CN110796602A - 一种用于降低图像透视变换后失真的方法 - Google Patents
一种用于降低图像透视变换后失真的方法 Download PDFInfo
- Publication number
- CN110796602A CN110796602A CN201911046976.1A CN201911046976A CN110796602A CN 110796602 A CN110796602 A CN 110796602A CN 201911046976 A CN201911046976 A CN 201911046976A CN 110796602 A CN110796602 A CN 110796602A
- Authority
- CN
- China
- Prior art keywords
- image
- perspective transformation
- view
- original
- original view
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 230000001131 transforming effect Effects 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 11
- 238000012545 processing Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种用于降低图像透视变换后失真的方法，首先基于原始视图图像求取透视变换矩阵；然后根据透视变换矩阵对原始视图进行图形校正，将原始视图图像变换到目标视图图像；最后对图像做锐化处理以增强目标图像的细节层次，对锐化处理后的图像通过双线性插值的方法对图片进行缩放。本发明能够有效降低图像透视变换后的失真，改善了图像的视觉质量。
Description
技术领域
本发明涉及图像处理技术领域，特别是一种用于降低图像透视变换后失真的方法。
背景技术
近年来，计算机技术的发展日新月异，不管是软件层面还是硬件层面都得到了大幅提升。随着计算机视觉理论的创新，计算机处理图像的技术正在以全新的方式推动着现实场景中图像分析技术的发展。现代社会已经从文字交流的时代跨入了一个与图像信息交互的时代，图像处理是对图像信息进行加工以满足人的视觉心理和应用需求的行为；图像清晰度是衡量图像品质优劣的标准之一，清晰的图像能给人以赏心悦目的视觉享受。
现有的图片经过透视变换后由于视角发生了改变，可能会使转换后视图图片发生失真，再对图片进行缩放时增加了图像的失真。
发明内容
有鉴于此，本发明的目的是提出一种用于降低图像透视变换后失真的方法，能够有效降低图像透视变换后的失真，改善了图像的视觉质量。
本发明采用以下方案实现：一种用于降低图像透视变换后失真的方法，具体包括以下步骤：
基于原始视图图像求取透视变换矩阵；
根据透视变换矩阵对原始视图进行图形校正，将原始视图图像变换到目标视图图像；
对图像做锐化处理以增强目标图像的细节层次，对锐化处理后的图像进行缩放。
进一步地，所述基于原始视图图像求取透视变换矩阵具体包括以下步骤：
步骤S11：首先对所给的原始视图图像进行灰度化预处理，消除图像中无关的信息，恢复有用的真实信息，增强有关图像信息的可检测性和最大限度地简化数据，再通过高斯滤波去除图像中多余的细节，方便提取图像轮廓；
步骤S12：通过调整高、低阈值来检测的边缘像素点，低于低阈值和高于高阈值的像素点被判定为不是边缘，对其进行canny边缘提取，找出原始视图中面积最大的四边形轮廓；
步骤S13：确定轮廓后，基于两线段距离进行判断，过滤掉距离低于预设值的直线最终确定出四条边，计算两两直线的交点确定一组4个角点的坐标和目标视图的一组4个顶点的坐标，通过两组坐标点计算出透视变换的变换矩阵。
进一步地，步骤S12中，采用轮廓面积算法找出原始视图中面积最大的四边形轮廓。
较佳的，根据透视变换矩阵对原始视图进行透视变换操作，能够实现对原始图像中的图形校正，进而实现所需要转到的图像视角的效果。
较佳的，通过对目标视图图像进行锐化处理，能够在突出了处理后视图图像的清晰程度的同时增强了被模糊的细节层次，改善了图像的视觉质量，符合人们的主观要求。
进一步地，所述对锐化处理后的图像进行缩放具体为：采用双线性插值的方法对锐化处理后的图像进行缩放。对锐化后图像进行缩放的操作中，采用双线性插值的方法，能降低图像在缩放过程中的产生的失真和改进处理目标视图时的视觉效果。
本发明能对产生的图像失真做出的客观标记，可用于构建相应的减小图像失真算法，能最大限度减小转换图像视角后造成的图像模糊，并对改善视图转换后的失真图像做出相应指导。就此，本发明设计了一种针对图像视图转变及减小视图转变后所造成的失真，对其进行特征点检测、边缘提取、透视变换及校正等一系列的方法，并对目标视角图片进行锐化处理增强视图变换后的清晰度，最后在对生成图片进行双线性处理，保证图片在缩放时失真尽可能降到最小，这将有利于图像失真的客观识别及感知驱动清晰图像算法的未来发展。
与现有技术相比，本发明有以下有益效果：本发明有效地减小了转换图像视角后的产生的图像失真，使图像的清晰程度得到很大的提高，具有非常广泛的应用前景。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例从原始视图图像变换到目标视图图像的算法实现流程图。其中，（a）为原始视图，（b）为灰度处理，（c）为膨胀处理，（d）为canny边缘提取，（e）为获取面积最大的四边形轮廓，（f）为目标视图。
图3为本发明实施例的对目标图像做锐化处理的效果图。
图4为本发明试试的对使用锐化处理后再使用双线性插值的效果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1以及图2所示，本实施例提供了一种用于降低图像透视变换后失真的方法，具体包括以下步骤：
基于原始视图图像求取透视变换矩阵；
根据透视变换矩阵对原始视图进行图形校正，将原始视图图像变换到目标视图图像；
对图像做锐化处理以增强目标图像的细节层次，对锐化处理后的图像进行缩放。
在本实施例中，所述基于原始视图图像求取透视变换矩阵具体包括以下步骤：
步骤S11：首先对所给的原始视图图像进行灰度化预处理，消除图像中无关的信息，恢复有用的真实信息，增强有关图像信息的可检测性和最大限度地简化数据，再通过高斯滤波去除图像中多余的细节，方便提取图像轮廓；
步骤S12：通过调整高、低阈值来检测的边缘像素点，低于低阈值和高于高阈值的像素点被判定为不是边缘，对其进行canny边缘提取，找出原始视图中面积最大的四边形轮廓；
步骤S13：确定轮廓后，基于两线段距离进行判断，过滤掉距离低于预设值的直线最终确定出四条边，计算两两直线的交点确定一组4个角点的坐标和目标视图的一组4个顶点的坐标，通过两组坐标点计算出透视变换的变换矩阵。
在本实施例中，步骤S12中，采用轮廓面积算法找出原始视图中面积最大的四边形轮廓。
较佳的，在本实施例中，根据透视变换矩阵对原始视图进行透视变换操作，能够实现对原始图像中的图形校正，进而实现所需要转到的图像视角的效果。
较佳的，在本实施例中，通过对目标视图图像进行锐化处理，能够在突出了处理后视图图像的清晰程度的同时增强了被模糊的细节层次，改善了图像的视觉质量，符合人们的主观要求。其效果图如图3所示。
在本实施例中，所述对锐化处理后的图像进行缩放具体为：采用双线性插值的方法对锐化处理后的图像进行缩放。对锐化后图像进行缩放的操作中，采用双线性插值的方法，能降低图像在缩放过程中的产生的失真和改进处理目标视图时的视觉效果。其效果图如图4所示。
本实施例能对产生的图像失真做出的客观标记，可用于构建相应的减小图像失真算法，能最大限度减小转换图像视角后造成的图像模糊，并对改善视图转换后的失真图像做出相应指导。就此，本发明设计了一种针对图像视图转变及减小视图转变后所造成的失真，对其进行特征点检测、边缘提取、透视变换及校正等一系列的方法，并对目标视角图片进行锐化处理增强视图变换后的清晰度，最后在对生成图片进行双线性处理，保证图片在缩放时失真尽可能降到最小，这将有利于图像失真的客观识别及感知驱动清晰图像算法的未来发展。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任范何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护围。
Claims (4)
1.一种用于降低图像透视变换后失真的方法，其特征在于，包括以下步骤：
基于原始视图图像求取透视变换矩阵；
根据透视变换矩阵对原始视图进行图形校正，将原始视图图像变换到目标视图图像；
对图像做锐化处理以增强目标图像的细节层次，对锐化处理后的图像进行缩放。
2.根据权利要求1所述的一种用于降低图像透视变换后失真的方法，其特征在于，所述基于原始视图图像求取透视变换矩阵具体包括以下步骤：
步骤S11：首先对所给的原始视图图像进行灰度化预处理，再通过高斯滤波去除图像中多余的细节，方便提取图像轮廓；
步骤S12：通过调整高、低阈值来检测的边缘像素点，低于低阈值和高于高阈值的像素点被判定为不是边缘，对其进行canny边缘提取，找出原始视图中面积最大的四边形轮廓；
步骤S13：确定轮廓后，基于两线段距离进行判断，过滤掉距离低于预设值的直线最终确定出四条边，计算两两直线的交点确定一组4个角点的坐标和目标视图的一组4个顶点的坐标，通过两组坐标点计算出透视变换的变换矩阵。
3.根据权利要求2所述的一种用于降低图像透视变换后失真的方法，其特征在于，步骤S12中，采用轮廓面积算法找出原始视图中面积最大的四边形轮廓。
4.根据根据权利要求1所述的一种用于降低图像透视变换后失真的方法，其特征在于，所述对锐化处理后的图像进行缩放具体为：采用双线性插值的方法对锐化处理后的图像进行缩放。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911046976.1A CN110796602B (zh) | 2019-10-30 | 2019-10-30 | 一种用于降低图像透视变换后失真的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911046976.1A CN110796602B (zh) | 2019-10-30 | 2019-10-30 | 一种用于降低图像透视变换后失真的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110796602A true CN110796602A (zh) | 2020-02-14 |
| CN110796602B CN110796602B (zh) | 2021-08-31 |
Family
ID=69442234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911046976.1A Active CN110796602B (zh) | 2019-10-30 | 2019-10-30 | 一种用于降低图像透视变换后失真的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796602B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299215A (zh) * | 2014-10-11 | 2015-01-21 | 中国兵器工业第二O二研究所 | 一种特征点标定和匹配的图像拼接方法 |
| CN105096261A (zh) * | 2014-05-13 | 2015-11-25 | 北京大学 | 图像处理装置和图像处理方法 |
| CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
| CN106845508A (zh) * | 2015-12-07 | 2017-06-13 | 腾讯科技（深圳）有限公司 | 一种检测图像中信息卡的方法、装置和系统 |
| CN107103324A (zh) * | 2017-04-05 | 2017-08-29 | 广东电网有限责任公司清远供电局 | 输电线路识别方法和装置 |
| CN109194888A (zh) * | 2018-11-12 | 2019-01-11 | 北京大学深圳研究生院 | 一种针对低质量深度图的dibr自由视点合成方法 |
| CN109583495A (zh) * | 2018-11-28 | 2019-04-05 | 深圳爱莫科技有限公司 | 陈列图像处理方法和装置 |
-
2019
- 2019-10-30 CN CN201911046976.1A patent/CN110796602B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105096261A (zh) * | 2014-05-13 | 2015-11-25 | 北京大学 | 图像处理装置和图像处理方法 |
| CN104299215A (zh) * | 2014-10-11 | 2015-01-21 | 中国兵器工业第二O二研究所 | 一种特征点标定和匹配的图像拼接方法 |
| CN106845508A (zh) * | 2015-12-07 | 2017-06-13 | 腾讯科技（深圳）有限公司 | 一种检测图像中信息卡的方法、装置和系统 |
| CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
| CN107103324A (zh) * | 2017-04-05 | 2017-08-29 | 广东电网有限责任公司清远供电局 | 输电线路识别方法和装置 |
| CN109194888A (zh) * | 2018-11-12 | 2019-01-11 | 北京大学深圳研究生院 | 一种针对低质量深度图的dibr自由视点合成方法 |
| CN109583495A (zh) * | 2018-11-28 | 2019-04-05 | 深圳爱莫科技有限公司 | 陈列图像处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110796602B (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785291B (zh) | 一种车道线自适应检测方法 | |
| CN109409366B (zh) | 基于角点检测的畸变图像校正方法及装置 | |
| WO2022007431A1 (zh) | 一种Micro QR二维码的定位方法 | |
| US8401333B2 (en) | Image processing method and apparatus for multi-resolution feature based image registration | |
| CN106599028B (zh) | 一种基于视频图像处理的书本内容搜索匹配方法 | |
| CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
| CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
| CN110276279B (zh) | 一种基于图像分割的任意形状场景文本探测方法 | |
| CN114693760A (zh) | 图像校正方法、装置及系统、电子设备 | |
| CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
| CN110163894B (zh) | 基于特征匹配的亚像素级目标跟踪方法 | |
| CN111310754A (zh) | 一种分割车牌字符的方法 | |
| CN111340040B (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 | |
| CN110796602B (zh) | 一种用于降低图像透视变换后失真的方法 | |
| CN110610163B (zh) | 一种自然场景下基于椭圆拟合的表格提取方法及系统 | |
| CN114529715B (zh) | 一种基于边缘提取的图像识别方法及系统 | |
| CN109410227B (zh) | 一种基于gvf模型的土地利用图斑轮廓提取算法 | |
| CN108647713B (zh) | 胚胎边界识别与激光轨迹拟合方法 | |
| CN110717454A (zh) | 一种舞台环境下的轮式机器人障碍检测方法 | |
| CN110910841A (zh) | 一种电泳电子纸鬼影减弱系统和减弱方法 | |
| CN110473222A (zh) | 图像要素提取方法及装置 | |
| CN115456906A (zh) | 基于破损图像的人脸图像修复方法、装置、设备及介质 | |
| CN113326819B (zh) | 机器手素描绘画方法、装置及机器人工作台 | |
| CN112288049B (zh) | 基于模板匹配和限制连通域指针定位的指针表读数方法 | |
| CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 |
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 |