CN112419372A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112419372A CN112419372A CN202011254758.XA CN202011254758A CN112419372A CN 112419372 A CN112419372 A CN 112419372A CN 202011254758 A CN202011254758 A CN 202011254758A CN 112419372 A CN112419372 A CN 112419372A
- Authority
- CN
- China
- Prior art keywords
- image
- rotation
- strategy
- processing
- processed
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 120
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000004282 Grewia occidentalis Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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
本发明公开了一种图像处理方法、装置、电子设备及存储介质。该方法包括：获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集，从而得到多尺度的图像集，并对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，从而得到多角度的图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略，基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集，实现了多尺度、多角度的图像集的构建，为图像配准提供了丰富的图像选择，提高了图像配准的精度，还可用于对具有旋转角度的图像配准算法进行客观评价。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
配准问题是计算机科学、图像处理领域的一大基本问题，其主要作用是根据已知的图像模式在另一幅图像中搜索类似模板的目标。目前，图像配准技术在众多领域有着广泛的应用，如医学图像处理、计算机视觉、工业自动化等。随着对图像配准技术的研究和应用深入，需要对众多的图像配准算法的性能进行评价，通过高精度的图像测试集能够有效评价图像配准算法，因此，对旋转图像测试集构建具有重要的研究与实用价值。
目前图像测试集的构建主要可以为图像预生成的图像测试集构建。图像预生成包括模板创建预生成和配准过程预生成。模板创建预生成是在模板创建之初构建图像测试集，配准过程预生成是在配准过程中构建图像测试集，相比模板创建预生成，配准过程预生成增加了匹配时间，两种方式其均未生成旋转图像，使得图像测试集仅对旋转不变特性的图像配准可以达到预期效果。
然而在实际应用中，需要配准的图像角度各异，对于旋转图像的配准，该测试集的配准精度较低，难以对具有旋转角度的图像配准算法进行客观地评价。
发明内容
本发明提供一种图像处理方法、装置、电子设备及存储介质，以实现多尺度、多角度的图像集的构建，为图像配准提供了丰富的图像选择，提高了图像配准的精度，还可用于对具有旋转角度的图像配准算法进行客观评价。
第一方面，本发明实施例提供了一种图像处理方法，包括：
获取待处理图像，对所述待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
对于所述金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对所述图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，其中，所述旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
基于各层图像及所述各层图像对应的至少一个旋转图像形成所述待处理图像的目标图像集。
第二方面，本发明实施例还提供了一种图像处理装置，该装置包括：
降采样处理模块，用于获取待处理图像，对所述待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
旋转处理模块，用于对于所述金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对所述图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，其中，所述旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
图像集形成模块，用于基于各层图像及所述各层图像对应的至少一个旋转图像形成所述待处理图像的目标图像集。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例提供的图像处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例提供的图像处理方法。
上述发明中的实施例具有如下优点或有益效果：
通过获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集，从而得到多尺度的图像集，并对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，从而得到多角度的图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略，基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集，实现了多尺度、多角度的图像集的构建，为图像配准提供了丰富的图像选择，提高了图像配准的精度，还可用于对具有旋转角度的图像配准算法进行客观评价。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种图像处理方法的流程示意图；
图2为本发明实施例一所提供的不同旋转策略下的旋转结果；
图3为本发明实施例一所提供的复制边界填充结果；
图4为本发明实施例二所提供的一种图像处理方法的流程示意图；
图5为本发明实施例二所提供的模板图像和待搜索图像的目标图像集的构建流程图；
图6为本发明实施例三所提供的一种图像处理装置的结构示意图；
图7为本发明实施例四所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的图像处理方法的流程示意图，本实施例可适用于需要根据输入的图像构建对应的多尺度、多角度的图像集的情形，该方法可以由图像处理装置来执行，该装置可以由硬件和/或软件来实现，该方法具体包括如下步骤：
S110、获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集。
其中，降采样用于降低待处理图像的分辨率，示例性的，待处理图像的尺寸为M×M，对待处理图像进行2倍的降采样后，得到的降采样图像的尺寸为(M/2)×(N/2)。具体的，降采样可以是去除待处理图像的偶数行偶数列的像素点，也可以是基于2×2的图像窗口将各2×2的图像区域内的所有像素点转换为一个像素点，转换后的像素点的像素值可以是窗口内所有像素点的像素均值。对待处理图像进行降采样处理，将降采样处理后的图像作为输入，再次进行降采样处理，实现对待处理图像的迭代降采样处理，得到一系列分辨率依次降低的图像，该系列分辨率依次降低的图像形成金字塔结构的图像集合，其中，金字塔结构的底层图像为待处理图像，其它层图像均是基于底层图像依次进行降采样所获得。示例性的，待处理图像I1的尺寸为16×16，将I1作为金字塔结构的底层图像，对I1作降采样处理得到尺寸为8×8的第二层图像I2，对I2作降采样处理得到尺寸为4×4的第三层图像I3，对I3作降采样处理得到尺寸为2×2的第四层图像I4，此时，生成了一个层数为4的金字塔结构的图像集合，即I1,I2,I3,I4。通过对待处理图像进行迭代降采样处理，得到金字塔结构的图像集，实现了将待处理图像的尺度变换为其它尺度，从而得到待处理图像的多尺度图像。
可选的，对待处理图像进行预设规则的迭代降采样处理，包括：基于预设层数，对待处理图像进行迭代降采样处理；或者，基于图像尺寸分层条件和图像间距离分层条件，对待处理图像进行自适应的迭代降采样处理。
其中，预设层数为预先指定的金字塔结构的图像集的层数，用于限定待处理图像作迭代降采样处理的次数，具体的，迭代降采样处理的次数＝预设层数-1，如预设层数为3，则对待处理图像进行两次迭代降采样处理，得到第二层图像和第三层图像，与待处理图像构成三层金字塔结构的图像集。
图像尺寸分层条件指根据预设的图像尺寸来限定图像集的层数，在迭代降采样的过程中对每个降采样后的图像尺寸进行判断，若降采样后的图像的尺寸大于预设的图像尺寸，继续迭代降采样处理，若小于等于预设的图像尺寸，则停止迭代降采样处理，示例性的，预设的图像尺寸为2×2，待处理图像尺寸为4×4，在第一次降采样后，生成的第二层图像的尺寸为2×2，此时停止降采样处理，构成二层金字塔结构的图像集。
图像间距离分层条件指根据预设图像距离来限定图像集的层数，在迭代降采样的过程中，计算每个降采样图像与降采样前图像之间的图像距离，判断该图像距离是否小于预设图像距离，若是，则继续迭代降采样处理，若否，则停止迭代降采样处理。示例性的，图像距离可以是两图像之间的汉明距离，汉明距离为两个相同长度的字对应位不同的数量，在计算两个图像之间的汉明距离之前，首先对两个图像进行缩放处理，以统一两个图像的尺寸，然后计算缩放处理后的两个图像对应的区域编码，图像的区域编码由图像的每个像素与图像像素均值进行逻辑与操作获得，区域编码的位数与图像的像素个数相同，根据两个图像的区域编码计算对应位不同的数量，即汉明距离。可以理解的是，若当前降采样图像满足图像尺寸分层条件和图像间距离分层条件，则继续进行迭代降采样处理，若当前降采样图像不满足图像尺寸分层条件和图像间距离分层条件中任一一个，则停止迭代降采样处理，通过在待处理图像的迭代降采样过程中实时对每个降采样图像进行判断，实现了对待处理图像的自适应的迭代降采样处理。
在本实施例中，通过基于预设层数，对待处理图像进行迭代降采样处理，实现了对待处理图像的指定层数的金字塔分层，或基于图像尺寸分层条件或图像间距离分层条件，对待处理图像进行迭代降采样处理，实现了对待处理图像的自适应金字塔分层，从而实现根据实际需求得到待处理图像的多尺度图像。
可选的，在对待处理图像进行预设规则的迭代降采样处理之前，对待处理图像进行预处理，以降低待处理图像中的噪声；相应的，对预处理后的待处理图像进行预设规则的迭代降采样处理。
其中，预处理可以采用分离式高斯滤波、均值滤波、自适应维纳滤波、中值滤波或小波去噪等降噪方法实现。示例性的，对待处理图像进行分离式高斯滤波，以降低待处理图像中的噪声，其中，分离式高斯滤波采用高斯滤波器实现，高斯滤波器是一种线性滤波器，其原理是在对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波器为根据高斯函数生成的模板，将高斯滤波器与待处理图像进行卷积操作，得到降噪后的待处理图像，满足公式：I′(x,y)＝G(x,y)*I(x,y)，式中，I(x,y)为待处理图像，G(x,y)为高斯滤波器，I′(x,y)为降噪后的待处理图像。其中，高斯滤波器由如下公式生成：
式中，(x,y)为待处理图像像素点坐标，σ是标准差，σ越小，生成的模板中心系数越大，周围系数越小，对图像的平滑效果较差；反之，σ较大，生成模板的各个系数较小，与均值滤波相似，对图像的平滑效果较好。通过对待处理图像进行预处理，有效抑制了待处理图像中的噪声，从而提高金字塔结构的图像集中各个图像的清晰度。
S120、对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到任一层图像的至少一个旋转图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略。
其中，尺度不变旋转策略指图像在绕点旋转过程中，将被边框遮挡的部分丢弃，以使图像保持原有尺寸；尺度可变旋转策略指图像在绕点旋转过程中，缩小图像的尺寸，以使图像的所有内容都可以在图像边框内显示；内接圆旋转策略指在图像内寻找最大内接圆，仅对最大内接圆内部的像素点进行旋转，最大内接圆外部的像素点保持原状态。如图2所示，从左到右的三张图像分别为在尺度不变旋转策略、尺度可变旋转策略和内接圆旋转策略下的旋转结果。在本实施例中，对于金字塔结构的图像集中的任一层图像，均可以采用尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略其中一种策略进行旋转，基于旋转角度的不同，可以生成至少一个旋转图像。通过对金字塔的各层图像进行旋转处理，得到多角度多尺度的图像集，为图像配准提供了丰富的图像选择，同时，还可用于对具有旋转角度的图像配准算法进行客观评价。
可选的，基于至少一种旋转策略对图像进行旋转处理，包括：获取旋转参数，基于旋转参数确定至少一个旋转角度；基于旋转角度确定旋转矩阵，基于旋转矩阵对图像进行至少一种旋转策略的旋转处理。
其中，旋转参数用于指定金字塔结构的图像集中各图像的旋转角度，旋转矩阵用于根据旋转策略对图像内的相关像素点进行位置变换，旋转矩阵例如可以是：
其中，θ为基于旋转参数确定任一旋转角度，需要说明的是，图像的旋转是围绕图像空间坐标系Z轴进行，因此，θ具体为绕图像空间坐标系Z轴的旋转角度。具体的，基于旋转矩阵对图像中各个相关像素点进行位置变换，满足如下公式：
其中，xi、yi分别为图像第i个像素点的横、纵坐标，ui、vi分别为第i个像素点旋转后的横、纵坐标，cols和rows为图像的列数和行数。通过对图像的各个相关像素点进行位置变换，得到变换后的各像素点坐标，从而得到旋转后的图像。
本实施例中，针对不同的旋转策略，确定各旋转策略对应的进行旋转的像素点，基于上述旋转矩阵对进行旋转的像素点进行位置转换，以得到各旋转策略对应的旋转图像。可选的，基于旋转矩阵对图像进行至少一种旋转策略的旋转处理，包括：若旋转策略为尺寸不变旋转策略，基于旋转矩阵对图像中各像素点进行旋转处理，并根据图像的原始尺寸对旋转处理后的图像进行截取，得到旋转图像；若旋转策略为尺寸可变旋转策略，则基于旋转矩阵对图像中各像素点进行旋转处理，并根据所述图像的原始尺寸对旋转处理后的图像进行缩放，得到旋转图像；若旋转策略为内接圆旋转策略，则基于旋转矩阵对图像内接圆包括的像素点进行旋转处理，得到旋转图像。
其中，若旋转策略为尺寸不变旋转策略和尺度可变旋转策略，则对图像中的全部像素点进行位置转换，将图像中的全部像素点的坐标代入上述基于旋转矩阵对图像像素点进行位置变换的公式中，计算各像素点变换后的坐标，其中，参与位置变换的像素点的个数N＝cols×rows。若旋转策略为内接圆旋转策略，则对图像的最大内接圆内的像素点进行位置转换，最大内接圆以外的像素点保持不变，将最大内接圆内的像素点的坐标代入上述基于旋转矩阵对图像像素点进行位置变换的公式中，计算最大内接圆内像素点变换后的坐标，其中，最大内接圆的圆心坐标为(cols/2，rows/2)，半径为cols。对于纹理简单、信息少的图像，旋转处理后的截取对图像产生的损失较小，采用尺度不变旋转策略可以快速实现旋转，对于纹理复杂、信息多的图像，采用内接圆旋转策略和尺度可变旋转策略可以保留更多图像细节信息，本实施例通过采用不同的旋转策略，为不同种类的图像的旋转提供了多种选择。
可选的，旋转参数可以包括：起始旋转角度、旋转范围和搜索步长。其中，起始旋转角度为初始指定的旋转角度的起点，旋转范围指起始旋转角度与旋转角度的结束点之间的角度范围，搜索步长指在旋转范围内每次旋转角度的变化值。根据起始旋转角度、旋转范围和搜索步长，可以确定出至少一个旋转角度，旋转角度的个数＝旋转范围/搜索步长+1。示例性的，起始旋转角度为10°，旋转范围为30°，搜索步长为5°，则可以确定旋转角度分别为10°、15°、20°、25°、30°、35°以及40°。
可选的，在得到旋转图像之后，还包括：对旋转图像进行插值平滑与边界填充。
其中，插值平滑通过对旋转图像进行插值运算，增大旋转图像的像素密度，平滑过渡由于旋转产生的锯齿状尖锐图像边缘，示例性的，插值平滑可采用线性插值或双三次插值等方法。边缘填充用于对旋转后产生的四角边缘空隙进行填充，可选的，边缘填充可采用镜像边界填充或复制边界填充等，其中，镜像边界填充指以边缘像素为基准轴，基于轴对称的方式，将边缘内像素点的像素值复制给边缘外的像素点；复制边界填充指将边缘像素点的像素值复制给边缘外的所有像素点，即将边缘像素点的像素值扩充至图像边框，如图3所示。通过对旋转后的图像进行插值平滑与边界填充，提高了目标图像集中旋转图像的分辨率。
S130、基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集。
其中，金字塔结构的图像集中各层图像构成了多尺度的图像集，各层图像的旋转图像构成了多角度的图像集，将各层图像的旋转图像也存入金字塔结构的图像集的对应层中，得到多尺度多角度的目标图像集。可选的，在构建待处理图像的目标图像集的过程中，以目标图像集中每个图像对应的层数与旋转角度作为图像的标识，将图像的标识与图像对应存入目标图像集中，以使可以根据图像的标识查询到对应的图像。
本实施例的技术方案，通过获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集，从而得到多尺度的图像，并对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，从而得到多角度的图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略，基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集，实现了多尺度、多角度的图像集的构建，为图像配准提供了丰富的图像选择，提高了图像配准的精度，还可用于对具有旋转角度的图像配准算法进行客观评价。
实施例二
图4为本发明实施例二提供的图像处理方法的流程示意图，本实施例在上述各实施例的基础上，待处理图像包括进行配准的模板图像和待搜索图像，并对“基于至少一种旋转策略对图像进行旋转处理”进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图4，本实施例提供的图像处理方法具体包括以下步骤：
S410、获取配准的模板图像和待搜索图像，对模板图像和待搜索图像进行预设规则的迭代降采样处理，得到金字塔结构的模板图像集和待搜索图像集。
其中，配准的模板图像和待搜索图像是针对同一对象在不同条件下所获取的图像，如经过不同的采集设备、采集时间、拍摄距离或拍摄视角等条件下拍摄的多个图像，模板图像可以映射到待搜索图像上，以使模板图像与待搜索图像在空间同一位置的点一一对应。
S420、对于金字塔结构的图像集中的任一层的图像，基于尺寸不变旋转策略对模板图像对应的图像集中各图像进行旋转处理，基于内接圆旋转策略对待搜索图像对应的图像集中各图像进行旋转处理。
其中，由于模板图像包含的纹理较少，因此采用尺度不变旋转策略进行旋转时损失的信息也较少，可以在保证图像信息量的同时，实现模板图像集中图像的快速旋转。同时，由于待搜索图像包含的纹理复杂，采用尺度不变旋转策略进行旋转时损失的信息较多，因此采用内接圆旋转策略来保留更多图像的细节信息，从而提高待搜索图像的目标图像集的图像质量。
其中，在基于尺寸不变旋转策略对模板图像集中各图像进行旋转后，可以对旋转后的图像进行填充处理与插值处理，填充处理可以采用镜像边界填充或复制边界填充，由于模板图像包含的纹理较少，优选的，对模板图像集中各图像旋转后的图像进行复制边界填充，以快速对旋转后产生的内容空白区域进行填充。需要说明的是，由于待搜索图像对应的图像集中各图像采用内接圆旋转策略进行旋转，因此，旋转图像的边界部分的像素点仍为旋转前的像素点，无需进行填充处理，仅对待搜索图像集中各图像旋转后的图像进行插值处理，插值处理可以采用线性插值和双三次插值，由于双三次插值可以产生比线性插值更平滑的图像边缘，优选的，对模板图像集和待搜索图像集中各图像旋转后的图像进行双三次插值处理，以更好地提高各旋转图像的图像边缘的像素密度。通过对模板图像集中各图像的旋转图像进行复制边界填充与双三次插值处理，以及对待搜索图像集中各图像的旋转图像进行双三次插值处理，提高了模板图像和待搜索图像的目标图像集中各旋转图像的分辨率，从而提高后续图像配准的准确度。
S430、基于各层图像及各层图像对应的至少一个旋转图像形成模板图像和待搜索图像的目标图像集。
本实施例的技术方案，通过获取配准的模板图像和待搜索图像，对模板图像和待搜索图像进行预设规则的迭代降采样处理，得到金字塔结构的模板图像集和待搜索图像集，对于金字塔结构的图像集中的任一层的图像，基于尺寸不变旋转策略对模板图像对应的图像集中各图像进行旋转处理，基于内接圆旋转策略对待搜索图像对应的图像集中各图像进行旋转处理，并基于各层图像及各层图像对应的至少一个旋转图像形成模板图像和待搜索图像的目标图像集，从而得到模板图像和待搜索图像的多尺度多角度的目标图像集，为图像配准提供了丰富的图像选择，同时，还可用于对具有旋转角度的图像配准算法进行客观评价。
可选的，目标图像集的构建可以是先对待处理图像进行旋转，再对旋转后的各个图像进行金字塔分层，具体的，首先基于尺寸不变旋转策略对模板图像进行旋转处理，基于内接圆旋转策略对待搜索图像进行旋转处理，得到模板图像与待搜索图像的至少一个旋转图像；然后对模板图像、待搜索图像，以及模板图像和待搜索图像的至少一个旋转图像进行预设规则的迭代降采样处理，得到至少一个金字塔结构的模板图像和待搜索图像的旋转图像集；最后基于至少一个金字塔结构的模板图像和待搜索图像的旋转图像集形成模板图像和待搜索图像的目标图像集。
示例性的，如图5所示，模板图像和待搜索图像的目标图像集的构建步骤如下：(1)输入模板图像、待搜索图像和起始旋转角度、旋转范围和搜索步长；(2)通过分离式高斯滤波对模板图像和待搜索图像进行降噪；(3)根据输入的起始旋转角度、旋转范围和搜索步长，计算旋转矩阵；(4)基于选择的旋转策略，遍历相关像素，根据旋转矩阵计算变换后的对应点坐标；(5)选择插值策略：对旋转后的图像进行双三次插值；(6)选择填充策略：复制边界填充旋转后的空隙区域；(7)对各个角度的旋转图像进行金字塔分层；(8)判断分层后的图像尺寸是否小于等于2×2，若否，则返回执行(7)，若是，执行(9)；(9)得到各个角度对应的金字塔结构的图像集；(10)标记各个图像集中的图像的对应旋转角度与层数；(11)合并多个各个角度对应的金字塔结构，得到模板图像和待搜索图像的目标图像集。
实施例三
图6为本发明实施例三提供的一种图像处理装置的结构示意图，本实施例可适用于需要根据输入的图像构建对应的多尺度、多角度的图像集的情形，该装置具体包括：降采样处理模块610、旋转处理模块620和图像集形成模块630。
降采样处理模块610，用于获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
旋转处理模块620，用于对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到任一层图像的至少一个旋转图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
图像集形成模块630，用于基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集。
在本实施例中，通过降采样处理模块610获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集，从而得到多尺度的图像，并基于旋转处理模块620对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，从而得到多角度的图像，通过图像集形成模块630基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集，实现了多尺度、多角度的图像集的构建，为图像配准提供了丰富的图像选择，提高了图像配准的精度，还可用于对具有旋转角度的图像配准算法进行客观评价。
在上述装置的基础上，可选的，旋转处理模块620包括：
旋转角度获取单元，用于获取旋转参数，基于旋转参数确定至少一个旋转角度；
旋转策略处理单元，用于基于旋转角度确定旋转矩阵，基于旋转矩阵对图像进行至少一种旋转策略的旋转处理。
可选的，旋转参数包括：起始旋转角度、旋转范围和搜索步长。
可选的，旋转策略处理单元具体用于：
若旋转策略为尺寸不变旋转策略，基于旋转矩阵对图像中各像素点进行旋转处理，并根据图像的原始尺寸对旋转处理后的图像进行截取，得到旋转图像；若旋转策略为尺寸可变旋转策略，则基于旋转矩阵对图像中各像素点进行旋转处理，并根据图像的原始尺寸对旋转处理后的图像进行缩放，得到旋转图像；若旋转策略为内接圆旋转策略，则基于旋转矩阵对图像内接圆包括的像素点进行旋转处理，得到旋转图像。
可选的，上述旋转处理模块620还包括：
平滑填充单元，用于在得到旋转图像之后，对旋转图像进行插值平滑与边界填充。
可选的，降采样处理模块610具体用于：
基于预设层数，对待处理图像进行迭代降采样处理；或者，基于图像尺寸分层条件和图像间距离分层条件，对待处理图像进行自适应的迭代降采样处理。
可选的，待处理图像包括进行配准的模板图像和待搜索图像；
旋转策略处理单元，用于基于尺寸不变旋转策略对模板图像对应的图像集中各图像进行旋转处理，基于内接圆旋转策略对待搜索图像对应的图像集中各图像进行旋转处理。
本发明实施例所提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述系统所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
实施例四
图7为本发明实施例四提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施例实施方式的示例性电子设备70的框图。图7显示的电子设备70仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备70以通用计算设备的形式表现。电子设备70的组件可以包括但不限于：一个或者多个处理器或者处理单元701，系统存储器702，连接不同系统组件(包括系统存储器702和处理单元701)的总线703。
总线703表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备70典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备70访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器702可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)704和/或高速缓存存储器705。电子设备70可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统706可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线703相连。存储器702可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块707的程序/实用工具708，可以存储在例如存储器702中，这样的程序模块707包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块707通常执行本发明所描述的实施例中的功能和/或方法。
电子设备70也可以与一个或多个外部设备709(例如键盘、指向设备、显示器710等)通信，还可与一个或者多个使得用户能与该电子设备70交互的设备通信，和/或与使得该电子设备70能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口711进行。并且，电子设备70还可以通过网络适配器712与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器712通过总线703与电子设备70的其它模块通信。应当明白，尽管图7中未示出，可以结合电子设备70使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元701通过运行存储在系统存储器702中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种图像处理方法步骤，该方法包括：
获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到任一层图像的至少一个旋转图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的图像处理方法的技术方案。
实施例五
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的图像处理方法步骤，该方法包括：
获取待处理图像，对待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
对于金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对图像进行旋转处理，得到任一层图像的至少一个旋转图像，其中，旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
基于各层图像及各层图像对应的至少一个旋转图像形成待处理图像的目标图像集。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取待处理图像，对所述待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
对于所述金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对所述图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，其中，所述旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
基于各层图像及所述各层图像对应的至少一个旋转图像形成所述待处理图像的目标图像集。
2.根据权利要求1所述的方法，其特征在于，所述基于至少一种旋转策略对所述图像进行旋转处理，包括：
获取旋转参数，基于所述旋转参数确定至少一个旋转角度；
基于所述旋转角度确定旋转矩阵，基于所述旋转矩阵对所述图像进行至少一种旋转策略的旋转处理。
3.根据权利要求2所述的方法，其特征在于，所述旋转参数包括：起始旋转角度、旋转范围和搜索步长。
4.根据权利要求2所述的方法，其特征在于，所述基于所述旋转矩阵对所述图像进行至少一种旋转策略的旋转处理，包括：
若所述旋转策略为尺寸不变旋转策略，基于所述旋转矩阵对所述图像中各像素点进行旋转处理，并根据所述图像的原始尺寸对所述旋转处理后的图像进行截取，得到旋转图像；
若所述旋转策略为尺寸可变旋转策略，则基于所述旋转矩阵对所述图像中各像素点进行旋转处理，并根据所述图像的原始尺寸对所述旋转处理后的图像进行缩放，得到旋转图像；
若所述旋转策略为内接圆旋转策略，则基于所述旋转矩阵对所述图像内接圆包括的像素点进行旋转处理，得到旋转图像。
5.根据权利要求4所述的方法，其特征在于，在所述得到旋转图像之后，还包括：
对所述旋转图像进行插值平滑与边界填充。
6.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行预设规则的迭代降采样处理，包括：
基于预设层数，对所述待处理图像进行迭代降采样处理；
或者，
基于图像尺寸分层条件和图像间距离分层条件，对所述待处理图像进行自适应的迭代降采样处理。
7.根据权利要求1所述的方法，其特征在于，所述待处理图像包括进行配准的模板图像和待搜索图像；
所述基于至少一种旋转策略对所述图像进行旋转处理，包括：
基于所述尺寸不变旋转策略对所述模板图像对应的图像集中各图像进行旋转处理，基于所述内接圆旋转策略对所述待搜索图像对应的图像集中各图像进行旋转处理。
8.一种图像处理装置，其特征在于，包括：
降采样处理模块，用于获取待处理图像，对所述待处理图像进行预设规则的迭代降采样处理，得到金字塔结构的图像集；
旋转处理模块，用于对于所述金字塔结构的图像集中的任一层的图像，基于至少一种旋转策略对所述图像进行旋转处理，得到所述任一层图像的至少一个旋转图像，其中，所述旋转策略包括尺寸不变旋转策略、尺寸可变旋转策略和内接圆旋转策略；
图像集形成模块，用于基于各层图像及所述各层图像对应的至少一个旋转图像形成所述待处理图像的目标图像集。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中所述的图像处理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011254758.XA CN112419372B (zh) | 2020-11-11 | 2020-11-11 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011254758.XA CN112419372B (zh) | 2020-11-11 | 2020-11-11 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419372A true CN112419372A (zh) | 2021-02-26 |
| CN112419372B CN112419372B (zh) | 2024-05-17 |
Family
ID=74781526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011254758.XA Active CN112419372B (zh) | 2020-11-11 | 2020-11-11 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419372B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112991170A (zh) * | 2021-03-05 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像超分辨率重建的方法、装置、终端及存储介质 |
| CN113112516A (zh) * | 2021-04-01 | 2021-07-13 | 广东拓斯达科技股份有限公司 | 图像边缘特征库构建方法、装置、计算机设备及存储介质 |
| CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102496158A (zh) * | 2011-11-24 | 2012-06-13 | 中兴通讯股份有限公司 | 一种图像信息处理方法及装置 |
| JP2014228940A (ja) * | 2013-05-20 | 2014-12-08 | コニカミノルタ株式会社 | 画像処理方法、画像処理装置および画像処理プログラム |
| US20180372852A1 (en) * | 2017-06-22 | 2018-12-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for calibration between laser radar and camera, device and storage medium |
| WO2019238113A1 (zh) * | 2018-06-15 | 2019-12-19 | 清华-伯克利深圳学院筹备办公室 | 成像方法、装置、终端和存储介质 |
| WO2020124682A1 (zh) * | 2018-12-17 | 2020-06-25 | 中国科学院深圳先进技术研究院 | 图像处理方法、装置、设备和存储介质 |
-
2020
- 2020-11-11 CN CN202011254758.XA patent/CN112419372B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102496158A (zh) * | 2011-11-24 | 2012-06-13 | 中兴通讯股份有限公司 | 一种图像信息处理方法及装置 |
| JP2014228940A (ja) * | 2013-05-20 | 2014-12-08 | コニカミノルタ株式会社 | 画像処理方法、画像処理装置および画像処理プログラム |
| US20180372852A1 (en) * | 2017-06-22 | 2018-12-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for calibration between laser radar and camera, device and storage medium |
| WO2019238113A1 (zh) * | 2018-06-15 | 2019-12-19 | 清华-伯克利深圳学院筹备办公室 | 成像方法、装置、终端和存储介质 |
| WO2020124682A1 (zh) * | 2018-12-17 | 2020-06-25 | 中国科学院深圳先进技术研究院 | 图像处理方法、装置、设备和存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112991170A (zh) * | 2021-03-05 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像超分辨率重建的方法、装置、终端及存储介质 |
| CN113112516A (zh) * | 2021-04-01 | 2021-07-13 | 广东拓斯达科技股份有限公司 | 图像边缘特征库构建方法、装置、计算机设备及存储介质 |
| CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419372B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112396640B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| CN112419372B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN113111212B (zh) | 一种图像匹配方法、装置、设备及存储介质 | |
| CN110222703B (zh) | 图像轮廓识别方法、装置、设备和介质 | |
| CN112037129A (zh) | 图像超分辨率重建方法、装置、设备及存储介质 | |
| CN111091123A (zh) | 文本区域检测方法及设备 | |
| CN109712071B (zh) | 基于航迹约束的无人机图像拼接与定位方法 | |
| CN112419215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| AU2018258094A1 (en) | Octree-based convolutional neural network | |
| CN112800955A (zh) | 基于加权双向特征金字塔的遥感影像旋转目标检测方法及系统 | |
| JP2020053062A (ja) | ホモグラフィの修正 | |
| CN111415300A (zh) | 一种用于全景图像的拼接方法和系统 | |
| CN113407027B (zh) | 位姿获取方法及装置和电子设备、存储介质 | |
| CN112861983A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
| CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
| CN113506305A (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
| CN113159103A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
| CN117710295A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
| CN112465050A (zh) | 一种图像模板选择方法、装置、设备及存储介质 | |
| CN112017113B (zh) | 图像处理方法及装置、模型训练方法及装置、设备及介质 | |
| CN112465692A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN116246064A (zh) | 一种多尺度空间特征增强方法及装置 | |
| CN116912467A (zh) | 图像拼接方法、装置、设备及存储介质 | |
| CN116543246A (zh) | 图像去噪模型的训练方法、图像去噪方法、装置及设备 | |
| CN113947524A (zh) | 基于全卷积图神经网络的全景图片显著性预测方法及设备 |
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 |