CN112581403A - 一种鱼眼图像校正方法、系统及介质 - Google Patents
一种鱼眼图像校正方法、系统及介质 Download PDFInfo
- Publication number
- CN112581403A CN112581403A CN202011565498.8A CN202011565498A CN112581403A CN 112581403 A CN112581403 A CN 112581403A CN 202011565498 A CN202011565498 A CN 202011565498A CN 112581403 A CN112581403 A CN 112581403A
- Authority
- CN
- China
- Prior art keywords
- pixel
- color
- correction
- corrected
- fisheye image
- 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
- 238000003702 image correction Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 27
- 230000001915 proofreading effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种鱼眼图像校正方法，包括以下步骤：建立拜尔阵列鱼眼图像与基准像素间的像素查找表；设定像素校正演算架构；获取需要校正的拜尔阵列鱼眼图像，并基于所述像素查找表和所述像素校正演算架构对所述拜尔阵列鱼眼图像进行校正；本发明能够将非RGB格式的图像信息通过逻辑运算的方式进行图像校正，得到该图像的原始色彩，且无需在图像校正前将该非RGB格式的图像信息转换为RGB格式；极大的提高了图像的校正效率，同时降低了图像校正时所需要的缓存空间和资源占用。
Description
技术领域
本发明涉及鱼眼图像校正技术领域，特别是涉及一种鱼眼图像校正方法、系统及介质。
背景技术
随着科技的发展，大多获取图像信息的方式有所提升，该提升主要依靠于图像信息获取镜头的升级，目前使用鱼眼镜头可获取全方位的图像信息，而此时获取到的图像信息并不是完全可以识别的，需要通过校正后才可实现完全识别。
目前，有以下两种校正方法：
校正方法一：通过GPU(Graphics Processing Unit，一种图形处理器)/CPU(Central Processing Unit，一种中央处理器)的非线性运算对图像信息进行校正还原，得到可完全识别的图像信息；此方法虽还原精度较高，但其校正的时长较长，产生的成本过高；
校正方法二：通过在GPU/FPGA(Field-Programmable Gate Array，作为特殊应用集成电路中的一种半客制电路)/ASIC(Application Specific Integrated Circuit，一种专用集成电路)中采用原像素和校正像素之间的对应关系表，加快其对图像信息识别及校正的速度，在保证精确还原图像信息的前提下，节省了校正的时长，提高了图像信息的识别效率；此方法虽解决了校正方法一中校正时长较长的问题，但其只能对RGB(Red GreenBlue，工业界的一种颜色标准)/YUV(luma；brightness chrominance；color，一种颜色编码方法)像素的图像信息进行校正，其对于CMOS Sensor(Complementary Metal OxideSemiconductor Sensor，一种影像感测模组)感测到的图像信息，必须先经过demosaic(一种数位图像处理算法)模块,将CMOS Sensor感测到的图像信息从bayer pattern(一种将RGB滤色器排列在光传感组件方格之上所形成的马赛克彩色滤色数组)像素转换至RGB像素，之后再进行校正，该过程校正的时长同样较长。
发明内容
本发明主要解决的是对于非RGB像素格式的图像信息无法保证高效率校正的问题。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种鱼眼图像校正方法，包括以下步骤：
建立拜尔阵列鱼眼图像与基准像素间的像素查找表；
设定像素校正演算架构；
获取需要校正的拜尔阵列鱼眼图像，并基于所述像素查找表和所述像素校正演算架构对所述拜尔阵列鱼眼图像进行校正。
进一步，所述获取需要校正的拜尔阵列鱼眼图像，并基于所述像素查找表和所述像素校正演算架构对所述拜尔阵列鱼眼图像进行校正的步骤进一步为：
根据所述像素查找表分析所述拜尔阵列鱼眼图像，得到扭曲像素及所述扭曲像素与所述基准像素在所述拜尔阵列鱼眼图像的分布规律；
分析所述分布规律得到所述扭曲像素与所述基准像素的数组关系；
所述像素校正演算架构为：根据所述数组关系分别设定所述扭曲像素及基准像素的色彩向量，根据所述色彩向量设定像素校正公式；判断所述扭曲像素对应的待校正颜色，根据所述基准像素的色彩向量和所述像素校正公式生成与所述待校正颜色对应的色彩校正公式；根据所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正。
进一步，所述分布规律为：所述扭曲像素分布在所述基准像素之间，且不与所述基准像素重合；
所述数组关系为：
存在于所述扭曲像素四周的像素为所述基准像素；
存在于所述扭曲像素四周且距离所述扭曲像素最近的所述基准像素为校对像素；
存在于所述校对像素四周且与所述校对像素颜色不同的所述基准像素为色彩相关像素。
进一步，所述判断所述扭曲像素对应的待校正颜色的步骤进一步为：
所述校对像素的色彩向量包括第一向量位和第二向量位；
根据所述校对像素的所述第一向量位和所述第二向量位的奇偶性，判断所述扭曲像素的待校正颜色。
进一步，所述判断所述扭曲像素的待校正颜色的步骤进一步为：
若所述第一向量位为偶数，所述第二向量位为偶数，则判断所述扭曲像素的待校正颜色为第一颜色；
若所述第一向量位为奇数，所述第二向量位为偶数，则判断所述扭曲像素的待校正颜色为第二颜色；
若所述第一向量位为偶数，所述第二向量位为奇数，则判断所述扭曲像素的待校正颜色为第二颜色；
若所述第一向量位为奇数，所述第二向量位为奇数，则判断所述扭曲像素的待校正颜色为第三颜色。
进一步，所述根据所述基准像素的色彩向量和所述像素校正公式生成与所述待校正颜色对应的色彩校正公式的步骤进一步为：
根据具有与所述待校正颜色对应颜色的色彩相关像素的色彩向量计算所述校对像素的与所述待校正颜色对应颜色的色彩值；
将所述色彩值代入所述像素校正公式得到所述色彩校正公式。
进一步，所述色彩值等于所述色彩相关像素的色彩向量和的平均值；
当所述待校正颜色与所述校对像素的颜色相同时，所述色彩相关像素为所述校对像素。
进一步，所述根据所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正的步骤进一步为：将所述校对像素的所述第一向量位和所述第二向量位代入所述色彩校正公式，得到所述扭曲像素与所述待校正颜色对应的原始像素色彩值。
本发明还提供一种鱼眼图像校正系统，包括：
图像获取单元、图像存储单元和逻辑处理单元；
所述图像获取单元用于获取需要校正的拜尔阵列鱼眼图像，并将所述拜尔阵列鱼眼图像发送至所述图像存储单元；
所述图像存储单元用于存储所述拜尔阵列鱼眼图像；所述图像存储单元上设有拜尔阵列鱼眼图像与基准像素间的像素查找表；所述图像存储单元通过所述像素查找表查找所述拜尔阵列鱼眼图像中的扭曲像素，并将所述扭曲像素发送至所述逻辑处理单元；
所述逻辑处理单元用于设定所述扭曲像素和所述基准像素的色彩向量；所述逻辑处理单元通过所述扭曲像素和基准像素的色彩向量设定像素校正公式，并判断所述扭曲像素对应的待校正颜色；所述逻辑处理单元通过所述基准像素的色彩向量和像素校正公式生成与所述待校正颜色对应的色彩校正公式；所述逻辑处理单元通过所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述鱼眼图像校正方法的步骤。
本发明的有益效果是：
1、本发明所述的鱼眼图像校正方法，可以实现将非RGB格式的图像信息通过逻辑运算的方式进行图像校正，得到该图像的原始色彩，且无需在图像校正前将该非RGB格式的图像信息转换为RGB格式；极大的提高了图像的校正效率，同时降低了图像校正时所需要的缓存空间和资源占用。
2、本发明所述的鱼眼图像校正系统，可以实现通过图像存储单元对图像获取单元获取到的图像信息进行暂存，同时通过逻辑处理单元将非RGB格式的图像信息进行图像校正，得到该图像的原始色彩，且无需在图像校正前将该非RGB格式的图像信息转换为RGB格式；极大的提高了图像的校正效率，同时降低了图像校正时所需要的缓存空间和资源占用。
3、本发明所述的计算机可读存储介质，可以实现引导图像获取单元、图像存储单元和逻辑处理单元进行相互配合，进而对非RGB格式的图像信息进行图像校正，得到该图像的原始色彩，且无需在图像校正前将该非RGB格式的图像信息转换为RGB格式，并有效的增加了所述鱼眼图像校正方法的可操作性。
附图说明
图1是本发明实施例1所述的鱼眼图像校正方法的流程图；
图2是本发明实施例1所述的bayer pattern像素的分布规律的示意图；
图3是本发明实施例1所述的鱼眼图像校正方法的效果示意图；
图4是本发明实施例1所述的数组关系图；
图5是本发明实施例1所述的效能对比表的示意图；
图6是本发明实施例2所述的鱼眼图像校正系统的架构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，bayer pattern像素格式的图像信息仅用于代表非RGB像素格式的图像信息，而不能理解为像素格式的限定标准。
在本发明的描述中，需要说明的是，GPU(Graphics Processing Unit)是一种图形处理器，CPU(Central Processing Unit)是一种中央处理器，FPGA(Field-ProgrammableGate Array)是作为特殊应用集成电路中的一种半客制电路，ASIC(Application SpecificIntegrated Circuit)是一种专用集成电路，RGB(Red Green Blue)是工业界的一种颜色标准，YUV(luma；brightness chrominance；color)是一种颜色编码方法，CMOS Sensor(Complementary Metal Oxide Semiconductor Sensor)是一种影像感测模组，demosaic是一种数位图像处理算法,bayer pattern是一种将RGB滤色器排列在光传感组件方格之上所形成的马赛克彩色滤色数组，LUT(Look-Up-Table)是用简单的查询操作替换执行时计算的数组或者关联数组这样的数据结构，DDR(Double Data Rate)是一种双倍速率同步动态随机存储器，SRAM(Static Random-Access Memory)是一种静态随机存取存储器。
实施例1
本实施例提供一种鱼眼图像校正方法，如图1至图5所示，包括以下步骤：
其具体步骤为：
S100、获取bayer pattern像素的图像信息；
S200、分析bayer pattern像素的图像信息得到bayer pattern像素的分布规律：该图像由若干bayer pattern像素构成，且每个像素仅拥有一个颜色单元，而该像素其他的颜色单元通过其相邻像素决定，在图像信息中，被扭曲的扭曲像素会分布在基准像素之间，不会覆盖基准像素；
S300、根据鱼眼镜头的参数和bayer pattern像素的分布规律设定bayer pattern像素的扭曲像素查找表，根据扭曲像素查找表查找该图像信息中需要进行校正的扭曲像素，分析该扭曲像素的分布规律，得到基准像素和扭曲像素与该基准像素的数组关系图，具体为：
在数组关系图中，设每个像素之间的距离为1，设扭曲像素的色彩向量为(m，n)，距离扭曲像素最近，且在扭曲像素四周成矩形分布的四个基准像素为扭曲像素的校对像素，设第一校对像素的色彩向量为(i，j)，则其他相邻的第二校对像素至第四校对像素的色彩向量依次为(i+1，j)、(i，j+1)和(i+1，j+1)；
S400、设定像素校正公式，可根据该公式代入上述向量计算出有关扭曲像素的原始像素色彩值的色彩校正公式，具体为：
像素校正公式为：
{[(i,j)RGB(1-n)+(i,j+1)RGB(n)]x(1-m)+[(i+1,j)RGB(1-n)+(i+1,j+1)RGB(n)]x(m)}；
因扭曲像素会分布在基准像素之间，所以和扭曲像素必然存在相关性的基准像素个数为四个，即校对像素；每个校对像素存在四个色彩相关像素，所以此时需要计算扭曲像素周围的16个基准像素向量的色彩值，然后根据16个基准像素向量的色彩值计算扭曲像素的待校正色彩；其中，需要的基准像素个数不做限定，本实施例中使用的基准像素的个数为至少量，每个基准像素的色彩值为其周围不同色彩的像素的向量的平均值；
由此可得出：
第一校对像素(i，j)的色彩值为：
红色：[(i-1,j)+(i+1,j)]/2；绿色：(i,j)；蓝色：[(i,j-1)+(i,j+1)]/2；
第二校对像素(i+1，j)的色彩值为：
红色：(i+1,j)；
绿色：[(i,j)+(i+2,j)+(i+1,j+1)+(i+1,j-1)]/4；
蓝色：[(i,j-1)+(i+2,j-1)+(i,j+1)+(i+2,j+1)]/4；
第三校对像素(i，j+1)的色彩值为：
红色：[(i-1,j)+(i+1,j)+(i-1,j+2)+(i+1,j+2)]/4；
绿色：[(i,j)+(i-1,j+1)+(i+1,j+1)+(i,j+2)]/4；
蓝色：(i,j+1)；
第四校对像素(i+1，j+1)的色彩值为：
红色：[(i+1,j)+(i+1,j+2)]/2；
绿色：(i+1,j+1)；
蓝色：[(i+2,j+1)+(i,j+1)]/2；
当第一校对像素的颜色为红色时，得到：
原始像素色彩值＝{[([(i-1,j)+(i+1,j)]/2)x(1-n)+[(i-1,j)+(i+1,j)+((i-1,j+2)+(i+1,j+2)]/4)x(n)]x(1-m)+[(i+1,j)x(1-n)+([(i+1,j)+(i+1,j+2)]/2)x(n)]x(m)}；
将上述各个校对像素的同种色彩进行整合，得到与像素校正公式对应的矩阵公式，定义该公式为色彩校正公式；
色彩校正公式如下：
其中，红色、绿色和蓝色分别代表RGB色彩中的“R”、“G”和“B”；
S500、判断第一校对像素的颜色，该颜色为所述扭曲像素对应的待校正颜色，并将所述第一校对像素的色彩向量代入与所述待校正颜色对应的色彩校正公式进行计算，得到扭曲像素的原始像素色彩值，具体为：
其中，第一校对像素的颜色通过分析bayer pattern像素的数组关系图中的bayerpattern像素的分布规得出，即：(i,j)＝(0,0)时的像素色彩为红色,(i,j)＝(1,0)时的像素色彩为绿色,(i,j)＝(0,1)时的像素色彩为绿色,(i,j)＝(1,1)时的像素色彩为蓝色，将上述规律进行整合，得到色彩选取规则：
在第一校对像素的色彩向量(i,j)中，当第一向量位i为偶数，第二向量位j为偶数时，第一校对像素的像素色彩为红色(即第一颜色)；第一向量位i为奇数，第二向量位j为偶数时，第一校对像素的像素色彩为绿色(即第二颜色)；第一向量位i为偶数，第二向量位j为奇数时，第一校对像素的像素色彩为绿色(即第二颜色)；第一向量位i为奇数，第二向量位j为奇数时，第一校对像素的像素色彩为蓝色(即第三颜色)；
S600、输出色彩值为原始像素色彩值的图像。
综合步骤S100～S600，本实施例所描述的图像校正方法中的像素校正措施为：
分析该图像信息得到扭曲像素和基准像素的分布规律；
根据分布规律设定扭曲像素与基准像素的数组关系图；
分析所述数组关系图，得到扭曲像素的校对像素，并得出基准像素和扭曲像素的色彩向量；
根据扭曲像素和基准像素的色彩向量设定像素校正公式，根据上述向量和像素校正公式得出有关扭曲像素的原始像素色彩值的色彩校正公式；
根据所述数组关系图得出色彩选取规则，根据色彩选取规则选取与第一校对像素的颜色对应的色彩校正公式，并将第一校对像素的色彩向量代入该色彩校正公式进行计算，得到扭曲像素的原始像素色彩值；
输出色彩值为原始像素色彩值的图像。
在本实施例中，设定基础参数，其中包含：图像信息分辨率为3840x2160，格式为8bit像素，刷新率为30fps；硬件对DDR单次存取数量为512bit@300MHz；DDR存取效能为80％；每读取一组校正所需像素，就对DDR做一次读取动作；在此基础参数下，将本实施例提供的鱼眼图像校正方法与现有的校正方法中的LUT方法进行比对，最终得到的效能对比表如图5所示。
实施例2
本实施例提供一种鱼眼图像校正系统，如图6所示，包括：
图像获取单元、图像存储单元和逻辑处理单元；
所述图像获取单元用于获取CMOS Sensor感测到的图像信息，并将该图像信息发送至图像存储单元；
所述图像存储单元用于存储所述图像信息；所述图像存储单元上设有扭曲像素查找表；所述图像存储单元通过所述扭曲像素查找表查找该图像信息中需要进行校正的扭曲像素，并将该扭曲像素发送至所述逻辑处理单元；
所述逻辑处理单元用于校正所述扭曲像素；
所述逻辑处理单元上设有校正单元，所述逻辑处理单元通过所述校正单元设定数组关系图和像素校正公式，并根据所述数组关系图和像素校正公式对所述扭曲像素进行校正，得到扭曲像素的原始像素色彩值；
所述逻辑处理单元上设有图像输出单元，所述逻辑处理单元通过所述图像输出单元输出色彩值为原始像素色彩值的图像；
所述图像校正系统与显示端连接，待图像输出单元输出所述图像后，所述显示端将所述图像进行显示。
基于与前述实施例中一种鱼眼图像校正方法同样的发明构思，本说明书实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述鱼眼图像校正方法的步骤。
区别于现有技术，采用本申请一种鱼眼图像校正方法、系统及介质可以对图像信息中需要校正的像素进行逻辑化运算，通过该运算方式，节省原有校正方法中像素格式转换的步骤，进而直接得到需要校正的像素的原始色彩值，大大提高了像素校正的效率，同时降低了图像校正时所需要的缓存空间和资源占用。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种鱼眼图像校正方法，其特征在于，包括以下步骤：
建立拜尔阵列鱼眼图像与基准像素间的像素查找表；
设定像素校正演算架构；
获取需要校正的拜尔阵列鱼眼图像，并基于所述像素查找表和所述像素校正演算架构对所述拜尔阵列鱼眼图像进行校正。
2.根据权利要求1中所述的鱼眼图像校正方法，其特征在于：所述获取需要校正的拜尔阵列鱼眼图像，并基于所述像素查找表和所述像素校正演算架构对所述拜尔阵列鱼眼图像进行校正的步骤进一步为：
根据所述像素查找表分析所述拜尔阵列鱼眼图像，得到扭曲像素及所述扭曲像素与所述基准像素在所述拜尔阵列鱼眼图像的分布规律；
分析所述分布规律得到所述扭曲像素与所述基准像素的数组关系；
所述像素校正演算架构为：根据所述数组关系分别设定所述扭曲像素及基准像素的色彩向量，根据所述色彩向量设定像素校正公式；判断所述扭曲像素对应的待校正颜色，根据所述基准像素的色彩向量和所述像素校正公式生成与所述待校正颜色对应的色彩校正公式；根据所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正。
3.根据权利要求2中所述的鱼眼图像校正方法，其特征在于：所述分布规律为：所述扭曲像素分布在所述基准像素之间，且不与所述基准像素重合；
所述数组关系为：存在于所述扭曲像素四周的像素为所述基准像素；
存在于所述扭曲像素四周且距离所述扭曲像素最近的所述基准像素为校对像素；
存在于所述校对像素四周且与所述校对像素颜色不同的所述基准像素为色彩相关像素。
4.根据权利要3中所述的鱼眼图像校正方法，其特征在于：所述判断所述扭曲像素对应的待校正颜色的步骤进一步为：
所述校对像素的色彩向量包括第一向量位和第二向量位；
根据所述校对像素的所述第一向量位和所述第二向量位的奇偶性，判断所述扭曲像素的待校正颜色。
5.根据权利要4中所述的鱼眼图像校正方法，其特征在于：所述判断所述扭曲像素的待校正颜色的步骤进一步为：
若所述第一向量位为偶数，所述第二向量位为偶数，则判断所述扭曲像素的待校正颜色为第一颜色；
若所述第一向量位为奇数，所述第二向量位为偶数，则判断所述扭曲像素的待校正颜色为第二颜色；
若所述第一向量位为偶数，所述第二向量位为奇数，则判断所述扭曲像素的待校正颜色为第二颜色；
若所述第一向量位为奇数，所述第二向量位为奇数，则判断所述扭曲像素的待校正颜色为第三颜色。
6.根据权利要求3或4中所述的鱼眼图像校正方法，其特征在于：所述根据所述基准像素的色彩向量和所述像素校正公式生成与所述待校正颜色对应的色彩校正公式的步骤进一步为：
根据具有与所述待校正颜色对应颜色的色彩相关像素的色彩向量计算所述校对像素的与所述待校正颜色对应颜色的色彩值；
将所述色彩值代入所述像素校正公式得到所述色彩校正公式。
7.根据权利要求6所述的鱼眼图像校正方法，其特征在于：所述色彩值等于所述色彩相关像素的色彩向量和的平均值；当所述待校正颜色与所述校对像素的颜色相同时，所述色彩相关像素为所述校对像素。
8.根据权利要求4中所述的鱼眼图像校正方法，其特征在于：所述根据所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正的步骤进一步为：将所述校对像素的所述第一向量位和所述第二向量位代入所述色彩校正公式，得到所述扭曲像素与所述待校正颜色对应的原始像素色彩值。
9.一种鱼眼图像校正系统，其特征在于，包括：
图像获取单元、图像存储单元和逻辑处理单元；
所述图像获取单元用于获取需要校正的拜尔阵列鱼眼图像，并将所述拜尔阵列鱼眼图像发送至所述图像存储单元；
所述图像存储单元用于存储所述拜尔阵列鱼眼图像；所述图像存储单元上设有拜尔阵列鱼眼图像与基准像素间的像素查找表；所述图像存储单元通过所述像素查找表查找所述拜尔阵列鱼眼图像中的扭曲像素，并将所述扭曲像素发送至所述逻辑处理单元；
所述逻辑处理单元用于设定所述扭曲像素和所述基准像素的色彩向量；所述逻辑处理单元通过所述扭曲像素和基准像素的色彩向量设定像素校正公式，并判断所述扭曲像素对应的待校正颜色；所述逻辑处理单元通过所述基准像素的色彩向量和像素校正公式生成与所述待校正颜色对应的色彩校正公式；所述逻辑处理单元通过所述基准像素的色彩向量和所述色彩校正公式对所述扭曲像素进行校正。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～8中任一项所述鱼眼图像校正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565498.8A CN112581403B (zh) | 2020-12-25 | 2020-12-25 | 一种鱼眼图像校正方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565498.8A CN112581403B (zh) | 2020-12-25 | 2020-12-25 | 一种鱼眼图像校正方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112581403A true CN112581403A (zh) | 2021-03-30 |
| CN112581403B CN112581403B (zh) | 2022-07-12 |
Family
ID=75139755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011565498.8A Active CN112581403B (zh) | 2020-12-25 | 2020-12-25 | 一种鱼眼图像校正方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112581403B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673536A (zh) * | 2021-07-09 | 2021-11-19 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、系统及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI584051B (zh) * | 2016-05-18 | 2017-05-21 | Sarmo Tech Inc | Three - dimensional environment system of vehicle and its method |
| CN106815805A (zh) * | 2017-01-17 | 2017-06-09 | 湖南优象科技有限公司 | 基于Bayer图像的快速畸变校正方法 |
| US20190318448A1 (en) * | 2018-04-17 | 2019-10-17 | Grass Valley Canada | System and method for mapped splicing of a three-dimensional look-up table for image format conversion |
| CN111669560A (zh) * | 2020-05-11 | 2020-09-15 | 安徽百诚慧通科技有限公司 | 一种基于fpga的实时自动白平衡校正方法、系统及存储介质 |
-
2020
- 2020-12-25 CN CN202011565498.8A patent/CN112581403B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI584051B (zh) * | 2016-05-18 | 2017-05-21 | Sarmo Tech Inc | Three - dimensional environment system of vehicle and its method |
| CN106815805A (zh) * | 2017-01-17 | 2017-06-09 | 湖南优象科技有限公司 | 基于Bayer图像的快速畸变校正方法 |
| US20190318448A1 (en) * | 2018-04-17 | 2019-10-17 | Grass Valley Canada | System and method for mapped splicing of a three-dimensional look-up table for image format conversion |
| CN111669560A (zh) * | 2020-05-11 | 2020-09-15 | 安徽百诚慧通科技有限公司 | 一种基于fpga的实时自动白平衡校正方法、系统及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673536A (zh) * | 2021-07-09 | 2021-11-19 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、系统及介质 |
| CN113673536B (zh) * | 2021-07-09 | 2023-10-10 | 浪潮金融信息技术有限公司 | 一种图像颜色提取方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112581403B (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100791375B1 (ko) | 색 보정 장치 및 방법 | |
| US7283663B2 (en) | Interpolation of edge portions of a digital image | |
| JP4375322B2 (ja) | 画像処理装置、画像処理方法、そのプログラム、およびそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
| US8063913B2 (en) | Method and apparatus for displaying image signal | |
| US8059169B2 (en) | Apparatus and method for compensating color, and image processor, digital processing apparatus, recording medium using it | |
| US10504419B2 (en) | Data converting method and apparatus, and computer-readable storage medium | |
| WO2011152174A1 (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
| KR20040085005A (ko) | 화상 처리 시스템, 프로젝터 및 화상 처리 방법 | |
| CN103733608B (zh) | 图像处理设备及其控制方法 | |
| US20060262196A1 (en) | Image processor | |
| US8379977B2 (en) | Method for removing color fringe in digital image | |
| JP2012191607A (ja) | 画像処理装置、画像処理方法およびプログラム | |
| JP2016048815A (ja) | 画像処理装置、画像処理方法、及び、画像処理システム | |
| US9449375B2 (en) | Image processing apparatus, image processing method, program, and recording medium | |
| CN112581403B (zh) | 一种鱼眼图像校正方法、系统及介质 | |
| WO2007075066A1 (en) | Image processor, apparatus and method for lens shading compensation | |
| US8213710B2 (en) | Apparatus and method for shift invariant differential (SID) image data interpolation in non-fully populated shift invariant matrix | |
| CN113068011B (zh) | 图像传感器、图像处理方法及系统 | |
| CN101815220B (zh) | 影像色彩失真的校正方法 | |
| JPH10290373A (ja) | 色補正装置 | |
| JP4369030B2 (ja) | 画像補正方法および装置ならびに画像補正プログラムを記録したコンピュータ読取可能な記録媒体 | |
| US20050168477A1 (en) | System and method for clipping values of pixels in one color space so not to exceed the limits of a second color space | |
| CN115829849A (zh) | 基于G分量引导图的Bayer图像的处理方法、装置和设备 | |
| CN111242087B (zh) | 物体识别方法及装置 | |
| KR100723046B1 (ko) | 컬러 보간 디스플레이 드라이버, 이미지 처리 장치 및 이의제어 방법 |
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 |