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
基于随机抽样一致性的鱼眼图像有效区域提取方法 Download PDFInfo
- Publication number
- CN111179184B CN111179184B CN201911204462.4A CN201911204462A CN111179184B CN 111179184 B CN111179184 B CN 111179184B CN 201911204462 A CN201911204462 A CN 201911204462A CN 111179184 B CN111179184 B CN 111179184B
- Authority
- CN
- China
- Prior art keywords
- boundary
- effective area
- points
- quasi
- intersection
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
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
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Ci的圆心Oi和半径Ri;
对剩下((n-1)*2-3)个点,求每个点到圆心Oi的距离r,并求Δr=|r-Ri|,若δ2<Δr<δ1,则判断该点为局内点,并统计圆Ci局内点的个数,其中δ1和δ2分别为上下边界半径与Ri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Ci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Ci的圆心Oi和半径Ri;
2)对剩下27个点,求每个点到圆心Oi的距离r,并求Δr=|r-Ri|,若δ2<Δr<δ1,则判断该点为局内点,并统计圆Ci局内点的个数,其中δ1和δ2分别为上下边界半径与Ri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Ci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Ci的圆心Oi和半径Ri;
2)对剩下((n-1)*2-3)个点,求每个点到圆心Oi的距离r,若Ri-δ2<r<Ri+δ1,则判断该点为局内点,并统计圆Ci局内点的个数,其中δ1和δ2分别为上下边界半径与Ri的差值的绝对值;其中上边界为圆Ci向外偏离距离为δ1的圆;上边界为圆Ci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Ci为准有效区域边界。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204462.4A CN111179184B (zh) | 2019-11-29 | 2019-11-29 | 基于随机抽样一致性的鱼眼图像有效区域提取方法 |
JP2020162580A JP6830712B1 (ja) | 2019-11-29 | 2020-09-28 | ランダムサンプリング一貫性に基づく魚眼画像の有効領域抽出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204462.4A CN111179184B (zh) | 2019-11-29 | 2019-11-29 | 基于随机抽样一致性的鱼眼图像有效区域提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111179184A CN111179184A (zh) | 2020-05-19 |
CN111179184B true CN111179184B (zh) | 2021-05-04 |
Family
ID=70657182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911204462.4A Active CN111179184B (zh) | 2019-11-29 | 2019-11-29 | 基于随机抽样一致性的鱼眼图像有效区域提取方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6830712B1 (zh) |
CN (1) | CN111179184B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741523B (zh) * | 2021-09-08 | 2024-03-19 | 北京航空航天大学 | 一种基于边界和采样的混合无人机自主探测方法 |
CN115032202B (zh) * | 2022-08-10 | 2022-11-08 | 山东唐乐生物科技股份有限公司 | 一种甜菊糖苷产品的残留杂质去除方法 |
CN115482244A (zh) * | 2022-09-14 | 2022-12-16 | 南京索图科技有限公司 | 一种内镜镜下影像处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013015699A1 (en) * | 2011-07-25 | 2013-01-31 | Universidade De Coimbra | Method and apparatus for automatic camera calibration using one or more images of a checkerboard pattern |
CN104167002A (zh) * | 2014-08-28 | 2014-11-26 | 中国矿业大学 | 鱼眼图像的有效区域提取方法 |
WO2014190106A1 (en) * | 2013-05-23 | 2014-11-27 | Microsoft Corporation | Hologram anchoring and dynamic positioning |
CN106651758A (zh) * | 2016-12-16 | 2017-05-10 | 深圳市保千里电子有限公司 | 一种基于含噪鱼眼图像的有效区域提取方法及系统 |
WO2017136109A1 (en) * | 2016-02-05 | 2017-08-10 | Qualcomm Incorporated | Calibration of hybrid auto focus (af) imaging systems |
CN107644394A (zh) * | 2016-07-21 | 2018-01-30 | 完美幻境(北京)科技有限公司 | 一种3d图像的处理方法及装置 |
CN109801212A (zh) * | 2018-12-26 | 2019-05-24 | 南京信息职业技术学院 | 一种基于sift特征的鱼眼图像拼接方法 |
CN110264397A (zh) * | 2019-07-01 | 2019-09-20 | 广东工业大学 | 一种提取鱼眼图像的有效区域的方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035134B (zh) * | 2017-06-08 | 2021-09-28 | 株式会社理光 | 全景图像拼接方法、装置、电子设备及存储介质 |
CN110060259A (zh) * | 2019-04-04 | 2019-07-26 | 东华大学 | 一种基于霍夫变换的鱼眼镜头有效区域提取方法 |
CN110443246B (zh) * | 2019-08-14 | 2022-02-22 | 重庆大学 | 一种基于均值差优化的鱼眼图像有效区域提取方法 |
-
2019
- 2019-11-29 CN CN201911204462.4A patent/CN111179184B/zh active Active
-
2020
- 2020-09-28 JP JP2020162580A patent/JP6830712B1/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013015699A1 (en) * | 2011-07-25 | 2013-01-31 | Universidade De Coimbra | Method and apparatus for automatic camera calibration using one or more images of a checkerboard pattern |
WO2014190106A1 (en) * | 2013-05-23 | 2014-11-27 | Microsoft Corporation | Hologram anchoring and dynamic positioning |
CN104167002A (zh) * | 2014-08-28 | 2014-11-26 | 中国矿业大学 | 鱼眼图像的有效区域提取方法 |
WO2017136109A1 (en) * | 2016-02-05 | 2017-08-10 | Qualcomm Incorporated | Calibration of hybrid auto focus (af) imaging systems |
CN107644394A (zh) * | 2016-07-21 | 2018-01-30 | 完美幻境(北京)科技有限公司 | 一种3d图像的处理方法及装置 |
CN106651758A (zh) * | 2016-12-16 | 2017-05-10 | 深圳市保千里电子有限公司 | 一种基于含噪鱼眼图像的有效区域提取方法及系统 |
CN109801212A (zh) * | 2018-12-26 | 2019-05-24 | 南京信息职业技术学院 | 一种基于sift特征的鱼眼图像拼接方法 |
CN110264397A (zh) * | 2019-07-01 | 2019-09-20 | 广东工业大学 | 一种提取鱼眼图像的有效区域的方法和装置 |
Non-Patent Citations (3)
Title |
---|
《Using RANSAC for Omnidirectional Camera Model Fitting》;Branislav Micusik et al;;《Center for machine perception》;20030228;第1-8页; * |
《一种改进的鱼眼图像有效区域提取方法》;马朋飞 等;;《现代电子技术》;20170801;第40卷(第15期);第10-13页; * |
《分割线扫描鱼眼图像有效区域提取算法》;程德强 等;《电视技术》;20150429;第39卷(第6期);第1-5页; * |
Also Published As
Publication number | Publication date |
---|---|
CN111179184A (zh) | 2020-05-19 |
JP2021086616A (ja) | 2021-06-03 |
JP6830712B1 (ja) | 2021-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179184B (zh) | 基于随机抽样一致性的鱼眼图像有效区域提取方法 | |
US20200160493A1 (en) | Image filtering based on image gradients | |
CN112070845B (zh) | 双目相机的标定方法、装置及终端设备 | |
CN110910421B (zh) | 基于分块表征和可变邻域聚类的弱小运动目标检测方法 | |
CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
US10614551B2 (en) | Image interpolation methods and related image interpolation devices thereof | |
WO2021179983A1 (zh) | 基于三维激光的集卡防吊起检测方法、装置和计算机设备 | |
CN112581904B (zh) | 一种oled屏亮度灰阶图像的摩尔纹补偿方法 | |
CN109194954B (zh) | 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 | |
CN110738707A (zh) | 一种相机的畸变校正方法及装置、设备、存储介质 | |
CN112669280B (zh) | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN110264397B (zh) | 一种提取鱼眼图像的有效区域的方法和装置 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
KR101583423B1 (ko) | 카메라에서 촬영된 영상의 왜곡을 보정하기 위한 영상 왜곡 보정 방법 | |
CN109685794B (zh) | 用于手机屏幕缺陷检测相机自适应步长dpc算法及装置 | |
CN112017163A (zh) | 图像模糊度检测的方法、装置、电子设备及存储介质 | |
CN108520499B (zh) | 一种基于白带显微成像的图像偏移矫正方法 | |
CN110334606A (zh) | 画中画定位方法及装置 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN112365600B (zh) | 一种三维物体检测方法 | |
JP6492603B2 (ja) | 画像処理装置、システム、画像処理方法、およびプログラム | |
CN114820376A (zh) | 条带噪声的融合校正方法、装置、电子设备及存储介质 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
US11443521B2 (en) | Method and device for evaluating images, operational assistance method and operating device |
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 |