CN109754437B - 一种调整图形采样频率的方法 - Google Patents
一种调整图形采样频率的方法 Download PDFInfo
- Publication number
- CN109754437B CN109754437B CN201910032771.1A CN201910032771A CN109754437B CN 109754437 B CN109754437 B CN 109754437B CN 201910032771 A CN201910032771 A CN 201910032771A CN 109754437 B CN109754437 B CN 109754437B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- matching
- sampling frequency
- value
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种调整图形采样频率的方法,属于图像采集技术领域。通过线阵相机采集某一密度物体的下落图像,再通过特征提取识别出当前图像的特征点,依据相同特征点在不同图像对应的位置偏差计算出物体运动速度与传感器采样率的比值,再根据此比值计算当前物体的运动速度;由此来调整传感器的采样频率来消除因物体下落速度与传感器采样率不匹配而产生的形变。本方法改善了色选图像采集系统中图像的畸变和伸缩,对还原成像物体形状具有良好的效果;提高了色选的色选图像采集系统的灵活性;增加了色选图像采集系统对图像进行校正的准确度;对于材质、密度不同的成像物体有较好的区分度,广泛地应用于各种材料在色选图像采集系统中的识别和筛选。
Description
技术领域
本发明涉及一种调整图形采样频率的方法,属于图像采集技术领域。
背景技术
在图像采集技术中,图像传感器的采样频率与成像效果密不可分,因此要针对采样频率对获取图像的过程进行优化。对于相机前运动的物体而言,在垂直下落的方向,不同材质、形状以及密度会影响该方向上物体的速度,如果采样频率与物体运动的速度不匹配,那么在成像中,就会出现物体在竖直方向上的拉伸或压缩。常见的图形采集校正方法是通过硬件或软件的方法在处理器内部实现,需要对一整行的像素进行操作,将存储的多行像素读出并对数据进行拼接或插值,最后再重新存入存储器中,过程较为复杂,且对于物体形状的校准并不十分精确。并且线阵相机在采集下落物体的图像时,因不同物体的密度不同导致物体下落过程中所受到的空气阻力不同,致使当筛选目标物体时无法使用同一采样频率去匹配不同物体,因此提出了针对不同物质获取采集频率并校正物体形变的方法。
发明内容
本发明的目的是进一步提升现有色选机图像采集装置颜色校正的准确性和灵活性,提出了一种调整图形采样频率的方法,通过相机采集同一物体在不同下落状态的图像,再找出相同成像平面,通过识别出对应的特征点对,并基于此计算得到物体在垂直方向上的伸缩倍数,用此伸缩倍数调整传感器的采样频率来消除因物体下落速度与传感器采样率不匹配而产生的形变,对图像形状进行精确的校准。
本发明的核心思想是:通过线阵相机采集某一密度物体的下落图像,具体拍摄同一物体在不同下落状态的图像,再通过特征提取识别出当前图像的特征点,依据相同特征点在不同图像对应的位置偏差找到下落过程中的相同成像平面,基于该平面内的特征点对将物体垂直方向与水平方向的像素进行比对,计算出物体运动速度与传感器采样率的比值,得到物体在垂直方向上的伸缩倍数即根据该值确定采样频率与物体运动速度的比值计算当前物体的运动速度;并将此比值反馈至输入改变传感器采样频率,来调整传感器的采样频率来消除因物体下落速度与传感器采样率不匹配而产生的形变,进而达到采样频率与物体下落速度相匹配的效果。
一种调整图形采样频率的方法,包括如下步骤:
步骤一、针对某一物体,用线阵相机采集N次该下落物体的图像,每次下落采集到一张图像;
其中,N的取值范围为大于等于5次;
步骤二、对步骤一采集到的每一张图像进行特征点提取,得到N张图像的特征点信息;
其中,特征点提取采用SIFT、SURF、FAST、ORB与BRIEF中的一种;对每张图像提取到的特征点数分别记为:M1、M2、…、MN;其中,M1、M2、…、MN分别对应第1、2…、N张图像提取到的特征点数,并记此N个值中的最小值为M;
步骤三、判断M是否超过设定阈值T,若M>T,则进行步骤四,否则跳至步骤一重新采集N次下落物体的图像;
步骤四、对提取到的N张图像中的特征点进行两两特征点匹配并消除错误匹配,得出特征点匹配对的信息;
其中,特征点匹配采用暴力匹配(Brute-force)以及快速最近邻匹配(Flann-based)中的一种;消除错误匹配采用交叉验证、K邻近匹配(KNN)及随机样本一致性(RANSAC)中的一种;
步骤五、若步骤四中满足特征点匹配对的数量大于等于阈值P,则视为已经获取到在平面上相似的两幅图像,则进入到步骤十中进行物体运动速度的计算;若特征点匹配对的数量小于阈值P,表明获取到的N幅图像中没有在平面上相似的两幅图像,则跳至步骤六;
步骤六、针对当前物体,用线阵相机采集1次该下落物体的图像;
步骤七、对步骤六采集的图像提取特征点,并判断特征点个数是否大于T,若大于T,则跳至步骤八,否则跳至步骤六再次捕获图像;
步骤八、将步骤六采集的图像与N幅图像进行特征点匹配,记特征点匹配对的数量为K1、K2、…、KN,记此N个数据K1、K2、…、KN中的最大值为Kmax;
步骤九、若Kmax大于预设参数值K,则视为已获得平面上相似的两幅图像,输出匹配成功的两幅图像,并跳至步骤十;否则,根据是否需要扩充样本库决定是否将步骤八判断特征点匹配的图像作为第N+1幅图像;若选择扩充,则将N值更新即令N=N+1,若不扩充则保留N值,跳至步骤六;
步骤十、将匹配成功的两幅图像中任意两对匹配点中的一对分别设置为图像坐标系中的原点,再计算出物体在匹配成功的两幅图像中的伸缩比例;
其中,任意两对匹配点的坐标为:A(0,0)B(x1,y1),A'(0',0')B'(x'1,y'1),匹配成功的两幅图像中的伸缩比例k通过公式(1)计算:
其中,L为两匹配点是物体中对应点间的实际距离,在物体中只要匹配对选定,L为固定值;k值表示当前密度物体的运动速度与相机采样频率的比值;
步骤十一、重复步骤十Kmax-1次,获取针对其他Kmax-1对特征点对计算出Kmax-1个k值,并对这Kmax个k值取平均,得到kmean;
步骤十二、根据步骤十一得到的物体在匹配成功的两幅图像中的平均伸缩比例计算出物体的下落速度;
步骤十三、基于步骤十二得到的物体的下落速度更新采样频率,并反馈到系统的图像采集模块中传感器进行参数更新;
其中,所述传感器的参数主要包括采样频率及曝光时间。
有益效果
本发明提出了一种调整图形采样频率的方法,与现有的图像调整频率相比,本方法具有如下有益效果:
1.本发明所述方法改善了色选图像采集装置图像的畸变和伸缩,对还原成像物体形状具有良好的效果;
2.本发明所述方法提高了色选的图像采集装置的灵活性;
3.本发明所述方法增加了色选图像采集系统对图像进行校正的准确度;
4.本发明的另一种实施方案为传统形变校正方法提供图像伸缩比例,提高了一般校正方法的效率;
5.本发明对于材质、密度不同的成像物体有较好的区分度,广泛地应用于各种材料在色选图像采集系统中的识别和筛选。
附图说明
图1是本发明一种调整图形采样频率的方法的流程图;
图2是本发明一种调整图形采样频率的方法的特征点对应图像的剖面图;
图3是本发明一种调整图形采样频率的方法实施例1的组成及连接示意图;
图4是本发明一种调整图形采样频率的方法所使用的色选图像采集系统的组成及连接示意图。
具体实施方式
下面结合附图及实施例对本发明所述的一种调整图形采样频率的方法进行详细说明。
实施例1
图3是本发明一种调整图形采样频率的方法的处理结构及实施例1中的组成示意图。图1是本发明一种调整图形采样频率的方法的流程图。依据上述流程图描述本申请在特定应用场景下具体实施。
本实施例描述了应用本发明所述的一种调整图形采样频率的方法在图4所示的色选图像采集系统中的具体实施。
如图4所示,本发明一种调整图形采样频率的方法是基于色选图像采集系统,系统主要包括图像采集单元、图像处理器、存储单元以及图像视频输出单元,还可附加传输单元;
其中,图像采集单元在实施例中采用CMOS线阵图像传感器,图像处理部分由FPGA芯片完成,存储采用处理器内置RAM与外置DDR3双存储,最后得到的校正图像经由视频流接口输出;传输单元输出当前采集到的物体速度以及得到的采样速率,该部分根据实际情况可作为可选模块。
基于图4所示的系统,传感器将像素数据输入到处理器,存储器完成一幅图像的存储后进行灰度变换的预处理;设定阈值,选用前述特征点提取方法中的SIFT方法进行特征点检测与特征描述的过程,即进行特征提取;
其中,特征点检测包括:构建尺度空间、Dog高斯差分空间计算极值点、去除低对比度及边缘响应点;特征描述过程进行特征点周围直方图的统计并计算描述子;
其中,描述子是将种子点的区域等间隔划分子区域后,所有子区域的8个方向梯度强度信息所构成的矢量。
特征提取完成并满足阈值条件后使用Flann-based匹配,即快速近似最近邻搜索算法寻找方法进行特征匹配,主要过程是查找描述子间距离小于特定距离的匹配;匹配距离约束选择适配性较好的Hamming距离。
完成匹配和提取后,非匹配点也会被误检,因此采用KNN匹配算法对于每个匹配对得到K个最接近匹配点的描述子,计算最接近距离和次接近距离之间的比值,当比值大于既定值H时,也就是向量间距离足够远,该匹配对才作为最终结果输出;
其中,KNN匹配方法中取K=2,H=2。
对于上述过程,先进行N幅图像的匹配,若满足匹配条件,则进行形变比值的计算;否则重复图像采集、特征点提取及识别过程,并将新获得的图像特征点分别与上述N幅图像进行特征点匹配,直到获取到两幅匹配图像进入下一步计算。
如图2,根据传感器在成像时水平方向速率保持不变,因此仅在垂直方向上有拉伸或压缩,由此选择匹配图像中获取的任意两对匹配点的坐标值,由公式计算出k值。
实施例2
本实施例中描述了在色选图像采集系统中优化形变校正效果的具体实施。
在该实施例中,提供两种筛选模式:1.通过多幅匹配增加匹配精确度;2.通过多特征点匹配增加精确度。以下对两种模式进行说明。在模式1中,要求最初N幅图像(N1、N2…NN)至少存在匹配图像,并持续采集新的下落图像。在获取N幅图像(N1、N2…NN)的数据后,进行预处理、特征点提取、特征点匹配,若N幅图像中存在匹配图像(Ni、Nj),则进而多次采集直到第X幅图像与N幅中匹配的两幅图像(Ni、Nj)匹配;若N幅图像中图像均不匹配,则直到后续Y次采集获取两幅与N幅图像中任意图像匹配时停止采集。
其中,N为采集物体下落的图像次数,X为从第N+1幅图像到获取到与(Ni、Nj)匹配的图像之间的采集次数;Y为从第N+1幅图像到获取两幅与(N1、N2…NN)中任一匹配的图像之间的采集次数。
模式2中不要求N幅图像进行匹配,但在获取一对匹配图像后选择进一步采用多对特征点计算k值;假设特征点对数为Kmax对,将K对特征点对两两一组根据公式(1)计算出k1、k2、…、个k值k1、k2、…、对其取平均值得到最终kmean,从而得到更加精确的k值用以计算采样频率。
以上所述为本发明的较佳实施例而已,本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (6)
1.一种调整图形采样频率的方法,其特征在于:包括如下步骤:
步骤一、针对某一物体,用线阵相机采集N次该物体下落的图像,每次下落采集到一张图像;
步骤二、对步骤一采集到的每一张图像进行特征点提取,得到N张图像的特征点信息;
其中,对每张图像提取到的特征点数分别记为:M1、M2、…、MN;其中,M1、M2、…、MN分别对应第1、2…、N张图像提取到的特征点数,并记此N个值中的最小值为M;
步骤三、判断M是否超过设定阈值T,若M>T,则进行步骤四,否则跳至步骤一重新采集N次下落物体的图像;
步骤四、对提取到的N张图像中的特征点进行两两特征点匹配并消除错误匹配,得出特征点匹配对的信息;
步骤五、若步骤四中满足特征点匹配对的数量大于等于阈值P,则视为已经获取到在平面上相似的两幅图像,则进入到步骤十中进行物体运动速度的计算;若特征点匹配对的数量小于阈值P,表明获取到的N幅图像中没有在平面上相似的两幅图像,则跳至步骤六;
步骤六、针对当前物体,用线阵相机采集1次该下落物体的图像;
步骤七、对步骤六采集的图像提取特征点,并判断特征点个数是否大于T,若大于T,则跳至步骤八,否则跳至步骤六再次捕获图像;
步骤八、将步骤六采集的图像与N幅图像进行特征点匹配,记特征点匹配对的数量为K1、K2、…、KN,记此N个数据K1、K2、…、KN中的最大值为Kmax;
步骤九、若Kmax大于预设参数值K,则视为已获得平面上相似的两幅图像,输出匹配成功的两幅图像,并跳至步骤十;否则,根据是否需要扩充样本库决定是否将步骤八判断特征点匹配的图像作为第N+1幅图像;若选择扩充,则将N值更新即令N=N+1,若不扩充则保留N值,跳至步骤六;
步骤十、将匹配成功的两幅图像中任意两对匹配点中的一对分别设置为图像坐标系中的原点,再计算出物体在匹配成功的两幅图像中的伸缩比例;
其中,任意两对匹配点的坐标为:A(0,0)B(x1,y1),A'(0',0')B'(x'1,y'1),匹配成功的两幅图像中的伸缩比例k通过公式(1)计算:
其中,L为两匹配点是物体中对应点间的实际距离,在物体中只要匹配对选定,L为固定值;k值表示当前密度物体的运动速度与相机采样频率的比值;
步骤十一、重复步骤十Kmax-1次,获取针对其他Kmax-1对特征点对计算出Kmax-1个k值,并对这Kmax个k值取平均,得到kmean;
步骤十二、根据步骤十一得到的物体在匹配成功的两幅图像中的平均伸缩比例计算出物体的下落速度;
步骤十三、基于步骤十二得到的物体的下落速度更新采样频率,并反馈到系统的图像采集模块中传感器进行参数更新。
2.根据权利要求1所述的一种调整图形采样频率的方法,其特征在于:步骤一中,N的取值范围为大于等于5次。
3.根据权利要求1所述的一种调整图形采样频率的方法,其特征在于:步骤二中,特征点提取采用SIFT、SURF、FAST、ORB与BRIEF中的一种。
4.根据权利要求1所述的一种调整图形采样频率的方法,其特征在于:步骤四中特征点匹配采用暴力匹配Brute-force以及快速最近邻匹配Flann-based中的一种。
5.根据权利要求1所述的一种调整图形采样频率的方法,其特征在于:步骤四中消除错误匹配采用交叉验证、K邻近匹配KNN及随机样本一致性RANSAC中的一种。
6.根据权利要求1所述的一种调整图形采样频率的方法,其特征在于:步骤十三中,所述传感器进行参数更新的参数包括采样频率及曝光时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032771.1A CN109754437B (zh) | 2019-01-14 | 2019-01-14 | 一种调整图形采样频率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032771.1A CN109754437B (zh) | 2019-01-14 | 2019-01-14 | 一种调整图形采样频率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109754437A CN109754437A (zh) | 2019-05-14 |
CN109754437B true CN109754437B (zh) | 2020-09-29 |
Family
ID=66405718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910032771.1A Active CN109754437B (zh) | 2019-01-14 | 2019-01-14 | 一种调整图形采样频率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754437B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065043A (zh) * | 2010-12-09 | 2011-05-18 | 北京理工大学 | 一种高速通信系统中的频域并行解调方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778200B (zh) * | 2010-02-08 | 2014-08-13 | 王晓年 | 基于非均匀采样的图像校正系统及方法 |
CN102006423B (zh) * | 2010-11-15 | 2012-07-04 | 无锡中星微电子有限公司 | 一种消除摄像头闪烁现象的方法、装置及一种摄像头 |
CN102494675B (zh) * | 2011-11-30 | 2013-12-25 | 哈尔滨工业大学 | 一种运动目标特征高速视觉捕捉方法 |
JP6170395B2 (ja) * | 2013-09-26 | 2017-07-26 | キヤノン株式会社 | 撮像装置およびその制御方法 |
JP6560563B2 (ja) * | 2015-01-16 | 2019-08-14 | キヤノン株式会社 | 画像処理装置及び画像処理方法、コンピュータプログラム |
CN107301620B (zh) * | 2017-06-02 | 2019-08-13 | 西安电子科技大学 | 基于相机阵列的全景成像方法 |
CN107507245A (zh) * | 2017-08-18 | 2017-12-22 | 南京阿尔特交通科技有限公司 | 一种车辆跟驰轨迹的动态采集方法及系统 |
-
2019
- 2019-01-14 CN CN201910032771.1A patent/CN109754437B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065043A (zh) * | 2010-12-09 | 2011-05-18 | 北京理工大学 | 一种高速通信系统中的频域并行解调方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109754437A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369495B (zh) | 一种基于视频的全景图像的变化检测方法 | |
CN109389555B (zh) | 一种全景图像拼接方法及装置 | |
CN109389630B (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 | |
CN108345821B (zh) | 面部追踪方法及设备 | |
JP2010045613A (ja) | 画像識別方法および撮像装置 | |
CN111860587B (zh) | 一种用于图片小目标的检测方法 | |
CN112801870B (zh) | 一种基于网格优化的图像拼接方法,拼接系统及可读存储介质 | |
KR102472004B1 (ko) | 복수의 센서간 캘리브레이션 방법 및 장치 | |
CN111783834B (zh) | 一种基于联合图频谱特征分析的异源图像匹配方法 | |
CN112883940A (zh) | 静默活体检测方法、装置、计算机设备及存储介质 | |
CN110738695B (zh) | 一种基于局部变换模型的图像特征点误匹配剔除方法 | |
CN116664892A (zh) | 基于交叉注意与可形变卷积的多时相遥感图像配准方法 | |
US8164633B2 (en) | Calibration apparatus and method for imaging devices and computer program | |
CN113822927B (zh) | 一种适用弱质量图像的人脸检测方法、装置、介质及设备 | |
CN113095385B (zh) | 一种基于全局和局部特征描述的多模图像匹配方法 | |
CN109344758B (zh) | 基于改进局部二值模式的人脸识别方法 | |
CN109754437B (zh) | 一种调整图形采样频率的方法 | |
CN116342466A (zh) | 一种图像抠图的方法及相关装置 | |
CN111091513B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
Eric et al. | Improve Crowd size estimation by leveraging deformable convolutional neural network and deformable region of interest | |
CN118154728B (zh) | 动态视角体育赛事场况俯瞰图实时生成方法 | |
CN115100688B (zh) | 一种基于深度学习的鱼类资源快速识别方法和系统 | |
CN116912333B (zh) | 一种基于作业围栏标定杆的相机姿态自标定方法 | |
Rush et al. | Focal plane processing for HOG detection with Bayer pattern sensors | |
CN116205911B (zh) | 基于机器视觉的皮革制体育用品外观缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |