CN113298699A - 鱼眼图像校正方法 - Google Patents

鱼眼图像校正方法 Download PDF

Info

Publication number
CN113298699A
CN113298699A CN202110583404.8A CN202110583404A CN113298699A CN 113298699 A CN113298699 A CN 113298699A CN 202110583404 A CN202110583404 A CN 202110583404A CN 113298699 A CN113298699 A CN 113298699A
Authority
CN
China
Prior art keywords
point
points
feature
feature point
grid map
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
Application number
CN202110583404.8A
Other languages
English (en)
Other versions
CN113298699B (zh
Inventor
黄加欣
范光宇
陈年生
饶蕾
宋晓勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN202110583404.8A priority Critical patent/CN113298699B/zh
Publication of CN113298699A publication Critical patent/CN113298699A/zh
Application granted granted Critical
Publication of CN113298699B publication Critical patent/CN113298699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

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

本发明提供一种鱼眼图像校正方法，包括步骤：S1：用鱼眼相机拍摄一网格图，获得网格图图像；S2：提取所述网格图图像的特征点；S3：根据所述特征点对所述网格图图像去畸变。本发明所述的一种鱼眼图像校正方法，能够适应不同鱼眼相机，可以针对不同的相机标定出对应的映射矩阵，实现了较好的去畸变效果。

Description

鱼眼图像校正方法
技术领域
本发明涉及图像处理领域，尤其涉及一种鱼眼图像校正方法。
背景技术
现有技术利用鱼眼相机的相机模型，先找出正常图像和畸变图像的像素坐标的映射关系；再通过坐标之间的映射关系，用插值的方法将畸变图像中的像素值填入正常图像中，从而实现鱼眼图像去畸变。
现有技术中，鱼眼相机在生产和使用的过程中，由于各种因素的影响，使相机并不能很好的满足参考的相机模型，所以去畸变后得到的图像，仍然存在些畸变。
发明内容
针对上述现有技术中的不足，本发明提供一种鱼眼图像校正方法，能够更好的矫正鱼眼图像。
为了实现上述目的，本发明提供一种鱼眼图像校正方法，包括步骤：
S1：用鱼眼相机拍摄一网格图，获得网格图图像；
S2：提取所述网格图图像的特征点；
S3：根据所述特征点对所述网格图图像去畸变。
优选地，所述S1步骤中，所述网格图的四角落在所述网格图图像的边缘，所述网格图的中心与所述网格图图像的中心对应。
优选地，所述S2步骤中通过Fast角点方法来提取所述网格图图像的特征点。
优选地，所述S2步骤进一步包括步骤：
S21：自所述网格图图像中选取一个第一像素点p亮度为I；
S22：设置一个阈值T；
S23：以第一像素点p为中心，选取半径为3像素的圆上的16个第二像素点；
S24：当选取的第二像素点有连续9个亮度大于T或小于T，则将所述第一像素点p作为一所述特征点；
S25：对在预设直线上所有像素点重复步骤S21～S24，所述预设直线经过所述网格图图像的中心，获得在所述预设直线上的一组所述特征点。
优选地，所述阈值T等于1.2I或0.8I。
优选地，所述S3步骤进一步包括步骤：
S31：选择离所述网格图图像的中心最近的一所述特征点为中心特征点F0；
S32：选择离所述中心特征点F0最接近的一所述特征点作为第一特征点F1，计算出所述中心特征点F0与所述第一特征点F1的距离作为标准距离D；
S33：选取除所述中心特征点F0外，离所述第一特征点F1最近的所述特征点作为第二特征点F2；
S34：计算所述第一特征点F1与所述第二特征点F2的距离d21；计算出缩放系数S21＝D/d21；
S35：将所述第二特征点F2作为新的第一特征点F1；将离当前所述第一特征点F1最近的且未选择过所述特征点作为第二特征点F2，返回步骤S34直至计算出各所述特征点之间的全部所述缩放系数；
S36：分别找出除所述中心特征点F0外的各两相邻所述特征点所对应的所述缩放系数所对应的全部像素点，获得多个目标像素点组，每一目标像素点组对应一所述缩放系数；所述目标像素点组中的所述像素点至所述中心特征点F0的距离在对应所述缩放系数对应的两所述特征点到所述中心特征点F0的距离之间；
S37：计算所述目标像素点组中所述像素点的去畸变坐标。
优选地，所述S37进一步包括步骤：
S371：计算畸变部分长度d′，所述畸变部分长度d′为当前所述像素点至对应缩放系数所对应的两相邻所述特征点中离所述中心特征点F0较近的一所述特征点的距离；
S372：计算畸变后长度Ruv：
Ruv＝d′×S21+N×D；
其中，N表示当前所述像素点至对应缩放系数所对应的两相邻所述特征点中离所述中心特征点F0较远的一所述特征点直线移动至所述中心特征点F0除了本身和所述中心特征点F0所经过的所述特征点个数；
S373：计算当前所述像素点的畸变后坐标(u′,v′)；
(u′,v′)＝(Ruvcosθ,Ruvsinθ)；
其中，θ＝arctan(u/v)；其中u表示当前像素点的x轴坐标，v表示当前像素点的y轴坐标。
本发明由于采用了以上技术方案，使其具有以下有益效果：
本发明利用畸变网格图像相邻特征点之间在实际图像中长度相等的关系来找对应映射矩阵，能够适应不同鱼眼相机，可以针对不同的相机标定出对应的映射矩阵，实现了较好的去畸变效果。
附图说明
图1为本发明实施例的鱼眼图像校正方法的流程图。
具体实施方式
下面根据附图图1，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。
请参阅图1，本发明实施例一的一种鱼眼图像校正方法，包括步骤：
S1：用鱼眼相机拍摄一网格图，获得网格图图像；
网格图的四角落在网格图图像的边缘，网格图的中心与网格图图像的中心对应。
S2：提取网格图图像的特征点；
S2步骤中通过Fast角点方法来提取网格图图像的特征点。
S2步骤进一步包括步骤：
S21：自网格图图像中选取一个第一像素点p亮度为I；
S22：设置一个阈值T；阈值T等于1.2I或0.8I。
S23：以第一像素点p为中心，选取半径为3像素的圆上的16个第二像素点；
S24：当选取的第二像素点有连续9个亮度大于T或小于T，则将第一像素点p作为一特征点；
S25：对在预设直线上所有像素点重复步骤S21～S24，预设直线y＝kx经过网格图图像的中心，获得在预设直线上的一组特征点。
S3：根据特征点对网格图图像去畸变。
S3步骤进一步包括步骤：
S31：选择离网格图图像的中心最近的一特征点为中心特征点F0；
S32：选择离中心特征点F0最接近的一特征点作为第一特征点F1，计算出中心特征点F0与第一特征点F1的距离作为标准距离D；即认为以中心特征点F0为中心D为半径的圆中的像素未产生畸变。
S33：选取除中心特征点F0外，离第一特征点F1最近的特征点作为第二特征点F2；
S34：计算第一特征点F1与第二特征点F2的距离d21；计算出缩放系数S21＝D/d21；
S35：将第二特征点F2作为新的第一特征点F1；将离当前第一特征点F1最近的且未选择过特征点作为第二特征点F2，返回步骤S34直至计算出各特征点之间的全部缩放系数；
S36：分别找出除中心特征点F0外的各两相邻特征点所对应的缩放系数所对应的全部像素点，获得多个目标像素点组，每一目标像素点组对应一缩放系数；目标像素点组中的像素点至中心特征点F0的距离在对应缩放系数对应的两特征点到中心特征点F0的距离之间；
S37：计算目标像素点组中像素点的去畸变坐标。
优选地，S37进一步包括步骤：
S371：计算畸变部分长度d′，畸变部分长度d′为当前像素点至对应缩放系数所对应的两相邻特征点中离中心特征点F0较近的一特征点的距离；
S372：计算畸变后长度Ruv：
Ruv＝d′×S21+N×D；
其中，N表示当前像素点至对应缩放系数所对应的两相邻特征点中离中心特征点F0较远的一特征点直线移动至中心特征点F0除了本身和中心特征点F0所经过的特征点个数；例如，当前像素点对应缩放系数所对应的两相邻特征点分别是距离中心特征点F0最近的第一个特征点和第二个特征点时，N值取1；当当前像素点对应缩放系数所对应的两相邻特征点分别是距离中心特征点F0的第二个特征点和第三个特征点时，N值取1，以此类推。
S373：计算当前像素点的畸变后坐标(u′,v′)；
(u′,v′)＝(Ruvcosθ,Ruvsinθ)；
其中，θ＝arctan(u/v)；其中u表示当前像素点的x轴坐标，v表示当前像素点的y轴坐标。
以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (7)

1.一种鱼眼图像校正方法，包括步骤：
S1：用鱼眼相机拍摄一网格图，获得网格图图像；
S2：提取所述网格图图像的特征点；
S3：根据所述特征点对所述网格图图像去畸变。
2.根据权利要求1所述的鱼眼图像校正方法，其特征在于，所述S1步骤中，所述网格图的四角落在所述网格图图像的边缘，所述网格图的中心与所述网格图图像的中心对应。
3.根据权利要求2所述的鱼眼图像校正方法，其特征在于，所述S2步骤中通过Fast角点方法来提取所述网格图图像的特征点。
4.根据权利要求3所述的鱼眼图像校正方法，其特征在于，所述S2步骤进一步包括步骤：
S21：自所述网格图图像中选取一个第一像素点p亮度为I；
S22：设置一个阈值T；
S23：以第一像素点p为中心，选取半径为3像素的圆上的16个第二像素点；
S24：当选取的第二像素点有连续9个亮度大于T或小于T，则将所述第一像素点p作为一所述特征点；
S25：对在预设直线上所有像素点重复步骤S21～S24，所述预设直线经过所述网格图图像的中心，获得在所述预设直线上的一组所述特征点。
5.根据权利要求4所述的鱼眼图像校正方法，其特征在于，所述阈值T等于1.2I或0.8I。
6.根据权利要求4所述的鱼眼图像校正方法，其特征在于，所述S3步骤进一步包括步骤：
S31：选择离所述网格图图像的中心最近的一所述特征点为中心特征点F0；
S32：选择离所述中心特征点F0最接近的一所述特征点作为第一特征点F1，计算出所述中心特征点F0与所述第一特征点F1的距离作为标准距离D；
S33：选取除所述中心特征点F0外，离所述第一特征点F1最近的所述特征点作为第二特征点F2；
S34：计算所述第一特征点F1与所述第二特征点F2的距离d21；计算出缩放系数S21＝D/d21；
S35：将所述第二特征点F2作为新的第一特征点F1；将离当前所述第一特征点F1最近的且未选择过所述特征点作为第二特征点F2，返回步骤S34直至计算出各所述特征点之间的全部所述缩放系数；
S36：分别找出除所述中心特征点F0外的各两相邻所述特征点所对应的所述缩放系数所对应的全部像素点，获得多个目标像素点组，每一目标像素点组对应一所述缩放系数；所述目标像素点组中的所述像素点至所述中心特征点F0的距离在对应所述缩放系数对应的两所述特征点到所述中心特征点F0的距离之间；
S37：计算所述目标像素点组中所述像素点的去畸变坐标。
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S37进一步包括步骤：
S371：计算畸变部分长度d′，所述畸变部分长度d′为当前所述像素点至对应缩放系数所对应的两相邻所述特征点中离所述中心特征点F0较近的一所述特征点的距离；
S372：计算畸变后长度Ruv：
Ruv＝d′×S21+N×D；
其中，N表示当前所述像素点至对应缩放系数所对应的两相邻所述特征点中离所述中心特征点F0较远的一所述特征点直线移动至所述中心特征点F0除了本身和所述中心特征点F0所经过的所述特征点个数；
S373：计算当前所述像素点的畸变后坐标(u′，v′)；
(u′，v′)＝(Ruvcosθ，Ruvsinθ)；
其中，θ＝arctan(u/v)；其中u表示当前像素点的x轴坐标，v表示当前像素点的y轴坐标。
CN202110583404.8A 2021-05-27 2021-05-27 鱼眼图像校正方法 Active CN113298699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110583404.8A CN113298699B (zh) 2021-05-27 2021-05-27 鱼眼图像校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110583404.8A CN113298699B (zh) 2021-05-27 2021-05-27 鱼眼图像校正方法

Publications (2)

Publication Number Publication Date
CN113298699A true CN113298699A (zh) 2021-08-24
CN113298699B CN113298699B (zh) 2023-02-21

Family

ID=77325499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110583404.8A Active CN113298699B (zh) 2021-05-27 2021-05-27 鱼眼图像校正方法

Country Status (1)

Country Link
CN (1) CN113298699B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103218786A (zh) * 2013-04-23 2013-07-24 西北工业大学 一种基于非线性逆映射机理的严重桶形畸变图像校正方法
CN103258328A (zh) * 2013-04-27 2013-08-21 浙江大学 一种宽视场镜头的畸变中心定位方法
CN104537616A (zh) * 2014-12-20 2015-04-22 中国科学院西安光学精密机械研究所 鱼眼图像畸变的校正方法
CN104881866A (zh) * 2015-04-30 2015-09-02 长安通信科技有限责任公司 一种扩展小孔成像模型的鱼眼相机矫正与标定方法
CN107665483A (zh) * 2017-09-27 2018-02-06 天津智慧视通科技有限公司 免定标便捷的单目镜头鱼眼图像畸变矫正方法
US20190236805A1 (en) * 2018-01-26 2019-08-01 Shanghai Xiaoyi Technology Co., Ltd. Method and device for calibrating dual fisheye lens panoramic camera, and storage medium and terminal thereof
CN110197466A (zh) * 2019-05-30 2019-09-03 河海大学常州校区 一种广角鱼眼图像矫正方法
CN110738707A (zh) * 2019-10-16 2020-01-31 北京华捷艾米科技有限公司 一种相机的畸变校正方法及装置、设备、存储介质
CN111047633A (zh) * 2018-10-12 2020-04-21 富华科精密工业（深圳）有限公司 单目测距装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103218786A (zh) * 2013-04-23 2013-07-24 西北工业大学 一种基于非线性逆映射机理的严重桶形畸变图像校正方法
CN103258328A (zh) * 2013-04-27 2013-08-21 浙江大学 一种宽视场镜头的畸变中心定位方法
CN104537616A (zh) * 2014-12-20 2015-04-22 中国科学院西安光学精密机械研究所 鱼眼图像畸变的校正方法
CN104881866A (zh) * 2015-04-30 2015-09-02 长安通信科技有限责任公司 一种扩展小孔成像模型的鱼眼相机矫正与标定方法
CN107665483A (zh) * 2017-09-27 2018-02-06 天津智慧视通科技有限公司 免定标便捷的单目镜头鱼眼图像畸变矫正方法
US20190236805A1 (en) * 2018-01-26 2019-08-01 Shanghai Xiaoyi Technology Co., Ltd. Method and device for calibrating dual fisheye lens panoramic camera, and storage medium and terminal thereof
CN111047633A (zh) * 2018-10-12 2020-04-21 富华科精密工业（深圳）有限公司 单目测距装置
CN110197466A (zh) * 2019-05-30 2019-09-03 河海大学常州校区 一种广角鱼眼图像矫正方法
CN110738707A (zh) * 2019-10-16 2020-01-31 北京华捷艾米科技有限公司 一种相机的畸变校正方法及装置、设备、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SOO-YOUNG HA,ET AL: "A new calibrator providing easy detection of feature points for calibrating fisheye cameras in vehicle AVM systems", 《SPRINGER》 *
ZHU HAIJIANG,ET AL: "Estimating fisheye camera parameters from homography", 《SCIENCE CHINA》 *
李东辉: "鱼眼镜头下基于ORB算法的图像拼接技术研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *

Also Published As

Publication number Publication date
CN113298699B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN107918927B (zh) 一种匹配策略融合及低误差的快速图像拼接方法
CN109785291B (zh) 一种车道线自适应检测方法
CN111260543B (zh) 一种基于多尺度图像融合和sift特征的水下图像拼接方法
US20040125106A1 (en) Method of seamless processing for merging 3D color images
CN112947885B (zh) 一种曲面屏展平图像的生成方法及装置
CN113269697A (zh) 一种曲面屏图像的生成方法及装置
CN109754381A (zh) 一种图像处理方法及系统
CN108198222B (zh) 一种广角镜头标定及图像矫正方法
CN106780308B (zh) 一种图像透视变换方法
CN116543055A (zh) 图像畸变标定方法、校正方法、计算机装置、计算机可读存储介质
CN109191501B (zh) 一种多源高空间分辨率影像的自动几何配准方法
CN113052765B (zh) 基于最优栅格密度模型的全景图像拼接方法
CN113298699B (zh) 鱼眼图像校正方法
CN113592744B (zh) 一种适用于高分辨率遥感影像的几何精校正方法
CN112819738B (zh) 红外图像融合方法、装置、计算机设备和存储介质
CN114792288B (zh) 一种曲面屏图像的灰度校正方法及相关装置
CN116385370A (zh) 鱼眼图像处理方法、装置、电子设备和存储介质
CN110163212B (zh) 一种碑帖图像中的文字切割方法
CN111210384A (zh) 一种适用于机场跑道场景的图像拼接方法
CN111179205B (zh) 一种基于地物分类掩膜的遥感影像色彩纠正方法
CN111179355A (zh) 一种结合点云和语义识别的双目摄像头标定方法
CN113658264B (zh) 基于距离信息的单幅图像相机焦距估计方法
CN117315050B (zh) 一种摄像机标定方法
JP3806477B2 (ja) 画像処理装置
CN112927157B (zh) 采用加权最小二乘滤波的改进暗通道去雾方法

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