CN109544461A - 一种桶形畸变图像的校正方法及装置 - Google Patents
一种桶形畸变图像的校正方法及装置 Download PDFInfo
- Publication number
- CN109544461A CN109544461A CN201710868565.5A CN201710868565A CN109544461A CN 109544461 A CN109544461 A CN 109544461A CN 201710868565 A CN201710868565 A CN 201710868565A CN 109544461 A CN109544461 A CN 109544461A
- Authority
- CN
- China
- Prior art keywords
- pixel
- processed
- camber line
- preset
- parameter
- 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.)
- Granted
Links
- 238000012937 correction Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims description 41
- 239000012141 concentrate Substances 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 15
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本申请实施例公开了一种桶形畸变图像的校正方法及装置，涉及图像处理技术领域。方法包括：首先筛选出存在畸变的待处理弧线，然后将桶形畸变图像中的待处理弧线反复进行拉直处理，直到还原度取值的和大于等于预设的阈值时，确定最优桶形畸变校正参数。之后基于最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。与现有棋盘格方式相比，本申请无需预先制作棋盘格模板，也无需获取待校正的摄像头及其参数，即可完成桶形畸变图像的校正，通用性更强。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种桶形畸变图像的校正方法及装置。
背景技术
目前，基于街景图像，制作地图数据是地图数据制作领域的重要手段之一。为了更多地采集街景信息，街景采集所使用的摄像机的镜头普遍使用广角镜头，因为广角镜头具有焦距短，视角大的特性，可以比标准镜头拍摄更多的信息。但广角镜头拍摄的图像存在呈桶形膨胀状的失真现象，如图1所示，这种失真现象被称为桶形畸变。由于桶形畸变图像中的物体存在失真，给图像自动识别带来困难。
为了对桶形畸变图像进行校正，现有技术一般采用棋盘格模板法，该方法需要预先制作棋盘格模板，并拿到待校正的镜头，对棋盘格模板进行拍摄，进而经过一系列处理得到该镜头的镜头畸变系数，再通过镜头畸变系数对该镜头拍摄的图像进行校正。对于待校正的桶形畸变图像是使用不同型号镜头拍摄出来的情况，现有技术提供的棋盘模板法不是优选方案。
发明内容
本申请的实施例提供了一种更加通用的桶形畸变图像的校正方法及装置。
为达到上述目的，本申请采用如下技术方案：
一种桶形畸变图像的校正方法，包括：
对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线；
以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
获取各待处理弧线对应的还原度取值的和；
若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
一种桶形畸变图像的校正装置，包括：
图像轮廓提取单元，用于对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
像素点遍历单元，用于对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
待处理弧线提取单元，用于针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；在所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线时，将该弧线作为待处理弧线；
还原度取值确定单元，用于以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
还原度取值的和确定单元，用于获取各待处理弧线对应的还原度取值的和；
初始校正参数调整单元，用于在所述还原度取值的和小于预设的阈值时，调整所述初始校正参数，以调整后的初始校正参数作为初始校正参数触发所述还原度取值确定单元执行通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值，直到所述还原度取值的和大于预设的阈值时，触发最优桶形畸变校正参数确定单元；
最优桶形畸变校正参数确定单元，用于将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
校正单元，用于基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线；
以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
获取各待处理弧线对应的还原度取值的和；
若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
本申请实施例提供的一种桶形畸变图像的校正方法及装置，由于桶形畸变图像的显著特征是现实中的直线在桶形畸变图像中不是直的，因此，本申请中，首先筛选出存在畸变的待处理弧线，然后将桶形畸变图像中的待处理弧线反复进行拉直处理，直到还原度取值的和大于等于预设的阈值时，确定最优桶形畸变校正参数，也就是，通过反复进行拉直处理，使待处理弧线不断逼近真实图像，直到还原度取值的和大于等于预设的阈值，则说明待处理弧线转化为直线的还原度最高，确定最优桶形畸变校正参数。进而，利用该最优桶形畸变校正参数对桶形畸变图像进行校正，可以确保校正后图像贴近真实情况。由此可见，与现有棋盘格方式相比，本申请无需预先制作棋盘格模板，也无需获取待校正的摄像头及其参数，即可完成桶形畸变图像的校正，通用性更强。
附图说明
为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术中的桶形畸变现象示意图；
图2为本申请实施例提供的一种桶形畸变图像的校正方法的流程图一；
图3为本申请实施例提供的一种桶形畸变图像的校正方法的流程图二；
图4为本申请实施例中的街景图；
图5为本申请实施例中的街景图对应的轮廓图；
图6为本申请实施例中的桶形畸变图像中的待处理弧线的示意图一；
图7为本申请实施例中的桶形畸变图像中的待处理弧线的示意图二；
图8为本申请实施例中的桶形畸变图像中的像素点经过预设的球形投射到透视平面上的示意图；
图9为本申请实施例中的桶形畸变图像被校正后的校正图像示意图；
图10为本申请实施例提供的一种桶形畸变图像的校正装置的结构示意图一；
图11为本申请实施例提供的一种桶形畸变图像的校正装置的结构示意图二。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明提供了一种桶形畸变图像的校正方法，包括：对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线；以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；获取各待处理弧线对应的还原度取值的和；若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
本申请提供的桶形畸变图像的校正方法适用于对各类桶形畸变图像的校正，不限于该桶形畸变图像是街景采集过程中由广角镜头拍摄的，还是由其他设备在其他场景下拍摄的。为了更好地帮助本领域技术人员理解本发明提供的技术方案，以下将结合附图及实施例对本发明实施例进行介绍。
如图2所示，本申请实施例提供一种桶形畸变图像的校正方法，包括：
步骤101、对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。
本申请可以采用轮廓提取的方式对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。轮廓提取，即Contour Retrieving，是复原图像轮廓线条的方式，在图像识别，图像分割，图像增强以及图像压缩等领域有广泛的应用。
步骤102、对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中。
在本申请的实施例中，同一对象可以是指同一扇窗户、同一根旗杆等，而并非如后续图5中的楼或者汽车。
步骤103、针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线。
步骤104、以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值。
步骤105、获取各待处理弧线对应的还原度取值的和，并判断所述还原度取值的和是否小于预设的阈值，如果小于，则进入步骤106，如果大于等于，则进入步骤107。
步骤106、调整所述初始校正参数，以调整后的初始校正参数作为初始校正参数，返回前述步骤104执行通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值的步骤。
步骤107、将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数。
步骤108、基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
本申请实施例提供的一种桶形畸变图像的校正方法，由于桶形畸变图像的显著特征是现实中的直线在桶形畸变图像中不是直的，因此，本申请中，首先筛选出存在畸变的待处理弧线，然后将桶形畸变图像中的待处理弧线反复进行拉直处理，直到还原度取值的和大于等于预设的阈值时，确定最优桶形畸变校正参数，也就是，通过反复进行拉直处理，使待处理弧线不断逼近真实图像，直到还原度取值的和大于等于预设的阈值，则说明待处理弧线转化为直线的还原度最高，确定最优桶形畸变校正参数。进而，利用该最优桶形畸变校正参数对桶形畸变图像进行校正，可以确保校正后图像贴近真实情况。由此可见，与现有棋盘格方式相比，本申请无需预先制作棋盘格模板，也无需获取待校正的摄像头及其参数，即可完成桶形畸变图像的校正，通用性更强。
为了使本领域的技术人员更好的了解本申请，下面列举一个本申请更为详细的实施例，如图3所示，本申请实施例提供一种桶形畸变图像的校正方法，包括：
步骤201、获得桶形畸变图像。
此处的桶形畸变图像可以是如图4所示的街景图。
步骤202、对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。
在实际应用中，可以采用各类轮廓提取算法对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。所述轮廓提取算法包括但不限于：canny算法、Sobel算法或者Laplace算法等。其中，canny算法：即canny边缘检测算法，是John F.Canny于1986年开发出来的一种多级边缘检测算法。
图5为所述图4所示街景图对应的轮廓图。
步骤203、对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中。
在实际应用中，步骤203具体可以采用如下技术手段实现：
对所述轮廓图的像素点进行遍历，得到所述轮廓图包括的连通域，将一个连通域中的像素点作为同一对象的像素点存储在一个点集中。
在本实施例中，通过连通域方式得到的对象是指图5所示的窗户、旗杆等，而并非图中的楼或者汽车。
步骤204、任意选取该点集中的一个像素点，按照到该像素点的距离从小到大的顺序，对所述点集中的像素点进行排序。
步骤205、基于排序后的像素点，获取所述点集中包括的像素点对应的曲率。
在实际应用中，可以采用直线拟合的方式，确定每个像素点对应的曲率，具体地：先针对点集中的每个像素点，选取排序在其之前且与其相邻的若干个连续的像素点和排序在其之后且与其相邻的若干个连续的像素点，为消除噪声保证曲率计算的准确性，每次选取的像素点的总量可以大于等于5个。比如，针对排序在第4个的像素点，选取排序在其之前的第2个和第3个像素点以及排序在其之后的第5和第6个像素点。然后，采用最小二乘法等对选取出的像素点进行直线拟合，得到相应像素点对应的曲率。如前举例，基于第1个至第5个像素点，确定第4个像素点对应的曲率。
步骤206、根据像素点对应的曲率，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线，将满足预设曲率阈值的弧线作为待处理弧线。
在实际应用中，可以采用求取排序后相邻像素点对应的曲率的差值与预设的曲率阈值进行比较的方式，来判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线。比如，所述预设的曲率阈值包括20°和5°，点集中一共有20个像素点，如果第5个至第10个像素点，这6个连续且相邻像素点对应的曲率的差值均小于20°且均大于5°，则第5至第10个点集构成的线段为所述满足预设曲率阈值的弧线。需要说明的是，本发明所有举例涉及的数字仅为更清楚地说明本申请提供的实施例，不应视为对本申请的限制。
经过步骤204至步骤206处理后，得到的待处理弧线如图6所示，其中线条01、02、03、04、05即为待处理弧线。
步骤207、对待处理弧线进行圆拟合，得到各待处理弧线对应的圆半径和圆心。
在实际应用中，通过将待处理弧线进行延长(圆拟合)，即可得到各待处理弧线对应的圆，从而能够获知待处理弧线对应的圆半径和圆心。
步骤208、判断任意两条待处理弧线的圆半径差值是否小于等于预设的半径差值阈值，且圆心之间距离是否小于等于预设的圆心距离阈值；若任意两条待处理弧线的圆半径差值小于等于预设的半径差值阈值，且圆心之间距离小于等于预设的圆心距离阈值，则保留该两条待处理弧线中弧线长度长的一条待处理弧线，删除另一条待处理弧线。
如图7所示，其中线条01、02、03、04、05即为经过步骤208判断和处理之后的待处理弧线。
步骤209、以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值。
需要说明的是，在桶形畸变图像中，显著的特征是现实中的直线在桶形畸变图像中不是直的。因此在本申请实施例中，需要通过预设的球形对应的透视平面，将桶形畸变图像中的待处理弧线进行拉直。此处的预设的球形并非实际的透镜或透镜组，而是通过计算机等模拟的虚拟球形。如图8所示，桶形畸变图像301中的像素点经过预设的球形302，即可投射到透视平面303上。
其中，该步骤209，可以采用如下方式实现：
①以预设的桶形畸变校正参数作为初始校正参数，将构成所述待处理弧线的像素点通过预设的球形投射到透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
本申请提供的优选实施例中，桶形畸变校正参数包括球形的半径R和桶形畸变图像到透视平面的距离Z，具体地，以预设的球形的半径R和桶形畸变图像到透视平面的距离Z作为初始校正参数，将构成所述待处理弧线的像素点投射到预设的球形对应的透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
待处理弧线上的像素点在桶形畸变图像中的坐标为(xi，yi)，待处理弧线上的像素点在透视平面上的坐标表示为(ui，vi)，利用如下公式一所示(xi，yi)与(ui，vi)的转换关系即可得到待处理弧线包含的像素点在透视平面的坐标：
公式一：
其中，R为预设球形的半径；Z为桶形畸变图像到透视平面的距离，i表示待处理弧线上的像素点的序号。
②根据所述像素点在透视平面的坐标，获取所述待处理弧线转换为直线后的还原度取值。
在实际应用中，可以将待处理弧线转换为直线时的欧式距离作为还原度取值，具体的，可以先根据所述像素点在透视平面的坐标和公式二，得到待处理弧线l在透视平面上对应的直线参数Al、Bl、Cl。然后根据下述公式三，得到待处理弧线转换为直线的欧式距离(还原度取值)；
公式二：Alui+Blvi+Cl＝0
公式三：其中，n为待处理弧线包含的像素点的数量。
步骤210、获取各待处理弧线对应的还原度取值的和，并判断所述还原度取值的和是否小于预设的阈值。
本申请可以通过公式四，得到各待处理弧线对应的还原度取值的和：
公式四：即可确定各待处理弧线对应的还原度取值的和其中，m表示待处理弧线共有m条；
若所述还原度取值的和小于预设的阈值，则执行步骤211；否则，若还原度取值的和大于等于预设的阈值，执行步骤212。
步骤211、调整所述初始校正参数，将调整后的初始校正参数作为初始校正参数，返回前述步骤209执行通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值的步骤。
当所述初始校正参数包括球形的半径R和桶形畸变图像到透视平面的距离Z时，一般情况下，初始可以设置R＝Z，然后在步骤211调整球形的半径R和桶形畸变图像和透视平面的距离Z时，可以采用逐渐递增遍历的方式进行调整，如将球形的半径R增加1个单位，将距离Z增加1个单位。
步骤212、将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数。
在实际应用中，当所述初始校正参数包括球形的半径R和桶形畸变图像到透视平面的距离Z时，最优桶形畸变校正参数包括球形的最优半径R和桶形畸变图像到透视平面的最优距离Z。
步骤213、基于球形的最优半径R和桶形畸变图像到透视平面的最优距离Z将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
如图9所示，最终通过步骤213，形成校正图像。通过该校正图像可见，例如图7中的待处理弧线01、02、03、04、05已经被还原为直线。
本申请实施例提供的一种桶形畸变图像的校正方法，由于桶形畸变图像的显著特征是现实中的直线在桶形畸变图像中不是直的，因此，本申请中，首先筛选出存在畸变的待处理弧线，然后将桶形畸变图像中的待处理弧线反复进行拉直处理，直到还原度取值的和大于等于预设的阈值时，确定最优桶形畸变校正参数，也就是，通过反复进行拉直处理，使待处理弧线不断逼近真实图像，直到还原度取值的和大于等于预设的阈值，则说明待处理弧线转化为直线的还原度最高，确定最优桶形畸变校正参数。进而，利用该最优桶形畸变校正参数对桶形畸变图像进行校正，可以确保校正后图像贴近真实情况。由此可见，与现有棋盘格方式相比，本申请无需预先制作棋盘格模板，也无需获取待校正的摄像头及其参数，即可完成桶形畸变图像的校正，通用性更强。
对应于上述图2和图3所示的方法实施例，如图10所示，本申请实施例还提供一种桶形畸变图像的校正装置，包括：
图像轮廓提取单元31，用于对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。
像素点遍历单元32，用于对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中。
待处理弧线提取单元33，用于针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；在所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线时，将该弧线作为待处理弧线。
还原度取值确定单元34，用于以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值。
还原度取值的和确定单元35，用于获取各待处理弧线对应的还原度取值的和。
初始校正参数调整单元36，用于在所述还原度取值的和小于预设的阈值时，调整所述初始校正参数，以调整后的初始校正参数作为初始校正参数触发所述还原度取值确定单元34执行通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值，直到所述还原度取值的和大于预设的阈值时，触发最优桶形畸变校正参数确定单元37。
最优桶形畸变校正参数确定单元37，用于将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数。
校正单元38，用于基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
进一步的，如图11所示，所述还原度取值确定单元34，包括：
坐标获取模块341，用于以预设的桶形畸变校正参数作为初始校正参数，将构成所述待处理弧线的像素点通过预设的球形投射到透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
还原度取值获取模块342，用于根据所述像素点在透视平面的坐标，获取所述待处理弧线转换为直线后的还原度取值。
进一步的，如图11所示，该桶形畸变图像的校正装置，还包括：
圆拟合单元39，用于对待处理弧线进行圆拟合，得到各待处理弧线对应的圆半径和圆心。
待处理弧线选取单元40，用于判断任意两条待处理弧线的圆半径差值是否小于等于预设的半径差值阈值，且圆心之间距离是否小于等于预设的圆心距离阈值；在任意两条待处理弧线的圆半径差值小于等于预设的半径差值阈值，且圆心之间距离小于等于预设的圆心距离阈值时，保留该两条待处理弧线中弧线长度长的一条待处理弧线，删除另一条待处理弧线。
另外，所述像素点遍历单元32，具体用于：对所述轮廓图的像素点进行遍历，得到所述轮廓图包括的连通域，将一个连通域中的像素点作为同一对象的像素点存储在一个点集中。
进一步的，如图11所示，所述待处理弧线提取单元33，包括：
像素点排序模块331，用于任意选取该点集中的一个像素点，按照到该像素点的距离从小到大的顺序，对所述点集中的像素点进行排序。
曲率获取模块332，用于基于排序后的像素点，获取所述点集中包括的像素点对应的曲率。
曲率判断模块333，用于根据像素点对应的曲率，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线。
具体的，所述桶形畸变校正参数包括：球形的半径R和桶形畸变图像到透视平面的距离Z；所述坐标获取模块341，具体用于：
以预设的球形的半径R和桶形畸变图像到透视平面的距离Z作为初始校正参数，将构成所述待处理弧线的像素点投射到预设的球形对应的透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
具体的，所述最优桶形畸变校正参数包括球形的最优半径R和桶形畸变图像到透视平面的最优距离Z；所述校正单元38，具体用于：
基于球形的最优半径R和桶形畸变图像到透视平面的最优距离Z，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
值得说明的是，本申请实施例提供的一种桶形畸变图像的校正装置的具体实现方式可以参见上述图2和图3对应的方法实施例，此处不再赘述。
本申请实施例提供的一种桶形畸变图像的校正装置，由于桶形畸变图像的显著特征是现实中的直线在桶形畸变图像中不是直的，因此，本申请中，首先筛选出存在畸变的待处理弧线，然后将桶形畸变图像中的待处理弧线反复进行拉直处理，直到还原度取值的和大于等于预设的阈值时，确定最优桶形畸变校正参数，也就是，通过反复进行拉直处理，使待处理弧线不断逼近真实图像，直到还原度取值的和大于等于预设的阈值，则说明待处理弧线转化为直线的还原度最高，确定最优桶形畸变校正参数。进而，利用该最优桶形畸变校正参数对桶形畸变图像进行校正，可以确保校正后图像贴近真实情况。由此可见，与现有棋盘格方式相比，本申请无需预先制作棋盘格模板，也无需获取待校正的摄像头及其参数，即可完成桶形畸变图像的校正，通用性更强。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图。
对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中。
针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线。
以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值。
获取各待处理弧线对应的还原度取值的和。
若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数。
基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，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的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种桶形畸变图像的校正方法，其特征在于，包括：
对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线；
以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
获取各待处理弧线对应的还原度取值的和；
若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
2.根据权利要求1所述的方法，其特征在于，所述以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值，包括：
以预设的桶形畸变校正参数作为初始校正参数，将构成所述待处理弧线的像素点通过预设的球形投射到透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标；根据所述像素点在透视平面的坐标，获取所述待处理弧线转换为直线后的还原度取值。
3.根据权利要求1所述的方法，其特征在于，在将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值之前，所述方法进一步包括：
对待处理弧线进行圆拟合，得到各待处理弧线对应的圆半径和圆心；
判断任意两条待处理弧线的圆半径差值是否小于等于预设的半径差值阈值，且圆心之间距离是否小于等于预设的圆心距离阈值；若任意两条待处理弧线的圆半径差值小于等于预设的半径差值阈值，且圆心之间距离小于等于预设的圆心距离阈值，则保留该两条待处理弧线中弧线长度长的一条待处理弧线，删除另一条待处理弧线。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中，具体包括：
对所述轮廓图的像素点进行遍历，得到所述轮廓图包括的连通域，将一个连通域中的像素点作为同一对象的像素点存储在一个点集中。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线，包括：
任意选取该点集中的一个像素点，按照到该像素点的距离从小到大的顺序，对所述点集中的像素点进行排序；
基于排序后的像素点，获取所述点集中包括的像素点对应的曲率；
根据像素点对应的曲率，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线。
6.根据权利要求2所述的方法，其特征在于，所述桶形畸变校正参数包括：球形的半径R和桶形畸变图像到透视平面的距离Z；所述以预设的桶形畸变校正参数作为初始校正参数，将构成所述待处理弧线的像素点通过预设的球形投射到透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标，包括：
以预设的球形的半径R和桶形畸变图像到透视平面的距离Z作为初始校正参数，将构成所述待处理弧线的像素点投射到预设的球形对应的透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
7.根据权利要求6所述的方法，其特征在于，所述最优桶形畸变校正参数包括球形的最优半径R和桶形畸变图像到透视平面的最优距离Z；所述基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像，包括：
基于球形的最优半径R和桶形畸变图像到透视平面的最优距离Z，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
8.一种桶形畸变图像的校正装置，其特征在于，包括：
图像轮廓提取单元，用于对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
像素点遍历单元，用于对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
待处理弧线提取单元，用于针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；在所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线时，将该弧线作为待处理弧线；
还原度取值确定单元，用于以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
还原度取值的和确定单元，用于获取各待处理弧线对应的还原度取值的和；
初始校正参数调整单元，用于在所述还原度取值的和小于预设的阈值时，调整所述初始校正参数，以调整后的初始校正参数作为初始校正参数触发所述还原度取值确定单元执行通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值，直到所述还原度取值的和大于预设的阈值时，触发最优桶形畸变校正参数确定单元；
最优桶形畸变校正参数确定单元，用于将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
校正单元，用于基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
9.根据权利要求8所述的装置，其特征在于，所述还原度取值确定单元，包括：
坐标获取模块，用于以预设的桶形畸变校正参数作为初始校正参数，将构成所述待处理弧线的像素点通过预设的球形投射到透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标；
还原度取值获取模块，用于根据所述像素点在透视平面的坐标，获取所述待处理弧线转换为直线后的还原度取值。
10.根据权利要求8所述的装置，其特征在于，还包括：
圆拟合单元，用于对待处理弧线进行圆拟合，得到各待处理弧线对应的圆半径和圆心；
待处理弧线选取单元，用于判断任意两条待处理弧线的圆半径差值是否小于等于预设的半径差值阈值，且圆心之间距离是否小于等于预设的圆心距离阈值；在任意两条待处理弧线的圆半径差值小于等于预设的半径差值阈值，且圆心之间距离小于等于预设的圆心距离阈值时，保留该两条待处理弧线中弧线长度长的一条待处理弧线，删除另一条待处理弧线。
11.根据权利要求8至10任一项所述的装置，其特征在于，所述像素点遍历单元，具体用于：
对所述轮廓图的像素点进行遍历，得到所述轮廓图包括的连通域，将一个连通域中的像素点作为同一对象的像素点存储在一个点集中。
12.根据权利要求8至10任一项所述的装置，其特征在于，所述待处理弧线提取单元，包括：
像素点排序模块，用于任意选取该点集中的一个像素点，按照到该像素点的距离从小到大的顺序，对所述点集中的像素点进行排序；
曲率获取模块，用于基于排序后的像素点，获取所述点集中包括的像素点对应的曲率；
曲率判断模块，用于根据像素点对应的曲率，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线。
13.根据权利要求9所述的装置，其特征在于，所述桶形畸变校正参数包括：球形的半径R和桶形畸变图像到透视平面的距离Z；所述坐标获取模块，具体用于：
以预设的球形的半径R和桶形畸变图像到透视平面的距离Z作为初始校正参数，将构成所述待处理弧线的像素点投射到预设的球形对应的透视平面上，得到所述待处理弧线包含的像素点在透视平面的坐标。
14.根据权利要求13所述的装置，其特征在于，所述最优桶形畸变校正参数包括球形的最优半径R和桶形畸变图像到透视平面的最优距离Z；所述校正单元，具体用于：
基于球形的最优半径R和桶形畸变图像到透视平面的最优距离Z，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现以下步骤：
对桶形畸变图像进行处理，得到桶形畸变图像的轮廓图；
对所述轮廓图的像素点进行遍历，将属于同一对象的像素点存储在一个点集中；
针对每个点集，判断该点集中的像素点构成的线段中是否包括满足预设曲率阈值的弧线；若所述点集中的像素点构成的线段中包括满足预设曲率阈值的弧线，则将该弧线作为待处理弧线；
以预设的桶形畸变校正参数作为初始校正参数，通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到待处理弧线转换为直线的还原度取值；
获取各待处理弧线对应的还原度取值的和；
若所述还原度取值的和小于预设的阈值，则调整所述初始校正参数，并基于调整后的初始校正参数重复前述通过预设的球形对应的透视平面，将待处理弧线转换为直线，得到还原度取值的步骤，直到还原度取值的和大于等于预设的阈值，将该还原度取值的和对应的调整后的初始校正参数作为最优桶形畸变校正参数；
基于所述最优桶形畸变校正参数，将桶形畸变图像中的像素点投射在所述预设的球形对应的透视平面，得到校正图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710868565.5A CN109544461B (zh) | 2017-09-22 | 2017-09-22 | 一种桶形畸变图像的校正方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710868565.5A CN109544461B (zh) | 2017-09-22 | 2017-09-22 | 一种桶形畸变图像的校正方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109544461A true CN109544461A (zh) | 2019-03-29 |
| CN109544461B CN109544461B (zh) | 2020-11-03 |
Family
ID=65830687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710868565.5A Active CN109544461B (zh) | 2017-09-22 | 2017-09-22 | 一种桶形畸变图像的校正方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544461B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1877385A (zh) * | 2005-06-10 | 2006-12-13 | 明基电通股份有限公司 | 减少投影相对扭曲率的投影镜头、光学投影装置及方法 |
| CN104200468A (zh) * | 2014-08-28 | 2014-12-10 | 中国矿业大学 | 一种球面透视投影模型校正参数获取方法 |
| CN104994367A (zh) * | 2015-06-30 | 2015-10-21 | 华为技术有限公司 | 一种图像矫正方法以及摄像头 |
| CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
-
2017
- 2017-09-22 CN CN201710868565.5A patent/CN109544461B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1877385A (zh) * | 2005-06-10 | 2006-12-13 | 明基电通股份有限公司 | 减少投影相对扭曲率的投影镜头、光学投影装置及方法 |
| CN104200468A (zh) * | 2014-08-28 | 2014-12-10 | 中国矿业大学 | 一种球面透视投影模型校正参数获取方法 |
| CN104994367A (zh) * | 2015-06-30 | 2015-10-21 | 华为技术有限公司 | 一种图像矫正方法以及摄像头 |
| CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| HOU WENGUANG ET AL.: "Ditital Deformation Model for Fisheye Image Ｒectification", 《OPTICS EXPRESS》 * |
| 皇甫中民 等: "拉伸与旋转面轮廓数据分段及约束重建技术研究", 《计算机工程与设计》 * |
| 黄有度 等: "一种鱼眼图象到透视投影图象的变换模型", 《系统仿真科学》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109544461B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102834845B (zh) | 用于多摄像装置校准的方法与装置 | |
| CN105245841B (zh) | 一种基于cuda的全景视频监控系统 | |
| CN101216895B (zh) | 一种复杂背景图像中椭圆图像特征的自动提取方法 | |
| CN111080529A (zh) | 一种加强鲁棒性的无人机航拍图像拼接方法 | |
| CN104574311B (zh) | 图像处理方法和装置 | |
| CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
| Chaudhury et al. | Auto-rectification of user photos | |
| CN105303615A (zh) | 一种图像二维拼接与三维表面重建的组合方法 | |
| CN103617615B (zh) | 径向畸变参数获取方法及获取装置 | |
| CN110689501B (zh) | 一种畸变校正方法、装置、电子设备及计算机可读存储介质 | |
| CN104008542B (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
| CN103632366A (zh) | 一种椭圆目标的参数识别方法 | |
| CN106469444B (zh) | 消除拼接缝隙的快速图像融合方法 | |
| CN103996212B (zh) | 自动描绘对象边缘走向之方法 | |
| CN104484881B (zh) | 基于图像采集的Visual Map数据库建立方法及利用该数据库的室内定位方法 | |
| CN104680516A (zh) | 一种图像优质特征匹配集的获取方法 | |
| CN108171674B (zh) | 针对任意视角投影仪图像的视觉矫正方法 | |
| WO2017107867A1 (zh) | 一种图像质量评估方法及装置 | |
| CN110110793A (zh) | 基于双流卷积神经网络的双目图像快速目标检测方法 | |
| CN111192194A (zh) | 一种针对幕墙建筑立面的全景图像拼接方法 | |
| CN111091594B (zh) | 多点云平面融合方法及装置 | |
| CN114119437B (zh) | 一种基于gms的用于改善运动物体畸变的图像拼接方法 | |
| Bellavia et al. | Image orientation with a hybrid pipeline robust to rotations and wide-baselines | |
| CN109544461A (zh) | 一种桶形畸变图像的校正方法及装置 | |
| CN103729850B (zh) | 一种在全景图中提取直线的方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200509 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 102200, No. 8, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Applicant before: AUTONAVI SOFTWARE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |