CN111028257B - 微透镜子图像几何中心及边缘的提取方法及装置 - Google Patents

微透镜子图像几何中心及边缘的提取方法及装置 Download PDF

Info

Publication number
CN111028257B
CN111028257B CN201911077700.XA CN201911077700A CN111028257B CN 111028257 B CN111028257 B CN 111028257B CN 201911077700 A CN201911077700 A CN 201911077700A CN 111028257 B CN111028257 B CN 111028257B
Authority
CN
China
Prior art keywords
light field
image
center
microlens
matrix
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
Application number
CN201911077700.XA
Other languages
English (en)
Other versions
CN111028257A (zh
Inventor
袁艳
苏丽娟
赵子贺
王继超
朱聪慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201911077700.XA priority Critical patent/CN111028257B/zh
Publication of CN111028257A publication Critical patent/CN111028257A/zh
Application granted granted Critical
Publication of CN111028257B publication Critical patent/CN111028257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种微透镜子图像几何中心及边缘的提取方法及装置,其中,方法包括以下步骤:通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;选用邻插值法对光场图像进行上采样,将光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;对新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;根据预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。该方法针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。

Description

微透镜子图像几何中心及边缘的提取方法及装置
技术领域
本发明涉及光场图像数据分析技术领域,特别涉及一种微透镜子图像几何中心及边缘的提取方法及装置。
背景技术
传统的成像方式可以记录光线的位置信息,但丢失了与场景深度、目标几何形态、场景遮挡关系等高度耦合的光线角度信息,光场成像的方式能获得图像的四维广场分布,解决了光线角度信息采集的问题。
基于微透镜阵列的光场相机是比较常见的光场获取装置。在普通成像系统的一次像面上插入一个微透镜阵列,再将探测器耦合在微透镜焦面上,即构成了比较常见的光场相机成像系统。光场相机的微透镜阵列与探测器耦合示意图如图1所示,其中黑色方块表示探测器像元,黑色圆表示微透镜。如图2所示的光场图像,称图中的5×5个接近圆形的图案为微透镜子图像。
在光场图像处理时,提取光场子孔径图像时需要确定微透镜子图像中心,由于一定的装配误差,微透镜几何中心不一定位于四个像元正中心,而是在正对像元的某个不确定位置上,这就为图像处理带来一定的麻烦。
微透镜子图像几何中心及边缘提取的传统方法是质心法和边缘检测。传统的质心法是将原图基于某个阈值二值化,将图像分为背景和目标之后求目标的重心。传统的边缘检测方法是用导数来检测灰度值的不连续性,如Sobel算子、Roberts算子、Prewitt算子等。但由于微透镜子图像中像元数较少(此处为10×10),导致相邻像元灰度值连续性较差,且实际应用中微透镜成像存在渐晕效应,每个微透镜的成像质量不均,导致了微透镜子图像边缘模糊,且相邻微透镜子图像存在不同程度的粘连,传统的二值化质心法和边缘检测法已不适用于此光场图像,有待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种微透镜子图像几何中心及边缘的提取方法,该方法针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
本发明的另一个目的在于提出一种微透镜子图像几何中心及边缘的提取装置。
为达到上述目的,本发明一方面实施例提出了一种微透镜子图像几何中心及边缘的提取方法,包括以下步骤:通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;选用邻插值法对所述光场图像进行上采样,将所述光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;根据所述预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。
本发明实施例的微透镜子图像几何中心及边缘的提取方法,基于微透镜子图像圆内能量最大来计算几何中心,由于计算中涉及图像的上采样,上采样过程中所用的放大倍数与最后结果的精度相关,在一定范围内放大倍率越大,精确度越高,且精度优于传统二值化质心法;并可解决相互粘连的微透镜子图像分离问题,且不需要像传统质心法那样人为的画界限,从而针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
另外,根据本发明上述实施例的微透镜子图像几何中心及边缘的提取方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,在得到所述光场图像之后,还包括:对所述光场图像进行矩阵化,其中,读取所述光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,所述矩阵中的值为相对应的图像像素的灰度值。
进一步地,在本发明的一个实施例中,所述新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数。
进一步地,在本发明的一个实施例中,所述对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,包括:将所述矩阵的行坐标相同的值相加,生成列矩阵,并且将所述矩阵的列坐标相同的值相加,生成行矩阵;获取所述列矩阵的最大值以取对应的行坐标,并且获取所述行矩阵的最大值以取对应的行坐标,以确定所述预估微透镜图像中心。
进一步地,在本发明的一个实施例中,所述提取得到微透镜子图像几何中心及边缘,包括:以所述预估微透镜图像中心为中心(s,t),以预设半径在所述矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,所述当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到所述微透镜子图像几何边缘。
为达到上述目的,本发明另一方面实施例提出了一种微透镜子图像几何中心及边缘的提取装置,包括:成像模块,用于通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;上采样模块,用于选用邻插值法对所述光场图像进行上采样,将所述光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;预估模块,用于对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;提取模块,用于根据所述预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。
本发明实施例的微透镜子图像几何中心及边缘的提取装置,基于微透镜子图像圆内能量最大来计算几何中心,由于计算中涉及图像的上采样,上采样过程中所用的放大倍数与最后结果的精度相关,在一定范围内放大倍率越大,精确度越高,且精度优于传统二值化质心法;并可解决相互粘连的微透镜子图像分离问题,且不需要像传统质心法那样人为的画界限,从而针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
另外,根据本发明上述实施例的微透镜子图像几何中心及边缘的提取装置还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,还包括:矩阵模块,用于在得到所述光场图像之后,对所述光场图像进行矩阵化,其中,读取所述光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,所述矩阵中的值为相对应的图像像素的灰度值。
进一步地,在本发明的一个实施例中,所述新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数。
进一步地,在本发明的一个实施例中,所述预估模块进一步用于将所述矩阵的行坐标相同的值相加,生成列矩阵,并且将所述矩阵的列坐标相同的值相加,生成行矩阵;获取所述列矩阵的最大值以取对应的行坐标,并且获取所述行矩阵的最大值以取对应的行坐标,以确定所述预估微透镜图像中心。
进一步地,在本发明的一个实施例中,所述提取模块进一步用于以所述预估微透镜图像中心为中心(s,t),以预设半径在所述矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,所述当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到所述微透镜子图像几何边缘。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的微透镜阵列与探测器理想耦合示意图;
图2为根据本发明实施例的仿真光场图像;
图3为根据本发明实施例的微透镜子图像几何中心及边缘的提取方法的流程图;
图4为根据本发明一个实施例的微透镜子图像几何中心及边缘的提取方法的流程图;
图5为根据本发明实施例的偏差比例随放大倍率的变化图;
图6为根据本发明实施例的确定每个微透镜子图像几何边缘的结果图;
图7为根据本发明实施例的微透镜子图像几何中心及边缘的提取装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
根据背景技术记载可知,传统的质心定位方法一般结果取整数,无法在较小的微透镜子图像中给出较为精确的解,因此,本发明所要解决的技术问题为:如何确定微透镜子图像几何中心及边缘。为了解决上述技术问题,本发明实施例提出了一种微透镜子图像几何中心及边缘的提取方法及装置,可以得出精确度较高且可控的几何中心。
下面参照附图描述根据本发明实施例提出的微透镜子图像几何中心及边缘的提取方法及装置,首先将参照附图描述根据本发明实施例提出的微透镜子图像几何中心及边缘的提取方法。
图3是本发明一个实施例的微透镜子图像几何中心及边缘的提取方法的流程图。
如图3所示,该微透镜子图像几何中心及边缘的提取方法包括以下步骤:
在步骤S301中,通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像。
可以理解的是,如图4所示,本发明实施例首先获取光场图像,具体地:采用基于微透镜阵列的光场相机,对均匀面光源进行成像,得到光场图像。
进一步地,在本发明的一个实施例中,在得到光场图像之后,还包括:对光场图像进行矩阵化,其中,读取光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,矩阵中的值为相对应的图像像素的灰度值。
具体而言,在得到光场图像之后,本发明实施例进一步将光场图像矩阵化,读取光场图像形成一个灰度值矩阵Ma×b,矩阵Ma×b的行数、列数分别为图像像素的行数、列数,矩阵中的值为相对应的图像像素的灰度值。下文中,M(m1,m2)表示矩阵M中第m1行,第m2列的值。
在步骤S302中,选用邻插值法对光场图像进行上采样,将光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像。
可以理解的是,如图4所示,本发明实施例对整幅图像进行上采样处理,具体地:选用邻插值法,对原图像进行上采样,将原图像放大n×n倍,生成具有明显锯齿边缘的新图像。
其中,在本发明的一个实施例中,新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数。
具体而言,创建矩阵A,行数和列数分别为na、nb,n的值可控制此法的精确度,如令n=10,则精确度为
Figure BDA0002262993400000051
将原图像上采样为新图像,即将矩阵Ma×b扩展为矩阵Ana×nb,放大原图像。
Ana×nb(i,j)=Ma×b(p,q),
其中,
p=1,2,…,a,
q=1,2,…,b,
i=n(p-1)+1,n(p-1)+2,…,np,
j=n(q-1)+1,n(q-1)+2,…,nq。
在步骤S303中,对新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心。
可以理解的是,如图4所示,本发明实施例初始估计微透镜子图像的中心,具体地:对上采样之后的图像进行水平方向和竖直方向的灰度值求和计算,找出两个方向上和最大时的坐标值,即为预估微透镜图像中心。
进一步地,在本发明的一个实施例中,对新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,包括:将矩阵的行坐标相同的值相加,生成列矩阵,并且将矩阵的列坐标相同的值相加,生成行矩阵;获取列矩阵的最大值以取对应的行坐标,并且获取行矩阵的最大值以取对应的行坐标,以确定预估微透镜图像中心。
具体而言,矩阵Ana×nb中,将行坐标相同的值加起来形成一个列矩阵
Figure BDA0002262993400000061
将列坐标相同的值加起来形成一个行矩阵
Figure BDA0002262993400000062
Figure BDA0002262993400000063
Figure BDA0002262993400000064
找出
Figure BDA0002262993400000065
矩阵中的最大值
Figure BDA0002262993400000066
取此值的行坐标u;找出
Figure BDA0002262993400000067
矩阵中的最大值
Figure BDA0002262993400000068
取此值的列坐标v,认为矩阵Ana×nb中的(u,v)坐标为光场图像某一微透镜子图像圆形图案的预估中心。
在理想装配情况下,中心与中心之间相隔10个像元(在矩阵Ana×nb中相隔10n各单位),可得出在矩阵Ana×nb中其他微透镜子图像预估中心坐标(xi,yj)。
xi={x|x=u±(i×10n)},
yj={y|y=v±(j×10n)}。
在步骤S304中,根据预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。
可以理解的是,如图4所示,本发明实施例在预估中心附近,基于微透镜子图像圆内能量最大化计算实际中心位置。
进一步地,在本发明的一个实施例中,提取得到微透镜子图像几何中心及边缘,包括:以预估微透镜图像中心为中心(s,t),以预设半径在矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到微透镜子图像几何边缘。
具体而言,基于微透镜子图像圆内能量最大化计算实际中心位置。认为图像的实际中心一定在预估中心的附近。
在矩阵Ana×nb中,设预估得到的中心坐标为(a,b),设实际中心(s,t)所在的方形范围的四个顶点坐标分别为(a+2n,b+2n),(a-2n,b+2n),(a+2n,b-2n),(a-2n,b-2n),
a-2n≤s≤a+2n,
b-2n≤t≤b+2n,
认为在原始图像中,实际中心位置与预估中心位置水平竖直方向相差不超过2个像元。
以坐标(s,t)为中心,以5n为半径在矩阵Ana×nb表示的图形中画圆C,将圆内的灰度值相加,得值S。当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,会产生很多圆C,同时会产生很多S。遍历顺序在图中按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成。
遍历完成后,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标。以(s,t)为中心,5n像元单位为半径在图像中画圆,即可得到微透镜子图像几何边缘。
采用基于微透镜阵列的光场相机,利用计算机仿真对均匀面光源进行成像,得到仿真光场图像,如图2所示。仿真过程中设定图像左上角第一个微透镜子图像实际中心坐标为(5.95,5.10),相邻微透镜子图像相距10,所以第二排第二个微透镜子图像中心坐标为(15.95,15.10),以此子图像(第二排第二个)为例,进行此方法的精度验证。
进一步地,步骤S102中的上采样倍率为n×n,现取n为不同值时,拟合步骤S104得到的中心坐标如表1所示。其中,表1为拟合中心及其偏差随放大倍率n的变化表。
表1
n 实际坐标(15.95,15.10) 偏差比例(单位:%)
2 (16.250,15.750) (1.88,4.30)
3 (16.167,15.500) (1.36,2.65)
4 (16.125,15.375) (1.10,1.82)
5 (16.100,15.300) (0.94,1.32)
6 (16.083,15.417) (0.83,2.10)
7 (16.071,15.357) (0.76,1.70)
8 (16.063,15.313) (0.71,1.41)
9 (16.056,15.278) (0.66,1.18)
10 (16.050,15.250) (0.63,0.99)
15 (15.967,15.233) (0.11,0.88)
20 (15.975,15.220) (0.16,0.79)
25 (15.940,15.220) (0.06,0.79)
30 (15.950,15.217) (0.00,0.77)
另外,偏差比例计算公式为:偏差比例=|拟合坐标-实际坐标|/实际坐标×100%。
以上采样倍率n为横轴,偏差比例为纵轴绘图如图5所示。由图5可知,上采样的倍率越大,偏差越小,拟合得到的中心越靠近实际中心。
由于光场图像锯齿状比较明显且子图像之间粘连较为严重,不适合用传统边缘检测方法求子图像边缘。现比较此方法与传统二值化质心求解法的精确度。传统二值化法先选取合适的阈值将原图像二值化,并保证每个微透镜子图像完全分开不能有所粘连,之后将原图像与二值化后图像对应像素相乘,得到新图像。人为的选取第二排第二个白色区域计算其质心,得质心坐标为(16.328,15.754),其偏差为(2.37%,4.33%)。由表1可知,运用本算法所求拟合中心得精度远高于传统二值化质心法。
基于上述四个步骤,对实际光场图像进行处理,得到结果如图6所示。
综上,本发明实施例提出的微透镜子图像几何中心及边缘的提取方法,基于微透镜子图像圆内能量最大来计算几何中心,由于计算中涉及图像的上采样,上采样过程中所用的放大倍数与最后结果的精度相关,在一定范围内放大倍率越大,精确度越高,且精度优于传统二值化质心法;并可解决相互粘连的微透镜子图像分离问题,且不需要像传统质心法那样人为的画界限,从而针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
其次参照附图描述根据本发明实施例提出的微透镜子图像几何中心及边缘的提取装置。
图7是本发明一个实施例的微透镜子图像几何中心及边缘的提取装置的结构示意图。
如图7所示,该微透镜子图像几何中心及边缘的提取装置10包括:成像模块100、上采样模块200、预估模块300和提取模块400。
其中,成像模块100用于通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;上采样模块200用于选用邻插值法对光场图像进行上采样,将光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;预估模块300用于对新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;提取模块400用于根据预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。本发明实施例的装置10针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
进一步地,在本发明的一个实施例中,还包括:矩阵模块,用于在得到光场图像之后,对光场图像进行矩阵化,其中,读取光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,矩阵中的值为相对应的图像像素的灰度值。
进一步地,在本发明的一个实施例中,新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数。
进一步地,在本发明的一个实施例中,预估模块进一步用于将矩阵的行坐标相同的值相加,生成列矩阵,并且将矩阵的列坐标相同的值相加,生成行矩阵;获取列矩阵的最大值以取对应的行坐标,并且获取行矩阵的最大值以取对应的行坐标,以确定预估微透镜图像中心。
进一步地,在本发明的一个实施例中,提取模块进一步用于以预估微透镜图像中心为中心(s,t),以预设半径在矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到微透镜子图像几何边缘。
需要说明的是,前述对微透镜子图像几何中心及边缘的提取方法实施例的解释说明也适用于该实施例的微透镜子图像几何中心及边缘的提取装置,此处不再赘述。
根据本发明实施例提出的微透镜子图像几何中心及边缘的提取装置,基于微透镜子图像圆内能量最大来计算几何中心,由于计算中涉及图像的上采样,上采样过程中所用的放大倍数与最后结果的精度相关,在一定范围内放大倍率越大,精确度越高,且精度优于传统二值化质心法;并可解决相互粘连的微透镜子图像分离问题,且不需要像传统质心法那样人为的画界限,从而针对利用微透镜成像的光场图像,可有效的确定几何中心的精确位置,且精确度可调,简单易实现。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种微透镜子图像几何中心及边缘的提取方法,其特征在于,包括以下步骤:
通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;
选用邻插值法对所述光场图像进行上采样,将所述光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;
对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;
根据所述预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。
2.根据权利要求1所述的方法,其特征在于,在得到所述光场图像之后,还包括:
对所述光场图像进行矩阵化,其中,读取所述光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,所述矩阵中的值为相对应的图像像素的灰度值。
3.根据权利要求2所述的方法,其特征在于,所述新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数,n为所述光场图像放大预设倍数。
4.根据权利要求3所述的方法,其特征在于,所述对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,包括:
将所述矩阵的行坐标相同的值相加,生成列矩阵,并且将所述矩阵的列坐标相同的值相加,生成行矩阵;
获取所述列矩阵的最大值以取对应的行坐标,并且获取所述行矩阵的最大值以取对应的行坐标,以确定所述预估微透镜图像中心。
5.根据权利要求4所述的方法,其特征在于,所述提取得到微透镜子图像几何中心及边缘,包括:
以所述预估微透镜图像中心为中心(s,t),以预设半径在所述灰度值矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到所述微透镜子图像几何边缘。
6.一种微透镜子图像几何中心及边缘的提取装置,其特征在于,包括:
成像模块,用于通过微透镜阵列的光场相机对均匀面光源进行成像,得到光场图像;
上采样模块,用于选用邻插值法对所述光场图像进行上采样,将所述光场图像放大预设倍数,生成具有明显锯齿边缘的新光场图像;
预估模块,用于对所述新光场图像进行水平方向和竖直方向的灰度值求和,确定两个方向上和最大时的坐标值,以得到预估微透镜图像中心;
提取模块,用于根据所述预估微透镜图像中心,基于微透镜子图像圆内能量最大化得到当前中心位置,提取得到微透镜子图像几何中心及边缘。
7.根据权利要求6所述的装置,其特征在于,还包括:
矩阵模块,用于在得到所述光场图像之后,对所述光场图像进行矩阵化,其中,读取所述光场图像,得到灰度值矩阵,且矩阵的行数、列数分别为图像像素的行数、列数,所述矩阵中的值为相对应的图像像素的灰度值。
8.根据权利要求7所述的装置,其特征在于,所述新光场图像的计算公式为:
Ana×nb(i,j)=Ma×b(p,q),
其中,Ma×b为灰度值矩阵,p=1,2,…,a,q=1,2,…,b,a和b为正整数,na、nb分别为行数和列数,n为所述光场图像放大预设倍数。
9.根据权利要求8所述的装置,其特征在于,所述预估模块进一步用于将所述矩阵的行坐标相同的值相加,生成列矩阵,并且将所述矩阵的列坐标相同的值相加,生成行矩阵;获取所述列矩阵的最大值以取对应的行坐标,并且获取所述行矩阵的最大值以取对应的行坐标,以确定所述预估微透镜图像中心。
10.根据权利要求9所述的装置,其特征在于,所述提取模块进一步用于以所述预估微透镜图像中心为中心(s,t),以预设半径在所述灰度值矩阵表示的图形中画圆,将圆内的灰度值相加,得值S,当中心(s,t)在{a-2n≤s≤a+2n,b-2n≤t≤b+2n}中遍历时,产生多个圆C,同时会产生多个值S,遍历顺序按照先从左到右,倒数第一行结束倒数第二行从左到右,直至遍历完成,取S最大时的中心的坐标(s,t),认为此坐标即为实际几何中心坐标,以(s,t)为中心,5n像元单位为半径在图像中画圆,得到所述微透镜子图像几何边缘。
CN201911077700.XA 2019-11-06 2019-11-06 微透镜子图像几何中心及边缘的提取方法及装置 Active CN111028257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911077700.XA CN111028257B (zh) 2019-11-06 2019-11-06 微透镜子图像几何中心及边缘的提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911077700.XA CN111028257B (zh) 2019-11-06 2019-11-06 微透镜子图像几何中心及边缘的提取方法及装置

Publications (2)

Publication Number Publication Date
CN111028257A CN111028257A (zh) 2020-04-17
CN111028257B true CN111028257B (zh) 2022-05-17

Family

ID=70204943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911077700.XA Active CN111028257B (zh) 2019-11-06 2019-11-06 微透镜子图像几何中心及边缘的提取方法及装置

Country Status (1)

Country Link
CN (1) CN111028257B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215893B (zh) * 2020-10-28 2022-10-28 安徽农业大学 目标二维中心坐标点确定方法、装置、设备及测距系统
CN114136591B (zh) * 2021-11-26 2023-09-08 广东工业大学 一种微透镜阵列超精密加工误差评定方法与系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210465A (zh) * 2015-05-29 2016-12-07 汤姆逊许可公司 用于根据4d原始光场数据获得重聚焦图像的方法
CN106303175A (zh) * 2016-08-17 2017-01-04 李思嘉 一种基于单光场相机多重视角的虚拟现实三维数据采集方法
CN107637061A (zh) * 2015-04-27 2018-01-26 汤姆逊许可公司 处理光场内容的方法和设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8811769B1 (en) * 2012-02-28 2014-08-19 Lytro, Inc. Extended depth of field and variable center of perspective in light-field processing
US9420276B2 (en) * 2012-02-28 2016-08-16 Lytro, Inc. Calibration of light-field camera geometry via robust fitting

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107637061A (zh) * 2015-04-27 2018-01-26 汤姆逊许可公司 处理光场内容的方法和设备
CN106210465A (zh) * 2015-05-29 2016-12-07 汤姆逊许可公司 用于根据4d原始光场数据获得重聚焦图像的方法
CN106303175A (zh) * 2016-08-17 2017-01-04 李思嘉 一种基于单光场相机多重视角的虚拟现实三维数据采集方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Modeling the calibration pipeline of the Lytro camera for high quality light-field image reconstruction;CHO, Donghyeon等;《COMPUTER VISION FOUNDATION》;20131231;全文 *
光场相机中微透镜阵列与探测器配准误差分析;袁艳等;《光子学报》;20100115(第01期);全文 *
基于双阈值Huber范数估计的图像正则化超分辨率算法;周树波等;《物理学报》;20130909(第20期);全文 *

Also Published As

Publication number Publication date
CN111028257A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN109360235B (zh) 一种基于光场数据的混合深度估计方法
US10699476B2 (en) Generating a merged, fused three-dimensional point cloud based on captured images of a scene
CN101996398B (zh) 用于晶圆对准的图像匹配方法及设备
CN107995424B (zh) 基于深度图的光场全聚焦图像生成方法
KR101759798B1 (ko) 실내 2d 평면도의 생성 방법, 장치 및 시스템
CN107170008B (zh) 一种深度图创建方法、系统以及图像虚化方法、系统
CN106091984A (zh) 一种基于线激光的三维点云数据获取方法
CN109883391B (zh) 基于微透镜阵列数字成像的单目测距方法
CN109373912B (zh) 一种基于双目视觉的非接触式六自由度位移测量方法
CN109118544B (zh) 基于透视变换的合成孔径成像方法
CN111028257B (zh) 微透镜子图像几何中心及边缘的提取方法及装置
CN107610182B (zh) 一种光场相机微透镜阵列中心的标定方法
JP2013178656A (ja) 画像処理装置、画像処理方法および画像処理用のプログラム
CN105005964A (zh) 基于视频序列影像的地理场景全景图快速生成方法
CN106875436A (zh) 一种基于特征点密度由聚焦堆栈估计深度的方法和装置
EP3026631A1 (en) Method and apparatus for estimating depth of focused plenoptic data
CN115578296B (zh) 一种立体视频处理方法
CN106027911B (zh) 一种对地观测星载可见光传输型相机的在轨调焦方法
CN113793266A (zh) 一种多目机器视觉图像拼接方法、系统及存储介质
CN104537627B (zh) 一种深度图像的后处理方法
CN116625258A (zh) 链条间距测量系统及链条间距测量方法
CN115330684A (zh) 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法
CN114998448A (zh) 一种多约束双目鱼眼相机标定与空间点定位的方法
CN113808019A (zh) 一种非接触测量系统及方法
CN112132771B (zh) 一种基于光场成像的多聚焦图像融合方法

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