的设备(照相机、摄影机)的焦距值。
在步骤502确定第一消失点的基础上，建立摄像机坐标系。设x、y、z分别为摄像机坐标系的三个坐标轴，其原点为光心。其中，z轴与光轴重合。设f为焦距，图像平面的位置定义为z＝f。设v1、v2、v3分别为三个消失点，其坐标为(x1，y1)、(x2，y2)、(x3，y3)。三个消失有一个重要特性：三个消失点构成的三角形的垂心与主点重合。主点即z与图像平面的交点。由此可得消失点坐标与焦距之间的关系式:
将目标相机焦距值、第一消失点坐标代入上述关系式，可求得至少两个候选第二消失点和至少两个候选第三消失点。
步骤504，将至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点。
步骤505，将至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
本实施例的从消失点集合中确定三个消失点的方法利用了目标相机焦距值和三个消失点之间的位置关系，在此基础上计算加权和，从而得到确定三个消失点。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于确定图像的透视形状的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于确定图像的透视形状的装置600包括：线段检测单元601、消失点检测单元602、消失点确定单元603、消失点选取单元604和透视形状确定单元605。其中，线段检测单元601，配置用于检测目标图片中包含的线段；消失点检测单元602，配置用于对线段进行消失点检测，得到消失点集合；消失点确定单元603，配置用于从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；消失点选取单元604，配置用于从三个消失点中选取目标图片中的目标区域所对应的两个消失点；透视形状确定单元605，配置用于根据两个消失点，确定待添加图像的透视形状。
在本实施例中，上述线段检测单元601采用各种线段检测方法检测目标图片中包含的线段。其中，线段检测方法包括但不限于：基于图像边缘连接的线段检测方法、基于随机抽样一致性(RANSAC，Random Sample Consensus)的线段检测方法。
在本实施例的一些可选的实现方式中，上述线段检测单元601进一步配置用于：基于霍夫变换检测目标图片中包含的线段。霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，也有很多改进算法。其主要用来从图像中分离出具有某种相同特征的几何形状(如，直线，圆等)。
在本实施例的一些可选的实现方式中，可以设置线段长度阈值，检测目标图片中线段长度大于长度阈值的线段。
需要说明的是，图片可以各种格式的图片，也可以是视频帧序列中的一帧图像。目标图片可以是由技术人员指定的图片，也可以是根据预设条件从预设的图片集合中选取的图片。目标图片可以存储在上述执行主体本地，也可以由上述执行主体通过有线连接方式或者无线连接方式从用户终端获取。
在本实施例中，消失点检测单元602可以采用各种方法对上述线段进行消失点检测，得到消失点集合。现实中平行的物体(例如铁轨、马路两侧整齐排列的树木)在照片或视频中往往会汇聚于一点，这一点即为消失点。
消失点检测方法包括但不限于：基于空间变换的消失点检测方法(例如高斯球变换)、基于图片中直线信息的消失点检测方法、统计估计的方法(例如根据图片中的边缘特征估计直线参数，由直线参数计算消失点)。
作为示例，消失点检测单元602可以首先将上述目标图片分为16个扇区，将每个扇区中包含的线段归为一组；之后将每组中包含的线段的交点的中心作为消失点，16个扇区中的所有消失点组成消失点集合。
对于三维空间的物体，当物体成像时，会形成三个消失点。这三个消失点中的每个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线。举例说明，如图8所示，当立方体ABCD-A'B'C'D'成像时，三组平行边在图片中分别交于一点，形成三个消失点M、N、O。那么消失点M对应一组平行边AD、BC、A'D'、B'C'。消失点N对应一组平行边AB、DC、A'B'、D'C'。消失点O对应一组平行边A A'、BB'、CC'、DD'。这三组平行边两两垂直。
继续返回参考图6，本实施例中，消失点确定单元603可以通过各种方法从消失点集合中确定三个消失点。
作为示例，可以采用对消失点投票的方式确定消失点。具体包括：
步骤一：定义每个消失点的投票值
其中，v为投票值，l为线段长度，α为线段中点与消失点的连线与该线段的夹角，σ为鲁棒性阈值，可以取值0.1，e为自然对数的底数。
步骤二，对消失点集合中的每个消失点进行投票。对投票结果做统计直方图。
步骤三，选取统计直方图中最大的三个峰值作为三个消失点。
在本实施例中，目标图片中的目标区域可以是技术人员指定的区域，也可以是根据预设条件选取的区域。实践中，可以选取目标图片中包含的地面、墙面上的区域作为目标区域。
在本实施例的一些可选的实现方式中，消失点确定单元603进一步配置用于：对于消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角；将消失点集合中加权和最大的消失点确定为第一消失点；根据目标相机焦距值，从消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点；将至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点；将至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
本实施例中，消失点选取单元604可以通过各种方式从三个消失点中选取目标图片中的目标区域所对应的两个消失点。例如，选取三个消失点中距离目标区域所在的平面较远的两个消失点，作为目标区域所对应的两个消失点。
在本实施例的一些可选的实现方式中，消失点选取单元604进一步配置用于执行以下步骤：
步骤一，确定目标区域在三维空间中的法向量。具体的，可以采取各种方法计算目标区域在三维空间中法向量。例如，利用预先训练的FCN(Fully Convolutional Networks，全连接网络)确定目标区域的法向量。
步骤二，根据上述法向量，确定目标区域所对应的两个消失点。
作为示例，可以删除位于法向量所指方向的消失点，而将其余两个消失点作为目标区域所对应的两个消失点。具体的，目标区域可以是上述目标图片中包含的墙面上的区域。如果法向量指向墙面右侧，应该删除墙面左侧的消失点。如果法向量指向墙面左侧，应该删除墙面右侧的消失点。
本实施例中，透视形状确定单元605根据两个消失点，确定待添加图像的透视形状。
在本实施例的一些可选的实现方式中，该装置还包括目标图片确定单元(图中未示出)，配置用于抽取目标视频帧序列中的目标视频帧作为目标图片。其中，目标视频帧序列可以是由技术人员指定的视频帧序列，也可以是根据预设条件选取的视频帧序列。目标视频帧可以是技术人员在目标视频帧序列中指定的视频帧，也可以是上述执行主体根据预设条件在目标视频帧序列中选取的视频帧。
在本实施例中，透视形状确定单元605基于目标区域所对应的两个消失点，通过连接目标区域内的点与消失点，形成待添加图像的透视形状的侧边。基于侧边围成的形状，确定待添加图像的透视形状。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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、或代码的一部分，上述模块、程序段、或代码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。也应当注意，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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括线段检测单元、消失点检测单元、消失点确定单元、消失点选取单元和透视形状确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，线段检测单元还可以被描述为“检测目标图片中包含的线段的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：检测目标图片中包含的线段；对线段进行消失点检测，得到消失点集合；从消失点集合中确定三个消失点，其中，三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；从三个消失点中选取目标图片中的目标区域所对应的两个消失点；根据两个消失点，确定待添加图像的透视形状。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于确定图像的透视形状的方法，包括：
检测目标图片中包含的线段；
对所述线段进行消失点检测，得到消失点集合；
从所述消失点集合中确定三个消失点，其中，所述三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；
从所述三个消失点中选取所述目标图片中的目标区域所对应的两个消失点；
根据所述两个消失点和所述目标区域内的点，确定待添加图像的透视形状，所述目标区域内的点包括所述目标区域内部的点、框选所述目标区域的矩形框的侧边以及顶点。
2.根据权利要求1所述的方法，其中，所述从所述消失点集合中确定三个消失点，包括：
对于所述消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和所述各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角；
将所述消失点集合中加权和最大的消失点确定为第一消失点；
根据目标相机焦距值，从所述消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点；
将所述至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点；
将所述至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
3.根据权利要求1所述的方法，其中，所述从所述三个消失点中选取所述目标图片中的目标区域所对应的两个消失点，包括：
确定所述目标区域在三维空间中的法向量；
根据所述法向量，确定所述目标区域所对应的两个消失点。
4.根据权利要求1所述的方法，其中，所述检测目标图片中包含的线段，包括：
基于霍夫变换检测目标图片中包含的线段。
5.根据权利要求1-4之一所述的方法，其中，所述检测目标图片中包含的线段之前，还包括：
抽取目标视频帧序列中的目标视频帧作为目标图片。
6.一种用于确定图像的透视形状的装置，包括：
线段检测单元，配置用于检测目标图片中包含的线段；
消失点检测单元，配置用于对所述线段进行消失点检测，得到消失点集合；
消失点确定单元，配置用于从所述消失点集合中确定三个消失点，其中，所述三个消失点中的各个消失点分别对应三维空间中的三组相互垂直的平行线中的一组平行线；
消失点选取单元，配置用于从所述三个消失点中选取所述目标图片中的目标区域所对应的两个消失点；
透视形状确定单元，配置用于根据所述两个消失点和所述目标区域内的点，确定待添加图像的透视形状，所述目标区域内的点包括所述目标区域内部的点、框选所述目标区域的矩形框的侧边以及顶点。
7.根据权利要求6所述的装置，其中，所述消失点确定单元进一步配置用于：
对于所述消失点集合中的每个消失点，确定与该消失点对应的各条线段的长度和所述各条线段分别与该消失点的夹角的加权和，其中，线段与该消失点的夹角为线段中点与消失点的连线与线段的夹角；
将所述消失点集合中加权和最大的消失点确定为第一消失点；
根据目标相机焦距值，从所述消失点集合中确定至少两个候选第二消失点和至少两个候选第三消失点；
将所述至少两个候选第二消失点中加权和最大的候选第二消失点确定为第二消失点；
将所述至少两个候选第三消失点中加权和最大的候选第三消失点确定为第三消失点。
8.根据权利要求6所述的装置，其中，所述消失点选取单元进一步配置用于：
确定所述目标区域在三维空间中的法向量；
根据所述法向量，确定所述目标区域所对应的两个消失点。
9.根据权利要求6所述的装置，其中，所述线段检测单元进一步配置用于：
基于霍夫变换检测目标图片中包含的线段。
10.根据权利要求6-9之一所述的装置，其中，所述装置还包括：
目标图片确定单元，配置用于抽取目标视频帧序列中的目标视频帧作为目标图片。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810201366.3A CN108492284B (zh) | 2018-03-12 | 2018-03-12 | 用于确定图像的透视形状的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810201366.3A CN108492284B (zh) | 2018-03-12 | 2018-03-12 | 用于确定图像的透视形状的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108492284A CN108492284A (zh) | 2018-09-04 |
| CN108492284B true CN108492284B (zh) | 2020-03-03 |
Family
ID=63338646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810201366.3A Active CN108492284B (zh) | 2018-03-12 | 2018-03-12 | 用于确定图像的透视形状的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108492284B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10878608B2 (en) * | 2019-01-15 | 2020-12-29 | Facebook, Inc. | Identifying planes in artificial reality systems |
| CN111292414B (zh) * | 2020-02-24 | 2020-11-13 | 当家移动绿色互联网技术集团有限公司 | 生成物体三维图像的方法、装置、存储介质及电子设备 |
| CN111988657A (zh) * | 2020-08-05 | 2020-11-24 | 网宿科技股份有限公司 | 一种广告插入方法及装置 |
| CN113096051B (zh) * | 2021-04-30 | 2023-08-15 | 上海零眸智能科技有限公司 | 一种基于消失点检测的图矫正方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101061501A (zh) * | 2004-09-28 | 2007-10-24 | 高通股份有限公司 | 2－维图像的透视变换 |
| CN101488222A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 一种基于运动目标表象和运动信息的摄像机自标定方法 |
| CN101520852A (zh) * | 2008-02-29 | 2009-09-02 | 富士通株式会社 | 消失点检测装置和检测方法 |
| CN107424161A (zh) * | 2017-04-25 | 2017-12-01 | 南京邮电大学 | 一种由粗至精的室内场景图像布局估计方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267493B (zh) * | 2007-03-16 | 2011-01-19 | 富士通株式会社 | 透视变形文档图像的校正装置和校正方法 |
| CN101697235B (zh) * | 2009-10-30 | 2013-04-10 | 青岛海信移动通信技术股份有限公司 | 一种透视图生成方法和装置 |
| WO2013005815A1 (ja) * | 2011-07-01 | 2013-01-10 | 日本電気株式会社 | 物体検出装置、物体検出方法及びプログラム |
| CN106327454B (zh) * | 2015-07-03 | 2019-06-07 | 株式会社理光 | 合成图像的方法和装置 |
-
2018
- 2018-03-12 CN CN201810201366.3A patent/CN108492284B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101061501A (zh) * | 2004-09-28 | 2007-10-24 | 高通股份有限公司 | 2－维图像的透视变换 |
| CN101488222A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 一种基于运动目标表象和运动信息的摄像机自标定方法 |
| CN101520852A (zh) * | 2008-02-29 | 2009-09-02 | 富士通株式会社 | 消失点检测装置和检测方法 |
| CN107424161A (zh) * | 2017-04-25 | 2017-12-01 | 南京邮电大学 | 一种由粗至精的室内场景图像布局估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| 人工目标图像中的消失点检测;罗丁等;《计算机工程与应用》;20051231;第73-76页 * |
| 基于主方向加权投票的非结构化道路消失点检测;潘奎刚等;《计算机工程》;20171231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108492284A (zh) | 2018-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6789402B2 (ja) | 画像内の物体の姿の確定方法、装置、設備及び記憶媒体 | |
| CN108492284B (zh) | 用于确定图像的透视形状的方法和装置 | |
| US7554575B2 (en) | Fast imaging system calibration | |
| CN107622252B (zh) | 信息生成方法和装置 | |
| CN109255337B (zh) | 人脸关键点检测方法和装置 | |
| US20210256763A1 (en) | Method and device for simplifying three-dimensional mesh model | |
| US9865061B2 (en) | Constructing a 3D structure | |
| CN110263209B (zh) | 用于生成信息的方法和装置 | |
| CN112733820A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| JP2014032623A (ja) | 画像処理装置 | |
| CN113436338A (zh) | 火灾现场的三维重建方法、装置、服务器及可读存储介质 | |
| O'Byrne et al. | A stereo‐matching technique for recovering 3D information from underwater inspection imagery | |
| EP3998582A1 (en) | Three-dimensional model generation method and three-dimensional model generation device | |
| WO2016208404A1 (ja) | 情報処理装置および方法、並びにプログラム | |
| CN114627244A (zh) | 三维重建方法及装置、电子设备、计算机可读介质 | |
| CN112785651B (zh) | 用于确定相对位姿参数的方法和装置 | |
| CN112197708B (zh) | 测量方法及装置、电子设备及存储介质 | |
| CN112258647B (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
| TWI711004B (zh) | 圖片處理方法和裝置 | |
| CN108446737B (zh) | 用于识别对象的方法和装置 | |
| CN111815683B (zh) | 目标定位方法及装置、电子设备和计算机可读介质 | |
| CN112102391A (zh) | 测量方法及装置、电子设备及存储介质 | |
| CN109816791B (zh) | 用于生成信息的方法和装置 | |
| CN108256477B (zh) | 一种用于检测人脸的方法和装置 | |
| CN112288817B (zh) | 基于图像的三维重建处理方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |