CN113298709A - 一种基于几何变换原理的图像视角变换方法 - Google Patents
一种基于几何变换原理的图像视角变换方法 Download PDFInfo
- Publication number
- CN113298709A CN113298709A CN202110367750.2A CN202110367750A CN113298709A CN 113298709 A CN113298709 A CN 113298709A CN 202110367750 A CN202110367750 A CN 202110367750A CN 113298709 A CN113298709 A CN 113298709A
- Authority
- CN
- China
- Prior art keywords
- transformation
- image
- transformed
- angle
- pixel matrix
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 250
- 230000000007 visual effect Effects 0.000 title claims abstract description 68
- 238000011426 transformation method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000003247 decreasing effect Effects 0.000 claims description 55
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 63
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- G06T3/04—
Abstract
本发明公开了一种基于几何变换原理的图像视角变换方法,其中,所述方法包括:基于预设变换规则将待角度变换图像进行切分处理,获得待角度变换图像的若干个像素矩阵,所述预设变换规则包括待变换视角方向;将所述像素矩阵输入递减变换函数中由待变换视角方向开始进行第一次变换处理,获得初始变换图像像素矩阵;将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行第二次变换处理,获得视角变换后的图像。在本发明实施例中,可以根据深度学习实际需求对训练图像做相应的视角变化,让训练图像包含多个不同的视角,有利于提升模型的抗干扰能力。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种基于几何变换原理的 图像视角变换方法。
背景技术
在计算机视觉领域,通过各种数据增强方式,可以有效扩充数据集, 提升数据的多样性,一定程度上有利于模型的训练效果。常见的数据增强 方式有旋转、裁剪、缩放、加遮挡、模糊、颜色扰动等,针对不同的应用 场景可以在以上方式中选择几种进行数据处理。但是目前的数据增强方法 很少有针对图像视角变换的,而在很多计算机视觉问题中都会遇到不同拍 摄视角造成的干扰,所以方便可行的图像视角变换方法对相关研究大有帮助;因此,需要提供一种技术,可以根据不同的问题对图像做相应的视角 变换,让训练数据更加符合实际情况,有利于提升模型的抗干扰能力。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于几何 变换原理的图像视角变换方法,可以根据深度学习实际需求对训练图像做 相应的视角变化,让训练图像更加符合实际情况,有利于提升模型的抗干 扰能力。
为了解决上述技术问题,本发明实施例提供了一种基于几何变换原理 的图像视角变换方法,所述方法包括:
基于预设变换规则将待角度变换图像进行像素矩阵切分处理,获得待 角度变换图像的若干个像素矩阵,所述预设变换规则包括待变换视角方向;
将所述像素矩阵输入递减变换函数中由待变换视角方向开始进行第一 次变换处理,获得初始变换图像像素矩阵;
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向 开始进行第二次变换处理,获得视角变换后的图像。
可选的,所述基于预设变换规则将待角度变换图像进行像素矩阵构建 处理,获得待角度变换图像的若干个像素矩阵,包括:
以垂直于所述待变换视角方向的方式将所述待角度变换图像平均划分 大小相等的若干个图像块;
将划分得到的大小相等的若干个图像块进行像素提取处理,获得待角 度变换图像的若干个像素矩阵。
可选的,所述递减变换函数为根据相机成像原理设计获得;
所述递减变换函数如下:
θ=90°-α;
其中,i表示所述待角度变换图像平均划分的图像块个数,i=1,2,...,n; δ表示图像块的高度;d表示待角度变换图像到相机的水平距离;f表示相机 的焦距;xi表示成像变换得到的图像块的高度;θ在(0°,90°)的范围内逐 渐增大,对应的tanθ在的范围内逐渐增大;h表示待角度变换 图像的高度。
可选的,所述将所述像素矩阵输入递减变换函数中并由待变换视角方 向开始进行第一次变换处理,获得初始变换图像像素矩阵,包括:
将所述像素矩阵输入递减变换函数中并由待变换视角方向开始进行纵 向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵。
可选的,所述将所述像素矩阵输入递减变换函数中并由待变换视角方 向开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵, 包括:
将所述像素矩阵输入递减变换函数中,调整所述递减函数中的相机的 焦距和待角度变换图像到相机的水平距离,获得所述输入像素矩阵对应的 图像块的新高度,所述新高度大于所述图像块的原始高度;
在所述输入像素矩阵对应的图像块的新高度之后,开始进行递减处理, 同时,利用双线性插值法对每块图像块对应的像素矩阵进行插值处理,获 得初始变换图像像素矩阵。
可选的,所述将所述初始变换图像像素矩阵输入递减变换函数中由待 变换视角方向开始进行第二次变换处理,获得视角变换后的图像,包括:
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向 开始进行横向等比例放缩变换处理,获得视角变换后的图像。
可选的,所述将所述初始变换图像像素矩阵输入递减变换函数中由待 变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图像, 包括:
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向 开始进行横向等比例放缩变换处理,并对横向等比例放缩变换处理后的每 个图像块的两端用白色像素进行补齐处理,获得补齐后的图像块;
利用所述补齐后的图像块进行拼接处理,获得视角变换后的图像。
在本发明实施例中,可以根据深度学习实际需求对训练图像做相应的 视角变化,可以根据不同的问题对图像做相应的视角变换,让训练图像更 加符合实际情况,有利于提升模型的抗干扰能力。
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附图作简单地介绍,显而易见的, 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它的附 图。
图1是本发明实施例中的基于几何变换原理的图像视角变换方法的流 程示意图;
图2是本发明实施例中的基于几何变换原理的图像视角变换过程示意 图;
图3是本发明实施例中的递减变换函数的几何原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进 行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例, 而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没 有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的 范围。
实施例一
计算机视觉领域一个好的模型应该具备足够的抗干扰能力,能够对不 同视角、光照、背景、变形或者有遮挡的图像做出正确识别。因此,多视 角图像具有重要的应用价值,利用多视角图像可以有效解决跨视角问题, 比如可以应用在跨视角人体行为识别和行人重识别领域。本发明参考相机 “近大远小”的成像特点进行图像视角变换,可以有效提升数据集的多样 性,进而提升模型对不同视角图像的识别能力。
根据相机成像原理设计一个递减变化的函数(函数的推倒过程将在下 方介绍),该函数的作用是,当输入是相等的数字序列时,输出从一个比输 入略大的值开始递减,得到一组递减的数字序列。将一张图片水平切分为n 块,每块包含δ行像素。每个图像块的宽和高分别用该函数进行变换,相 当于对图像块做拉伸、压缩处理。一张图片最终的成像结果为从高往低在 纵向和横向两个方向上依次先拉伸后压缩,类似于矩形向梯形的变换过程, 生成的图片在视觉上产生类似于俯视的效果。
将平视图处理成任意视角的图像时,都需要纵向和横向两个方向图像 块的拉伸或压缩,对不同方向的处理只是图像块的划分方式不一样,基本 的呈像原理都是一致的。
请参阅图1-3,图1是本发明实施例中的基于几何变换原理的图像视角 变换方法的流程示意图;图2是本发明实施例中的基于几何变换原理的图 像视角变换过程示意图;图3是本发明实施例中的递减变换函数的几何原 理示意图。
如图1-3所示,一种基于几何变换原理的图像视角变换方法,所述方法 包括:
S11:基于预设变换规则将待角度变换图像进行像素矩阵切分处理,获 得待角度变换图像的若干个像素矩阵,所述预设变换规则包括待变换视角 方向;
在本发明具体实施过程中,所述基于预设变换规则将待角度变换图像 进行像素矩阵构建处理,获得待角度变换图像的若干个像素矩阵,包括: 以垂直于所述待变换视角方向的方式将所述待角度变换图像平均划分大小 相等的若干个图像块;将划分得到的大小相等的若干个图像块进行像素提 取处理,并基于提取到的像素进行矩阵构建处理,获得待角度变换图像的 若干个像素矩阵。
具体的,在得到需要进行视角变换的待角度变换图像时,需要得到预 设的变换规则,该预设变换规则为待变换视角方向,同时需要考虑待角度 变换图像的大小,然后以垂直于该待变换视角方向,并考虑待角度变换图 像的大小将待角度变换图像平均划分大小相等的若干个图像块;一般将待 角度变换图像按十行像素划分为大小相等的图像块;获得待角度变换图像 的若干个像素矩阵。
S12:将所述像素矩阵输入递减变换函数中由待变换视角方向开始进行 第一次变换处理,获得初始变换图像像素矩阵;
在本发明具体实施过程中,所述递减变换函数为根据相机成像原理设 计获得;
所述递减变换函数如下:
θ=90°-α;
其中,i表示所述待角度变换图像平均划分的图像块个数,i=1,2,...,n; δ表示图像块的高度;d表示待角度变换图像到相机的水平距离;f表示相机 的焦距;xi表示成像变换得到的图像块的高度;θ在(0°,90°)的范围内逐 渐增大,对应的tanθ在的范围内逐渐增大;h表示待角度变换 图像的高度。
进一步的,所述将所述像素矩阵输入递减变换函数中并由待变换视角 方向开始进行第一次变换处理,获得初始变换图像像素矩阵,包括:将所 述像素矩阵输入递减变换函数中并由待变换视角方向开始进行纵向先拉伸 后压缩的变换处理,获得初始变换图像像素矩阵。
进一步的,所述将所述像素矩阵输入递减变换函数中并由待变换视角 方向开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵, 包括:将所述像素矩阵输入递减变换函数中,调整所述递减函数中的相机 的焦距和待角度变换图像到相机的水平距离,获得所述输入像素矩阵对应 的图像块的新高度,所述每个图像块的新高度值是一个递减序列,每块图 像的新高度值依次和序列中的值对应;同时,利用双线性插值法对每块图 像块对应的像素矩阵进行插值处理,获得初始变换图像像素矩阵。
具体的,需要构建一个递减变换函数,根据相机的成像原理来构建递 减变换函数,即假设一张完整的待角度变换图像被划分为大小相等的i个图 像块,并且每个图像块的高度为δ,相机和水平面的夹角α,待角度变换图 像到相机的水平距离d,相机的焦距f,成像变换得到的图像块的高度xi, i=1,2,...,n;根据相似三角形性质,即可得到:
θ=90°-α;
从上述可以看出,以δ为输入,xi为输出,当i递增时,θ也在递增,对 应于xi递减,因此递减变换函数的几何原理如图3所示。
需要将得到的像素矩阵输入该递减变换函数中,并且通过待变换视角 方向端开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩 阵。
即,将像素矩阵输入递减变换函数中,调整递减函数中的相机的焦距 和待角度变换图像到相机的水平距离,得到输入像素矩阵对应的图像块的 新高度,在新高度值从比原始图像块高度略大的值开始递减,即新高度大 于所述图像块的原始高度;在输入像素矩阵对应的图像块的新高度之后, 开始进行递减处理,同时,利用双线性插值法对每块图像块对应的像素矩 阵进行插值处理,得到纵向等比例先拉伸后压缩的效果。
S13:将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角 方向开始进行第二次变换处理,获得视角变换后的图像。
在本发明具体实施过程中,所述将所述初始变换图像像素矩阵输入递 减变换函数中由待变换视角方向开始进行第二次变换处理,获得视角变换 后的图像,包括:将所述初始变换图像像素矩阵输入递减变换函数中由待 变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图像。
进一步的,所述将所述初始变换图像像素矩阵输入递减变换函数中由 待变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图 像,包括:将所述初始变换图像像素矩阵输入递减变换函数中由待变换视 角方向开始进行横向等比例放缩变换处理,并对横向等比例放缩变换处理 后的每个图像块的两端用白色像素进行补齐处理,获得补齐后的图像块; 利用所述补齐后的图像块进行拼接处理,获得视角变换后的图像。
具体的,将初始变换图像像素矩阵输入递减变换函数中由待变换视角 方向端开始进行横向等比例放缩变换处理,获得视角变换后的图像。即, 将初始变换图像像素矩阵输入递减变换函数中由待变换视角方向端开始进 行横向等比例放缩变换处理,并对横向等比例放缩变换处理后的每个图像 块的两端用白色像素进行补齐处理,获得补齐后的图像块;然后利用补齐 后的图像块进行拼接处理,获得视角变换后的图像。横向的放缩会造成每 个像素矩阵宽度不一致无法拼接,故对每个图像块两端用白色像素进行补 齐,然后拼接,最终得到上宽下窄的梯形图像。通过上述两次不同方向的 变换,将平视图处理成俯视效果。
在本发明实施例中,可以根据深度学习实际需求对训练图像做相应的 视角变化,可以根据不同的问题对图像做相应的视角变换,让训练图像更 加符合实际情况,有利于提升模型的抗干扰能力。
实施例二
一种基于几何变换原理的图像视角变换装置,所述装置包括:
像素矩阵构建模块:用于基于预设变换规则将待角度变换图像进行切 分处理,获得待角度变换图像的若干个像素矩阵,所述预设变换规则包括 待变换视角方向;
在本发明具体实施过程中,基于预设变换规则将待角度变换图像进行 切分处理,获得待角度变换图像的若干个像素矩阵,包括:以垂直于所述 待变换视角方向的方式将所述待角度变换图像平均划分大小相等的若干个 图像块;将划分得到的大小相等的若干个图像块进行像素提取处理,并基 于提取到的像素进行矩阵构建处理,获得待角度变换图像的若干个像素矩 阵。
具体的,在得到需要进行视角变换的待角度变换图像时,需要得到预 设的变换规则,该预设变换规则为待变换视角方向,同时需要考虑待角度 变换图像的大小,然后以垂直于该待变换视角方向,并考虑待角度变换图 像的大小将待角度变换图像平均划分大小相等的若干个图像块;一般将待 角度变换图像按十行像素划分为大小相等的图像块;然后将划分得到的大 小相等的若干个图像块进行像素提取处理,并根据提取到的像素进行矩阵 构建处理,获得待角度变换图像的若干个像素矩阵。
第一次变换模块:用于将所述像素矩阵输入递减变换函数中由待变换 视角方向开始进行第一次变换处理,获得初始变换图像像素矩阵;
在本发明具体实施过程中,所述递减变换函数为根据相机成像原理设 计获得;
所述递减变换函数如下:
θ=90°-α;
其中,i表示所述待角度变换图像平均划分的图像块个数,i=1,2,...,n; δ表示图像块的高度;d表示待角度变换图像到相机的水平距离;f表示相机 的焦距;xi表示成像变换得到的图像块的高度;θ在(0°,90°)的范围内逐 渐增大,对应的tanθ在的范围内逐渐增大;h表示待角度变换 图像的高度。
进一步的,所述将所述像素矩阵输入递减变换函数中并由待变换视角 方向开始进行第一次变换处理,获得初始变换图像像素矩阵,包括:将所 述像素矩阵输入递减变换函数中并由待变换视角方向开始进行纵向先拉伸 后压缩的变换处理,获得初始变换图像像素矩阵。
进一步的,所述将所述像素矩阵输入递减变换函数中并由待变换视角 方向开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵, 包括:将所述像素矩阵输入递减变换函数中,调整所述递减函数中的相机 的焦距和待角度变换图像到相机的水平距离,获得所述输入像素矩阵对应 的图像块的新高度,所述新高度大于所述图像块的原始高度;在所述输入 像素矩阵对应的图像块的新高度之后,开始进行递减处理,同时,利用双 线性插值法对每块图像块对应的像素矩阵进行插值处理,获得初始变换图 像像素矩阵。
具体的,需要构建一个递减变换函数,根据相机的成像原理来构建递 减变换函数,即假设一张完整的待角度变换图像被划分为大小相等的i个图 像块,并且每个图像块的高度为δ,相机和水平面的夹角α,待角度变换图 像到相机的水平距离d,相机的焦距f,成像变换得到的图像块的高度xi, i=1,2,...,n;根据相似三角形性质,即可得到:
θ=90°-α;
从上述可以看出,以δ为输入,xi为输出,当i递增时,θ也在递增,对 应于xi递减,因此递减变换函数的几何原理如图3所示。
需要将得到的像素矩阵输入该递减变换函数中,并且通过待变换视角 方向端开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩 阵。
即,将像素矩阵输入递减变换函数中,调整递减函数中的相机的焦距 和待角度变换图像到相机的水平距离,得到输入像素矩阵对应的图像块的 新高度,新高度值从比原始图像块高度略大的值开始递减;同时,利用双 线性插值法对每块图像块对应的像素矩阵进行插值处理,得到纵向等比例 先拉伸后压缩的效果。
第二次变换模块:用于将所述初始变换图像像素矩阵输入递减变换函 数中由待变换视角方向开始进行第二次变换处理,获得视角变换后的图像。
在本发明具体实施过程中,所述将所述初始变换图像像素矩阵输入递 减变换函数中由待变换视角方向开始进行第二次变换处理,获得视角变换 后的图像,包括:将所述初始变换图像像素矩阵输入递减变换函数中由待 变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图像。
进一步的,所述将所述初始变换图像像素矩阵输入递减变换函数中由 待变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图 像,包括:将所述初始变换图像像素矩阵输入递减变换函数中由待变换视 角方向开始进行横向等比例放缩变换处理,由于变换后图像块宽度不一致 无法拼接,故对横向等比例放缩变换处理后的每个图像块的两端用白色像 素进行补齐处理,获得补齐后的图像块;利用所述补齐后的图像块进行拼 接,获得视角变换后的图像。
具体的,将初始变换图像像素矩阵输入递减变换函数中由待变换视角 方向端开始进行横向等比例放缩变换处理,获得视角变换后的图像。即, 将初始变换图像像素矩阵输入递减变换函数中由待变换视角方向端开始进 行横向等比例放缩变换处理,并对横向等比例放缩变换处理后的每个图像 块的两端用白色像素进行补齐处理,获得补齐后的图像块;然后利用补齐 后的图像块进行拼接处理,获得视角变换后的图像。横向的放缩会造成每 个像素矩阵宽度不一致无法拼接,故对每个图像块两端用白色像素进行补 齐,然后拼接,最终得到上宽下窄的梯形图像。通过上述两次不同方向的 变换,将平视图处理成俯视效果。
在本发明实施例中,可以根据深度学习实际需求对训练图像做相应的 视角变化,让训练图像更加多样化,更加符合实际情况,有利于提升模型 的抗干扰能力。
另外,以上对本发明实施例所提供的一种基于几何变换原理的图像视 角变换方法进行了详细介绍,本文中应采用了具体个例对本发明的原理及 实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法 及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想, 在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容 不应理解为对本发明的限制。
Claims (7)
1.一种基于几何变换原理的图像视角变换方法,其特征在于,所述方法包括:
基于预设变换规则将待角度变换图像进行切分处理,获得待角度变换图像的若干个像素矩阵,所述预设变换规则包括待变换视角方向;
将所述像素矩阵输入递减变换函数中由待变换视角方向开始进行第一次变换处理,获得初始变换图像像素矩阵;
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行第二次变换处理,获得视角变换后的图像。
2.根据权利要求1所述的图像视角变换方法,其特征在于,所述基于预设变换规则将待角度变换图像进行切分处理,获得待角度变换图像的若干个像素矩阵,包括:
以垂直于所述待变换视角方向的方式将所述待角度变换图像平均切分为大小相等的若干个图像块;
将切分得到的大小相等的若干个图像块进行像素提取处理,获得待角度变换图像的若干个像素矩阵。
4.根据权利要求1所述的图像视角变换方法,其特征在于,将所述切分得到的若干个像素矩阵依次输入递减变换函数中并由待变换视角方向开始进行第一次变换处理,获得初始变换图像像素矩阵,包括:
将所述像素矩阵依次输入递减变换函数中并由待变换视角方向开始进行纵向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵。
5.根据权利要求4所述的图像视角变换方法,其特征在于,将所述像素矩阵依次输入递减变换函数中并由待变换视角方向开始进行横向先拉伸后压缩的变换处理,获得初始变换图像像素矩阵,包括:
将所述像素矩阵输入递减变换函数中,调整所述递减函数中的相机的焦距和待角度变换图像到相机的水平距离,获得所述输入像素矩阵对应的图像块的新高度,所述新高度大于所述图像块的原始高度;
在所述输入像素矩阵对应的图像块的新高度之后,开始进行递减处理,同时,利用双线性插值法对每块图像块对应的像素矩阵进行插值处理,获得初始变换图像像素矩阵。
6.根据权利要求1所述的图像视角变换方法,其特征在于,所述将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行第二次变换处理,获得视角变换后的图像,包括:
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图像。
7.根据权利要求6所述的图像视角变换方法,其特征在于,所述将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行横向等比例放缩变换处理,获得视角变换后的图像,包括:
将所述初始变换图像像素矩阵输入递减变换函数中由待变换视角方向开始进行横向等比例放缩变换处理,放缩之后图像块长度不一致,无法拼接,故对横向等比例放缩变换处理后的每个图像块的两端用白色像素进行补齐,获得补齐后的图像块;
将所述补齐后的图像块进行拼接处理,获得视角变换后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367750.2A CN113298709B (zh) | 2021-04-06 | 2021-04-06 | 一种基于几何变换原理的图像视角变换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367750.2A CN113298709B (zh) | 2021-04-06 | 2021-04-06 | 一种基于几何变换原理的图像视角变换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298709A true CN113298709A (zh) | 2021-08-24 |
CN113298709B CN113298709B (zh) | 2023-05-02 |
Family
ID=77319552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110367750.2A Active CN113298709B (zh) | 2021-04-06 | 2021-04-06 | 一种基于几何变换原理的图像视角变换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298709B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845068A (zh) * | 2016-09-18 | 2018-03-27 | 富士通株式会社 | 图像视角变换装置以及方法 |
CN110163974A (zh) * | 2019-05-22 | 2019-08-23 | 南京大学 | 一种基于无向图学习模型的单图像面片重建方法 |
CN111462030A (zh) * | 2020-03-27 | 2020-07-28 | 高小翎 | 多图像融合的立体布景视觉新角度构建绘制方法 |
WO2020177651A1 (zh) * | 2019-03-01 | 2020-09-10 | 华为技术有限公司 | 图像分割方法和图像处理装置 |
-
2021
- 2021-04-06 CN CN202110367750.2A patent/CN113298709B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845068A (zh) * | 2016-09-18 | 2018-03-27 | 富士通株式会社 | 图像视角变换装置以及方法 |
WO2020177651A1 (zh) * | 2019-03-01 | 2020-09-10 | 华为技术有限公司 | 图像分割方法和图像处理装置 |
CN110163974A (zh) * | 2019-05-22 | 2019-08-23 | 南京大学 | 一种基于无向图学习模型的单图像面片重建方法 |
CN111462030A (zh) * | 2020-03-27 | 2020-07-28 | 高小翎 | 多图像融合的立体布景视觉新角度构建绘制方法 |
Non-Patent Citations (3)
Title |
---|
付倩文;何明一;徐晨宇;: "一种带预处理的RANSAC图像拼接算法" * |
平强等: "姿态鲁棒的分块稀疏表示人脸识别算法", 《中国科学技术大学学报》 * |
罗坚等: "异常步态3维人体建模和可变视角识别", 《中国图象图形学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113298709B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7715656B2 (en) | Magnification and pinching of two-dimensional images | |
US20100124383A1 (en) | Systems and methods for resolution-invariant image representation | |
US6959117B2 (en) | Method and apparatus for deblurring and re-blurring image segments | |
CN108665415B (zh) | 基于深度学习的图像质量提升方法及其装置 | |
JP2007249967A (ja) | 広角画像用遠近補正カメラ移動方法 | |
CN109934793B (zh) | 一种基于整数dct变换的实时图像融合方法 | |
CN114945935A (zh) | 使用卷积神经网络的超分辨率 | |
CN112132836A (zh) | 视频图像裁剪方法、装置、电子设备及存储介质 | |
CN111062867A (zh) | 一种视频超分辨率重建方法 | |
CN107767357A (zh) | 一种基于多方向字典的深度图像超分辨率方法 | |
Furuta et al. | Fast volume seam carving with multipass dynamic programming | |
CN112598587A (zh) | 一种联合人脸去口罩和超分辨率的图像处理系统和方法 | |
CN109859136A (zh) | 一种在景深渲染中对图像进行模糊处理的方法 | |
CN113298709B (zh) | 一种基于几何变换原理的图像视角变换方法 | |
US9230359B2 (en) | Method for resizing an image | |
CN112883983A (zh) | 特征提取方法、装置和电子系统 | |
CN111091515B (zh) | 图像复原方法及装置、计算机可读存储介质 | |
CN109996085B (zh) | 模型训练方法、图像处理方法、装置及电子设备 | |
CN103595933A (zh) | 一种图像的降噪方法 | |
CN116485944A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN113112531B (zh) | 一种图像匹配方法及装置 | |
US20080181528A1 (en) | Faster serial method for continuously varying Gaussian filters | |
CN113240573B (zh) | 局部和全局并行学习的高分辨率图像风格变换方法及系统 | |
CN110363723B (zh) | 改进图像边界效果的图像处理方法及装置 | |
US20220138906A1 (en) | Image Processing Method, Apparatus, and 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 |