CN109583495A - 陈列图像处理方法和装置 - Google Patents
陈列图像处理方法和装置 Download PDFInfo
- Publication number
- CN109583495A CN109583495A CN201811434411.6A CN201811434411A CN109583495A CN 109583495 A CN109583495 A CN 109583495A CN 201811434411 A CN201811434411 A CN 201811434411A CN 109583495 A CN109583495 A CN 109583495A
- Authority
- CN
- China
- Prior art keywords
- straight line
- display image
- line set
- matrix
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 230000009466 transformation Effects 0.000 claims abstract description 46
- 238000003702 image correction Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 17
- 238000003672 processing method Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 10
- 235000019504 cigarettes Nutrition 0.000 description 25
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 239000000571 coke Substances 0.000 description 2
- 239000003517 fume Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
Abstract
本申请公开了一种陈列图像处理方法和装置。该方法包括:对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;计算出两个直线集合中每个直线集合对应的消隐点;对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。本申请可以解决了相关技术中图像校正过程无法得到精度较高的透视变换的技术问题。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种陈列图像处理方法和装置。
背景技术
透视变换是一种常见图像处理方法,常用于图像的校正。在烟柜图像卷烟陈列识别研究中,由于数码相机和摄像头的不同型号和拍摄时的不同角度,特别是手机摄像头拍摄得到的卷烟陈列图像拍照角度比较随意,摄像头与烟柜之间有一倾斜角,而不是直接垂直朝下(正投影),且卷烟区域图像也可能存在较大的旋转角,这就给后续的检测算法带了了巨大的挑战。为了提高香烟检测算法的性能,需要恢复卷烟陈列图像的透视变换,并将图像校正成正投影的形式。图像透视变换校正一般都是基于消隐点检测。目前消隐点检测可以分为两大类:一种是直接利用图像像素间投影误差的方法,称为直接法,该方法计算复杂,效率低;另一种是间接利用线段投票分类的方法,称为间接法,该类方法需要在整个直线段空间进行相互垂直的三个方向消隐点的投票判别,处理速度低且无法保证得到精度较高的透视变换,从而造成校准后的图像与图像的正投影之间存在较大偏差。
针对相关技术中图像校正过程无法得到精度较高的透视变换的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种陈列图像处理方法和装置,以解决相关技术中图像校正过程无法得到精度较高的透视变换的问题。
为了实现上述目的,第一方面,本申请提供了一种陈列图像处理方法,该方法包括:
对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;
计算出两个直线集合中每个直线集合对应的消隐点;
对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;
基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。
可选地,对两个直线集合分别对应的消隐点进行数据处理,包括:
对两个直线集合对应的消隐点进行空间运算,得到陈列图像的拍摄视角对应的旋转矩阵;
根据旋转矩阵以及获取的陈列图像对应的指定主点和指定焦距,生成初始投影变换矩阵;
根据获取的位置变换矩阵和尺度变换矩阵对初始投影变换矩阵进行运算,得到透视变换矩阵。
可选地,对两个直线集合对应的消隐点进行空间运算,包括:
根据两个直线集合分别对应的两个消隐点的空间正交性,得到正投影面的法线方向;
根据法线方向以及两个直线集合分别对应的两个消隐点,生成陈列图像的拍摄视角对应的旋转矩阵。
可选地,该方法还包括:
基于阵列图像的长度和四个图像角点位置生成位置变换矩阵和尺度变换矩阵。
可选地,对陈列图像中的直线进行方向聚类,包括:
对陈列图像进行检测,得到陈列图像中的直线;
比较陈列图像中每个直线的长度值是否大于指定阈值;
对于陈列图像中长度值大于指定阈值的全部直线进行方向聚类,得到包含直线数量最多的两个直线集合。
第二方面,本申请实施例还提供了一种陈列图像处理装置,该装置包括:
聚类模块,用于对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;
计算模块,用于计算出两个直线集合中每个直线集合对应的消隐点;
处理模块,用于对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;
校正模块,用于基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。
可选地,处理模块,包括:
第一运算子模块,用于对两个直线集合对应的消隐点进行空间运算,得到陈列图像的拍摄视角对应的旋转矩阵;
生成子模块,用于根据旋转矩阵以及获取的陈列图像对应的指定主点和指定焦距,生成初始投影变换矩阵;
第二运算子模块,用于根据获取的位置变换矩阵和尺度变换矩阵对初始投影变换矩阵进行运算,得到透视变换矩阵。
可选地,第一运算子模块,用于:
根据两个直线集合分别对应的两个消隐点的空间正交性,得到正投影面的法线方向;
根据法线方向以及两个直线集合分别对应的两个消隐点,生成陈列图像的拍摄视角对应的旋转矩阵。
可选地,该装置还包括:
生成模块,用于基于阵列图像的长度和四个图像角点位置生成位置变换矩阵和尺度变换矩阵。
第三方面,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机代码,当计算机代码被执行时,上述的陈列图像处理方法被执行。
在本申请提供的陈列图像处理方法中,通过对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;计算出两个直线集合中每个直线集合对应的消隐点;对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。通过上述方法,相比于相关技术中需要在整个直线段空间进行相互垂直的三个方向消隐点的投票判别,本方法首先将图像中聚类出直线数量最多的两个直线集合,通过两个直线集合可以获得两个更加稳定的消隐点估计,因此可以得到精度较高的透视变换矩阵,从而实现了得到校准后精度较高的图像的目的,进而解决了相关技术中图像校正过程无法得到精度较高的透视变换的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例提供的一种陈列图像处理方法的流程示意图;
图2是本申请实施例提供的一种步骤S300的流程示意图;
图3是本申请实施例提供的一种步骤S310的流程示意图;
图4是本申请实施例提供的一种步骤S100的流程示意图;
图5是本申请实施例提供的一种陈列图像处理装置的结构示意图;
图6是本申请实施例提供的一种处理模块的结构示意图;
图7是本申请实施例提供的另一种陈列图像处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
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。
根据本申请的一个方面,本申请实施例提供了一种陈列图像处理方法,该方法可以应用在例如卷烟盒的陈列图像上,因卷烟盒为长方形,所以卷烟盒的陈列图像中卷烟盒的棱边都是直线,因此存在多个卷烟盒的陈列图像中会存在大量的直线。图1是本申请实施例提供的一种陈列图像处理方法的流程示意图,如图1所示,该方法包括如下的步骤S100至步骤S400:
S100,对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合。
具体地,对陈列图像进行识别,得到陈列图像中包含的全部直线,再对陈列图像中的全部直线进行方向聚类,从而得到多个聚类的直线集合,其中,每个直线集合中包括至少一个直线,根据每个直线集合中直线数量对全部的直线集合进行排序,之后,得到包含直线数量最多的两个直线集合。
S200,计算出两个直线集合中每个直线集合对应的消隐点。
具体地,分别对两个直线集合进行计算,得到最小二乘意义上的两个直线集合中每个直线内全部直线的交点,这两个交点即为使用迭代加权最小二乘方法得到这两个直线集合对应的两个消隐点,举例说明,当该陈列图像为多个卷烟盒的陈列图像时,可以确定两个消隐点分别对应卷烟盒陈列图像中卷烟盒的水平和垂直的两条边。
S300,对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵。
具体地,基于该陈列图像中两个直线集合分别对应的消隐点可以得到该陈列图像中陈列物品(例如卷烟盒)的所在平面,基于空间正交性可以恢复出该陈列图像中陈列物品所在平面的法线方向,进而,根据两个消隐点以及法线方向可以计算出透视变换矩阵,进而执行步骤S400。通过步骤S100至步骤S300,相比于相关技术中需要在整个直线段空间进行相互垂直的三个方向消隐点的投票判别,本方法首先将图像中聚类出直线数量最多的两个直线集合,通过两个直线集合可以获得两个更加稳定的消隐点估计,因此可以得到精度较高的透视变换矩阵。
S400,基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。
具体地,在得到透视变换矩阵后,可以直接对陈列图像进行校正,进而得到该陈列图像中陈列物品在正投影面上的校正图像。
在一个可行的实施方式中,图2是本申请实施例提供的一种步骤S300的流程示意图,如图2所示,步骤S300,对两个直线集合分别对应的消隐点进行数据处理,包括如下的步骤S310至步骤S330:
S310,对两个直线集合对应的消隐点进行空间运算,得到陈列图像的拍摄视角对应的旋转矩阵R;
S320,根据旋转矩阵R以及获取的陈列图像对应的指定主点(cx,cy)和指定焦距f,生成初始投影变换矩阵H0;
S330,根据获取的位置变换矩阵H1和尺度变换矩阵H2对初始投影变换矩阵H0进行运算,得到透视变换矩阵H。
具体地,对两个直线集合对应的消隐点进行空间运算,可以得到该陈列图像中陈列物品所在平面的法线方向,进而,根据两个消隐点以及法线方向可以计算出透视变换矩阵R,再确定用于采集该陈列图像的一个虚拟设定的图像采集装置的参数信息,该参数信息包括指定主点(cx,cy)和指定焦距f,之后,根据指定主点(cx,cy)、指定焦距f以及旋转矩阵R计算出初始投影变换矩阵H0,初始投影变换矩阵H0具体可以通过如下列公式获得:
H0=KRK-1
公式中:
为内参数矩阵,f=1.2*max(W,H),W,H分别为陈列图像的长和宽,即:
这样,通过上述公式可以得到初始投影变换矩阵H0,再根据陈列图像获得位置变换矩阵H1和尺度变换矩阵H2,再根据位置变换矩阵H1和尺度变换矩阵H2对初始投影变换矩阵H0进行运算,得到透视变换矩阵H,其中,透视变换矩阵H=H2H1H0。另外,可选地,指定主点(cx,cy)可以选定该阵列图像的中心点。
在一个可行的实施方式中,该方法还包括:
基于阵列图像的长度和四个图像角点位置生成位置变换矩阵H1和尺度变换矩阵H2。
具体地,设定陈列图像四个图像角点齐次坐标分别为:p0=(0,0,1)T,p1=(W,0,1)T,p2=(W,H,1)T,p3=(0,H,1)T,经过初始变换后的这四个点坐标为:
qi=H0pi,qi=qi/[H0pi]z,i=0,1,2,3
求取q0,q1,q2,q3对应的外接矩形R=(x,y,w,h),(x,y)为矩形左上角点坐标,(w,h)为矩形长和宽,之后,需要将校正后陈列图像出现的矩形区域原点平移到(0,0),则位置变换矩阵为:
为了保证校正前后陈列图像和校正图像尺寸的一致性,引入尺度变换矩阵:
最终的透视变换矩阵为:H=H2H1H0。
在一个可行的实施方式中,图3是本申请实施例提供的一种步骤S310的流程示意图,如图3所示,步骤S310,对两个直线集合对应的消隐点进行空间运算,包括如下的步骤S311和步骤S312:
S311,根据两个直线集合分别对应的两个消隐点的空间正交性,得到正投影面的法线方向;
S312,根据法线方向以及两个直线集合分别对应的两个消隐点,生成陈列图像的拍摄视角对应的旋转矩阵R。
具体地,对两个直线集合对应的消隐点进行空间运算,可以得到该陈列图像中陈列物品所在平面的法线方向,进而,根据两个消隐点以及法线方向可以计算出透视变换矩阵R,举例说明,该陈列图像为多个卷烟盒的陈列图像,该陈列图像中陈列物品为卷烟盒,两个消隐点分别对应卷烟盒陈列图像中卷烟盒的水平和垂直的两条边,则可以确定该陈列图像中陈列物品所在平面的法线方向,进而计算出透视变换矩阵R。
在一个可行的实施方式中,图4是本申请实施例提供的一种步骤S100的流程示意图,如图4所示,步骤S100,对陈列图像中的直线进行方向聚类,包括如下的步骤S110至步骤S130:
S110,对陈列图像进行检测,得到陈列图像中的直线;
S120,比较陈列图像中每个直线的长度值是否大于指定阈值;
S130,对于陈列图像中长度值大于指定阈值的全部直线进行方向聚类,得到包含直线数量最多的两个直线集合。
具体地,对陈列图像进行检测,得到陈列图像中全部直线,但是有些直线可能会对后续步骤S200造成影响,例如,当陈列图像中陈列物品为卷烟盒时,在特殊视角下卷烟盒厚度棱边代表的直线可能会多于卷烟盒的长宽棱边所代表的直线,这样需要将卷烟盒厚度棱边代表的直线去除,进而执行步骤S120,因为卷烟盒厚度棱边代表的直线的尺寸一定会小于卷烟盒的长宽棱边所代表的直线的尺寸,这样,经过步骤S130的处理,最终得到的包含直线数量最多的两个直线集合一定都是卷烟盒的长宽棱边所代表的直线。
在本申请提供的陈列图像处理方法中,通过S100,对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;S200,计算出两个直线集合中每个直线集合对应的消隐点;S300,对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;S400,基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。通过上述方法,相比于相关技术中需要在整个直线段空间进行相互垂直的三个方向消隐点的投票判别,本方法首先将图像中聚类出直线数量最多的两个直线集合,通过两个直线集合可以获得两个更加稳定的消隐点估计,因此可以得到精度较高的透视变换矩阵,实现了得到校准后精度较高的图像的目的,从而得到了精度更高的陈列物品正投影的校正图像;进而解决了相关技术中图像校正过程无法得到精度较高的透视变换的技术问题。
基于相同的技术构思,本申请实施例还提供了一种陈列图像处理装置,图5是本申请实施例提供的一种陈列图像处理装置的结构示意图,如图5所示,该装置包括:
聚类模块10,用于对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;
计算模块20,用于计算出两个直线集合中每个直线集合对应的消隐点;
处理模块30,用于对两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;
校正模块40,用于基于透视变换矩阵对陈列图像进行校正,得到陈列图像位于正投影面上的校正图像。
可选地,图6是本申请实施例提供的一种处理模块的结构示意图,如图6所示,处理模块30,包括:
第一运算子模块31,用于对两个直线集合对应的消隐点进行空间运算,得到陈列图像的拍摄视角对应的旋转矩阵;
生成子模块32,用于根据旋转矩阵以及获取的陈列图像对应的指定主点和指定焦距,生成初始投影变换矩阵;
第二运算子模块33,用于根据获取的位置变换矩阵和尺度变换矩阵对初始投影变换矩阵进行运算,得到透视变换矩阵。
可选地,第一运算子模块31,用于:
根据两个直线集合分别对应的两个消隐点的空间正交性,得到正投影面的法线方向;
根据法线方向以及两个直线集合分别对应的两个消隐点,生成陈列图像的拍摄视角对应的旋转矩阵。
可选地,图7是本申请实施例提供的另一种陈列图像处理装置的结构示意图,如图7所示,该装置还包括:
生成模块50,用于基于阵列图像的长度和四个图像角点位置生成位置变换矩阵和尺度变换矩阵。
可选地,聚类模块10,用于:
对陈列图像进行检测,得到陈列图像中的直线;
比较陈列图像中每个直线的长度值是否大于指定阈值;
对于陈列图像中长度值大于指定阈值的全部直线进行方向聚类,得到包含直线数量最多的两个直线集合。
在本申请提供的陈列图像处理装置,相比于相关技术中需要在整个直线段空间进行相互垂直的三个方向消隐点的投票判别,本装置首先将图像中聚类出直线数量最多的两个直线集合,通过两个直线集合可以获得两个更加稳定的消隐点估计,因此可以得到精度较高的透视变换矩阵,实现了得到校准后精度较高的图像的目的,从而得到了精度更高的陈列物品正投影的校正图像;进而解决了相关技术中图像校正过程无法得到精度较高的透视变换的技术问题。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机代码,当计算机代码被执行时,上述的陈列图像处理方法被执行。
基于相同的技术构思,本申请实施例还提供了一种计算机程序产品,当该计算机程序产品被计算机设备执行时,上述的陈列图像处理方法被执行。
基于相同的技术构思,本申请实施例还提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当一个或多个计算机程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的陈列图像处理方法。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本申请所涉及的计算机程序可以存储于计算机可读存储介质中,所述计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体装置、虚拟装置、优盘、移动硬盘、磁碟、光盘、计算机存储器、只读计算机存储器(Read-Only Memory,ROM)、随机存取计算机存储器(Random Access Memory,RAM)、电载波信号、电信信号以及其他软件分发介质等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种陈列图像处理方法,其特征在于,所述方法包括:
对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;
计算出所述两个直线集合中每个直线集合对应的消隐点;
对所述两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;
基于所述透视变换矩阵对所述陈列图像进行校正,得到所述陈列图像位于正投影面上的校正图像。
2.根据权利要求1所述的陈列图像处理方法,其特征在于,所述对所述两个直线集合分别对应的消隐点进行数据处理,包括:
对所述两个直线集合对应的消隐点进行空间运算,得到所述陈列图像的拍摄视角对应的旋转矩阵;
根据所述旋转矩阵以及获取的所述陈列图像对应的指定主点和指定焦距,生成初始投影变换矩阵;
根据获取的位置变换矩阵和尺度变换矩阵对所述初始投影变换矩阵进行运算,得到透视变换矩阵。
3.根据权利要求2所述的陈列图像处理方法,其特征在于,所述对所述两个直线集合对应的消隐点进行空间运算,包括:
根据所述两个直线集合分别对应的两个消隐点的空间正交性,得到所述正投影面的法线方向;
根据所述法线方向以及所述两个直线集合分别对应的两个消隐点,生成所述陈列图像的拍摄视角对应的旋转矩阵。
4.根据权利要求2所述的陈列图像处理方法,其特征在于,该方法还包括:
基于所述阵列图像的长度和四个图像角点位置生成位置变换矩阵和尺度变换矩阵。
5.根据权利要求1所述的陈列图像处理方法,其特征在于,所述对所述陈列图像中的直线进行方向聚类,包括:
对陈列图像进行检测,得到所述陈列图像中的直线;
比较所述陈列图像中每个直线的长度值是否大于指定阈值;
对于所述陈列图像中长度值大于指定阈值的全部直线进行方向聚类,得到包含直线数量最多的两个直线集合。
6.一种陈列图像处理装置,其特征在于,该装置包括:
聚类模块,用于对陈列图像中的直线进行方向聚类,得到包含直线数量最多的两个直线集合;
计算模块,用于计算出所述两个直线集合中每个直线集合对应的消隐点;
处理模块,用于对所述两个直线集合分别对应的消隐点进行数据处理,得到透视变换矩阵;
校正模块,用于基于所述透视变换矩阵对所述陈列图像进行校正,得到所述陈列图像位于正投影面上的校正图像。
7.根据权利要求6所述的陈列图像处理装置,其特征在于,所述处理模块,包括:
第一运算子模块,用于对所述两个直线集合对应的消隐点进行空间运算,得到所述陈列图像的拍摄视角对应的旋转矩阵;
生成子模块,用于根据所述旋转矩阵以及获取的所述陈列图像对应的指定主点和指定焦距,生成初始投影变换矩阵;
第二运算子模块,用于根据获取的位置变换矩阵和尺度变换矩阵对所述初始投影变换矩阵进行运算,得到透视变换矩阵。
8.根据权利要求7所述的陈列图像处理装置,其特征在于,所述第一运算子模块,用于:
根据所述两个直线集合分别对应的两个消隐点的空间正交性,得到所述正投影面的法线方向;
根据所述法线方向以及所述两个直线集合分别对应的两个消隐点,生成所述陈列图像的拍摄视角对应的旋转矩阵。
9.根据权利要求7所述的陈列图像处理装置,其特征在于,该装置还包括:
生成模块,用于基于所述阵列图像的长度和四个图像角点位置生成位置变换矩阵和尺度变换矩阵。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如权利要求1-5任一项所述的陈列图像处理方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811434411.6A CN109583495B (zh) | 2018-11-28 | 2018-11-28 | 陈列图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811434411.6A CN109583495B (zh) | 2018-11-28 | 2018-11-28 | 陈列图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583495A true CN109583495A (zh) | 2019-04-05 |
CN109583495B CN109583495B (zh) | 2019-10-22 |
Family
ID=65924801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811434411.6A Active CN109583495B (zh) | 2018-11-28 | 2018-11-28 | 陈列图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583495B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796602A (zh) * | 2019-10-30 | 2020-02-14 | 福州大学 | 一种用于降低图像透视变换后失真的方法 |
CN111292414A (zh) * | 2020-02-24 | 2020-06-16 | 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 |
CN114993293A (zh) * | 2022-07-28 | 2022-09-02 | 南京航空航天大学 | 室内弱纹理环境下移动无人系统同步定位与建图方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077523A (zh) * | 2013-01-23 | 2013-05-01 | 天津大学 | 手持相机拍摄取证方法 |
CN104268876A (zh) * | 2014-09-26 | 2015-01-07 | 大连理工大学 | 基于分块的摄像机标定方法 |
CN104361603A (zh) * | 2014-11-28 | 2015-02-18 | 苏州科达科技股份有限公司 | 枪机图像目标标定方法及其系统 |
CN106327532A (zh) * | 2016-08-31 | 2017-01-11 | 北京天睿空间科技股份有限公司 | 一种单幅图像的三维配准方法 |
CN108335333A (zh) * | 2018-04-03 | 2018-07-27 | 哈尔滨理工大学 | 一种线性摄像机标定方法 |
-
2018
- 2018-11-28 CN CN201811434411.6A patent/CN109583495B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077523A (zh) * | 2013-01-23 | 2013-05-01 | 天津大学 | 手持相机拍摄取证方法 |
CN104268876A (zh) * | 2014-09-26 | 2015-01-07 | 大连理工大学 | 基于分块的摄像机标定方法 |
CN104268876B (zh) * | 2014-09-26 | 2017-05-03 | 大连理工大学 | 基于分块的摄像机标定方法 |
CN104361603A (zh) * | 2014-11-28 | 2015-02-18 | 苏州科达科技股份有限公司 | 枪机图像目标标定方法及其系统 |
CN106327532A (zh) * | 2016-08-31 | 2017-01-11 | 北京天睿空间科技股份有限公司 | 一种单幅图像的三维配准方法 |
CN108335333A (zh) * | 2018-04-03 | 2018-07-27 | 哈尔滨理工大学 | 一种线性摄像机标定方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796602A (zh) * | 2019-10-30 | 2020-02-14 | 福州大学 | 一种用于降低图像透视变换后失真的方法 |
CN110796602B (zh) * | 2019-10-30 | 2021-08-31 | 福州大学 | 一种用于降低图像透视变换后失真的方法 |
CN111292414A (zh) * | 2020-02-24 | 2020-06-16 | 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 |
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 |
CN114993293A (zh) * | 2022-07-28 | 2022-09-02 | 南京航空航天大学 | 室内弱纹理环境下移动无人系统同步定位与建图方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109583495B (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583495B (zh) | 陈列图像处理方法和装置 | |
CN109961406B (zh) | 一种图像处理的方法、装置及终端设备 | |
US10559090B2 (en) | Method and apparatus for calculating dual-camera relative position, and device | |
CN106875444B (zh) | 一种目标物定位方法及装置 | |
CN109544568A (zh) | 目标图像分割方法、装置及设备 | |
CN110111262A (zh) | 一种投影仪畸变校正方法、装置和投影仪 | |
CN104050709B (zh) | 一种三维图像处理方法及电子设备 | |
EP3046078A1 (en) | Image registration method and apparatus | |
CN109961401A (zh) | 一种双目相机的图像校正方法和存储介质 | |
WO2021129305A1 (zh) | 光学动捕系统中标定杆检测方法、装置、设备和存储介质 | |
CN108629810B (zh) | 双目相机的标定方法、装置及终端 | |
CN109035394A (zh) | 人脸三维模型重建方法、装置、设备、系统及移动终端 | |
CN109086727B (zh) | 一种确定人体头部的运动角度的方法、装置及电子设备 | |
CN103617615A (zh) | 径向畸变参数获取方法及获取装置 | |
CN109685879B (zh) | 多视影像纹理分布的确定方法、装置、设备和存储介质 | |
CN108399634B (zh) | 基于云端计算的rgb-d数据生成方法及装置 | |
CN109992809A (zh) | 一种建筑模型的构建方法、装置及存储装置 | |
CN106604003A (zh) | 一种短焦投影实现曲面幕布投影的方法及系统 | |
CN109842811A (zh) | 一种在视频中植入推送信息的方法、装置及电子设备 | |
CN107358609A (zh) | 一种用于增强现实的图像叠加方法及装置 | |
CN111445537A (zh) | 一种摄像机的标定方法及系统 | |
CN107067441B (zh) | 摄像机标定方法及装置 | |
CN108419072A (zh) | 一种裸眼3d显示屏的校正方法以及校正装置、存储介质 | |
CN106657848A (zh) | 一种投影方法及电子设备 | |
Chen et al. | Calibration for high-definition camera rigs with marker chessboard |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Long Tao Inventor before: Yang Heng |