CN111179184B - 基于随机抽样一致性的鱼眼图像有效区域提取方法 - Google Patents

Abstract

本发明公开了基于随机抽样一致性的鱼眼图像有效区域提取方法，基于随机抽样一致性的鱼眼图像有效区域提取方法，通过垂直分割线与鱼眼图像理想有效区域的交点找出第一准有效区域边界，然后通过水平分割线与鱼眼图像理想有效区域的交点找出第二准有效区域边界，最后从第一、二准有效区域边界中，选取半径较大的作为最终有效区域边界；最终有效区域边界所包围的则为鱼眼图像有效区域。所述第一准有效区域边界和第二准有效区域边界均通过随机抽样一致性算法找出。本发明具有处理速度快、提取精度高、适应性强等优点。

Description

基于随机抽样一致性的鱼眼图像有效区域提取方法

技术领域

本发明涉及图像处理的技术领域，尤其涉及到基于随机抽样一致性的鱼眼图像有效区域提取方法。

背景技术

利用鱼眼镜头拍摄得到的图像称为鱼眼图像，鱼眼图像包含拍摄景物的有效区域为一个位于图像中间位置的圆域，有效区域外部则全为黑色。因为鱼眼镜头具有近180°的超广视角，所以鱼眼图像包含的信息比一般的图像多，这使得鱼眼图像在无人机航拍巡检、全景合成等领域具有很大的应用前景。

由于鱼眼镜头存在严重的桶形畸变，在对鱼眼图像进行分析或应用前，必须先对鱼眼图像进行畸变矫正。而在非相机标定的矫正方法中，鱼眼图像有效区域的提取精度会直接影响矫正的效果。现有的鱼眼图像有效区域提取方法主要有：面积统计法、最小二乘拟合法、区域生长法等。

然而，现有的技术均存在着缺点：

面积统计法、区域生长法需要处理图像上的每一个像素点，图像分辨率越高像素点越多，处理的时间就越久，最小二乘拟合法需要进行大量的非线性方程求解计算，耗时长。

当鱼眼图像有效区域存在黑色物体时，面积统计法会把该物体判断为无效区域，黑色物体面积越大，提取到的有效区域的位置和大小的误差也越大。当鱼眼图像有效区域上下左右边界中的某一边界或某几条边界存在黑色物体时，也会无法准确得到有效区域的位置和大小，甚至会使提取到的有效区域超出了图像的范围。

发明内容

本发明的目的在于克服现有技术的不足，提供一种处理速度快、提取精度高、适应性强的基于随机抽样一致性的鱼眼图像有效区域提取方法。

为实现上述目的，本发明所提供的技术方案为：

基于随机抽样一致性的鱼眼图像有效区域提取方法，通过垂直分割线与鱼眼图像理想有效区域的交点找出第一准有效区域边界，然后通过水平分割线与鱼眼图像理想有效区域的交点找出第二准有效区域边界，最后从第一、二准有效区域边界中，选取半径较大的作为最终有效区域边界；最终有效区域边界所包围的则为鱼眼图像有效区域。

进一步地，所述第一准有效区域边界和第二准有效区域边界均通过随机抽样一致性算法找出。

进一步地，包括以下步骤：

S1：求出鱼眼图像的行数和列数，确定图像的水平中线和垂直中线；

S2：通过扫描的方式确定中线与理想有效区域的交距，求出水平交距AB以及垂直交距CD；

S3：把水平交距AB和垂直交距CD各分成n等份，垂直和水平方向各有n-1条分割线与理想有效区域相交，并各有(n-1)*2个交点；

S4：利用扫描的方式确定各个交点的坐标；

S5：通过随机抽样一致性算法分别找出第一准有效区域边界和第二准有效区域边界；

S6：从步骤S5得出的第一、二准有效区域边界中，选取半径较大的作为最终有效区域边界，最终有效区域边界所包围的则为鱼眼图像有效区域。

进一步地，所述步骤S2中，水平交距AB通过以下步骤求出：

从左到右对同一行的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域左边界点，再从右到左扫描，确定右边界点，水平交距值为右边界点列坐标减左边界点列坐标；

垂直交距CD通过以下步骤求出：

从上到下对同一列的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域上边界点，再从下到上扫描，确定下边界点，垂直交距值为下边界点行坐标减上边界点行坐标。

进一步地，所述步骤S5中，通过随机抽样一致性算法找出第一准有效区域边界的具体过程如下：

对垂直分割线与理想有效区域的(n-1)*2个交点进行随机抽样，无放回地抽取三个点，以确保三个点不同，并利用三点法求这三个点所确定的圆C_i的圆心O_i和半径R_i；

对剩下((n-1)*2-3)个点，求每个点到圆心O_i的距离r，并求Δr＝|r-R_i|，若δ₂＜Δr＜δ₁，则判断该点为局内点，并统计圆C_i局内点的个数，其中δ₁和δ₂分别为上下边界半径与R_i的差值的绝对值；

重复步骤1)和2)K次后，K可根据提取效果调整，取局内点最多的圆C_i为准有效区域边界。

与现有技术相比，本方案原理及优点如下：

1.无需处理有效区域内部像素，只对有效区域的边界进行分析，避免了有效区域内部因素干扰提取效果。

2.不只是以上下左右的边界确定有效区域，而是对有效区域边界进行整体性分析，大大提高了有效区域提取的精确度。

3.对有效区域边界进行整体性分析时，通过随机抽样一致性算法排除了部分边界上的干扰对提取准有效区域边界的影响。

4.对有效区域边界进行整体性分析时，水平分割线交点和垂直分割线交点分开处理，保证取点均匀性的同时避免交点发生混叠导致求圆失败。

5.由于只对有效区域的边界进行整体性分析，因此，需要处理的像素点较少，处理速度快，且处理速度不会因图像分辨率的变化而产生明显的波动，具有较强适应性。

附图说明

为了更清楚地说明本发明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服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为随机抽样一致性算法例子的示意图；

图2为本发明基于随机抽样一致性的鱼眼图像有效区域提取方法具体实施例中无干扰交点及上下边界示意图；

图3为本发明基于随机抽样一致性的鱼眼图像有效区域提取方法具体实施例中有干扰垂直分割线交点示意图；

图4为本发明基于随机抽样一致性的鱼眼图像有效区域提取方法的工作流程图。

具体实施方式

在说明具体实施例前，先对本发明涉及到的随机抽样一致性算法进行说明：

随机抽样一致性算法(RANSAC)，其可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。随机抽样一致性算法的基本假设是：(1)有用数据由“局内点”组成，数据的分布可以用一些模型参数来解释；(2)“局外点”是不能适应该模型的数据。例如，图1(a)是一个待估计的数据集，包含局内点和局外点，已知数据的数学模型为一个一元二次函数：y＝Ax²+Bx+C，每次随机取数据集中的三个点，代入函数求参数A、B、C的值，得到估计曲线，并设上下边界偏离估计曲线的距离为δ₁和δ₂，计算落在上下边界范围内的点数，进行K次抽取和计算后，把落在上下边界范围内点数最多的估计曲线作为最终结果，如图1(b)所示。

下面结合具体实施例对本发明作进一步说明：

如图4所示，基于随机抽样一致性的鱼眼图像有效区域提取方法，包括以下步骤：

S1：鱼眼图像的抽象理想模型如图2所示，中间的圆形区域为理想有效区域，求出鱼眼图像的行数和列数，确定图像的水平中线和垂直中线；

S2：通过扫描的方式确定中线与理想有效区域的交距，求出水平交距AB以及垂直交距CD；

其中，水平交距AB通过以下步骤求出：

从左到右对同一行的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域左边界点，再从右到左扫描，确定右边界点，水平交距值为右边界点列坐标减左边界点列坐标；

垂直交距CD通过以下步骤求出：

从上到下对同一列的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域上边界点，再从下到上扫描，确定下边界点，垂直交距值为下边界点行坐标减上边界点行坐标。

S3：把水平交距AB和垂直交距CD各分成16等份(可在保证数据点足够的情况下调整等份数)，垂直和水平方向各有15条分割线与理想有效区域相交，并各有30个交点；

S4：利用扫描的方式确定各个交点的坐标；

S5：通过随机抽样一致性算法分别找出第一准有效区域边界和第二准有效区域边界；

本步骤中，通过随机抽样一致性算法找出第一准有效区域边界的具体过程如下：

1)对垂直分割线与理想有效区域的30个交点进行随机抽样，无放回地抽取三个点，以确保三个点不同，并利用三点法求这三个点所确定的圆C_i的圆心O_i和半径R_i；

2)对剩下27个点，求每个点到圆心O_i的距离r，并求Δr＝|r-R_i|，若δ₂＜Δr＜δ₁，则判断该点为局内点，并统计圆C_i局内点的个数，其中δ₁和δ₂分别为上下边界半径与R_i的差值的绝对值；一般情况下，可取δ₁＝δ₂，其取值可根据图像大小和提取精度设定(1920*1280的鱼眼图像，可取δ为20个像素)

3)重复步骤1)和2)K次后，K可根据提取效果调整，一般取K＝100，取局内点最多的圆C_i为准有效区域边界。

而找出第二准有效区域边界的原理与通过随机抽样一致性算法找出第一准有效区域边界的原理一致，把垂直分割线代替为水平分割线即可。

S6：从步骤S5得出的第一、二准有效区域边界中，选取半径较大的作为最终有效区域边界，最终有效区域边界所包围的则为鱼眼图像有效区域。

本实施例中，假设了有效区域位于图像的正中，即水平交距和垂直交距均为有效区域半径，此时的交距也是最大的，即使对于实际情况，有效区域可能会偏离图像的中心，交矩变小，对最终的提取效果并不会产生影响。另外，对水平分割线交点和垂直分割线交点分开处理，避免了水平分割线交点和垂直分割线交点发生混叠导致求圆失败。图3中，由于有效区域边缘拍摄到了黑色物体(右上角缺口)，分割线交点产生了伪边界的干扰点，当抽取的三个点均为有用数据点时，估计的有效区域边界会把干扰点判断为局外点，而当抽取的点包含干扰点时，判断为局内点的点数将减少，极端情况下，抽取的三个点均为干扰点时，判断为局内点的点数最少。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (4)

1.基于随机抽样一致性的鱼眼图像有效区域提取方法，其特征在于，通过垂直分割线与鱼眼图像理想有效区域的交点找出第一准有效区域边界，然后通过水平分割线与鱼眼图像理想有效区域的交点找出第二准有效区域边界，最后从第一、二准有效区域边界中，选取半径较大的作为最终有效区域边界；最终有效区域边界所包围的则为鱼眼图像有效区域；

其中，所述通过垂直分割线与鱼眼图像理想有效区域的交点找出第一准有效区域边界，然后通过水平分割线与鱼眼图像理想有效区域的交点找出第二准有效区域边界，包括以下步骤：

S1：求出鱼眼图像的行数和列数，确定图像的水平中线和垂直中线；

S2：通过扫描的方式确定中线与理想有效区域的交距，求出水平交距AB以及垂直交距CD；

S3：把水平交距AB和垂直交距CD各分成n等份，垂直和水平方向各有n-1条分割线与理想有效区域相交，并各有(n-1)*2个交点；

S4：利用扫描的方式确定各个交点的坐标；

S5：通过随机抽样一致性算法分别找出第一准有效区域边界和第二准有效区域边界。

2.根据权利要求1所述的基于随机抽样一致性的鱼眼图像有效区域提取方法，其特征在于，所述第一准有效区域边界和第二准有效区域边界均通过随机抽样一致性算法找出。

3.根据权利要求1所述的基于随机抽样一致性的鱼眼图像有效区域提取方法，其特征在于，所述步骤S2中，水平交距AB通过以下步骤求出：

从左到右对同一行的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域左边界点，再从右到左扫描，确定右边界点，水平交距值为右边界点列坐标减左边界点列坐标；

垂直交距CD通过以下步骤求出：

从上到下对同一列的像素点进行判断，当第一次出现像素值大于设定阈值的点则记为理想有效区域上边界点，再从下到上扫描，确定下边界点，垂直交距值为下边界点行坐标减上边界点行坐标。

4.根据权利要求1所述的基于随机抽样一致性的鱼眼图像有效区域提取方法，其特征在于，所述步骤S5中，通过随机抽样一致性算法找出第一准有效区域边界的具体过程如下：

1)对垂直分割线与理想有效区域的(n-1)*2个交点进行随机抽样，无放回地抽取三个点，以确保三个点不同，并利用三点法求这三个点所确定的圆C_i的圆心O_i和半径R_i；

2)对剩下((n-1)*2-3)个点，求每个点到圆心O_i的距离r，若R_i-δ₂＜r＜R_i+δ₁，则判断该点为局内点，并统计圆C_i局内点的个数，其中δ₁和δ₂分别为上下边界半径与R_i的差值的绝对值；其中上边界为圆C_i向外偏离距离为δ₁的圆；上边界为圆C_i向内偏离距离为δ₂的圆；

重复步骤1)和2)K次后，K可根据提取效果调整，取局内点最多的圆C_i为准有效区域边界。

Images