CN112258383B - 一种鱼眼图像中有效区域的确定方法、装置及设备 - Google Patents
一种鱼眼图像中有效区域的确定方法、装置及设备 Download PDFInfo
- Publication number
- CN112258383B CN112258383B CN202011126827.9A CN202011126827A CN112258383B CN 112258383 B CN112258383 B CN 112258383B CN 202011126827 A CN202011126827 A CN 202011126827A CN 112258383 B CN112258383 B CN 112258383B
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- points
- point
- angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000005484 gravity Effects 0.000 claims description 45
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 2
- 239000000523 sample Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- CXENHBSYCFFKJS-OXYODPPFSA-N (Z,E)-alpha-farnesene Chemical group CC(C)=CCC\C(C)=C\C\C=C(\C)C=C CXENHBSYCFFKJS-OXYODPPFSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
- G06T3/047—Fisheye or wide-angle transformations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种鱼眼图像中有效区域的确定方法、装置及设备，该方法包括：获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；从所述二值图像的所有像素点中选取出多个备选边界像素点；基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。通过本申请的技术方案，基于鱼眼图像弧边上的点组成的中垂线过圆心的实际理论，来确定出鱼眼图像的有效区域，从而准确从鱼眼图像中确定出有效区域，可靠性高，场景适应性强。
Description
技术领域
本申请涉及监控领域，尤其涉及一种鱼眼图像中有效区域的确定方法、装置及设备。
背景技术
鱼眼镜头是一种焦距极短(如16mm等)，且视角接近或者达到180度的镜头，属于超广角镜头的一种特殊镜头，鱼眼镜头的视角力求达到或者超出人眼所能看到的范围，视角范围很大，这就为近距离拍摄大范围景物创造了条件。
鱼眼镜头在接近目标对象(即被拍摄物)进行拍摄时，能够产生非常强烈的透视效果，即鱼眼图像具有很强的感染力。鱼眼镜头具有相当长的景深，有利于鱼眼图像的长景深效果。由于鱼眼镜头具有超大视场，因而被广泛应用于场景监视、卫星定位、机器人导航、微小智能系统及工程测量等领域。
但是，在通过鱼眼镜头采集鱼眼图像时，鱼眼图像具有严重的变形，如果需要利用鱼眼图像的信息，则需要将鱼眼图像校正为常规的线性图像。为了将鱼眼图像校正为常规的线性图像，则需要从鱼眼图像中确定出有效区域(通常为圆形)，基于鱼眼图像的有效区域，将鱼眼图像校正为常规的线性图像。
综上可以看出，提取鱼眼图像的有效区域，是对该鱼眼图像进行校正的前提，鱼眼图像的有效区域的确定精度，将影响到鱼眼图像校正的效果。但是，如何准确的从鱼眼图像中确定出有效区域，目前并没有有效的实现方式。
发明内容
本申请提供一种鱼眼图像中有效区域的确定方法，所述方法包括：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
示例性的，所述从所述二值图像的所有像素点中选取出多个备选边界像素点，包括：从所述二值图像的所有像素点中选取出多个目标像素点；
基于所述多个目标像素点确定所述二值图像的重心位置；
针对每个目标像素点，基于所述重心位置确定所述目标像素点的距离值，并基于所述重心位置和所述距离值确定所述目标像素点的角度值；
从所有目标像素点的角度值中选取出多个角度值作为目标角度；
针对每个目标角度，基于所述目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与所述目标角度对应的备选边界像素点
示例性的，所述从所有目标像素点的角度值中选取出多个角度值作为目标角度，包括：
从所有目标像素点的角度值中选取出一个角度值作为初始角度；
基于所述初始角度和预设间隔，从所有目标像素点的角度值中选取出多个角度值作为目标角度。
示例性的，所述基于所述多个备选边界像素点确定出多个目标交点，包括：
针对所述多个备选边界像素点中任意两个备选边界像素点，确定所述两个备选边界像素点连线的中垂线，以得到多个中垂线；针对所述多个中垂线中任意两个中垂线，将所述两个中垂线的交点确定为初始交点，以得到多个初始交点；从所述多个初始交点中选取部分初始交点或者全部初始交点作为目标交点。
示例性的，所述确定所述两个备选边界像素点连线的中垂线，包括：确定所述两个备选边界像素点连线的斜率；确定所述两个备选边界像素点连线的弦中点；基于所述斜率和所述弦中点确定所述两个备选边界像素点连线的中垂线。
示例性的，所述从所述多个初始交点中选取部分初始交点作为目标交点，包括：针对每个初始交点，确定所述初始交点的邻域交点数，并基于所有初始交点的邻域交点数确定用于划分目标交点的数量阈值；
针对每个初始交点，若所述初始交点的邻域交点数大于所述数量阈值，则将所述初始交点确定为目标交点；否则，将所述初始交点确定为非目标交点。
示例性的，所述确定所述初始交点的邻域交点数，包括：
将除所述初始交点之外的剩余初始交点均确定为待比较交点；
依次遍历每个待比较交点，若所述初始交点与该待比较交点的距离小于邻域半径，则将所述初始交点的邻域交点数加一；若所述初始交点与该待比较交点的距离不小于邻域半径，则保持所述初始交点的邻域交点数不变；
在完成所有待比较交点的遍历后，统计所述初始交点的邻域交点数。
在一种可能的实施方式中，所述基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径，包括：将所述多个目标交点的重心，确定为所述鱼眼图像的圆心位置；确定所述圆心位置与每个备选边界像素点之间的距离，并将最大距离确定为所述鱼眼图像的有效区域半径。
本申请提供一种鱼眼图像中有效区域的确定装置，所述装置包括：
获取模块，用于获取鱼眼镜头采集的鱼眼图像；
转换模块，用于将所述鱼眼图像转换为二值图像；
选取模块，用于从二值图像的所有像素点中选取出多个备选边界像素点；
确定模块，用于基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
本申请提供一种电子设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现如下步骤：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
由以上技术方案可见，本申请实施例中，可以基于多个备选边界像素点确定出多个目标交点，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线，并基于多个目标交点确定鱼眼图像的圆心位置和有效区域半径，基于圆心位置和有效区域半径从鱼眼图像中确定出有效区域。在上述方式中，在鱼眼图像的有效区域为圆形(或近似圆形)的前提下，能够利用圆的弧弦关系确定出鱼眼图像的有效区域，也就是说，基于鱼眼图像弧边上的点组成的中垂线过圆心的实际理论，来确定出鱼眼图像的有效区域，从而能够准确的从鱼眼图像中确定出有效区域，可靠性很高，且场景适应性强，针对暗区较大或者遮挡(有效内容缺失)的场景，均具有很好的可靠性。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。
图1是本申请一种实施方式中的有效区域的确定方法的流程示意图；
图2A-图2C是本申请一种实施方式中的二值图像转换过程示意图；
图3A和图3B是本申请一种实施方式中的备选边界像素点的示意图；
图4是本申请一种实施方式中的有效区域的确定装置的结构示意图；
图5是本申请一种实施方式中的电子设备的硬件结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在通过鱼眼镜头采集鱼眼图像时，鱼眼图像具有严重的变形，为了将鱼眼图像校正为常规的线性图像，则需要从鱼眼图像中确定出有效区域，该有效区域通常为圆形，基于鱼眼图像的有效区域，将鱼眼图像校正为常规的线性图像。
为了从鱼眼图像中确定出有效区域，本申请实施例中提出一种有效区域的确定方法，能够利用圆的弧弦关系确定出鱼眼图像的有效区域，即，基于鱼眼图像弧边上的点组成的中垂线过圆心的实际理论，来确定出鱼眼图像的有效区域，从而能够准确的从鱼眼图像中确定出有效区域，可靠性很高，且场景适应性强，针对暗区较大或者遮挡(有效内容缺失)的场景，均具有很好的可靠性。
以下结合具体实施例，对本申请实施例的技术方案进行说明。
参见图1所示，为有效区域的确定方法的流程图，该方法可以包括：
步骤101，获取鱼眼镜头采集的鱼眼图像。
示例性的，摄像机(如模拟摄像机或者网络摄像机等)的镜头可以为鱼眼镜头，摄像机可以通过鱼眼镜头采集图像，为了区分方便，将通过鱼眼镜头采集的图像称为鱼眼图像。若该方法应用于摄像机，则摄像机可以获取到鱼眼镜头采集的鱼眼图像。若该方法应用于后端设备(如服务器，管理设备等，对此不做限制)，则摄像机可以获取到鱼眼镜头采集的鱼眼图像，并将该鱼眼图像发送给后端设备，后端设备可以获取到鱼眼镜头采集的鱼眼图像。
步骤102，将鱼眼图像转换为二值图像。
示例性的，由于鱼眼图像的有效区域与鱼眼图像的非有效区域在亮度上存在差异，因此，可以采用二值化方式将鱼眼图像转换为二值图像，对此转换方式不做限制。比如说，针对鱼眼图像的每个像素点，若该像素点的灰度值大于预设阈值，则将该像素点的灰度值调整为第一取值。若该像素点的灰度值不大于预设阈值，则将该像素点的灰度值调整为第二取值。在对鱼眼图像的所有像素点进行上述处理后，就可以得到二值图像，该二值图像的每个像素点可以为第一取值或者第二取值。第一取值和第二取值可以根据经验配置，如第一取值为255或者1等，第二取值为0，对此第一取值和第二取值均不做限制。
在上述实施例中，上述预设阈值可以是根据经验配置的固定阈值，也可以是采用OTSU算法(最大类间方差法，也可以称为大津算法)确定的阈值，还可以是采用其它算法确定的阈值，对此预设阈值的确定方式不做限制。
在一种可能的实施方式中，在将鱼眼图像转换为二值图像的过程中，可以先基于预设阈值将该鱼眼图像转换为第一图像，对此转换方式不做限制。比如说，针对鱼眼图像的每个像素点，若该像素点的灰度值大于预设阈值，则将该像素点的灰度值调整为第一取值，若该像素点的灰度值不大于预设阈值，则将该像素点的灰度值调整为第二取值。然后，对该第一图像进行形态学闭运算，形态学闭运算是先膨胀运算，再腐蚀运算，用于将两个细微连接的图块封闭在一起，对于形态学闭运算过程不做限制，在对该第一图像进行形态学闭运算后，可以得到第二图像。然后，对该第二图像进行最大连通处理，如采用最大连通域算法对该第二图像进行最大连通处理，对此最大连通处理过程不做限制，在对第二图像进行最大连通处理后，将最大连通域作为二值图像。
参见图2A所示，为基于预设阈值将鱼眼图像转换为第一图像的示意图，参见图2B所示，为对第一图像进行形态学闭运算，得到第二图像的示意图，参见图2C所示，为对第二图像进行最大连通处理，得到二值图像的示意图。
步骤103，从二值图像的所有像素点中选取出多个备选边界像素点。
示例性的，由于二值图像是被分割出的最大连通域，结合鱼眼镜头近180度的视场角，可以利用二值图像的重心建立360度的视角特征，例如，若角度间隔为1度，则划分出360个目标角度，如0度、1度、…、359度。若角度间隔为2度，则划分出180个目标角度，如0度、2度、…、358度。若角度间隔为3度，则划分出120个目标角度，如0度、3度、…、357度，以此类推。综上所述，可以划分出多个目标角度，这些目标角度覆盖360度的视角特征。
针对每个目标角度，可以从目标角度指向方向的所有像素点中选取一个像素点，将该像素点作为与目标角度对应的备选边界像素点。例如，将目标角度指向方向上与二值图像的重心距离最大的像素点，作为与目标角度对应的备选边界像素点，即距离最大的像素点最有可能是圆形弧边的备选位置，是鱼眼图像的有效区域的边界点，因此，将距离最大的像素点作为备选边界像素点。
综上所述，针对多个目标角度中的每个目标角度，可以得到与该目标角度对应的备选边界像素点，从而能够得到多个备选边界像素点。
在一种可能的实施方式中，针对步骤103，可以采用如下步骤，从二值图像的所有像素点中选取出多个备选边界像素点。当然，如下方式只是示例，还可以采用其它方式从所有像素点中选取出多个备选边界像素点，对此不做限制。
步骤1031，从二值图像的所有像素点中选取出多个目标像素点，并基于所述多个目标像素点确定二值图像的重心位置。
例如，针对二值图像的每个像素点，该像素点的灰度值为第一取值(如非0，如255或1等)或者第二取值(如0)，若该像素点的灰度值为第一取值，则该像素点作为目标像素点，若该像素点的灰度值为第二取值，则该像素点不作为目标像素点。综上，可以从二值图像的所有像素点中选取出多个目标像素点。
在得到多个目标像素点后，可以基于多个目标像素点确定二值图像的重心位置，假设多个目标像素点的坐标分别是(x1，y1)、(x2，y2)、……、(xn，yn)，则二值图像的重心位置的横坐标记为center.x，且center.x＝(x1+x2+…+xn)/n，二值图像的重心位置的纵坐标记为center.y，且center.y＝(y1+y2+……+yn)/n。
示例性的，假设鱼眼图像的大小是M*N，即二值图像的大小也是M*N，则可以采用如下公式(1)确定二值图像的重心位置。当然，公式(1)只是一个示例，对此确定方式不做限制，只要能够得到二值图像的重心位置即可。
在公式(1)中，(x，y)表示二值图像的像素点，如像素点(0，0)、像素点(1，1)、像素点(2，1)等，(x，y)的不同取值对应所有像素点，I(x，y)表示二值图像中像素点(x，y)的像素值，即灰度值，如第一取值或者第二取值。M表示二值图像的宽度，N表示二值图像的高度。(center.x，center.y)表示二值图像的重心位置。
从公式(1)可以看出，像素点(x，y)可以是二值图像的所有像素点，当像素点(x，y)的灰度值为第二取值(如0)时，则x*I(x，y)为0，且y*I(x，y)为0，即公式(1)中，像素点(x，y)的灰度值不参与到(center.x，center.y)的确定过程，因此，灰度值为第二取值(如0)的像素点不作为目标像素点。
当像素点(x，y)的灰度值为第一取值(如1或255，后续以1为例)时，则x*I(x，y)为x，且y*I(x，y)为y，即公式(1)中，像素点(x，y)的灰度值参与到(center.x，center.y)的确定过程，因此，灰度值为第一取值的像素点作为目标像素点。显然，从公式(1)可以推导出，center.x就是所有目标像素点的横坐标的平均值，enter.y就是所有目标像素点的纵坐标的平均值。
综上所述，可以基于多个目标像素点确定二值图像的重心位置。
步骤1032，针对二值图像的每个目标像素点，基于该重心位置确定该目标像素点的距离值，并基于该重心位置和该距离值确定该目标像素点的角度值。
示例性的，可以采用如下公式(2)确定目标像素点(x，y)的距离值，该距离值表示目标像素点(x，y)与重心位置(center.x，center.y)之间的距离，如欧式距离等。当然，公式(2)只是示例，对此确定方式不做限制，只要能够得到目标像素点(x，y)的距离值即可。disMat(x，y)表示目标像素点(x，y)的距离值。
综上所述，可以基于重心位置确定每个目标像素点的距离值。
示例性的，可以采用公式(3)确定目标像素点(x，y)的角度值，该角度值表示目标像素点(x，y)与重心位置(center.x，center.y)之间连线的角度。当然，公式(3)只是示例，对此不做限制，能够得到目标像素点(x，y)的角度值即可。
在公式(3)中，angMat(x，y)表示目标像素点(x，y)的角度值，ang可以通过如下公式(4)确定，在公式(4)中，acos表示反余弦函数，disMat(x，y)表示目标像素点(x，y)的距离值，eps趋近于0但是不为0，PI表示π(pai)值，即3.14。
综上所述，参见公式(3)和公式(4)，可以基于重心位置(center.x，center.y)和目标像素点(x，y)的距离值disMat(x，y)，确定目标像素点(x，y)的角度值。
步骤1033，从所有目标像素点的角度值中选取出多个角度值作为目标角度。
示例性的，在所有目标像素点的角度值中，可能存在重复的角度值，如像素点1的角度值与像素点2的角度值相同，因此，从所有目标像素点的角度值中确定出不重复的多个角度值，并从不重复的多个角度值中选取部分或全部角度值作为目标角度(为了区分方便，将选取的角度值记为目标角度)。
在一种可能的实现方式中，由于每个目标角度对应一个备选边界像素点，为了避免备选边界像素点之间的距离过近，导致备选边界像素点之间连线的中垂线不准确，还可以设置一个预设间隔，如5度、10度等，基于此，可以从所有目标像素点的角度值中选取出一个角度值作为初始角度，如初始角度为0度，基于初始角度和预设间隔，从所有目标像素点的角度值中选取出多个角度值作为目标角度，如目标角度为初始角度+预设间隔*P，P为大于或者等于0的整数。
比如说，所有目标像素点的角度值包括0度、1度、...、359度，假设预设间隔为10度，初始角度为0度，则目标角度为0度、10度、20度、...、350度。
步骤1034，针对每个目标角度，基于目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与该目标角度对应的备选边界像素点。
示例性的，针对每个目标角度，该目标角度可以对应至少一个目标像素点，即这些目标像素点的角度值均为该目标角度，且已经获知该目标角度对应的所有目标像素点的距离值，因此，可以从该目标角度对应的所有目标像素点的距离值中选取出最大距离值，并将距离值最大的目标像素点确定为与该目标角度对应的备选边界像素点，即每个目标角度对应一个备选边界像素点。
例如，目标角度“0度”对应像素点11和像素点12，像素点11的距离值大于像素点12的距离值，则像素点11为与目标角度“0度”对应的备选边界像素点。目标角度“10度”对应像素点21和像素点22，像素点21的距离值大于像素点22的距离值，则像素点21为与目标角度“10度”对应的备选边界像素点，以此类推。
综上所述，针对每个目标角度，可以得到与该目标角度对应的备选边界像素点，从而得到多个备选边界像素点，这些备选边界像素点可能为圆形弧边的备选边界位置，这些备选边界像素点可能是鱼眼图像的有效区域的边界点。
在一种可能的实施方式中，可以提取每个角度值(如所有像素点的角度值)对应的最大距离，并可以记录最大距离处的空间坐标：vFeaPoint(angID)＝{disMax，xID，yID}；angID∈[0，360]表示以重心位置为视点，逆时针旋转的所有角度值，xID∈[0，W-1]，表示二值图像W方向的坐标，yID∈[0，H-1]，表示二值图像H方向的坐标，disMax表示远离重心位置的最大距离，决定备选边界像素点的位置。遍历所有角度值，采用如下方式得到备选边界像素点：
二值图像I(x，y)＞0的空间位置所对应的距离特征值和角度特征值可以为：dID＝disMat(x，y)，aID＝angMat(x，y)。比较相同角度值下的距离大小，并更新边界点集：若(disMax＜dID)，则更新当前角度值下的最大值及其坐标：vFeaPoint(aID)＝{dID，xID＝x，yID＝y}。最终，得到每个角度值的备选边界像素点vFeaPoint，如图3A所示。为了防止相邻点的误差，对360个样点依次进行采样，假设间隔step＝10°，则得到图3B所示的备选边界像素点。
综上所述，得到多个备选边界像素点，基于备选边界像素点执行后续步骤。
步骤104，基于多个备选边界像素点确定出多个目标交点；示例性的，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线。
在一种可能的实施方式中，可以采用如下步骤确定多个目标交点，当然，如下方式只是一个示例，对此目标交点的确定方式不做限制。
步骤1041，针对多个备选边界像素点中任意两个备选边界像素点，确定所述两个备选边界像素点连线的中垂线，以得到多个中垂线。
比如说，为了方便描述，以三个备选边界像素点为例(实际应用中，备选边界像素点的数量远远大于3个)，将这三个备选边界像素点记为备选边界像素点1、备选边界像素点2和备选边界像素点3。可以确定备选边界像素点1与备选边界像素点2连线的中垂线1，确定备选边界像素点1与备选边界像素点3连线的中垂线2，确定备选边界像素点2与备选边界像素点3连线的中垂线3。至此，得到3个中垂线，这3个中垂线分别为中垂线1、中垂线2和中垂线3。
在一种可能的实施方式中，多个备选边界像素点中的任意两个备选边界像素点，可以是相邻的两个备选边界像素点，比如说，备选边界像素点1与备选边界像素点2相邻，备选边界像素点2与备选边界像素点3相邻，但备选边界像素点1与备选边界像素点3不相邻，则确定备选边界像素点1与备选边界像素点2连线的中垂线1，确定备选边界像素点2与备选边界像素点3连线的中垂线2，但不需要确定备选边界像素点1与备选边界像素点3连线的中垂线。
在一种可能的实施方式中，针对多个备选边界像素点中任意两个备选边界像素点，可以采用如下方式确定所述两个备选边界像素点连线的中垂线：
步骤a1、确定两个备选边界像素点连线的斜率tk。
比如说，假设两个备选边界像素点的坐标分别为(xa，yb)和(xc，yd)，则可以采用如下公式(5)确定所述两个备选边界像素点连线的斜率tk。
在公式(5)中，为了方便确定中垂线，将斜率tk的最大值限制在89度对应的斜率，89度对应的斜率为57.29，当然，若将斜率tk的最大值限制在其它角度对应的斜率，则将公式(5)中的57.29修改为该其它角度对应的斜率即可。
步骤a2、确定两个备选边界像素点连线的弦中点(xm，ym)。
示例性的，可以将两个备选边界像素点的连线称为弦，并将备选边界像素点连线的中点称为弦中点，因此，可以确定所述两个备选边界像素点连线的弦中点，比如说，假设两个备选边界像素点的坐标分别为(xa，yb)和(xc，yd)，则弦中点(xm，ym)可以通过如下方式确定：
步骤a3、基于该斜率和该弦中点确定两个备选边界像素点连线的中垂线。
示例性的，两个备选边界像素点连线的中垂线(即弦的中垂线)与所述两个备选边界像素点的连线垂直，并且中垂线经过弦中点(xm，ym)，基于上述原理，可以通过如下公式(6)确定两个备选边界像素点连线的中垂线。
在公式(6)中，xk用于表示中垂线的斜率，xb用于表示中垂线的截距，通过斜率xk和截距xb能够唯一表示一条中垂线。tk表示两个备选边界像素点连线的斜率，(xm，ym)表示两个备选边界像素点连线的弦中点。综上所述，基于斜率tk和弦中点(xm，ym)确定中垂线的斜率xk和截距xb，继而唯一确定中垂线。
综上所述，针对多个备选边界像素点中任意两个备选边界像素点，可以采用上述方式确定所述两个备选边界像素点连线的中垂线，从而得到多个中垂线。
步骤1042，针对多个中垂线中任意两个中垂线(如相邻或者不相邻的中垂线)，将所述两个中垂线的交点确定为初始交点，以得到多个初始交点。
比如说，为了方便描述，以三个中垂线为例(实际应用中，中垂线的数量可以大于3个)，将这三个中垂线记为中垂线1、中垂线2和中垂线3。将中垂线1与中垂线2之间的交点作为初始交点1，将中垂线1与中垂线3之间的交点作为初始交点2，将中垂线2与中垂线3之间的交点作为初始交点3。至此，得到3个初始交点，这些初始交点分别为初始交点1、初始交点2和初始交点3。
在一种可能的实施方式中，针对多个中垂线中任意两个中垂线，可以采用如下公式(7)确定所述两个中垂线的交点，即所述两个中垂线的初始交点。
在公式(7)中，(xcen，ycen)表示初始交点的坐标值，xki表示第i个中垂线的斜率，xbi表示第i个中垂线的截距，xkj表示第j个中垂线的斜率，xbj表示第j个中垂线的截距。示例性的，第i个中垂线和第j个中垂线是多个中垂线中任意两个中垂线，只要第i个中垂线和第j个中垂线不同即可。
综上所述，针对多个中垂线中任意两个中垂线，可以基于这两个中垂线的斜率和截距，得到所述两个中垂线的初始交点的坐标值(xcen，ycen)。在对任意两个中垂线进行上述处理后，就可以得到多个初始交点的坐标值。
示例性的，eps可以为趋近于0但是不为0的正数值，若xbi-xbj大于eps，则可以采用公式(7)确定第i个中垂线与第j个中垂线的初始交点，若xbi-xbj不大于eps，则不需要确定第i个中垂线与第j个中垂线的初始交点。
步骤1043，从多个初始交点中选取部分初始交点或者全部初始交点作为目标交点。比如说，在得到多个初始交点后，将所有初始交点均作为目标交点，或者，从所有初始交点中选取部分初始交点，将选取的初始交点作为目标交点。
在一种可能的实施方式中，可以采用如下步骤确定目标交点：
步骤b1、针对每个初始交点，确定该初始交点的邻域交点数。
示例性的，可以将所有初始交点中除该初始交点之外的剩余初始交点均确定为待比较交点；依次遍历每个待比较交点，若该初始交点与该待比较交点的距离小于邻域半径，则将该初始交点的邻域交点数加一；若该初始交点与该待比较交点的距离不小于邻域半径，则保持该初始交点的邻域交点数不变。在完成所有待比较交点的遍历后，统计该初始交点的邻域交点数。
比如说，假设存在有初始交点1、初始交点2和初始交点3，针对初始交点1，将初始交点2和初始交点3均确定为待比较交点。先遍历出初始交点2，若初始交点1与初始交点2的距离小于邻域半径，则将初始交点1的邻域交点数加一，即邻域交点数变为1。然后遍历出初始交点3，若初始交点1与初始交点3的距离不小于邻域半径，则保持初始交点2的邻域交点数不变。至此，得到初始交点1的的邻域交点数为1。初始交点2和初始交点3的实现方式类似，在此不再赘述，也可以得到初始交点2的邻域交点数和初始交点3的邻域交点数。
示例性的，该初始交点与该待比较交点的距离，可以是该初始交点与该待比较交点的欧式距离，也可以是其它类型的距离，对此不做限制。
示例性的，邻域半径可以是根据经验配置的，也可以是基于二值图像的尺寸确定的，对此邻域半径的确定方式不做限制。比如说，采用如下公式确定邻域半径：r＝alph*min(W，H)，r表示邻域半径，W表示二值图像的宽度，H表示二值图像的高度，alph是根据经验配置的数值，如0.1、0.01等。
步骤b2、基于所有初始交点的邻域交点数，确定用于划分目标交点的数量阈值。比如说，可以将所有初始交点的邻域交点数的平均值，作为该数量阈值，或者，可以将所有初始交点的邻域交点数的中位数，作为该数量阈值。当然，上述只是两个示例，对此数量阈值的确定方式不做限制。
步骤b3、针对每个初始交点，若该初始交点的邻域交点数大于该数量阈值，则将该初始交点确定为目标交点；否则，将该初始交点确定为非目标交点。
比如说，若初始交点1的邻域交点数大于该数量阈值，则可以将该初始交点1作为目标交点，若初始交点2的邻域交点数不大于该数量阈值，则可以将该初始交点2不作为目标交点。显然。在对每个初始交点进行上述处理后，就可以从所有初始交点中选取出目标交点，目标交点的数量可以为多个。
在一种可能的实施方式中，可以对初始交点进行分析，统计每个初始交点的邻域交点数，并将邻域交点数比较多的初始交点作为目标交点。显然，当初始交点的邻域交点数越多时，则表示该初始交点是鱼眼图像的中心位置的可信度越高，因此，可以将邻域交点数比较多的初始交点作为目标交点。
综上所述，可以得到多个目标交点，基于多个目标交点执行后续步骤。
步骤105，基于多个目标交点确定鱼眼图像的圆心位置和有效区域半径。
示例性的，在得到多个目标交点(理论上，所有目标交点应该是同一个交点，但是实际应用中，不同目标交点可能存在偏差，但是不同目标交点之间的距离比较接近)后，可以将多个目标交点的重心(即多个目标交点的重心的坐标)，确定为鱼眼图像的圆心位置，并确定该圆心位置与每个备选边界像素点之间的距离，并将最大距离确定为鱼眼图像的有效区域半径。
比如说，假设多个目标交点的坐标分别是(x1，y1)、(x2，y2)、……、(xn，yn)，则多个目标交点的重心的横坐标x＝(x1+x2+…+xn)/n，多个目标交点的重心的纵坐标y＝(y1+y2+……+yn)/n，即多个目标交点的重心(x，y)作为圆心位置。
然后，可以确定该圆心位置与每个备选边界像素点之间的距离(如欧式距离等)，并可以将最大距离确定为鱼眼图像的有效区域半径。
步骤106，基于该圆心位置和该有效区域半径，从鱼眼图像中确定出有效区域。比如说，在鱼眼图像中以该圆心位置为圆心，以该有效区域半径为半径，从鱼眼图像中划分出圆形区域，该圆形区域就是鱼眼图像的有效区域。
示例性的，上述执行顺序只是为了方便描述给出的示例，在实际应用中，还可以改变步骤之间的执行顺序，对此执行顺序不做限制。而且，在其它实施例中，并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其它实施例中可能被分解为多个步骤进行描述；本说明书中所描述的多个步骤，在其它实施例也可能被合并为单个步骤进行描述。
由以上技术方案可见，本申请实施例中，可以基于多个备选边界像素点确定出多个目标交点，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线，并基于多个目标交点确定鱼眼图像的圆心位置和有效区域半径，基于圆心位置和有效区域半径从鱼眼图像中确定出有效区域。在上述方式中，在鱼眼图像的有效区域为圆形(或近似圆形)的前提下，能够利用圆的弧弦关系确定出鱼眼图像的有效区域，也就是说，基于鱼眼图像弧边上的点组成的中垂线过圆心的实际理论，来确定出鱼眼图像的有效区域，从而能够准确的从鱼眼图像中确定出有效区域，可靠性很高，且场景适应性强，针对暗区较大或者遮挡(有效内容缺失)的场景，均具有很好的可靠性。对于暗区较多或着缺失(遮挡)的状态，虽然重心会远离实际有效区域的中心，但是只要保留一部分较完整的圆弧，本实施例都能给出准确有效的结果，可靠性很高。
基于与上述方法同样的申请构思，本申请实施例中提出一种有效区域的确定装置，参见图4所示，为所述装置的结构示意图，所述装置可以包括：
获取模块41，用于获取鱼眼镜头采集的鱼眼图像；
转换模块42，用于将所述鱼眼图像转换为二值图像；
选取模块43，用于从二值图像的所有像素点中选取出多个备选边界像素点；
确定模块44，用于基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
示例性的，所述选取模块43从所述二值图像的所有像素点中选取出多个备选边界像素点时具体用于：
从所述二值图像的所有像素点中选取出多个目标像素点；
基于所述多个目标像素点确定所述二值图像的重心位置；
针对每个目标像素点，基于所述重心位置确定所述目标像素点的距离值，并基于所述重心位置和所述距离值确定所述目标像素点的角度值；
从所有目标像素点的角度值中选取出多个角度值作为目标角度；
针对每个目标角度，基于所述目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与所述目标角度对应的备选边界像素点。
所述选取模块43从所有目标像素点的角度值中选取出多个角度值作为目标角度时具体用于：
从所有目标像素点的角度值中选取出一个角度值作为初始角度；
基于所述初始角度和预设间隔，从所有目标像素点的角度值中选取出多个角度值作为目标角度。
确定模块44基于所述多个备选边界像素点确定出多个目标交点时具体用于：针对所述多个备选边界像素点中任意两个备选边界像素点，确定所述两个备选边界像素点连线的中垂线，以得到多个中垂线；针对所述多个中垂线中任意两个中垂线，将所述两个中垂线的交点确定为初始交点，以得到多个初始交点；从所述多个初始交点中选取部分初始交点或者全部初始交点作为目标交点。
确定模块44确定两个备选边界像素点连线的中垂线时具体用于：确定所述两个备选边界像素点连线的斜率；确定所述两个备选边界像素点连线的弦中点；基于所述斜率和所述弦中点，确定所述两个备选边界像素点连线的中垂线。
示例性的，所述确定模块44从所述多个初始交点中选取部分初始交点作为目标交点时具体用于：针对每个初始交点，确定所述初始交点的邻域交点数，并基于所有初始交点的邻域交点数确定用于划分目标交点的数量阈值；
针对每个初始交点，若所述初始交点的邻域交点数大于所述数量阈值，则将所述初始交点确定为目标交点；否则，将所述初始交点确定为非目标交点。
示例性的，所述确定模块44确定所述初始交点的邻域交点数时具体用于：
将除所述初始交点之外的剩余初始交点均确定为待比较交点；
依次遍历每个待比较交点，若所述初始交点与该待比较交点的距离小于邻域半径，则将所述初始交点的邻域交点数加一；若所述初始交点与该待比较交点的距离不小于邻域半径，则保持所述初始交点的邻域交点数不变；
在完成所有待比较交点的遍历后，统计所述初始交点的邻域交点数。
示例性的，所述确定模块44基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径时具体用于：将所述多个目标交点的重心，确定为所述鱼眼图像的圆心位置；确定所述圆心位置与每个备选边界像素点之间的距离，并将最大距离确定为所述鱼眼图像的有效区域半径。
基于与上述方法同样的申请构思，本申请实施例中提出一种电子设备，参见图5所示，所述电子设备包括：处理器51和机器可读存储介质52，所述机器可读存储介质52存储有能够被所述处理器51执行的机器可执行指令；所述处理器51用于执行机器可执行指令，以实现如下步骤：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的有效区域的确定方法。例如，所述计算机指令被处理器执行时，能够实现如下步骤：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域。
其中，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种鱼眼图像中有效区域的确定方法，其特征在于，所述方法包括：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域；
其中，所述从所述二值图像的所有像素点中选取出多个备选边界像素点，包括：
从所述二值图像的所有像素点中选取出多个目标像素点；
基于所述多个目标像素点确定所述二值图像的重心位置；
针对每个目标像素点，基于所述重心位置确定所述目标像素点的距离值，并基于所述重心位置和所述距离值确定所述目标像素点的角度值；其中，所述距离值表示所述目标像素点与所述重心位置之间的距离，所述角度值表示所述目标像素点与所述重心位置之间连线的角度；
从所有目标像素点的角度值中选取出多个角度值作为目标角度；
针对每个目标角度，基于所述目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与所述目标角度对应的备选边界像素点。
2.根据权利要求1所述的方法，其特征在于，
所述从所有目标像素点的角度值中选取出多个角度值作为目标角度，包括：
从所有目标像素点的角度值中选取出一个角度值作为初始角度；
基于所述初始角度和预设间隔，从所有目标像素点的角度值中选取出多个角度值作为目标角度。
3.根据权利要求1所述的方法，其特征在于，
所述基于所述多个备选边界像素点确定出多个目标交点，包括：
针对所述多个备选边界像素点中任意两个备选边界像素点，确定所述两个备选边界像素点连线的中垂线，以得到多个中垂线；
针对所述多个中垂线中任意两个中垂线，将所述两个中垂线的交点确定为初始交点，以得到多个初始交点；
从所述多个初始交点中选取部分初始交点或者全部初始交点作为目标交点。
4.根据权利要求3所述的方法，其特征在于，
所述确定所述两个备选边界像素点连线的中垂线，包括：
确定所述两个备选边界像素点连线的斜率；
确定所述两个备选边界像素点连线的弦中点；
基于所述斜率和所述弦中点，确定所述两个备选边界像素点连线的中垂线。
5.根据权利要求3所述的方法，其特征在于，
所述从所述多个初始交点中选取部分初始交点作为目标交点，包括：
针对每个初始交点，确定所述初始交点的邻域交点数，并基于所有初始交点的邻域交点数确定用于划分目标交点的数量阈值；
针对每个初始交点，若所述初始交点的邻域交点数大于所述数量阈值，则将所述初始交点确定为目标交点；否则，将所述初始交点确定为非目标交点。
6.根据权利要求5所述的方法，其特征在于，
所述确定所述初始交点的邻域交点数，包括：
将除所述初始交点之外的剩余初始交点均确定为待比较交点；
依次遍历每个待比较交点，若所述初始交点与该待比较交点的距离小于邻域半径，则将所述初始交点的邻域交点数加一；若所述初始交点与该待比较交点的距离不小于邻域半径，则保持所述初始交点的邻域交点数不变；
在完成所有待比较交点的遍历后，统计所述初始交点的邻域交点数。
7.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径，包括：
将所述多个目标交点的重心，确定为所述鱼眼图像的圆心位置；
确定所述圆心位置与每个备选边界像素点之间的距离，并将最大距离确定为所述鱼眼图像的有效区域半径。
8.一种鱼眼图像中有效区域的确定装置，其特征在于，所述装置包括：
获取模块，用于获取鱼眼镜头采集的鱼眼图像；
转换模块，用于将所述鱼眼图像转换为二值图像；
选取模块，用于从二值图像的所有像素点中选取出多个备选边界像素点；
确定模块，用于基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域；
其中，所述选取模块从二值图像的所有像素点中选取出多个备选边界像素点时具体用于：从所述二值图像的所有像素点中选取出多个目标像素点；
基于所述多个目标像素点确定所述二值图像的重心位置；
针对每个目标像素点，基于所述重心位置确定所述目标像素点的距离值，并基于所述重心位置和所述距离值确定所述目标像素点的角度值；其中，所述距离值表示所述目标像素点与所述重心位置之间的距离，所述角度值表示所述目标像素点与所述重心位置之间连线的角度；
从所有目标像素点的角度值中选取出多个角度值作为目标角度；
针对每个目标角度，基于所述目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与所述目标角度对应的备选边界像素点。
9.一种电子设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现如下步骤：
获取鱼眼镜头采集的鱼眼图像，将所述鱼眼图像转换为二值图像；
从所述二值图像的所有像素点中选取出多个备选边界像素点；
基于所述多个备选边界像素点确定出多个目标交点；其中，目标交点是两个中垂线之间的交点，且中垂线是两个备选边界像素点连线的中垂线；
基于所述多个目标交点确定所述鱼眼图像的圆心位置和有效区域半径；
基于所述圆心位置和所述有效区域半径从所述鱼眼图像中确定出有效区域；
所述从所述二值图像的所有像素点中选取出多个备选边界像素点，包括：
从所述二值图像的所有像素点中选取出多个目标像素点；
基于所述多个目标像素点确定所述二值图像的重心位置；
针对每个目标像素点，基于所述重心位置确定所述目标像素点的距离值，并基于所述重心位置和所述距离值确定所述目标像素点的角度值；其中，所述距离值表示所述目标像素点与所述重心位置之间的距离，所述角度值表示所述目标像素点与所述重心位置之间连线的角度；
从所有目标像素点的角度值中选取出多个角度值作为目标角度；
针对每个目标角度，基于所述目标角度对应的所有目标像素点的距离值，将距离值最大的目标像素点确定为与所述目标角度对应的备选边界像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011126827.9A CN112258383B (zh) | 2020-10-20 | 2020-10-20 | 一种鱼眼图像中有效区域的确定方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011126827.9A CN112258383B (zh) | 2020-10-20 | 2020-10-20 | 一种鱼眼图像中有效区域的确定方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258383A CN112258383A (zh) | 2021-01-22 |
| CN112258383B true CN112258383B (zh) | 2023-07-25 |
Family
ID=74245205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011126827.9A Active CN112258383B (zh) | 2020-10-20 | 2020-10-20 | 一种鱼眼图像中有效区域的确定方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258383B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907447B (zh) * | 2021-02-08 | 2022-07-01 | 杭州海康威视数字技术股份有限公司 | 天空云图的拼接及用于确定多摄像机安装位置的方法 |
| CN115546143A (zh) * | 2022-09-30 | 2022-12-30 | 杭州长川科技股份有限公司 | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108734666A (zh) * | 2017-04-13 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 一种鱼眼图像校正方法及装置 |
| CN110060271A (zh) * | 2019-04-25 | 2019-07-26 | 深圳前海达闼云端智能科技有限公司 | 一种鱼眼图像的分析方法、电子设备及存储介质 |
| 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 |
| CN110610455A (zh) * | 2019-09-18 | 2019-12-24 | 长江师范学院 | 一种鱼眼图像的有效区域提取方法 |
| CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 国网山东省电力公司聊城供电公司 | 基于改进k值聚类算法的低压配电网拓扑校验方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106981050A (zh) * | 2016-01-18 | 2017-07-25 | 深圳岚锋创视网络科技有限公司 | 对鱼眼镜头拍摄的图像矫正的方法和装置 |
-
2020
- 2020-10-20 CN CN202011126827.9A patent/CN112258383B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108734666A (zh) * | 2017-04-13 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 一种鱼眼图像校正方法及装置 |
| CN110060271A (zh) * | 2019-04-25 | 2019-07-26 | 深圳前海达闼云端智能科技有限公司 | 一种鱼眼图像的分析方法、电子设备及存储介质 |
| 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 |
| CN110610455A (zh) * | 2019-09-18 | 2019-12-24 | 长江师范学院 | 一种鱼眼图像的有效区域提取方法 |
| CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 国网山东省电力公司聊城供电公司 | 基于改进k值聚类算法的低压配电网拓扑校验方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258383A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110657803B (zh) | 机器人定位方法、装置以及存储装置 | |
| CN103325112B (zh) | 动态场景中运动目标快速检测方法 | |
| CN112258383B (zh) | 一种鱼眼图像中有效区域的确定方法、装置及设备 | |
| CN111899334B (zh) | 一种基于点线特征的视觉同步定位与地图构建方法及装置 | |
| CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
| CN111046752B (zh) | 一种室内定位方法、计算机设备和存储介质 | |
| CN111144213B (zh) | 一种对象检测方法和相关设备 | |
| Chen et al. | Using FTOC to track shuttlecock for the badminton robot | |
| CN106780557A (zh) | 一种基于光流法和关键点特征的运动目标跟踪方法 | |
| KR20140014298A (ko) | 모바일 디바이스들에 대한 평면 맵핑 및 트래킹 | |
| CN101860729A (zh) | 一种用于全方位视觉的目标跟踪方法 | |
| CN111369495A (zh) | 一种基于视频的全景图像的变化检测方法 | |
| CN105427333A (zh) | 视频序列图像的实时配准方法、系统及拍摄终端 | |
| Lisanti et al. | Continuous localization and mapping of a pan–tilt–zoom camera for wide area tracking | |
| CN114187188A (zh) | 图像矫正方法、装置及电子设备 | |
| Yildirim et al. | Direction‐based modified particle filter for vehicle tracking | |
| CN111243030B (zh) | 目标聚焦动态补偿方法、装置及存储装置 | |
| Zhu et al. | Binocular vision positioning method for safety monitoring of solitary elderly | |
| CN111028296A (zh) | 球机焦距值估算方法、装置、设备及存储装置 | |
| CN116309707A (zh) | 一种基于自校准与异构网络的多目标跟踪算法 | |
| Lowry et al. | Logos: Local geometric support for high-outlier spatial verification | |
| CN114648561A (zh) | 旋转式三维激光雷达的点云匹配方法及系统 | |
| CN113674319A (zh) | 一种目标跟踪的方法、系统、设备及计算机存储介质 | |
| Clark et al. | Perspective correction for improved visual registration using natural features. | |
| CN113393395A (zh) | 一种高动态红外图像分割阈值自适应计算方法 |
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 |