CN113313648B - 图像矫正方法、装置、电子设备和介质 - Google Patents
图像矫正方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113313648B CN113313648B CN202110610732.2A CN202110610732A CN113313648B CN 113313648 B CN113313648 B CN 113313648B CN 202110610732 A CN202110610732 A CN 202110610732A CN 113313648 B CN113313648 B CN 113313648B
- Authority
- CN
- China
- Prior art keywords
- image
- corrected
- area
- pixel
- pixel point
- 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 50
- 238000003702 image correction Methods 0.000 title claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G06T5/80—
-
- G06T5/92—
Abstract
本公开提供了一种图像矫正方法、装置、电子设备和介质,涉及图像处理技术领域,尤其涉及图像矫正技术、云计算及云服务技术领域。具体实现方案为:对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中;根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像。本公开实现了减少图像矫正所需时间,提高图像矫正效率的效果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及图像矫正技术、云计算及云服务技术领域,特别涉及一种图像矫正方法、装置、电子设备和介质。
背景技术
随着科技水平的不断进步,学生们越来越多的利用智能辅助学习技术来帮助自己学习。基于图像进行信息搜索就是一种常见的智能辅助学习技术,学生可以通过对纸张进行拍照的方式将不懂的问题在互联网中进行搜索。
通常情况下负责拍照的摄像头无法垂直对准纸张,这就导致纸张在拍摄图像中产生形状畸变,影响信息搜索的精准度。目前主流的解决方法是针对每一张畸变图像都计算对应的矫正矩阵,并基于矫正矩阵进行图像矫正。
发明内容
本公开提供了一种用于对待矫正图像进行矫正的方法、装置、电子设备和介质。
根据本公开的一方面,提供了一种图像矫正方法,包括:
对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中;
根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像。
根据本公开的另一方面,提供了一种图像矫正装置,包括:
待矫正图像获取模块,用于对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中;
图像矫正模块,用于根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开中任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开中任一项所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1A是根据本公开实施例公开的一种纸张畸变图像的示意图;
图1B是根据本公开实施例公开的一种图像矫正方法的流程图;
图2A是根据本公开实施例公开的一种图像矫正方法的流程图;
图2B是根据本公开实施例公开的一种标定区域的示意图;
图3是根据本公开实施例公开的一种图像矫正装置的结构示意图;
图4是用来实现本公开实施例公开的图像矫正方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
申请人在研发过程中发现,越来越多的人通过学习平板进行智能辅助学习。学习平板是为了提升学生的学习质量而生产的一种主打学习功能的平板电脑,其可通过搭载的摄像头来拍摄学习资料,并在互联网中进行信息搜索。为了方便拍摄桌面的学习资料,学习平板多是依靠支架斜立在桌上,这就导致通过摄像头来拍摄桌面的学习资料时,摄像头无法垂直的对准桌面。而如果摄像头无法垂直对准桌面时,采集出的图像就会产生梯形畸变。以拍摄纸张为例,靠近学习平板的一端因为更靠近摄像头,成像会更大,而远离学习平板的一端,成像会更小。因而在拍出的图像中,纸张会畸变形成上宽下窄的梯形。图1A是根据本公开实施例公开的一种纸张畸变图像的示意图,如图1A所示,10为采集的图像,11为采集的图像 10中产生畸变的纸张图像。
对于基于图像进行信息搜索的场景来说,如搜索习题或辨识用户所指的字等,图像畸变会对识别结果产生较大影响。
目前主流的解决方法是针对每一张畸变图像都计算对应的矫正矩阵,并基于矫正矩阵进行图像矫正。然而由于矫正每一张畸变图像都需要计算矫正矩阵,因此图像矫正所需的时间较长,图像矫正的效率较低。
图1B是根据本公开实施例公开的一种图像矫正方法的流程图,本实施例可以适用于对待矫正图像进行矫正的情况。本实施例方法可以由本公开实施例公开的图像矫正装置来执行,所述装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图1B所示,本实施例公开的图像矫正方法可以包括:
S101、对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中。
其中,目标物体指的是待矫正图像中的主体物体,即待矫正图像中包括目标物体图像,以及目标物体图像以外的背景图像。引导区域为在待矫正图像中预先标定的虚拟区域,用于引导用户将目标物体图像移动到引导区域后,再进行图像采集得到待矫正图像。
在一种实施方式中,用于图像采集的采集装置,例如摄像头或照相机等,安装在具有可视化屏幕的设备上,且与所述设备数据连接。当所述设备的图像采集功能开启后,采集装置将当前取景范围内的图像传输给所述设备,以使得所述设备将取景范围内的图像在可视化屏幕上展示,并且同时向用户展示预先标定的引导区域,以引导用户将目标物体图像移动到引导区域中,所述设备确定目标物体图像已完全处于引导区域后,则对目标物体进行图像采集,得到待矫正图像。
可选的,目标物体包括课本、试卷和习题集中的至少一种。即在教学场景中,用户可针对课本、试卷和习题集中不懂的问题,通过拍照的方式在互联网中进行信息搜索,从而大大扩展了本实施中图像矫正方法的适用范围。
以教学场景为例对上述实施方式进行解释说明。学习平板在某一个位置固定放置,且与桌面成固定的角度。当用户发现课本、试卷或习题集的纸张中有一个不懂的问题,则开启学习平板的搜图功能,学习平板响应用户的指令,控制前置摄像头开启并在学习平板屏幕上显示取景范围。此时在学习平板屏幕上会展示预先设定的引导区域,以引导用户将纸张移动到该引导区域中,其中,引导区域为预先根据学习平板的摆放位置结合经验设定的一个最佳的拍摄位置,在引导区域中采集的纸张图像成像效果最优。学习平板会实时检测纸张图像是否已完全位于引导区域中,例如通过检测纸张图像的四边轮廓像素点是否已位于引导区域的四边内,并且还会根据纸张图像面积以及面积门限值进行判定,若纸张图像面积小于面积门限值,则告知用户当前纸张过小无法采集图像。若确定纸张图像已位于引导区域中且纸张图像面积大于面积门限值,则控制前置摄像头对纸张进行图像采集,得到待矫正图像。
通过对目标物体进行图像采集,得到待矫正图像;其中,目标物体图像位于待矫正图像的引导区域中,保证了目标物体的坐标位置与引导区域的坐标位置相近,为后续直接利用引导区域关联的像素点映射关系,对待矫正图像进行矫正,提供了可行性的支持。
S102、根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像。
其中,引导区域关联的像素点映射关系是根据引导区域,以及引导区域对应的人为标定的矫正完成区域,进行计算得到的。
在一种实施方式中,根据引导区域中特征像素点的坐标,以及在矫正完成区域中所述特征像素点对应的矫正特征像素点的坐标,计算得到两组坐标之间的坐标转换矩阵,进而基于坐标转换矩阵,构建引导区域像素点与矫正完成区域像素点之间的像素点映射关系,作为引导区域关联的像素点映射关系。
得到包含目标物体图像的待矫正图像后,根据引导区域关联的像素点映射关系,确定待矫正图像中各像素点的坐标,对应于矫正完成图像中像素点的坐标,进而基于确定的坐标对应关系,将待矫正图像中各像素点的像素点信息,设置为矫正完成图像中对应像素点的像素点信息,从而得到矫正完成图像。
通过根据与引导区域关联的像素点映射关系,对待矫正图像进行矫正,以得到矫正完成图像,实现了根据一个预设的像素点映射关系就可以对待矫正图像进行矫正,减少了图像矫正所需的时间,提高图像矫正效率。
本公开通过在目标物体位于引导区域中时,得到待矫正图像,并根据引导区域关联的像素点映射关系,对待矫正图像进行矫正,以得到矫正完成图像,由于目标物体是位于引导区域中的,因此目标物体的坐标与引导区域的坐标位置相近,基于这个限制条件,从而可以直接利用引导区域关联的像素点映射关系,对矫正图像进行矫正,避免了在矫正每张图像时都需要计算一次像素点映射关系,从而减少图像矫正所需时间,提高了图像矫正效率。
图2A是根据本公开实施例公开的一种图像矫正方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。
如图2A所示,本实施例公开的图像矫正方法可以包括:
S201、根据所述引导区域的顶点坐标和标定区域的顶点坐标,确定与所述引导区域关联的像素点映射关系;其中,所述标定区域用于对所述引导区域进行矫正。
其中,标定区域即引导区域对应的人为标定的矫正完成区域。图2B 是根据本公开实施例公开的一种标定区域的示意图,图2B以引导区域为四边形为例,如图2B所示,虚线构成的区域为引导区域20,实线构成的区域为引导区域20对应标定区域21。考虑到如果将标定区域的顶点设置在待矫正图像的四个顶点上,即标定区域填满整个待矫正图像,会使得标定区域失真较严重。因此在本实施例中,设置标定区域的高度等于待矫正图像的高度,且设置标定区域的宽度等于引导区域上下两边和的一半。
在一种实施方式中,通过如下方式确定引导区域关联的像素点映射关系:
假设标定区域中任一像素点的坐标为(x,y),(x,y)在引导区域中对应像素点为(x',y')。将(x,y)扩展为三维坐标(x,y,1),对应标定区域中三维坐标 (u,v,w),则有:
进一步得到:
归一化处理即可得到:
展开得到引导区域关联的像素点映射关系的表达式:
其中,a11~a33可根据引导区域的顶点坐标和标定区域的顶点坐标求得。示例性的,假设引导区域的顶点坐标分别为(m1,n1)、(m2,n2)、(m3,n3)和(m4,n4),对应的标定区域的顶点坐标分别为和/>则可构建关于a11~a33的方程组,进而解方程组得到a11~a33。在实际工作中,还可以将引导区域的顶点坐标和标定区域的顶点坐标输入到安卓系统自带的工具matrix.setPolyToPoly中,直接得到坐标变换矩阵:
通过根据引导区域的顶点坐标和标定区域的顶点坐标,确定与引导区域关联的像素点映射关系,为后续根据引导区域关联的像素点映射关系,对待矫正图像进行矫正,奠定了基础。
S202、对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中。
S203、针对所述待矫正图像中的待矫正像素点,根据与所述引导区域关联的像素点映射关系,确定矫正完成图像中与所述待矫正像素点关联的矫正完成像素点的坐标。
在一种实施方式中,基于引导区域关联的像素点映射关系,将待矫正图像中的任一待矫正像素点的坐标,带入到像素点映射关系表达式中,得到矫正完成图像中与该待矫正像素点关联的矫正完成像素点的坐标。
在另一种实施方式中,基于引导区域关联的像素点映射关系,将矫正完成图像中的任一矫正完成像素点的坐标,带入到像素点映射关系表达式中,得到待矫正图像中与该矫正完成像素点关联的待矫正像素点的坐标。
即在本实施例中,基于引导区域关联的像素点映射关系,可以根据待矫正像素点的坐标,确定对应的矫正完成像素点的坐标;还可以根据矫正完成像素点的坐标,确定对应的待矫正像素点的坐标。无论哪种实施方式均在本实施例的保护范围中。
可选的,S203之后,还包括:
在任一所述矫正完成像素点的坐标超出所述矫正完成图像的坐标区域的情况下,对所述矫正完成像素点的坐标进行修正。
在一种情况中,若矫正完成像素点的横坐标小于零,则将矫正完成像素点的横坐标修正为零。
在另一种情况中,若矫正完成像素点的纵坐标小于零,则将矫正完成像素点的纵坐标修正为零。
在另一种情况中,若矫正完成像素点的横坐标大于矫正完成图像的宽度门限值,则将矫正完成像素点的横坐标修正为图像的宽度门限值。
在另一种情况中,若矫正完成像素点的纵坐标大于矫正完成图像的高度门限值,则将矫正完成像素点的纵坐标修正为图像的高度门限值。
通过在任一矫正完成像素点的坐标超出矫正完成图像的坐标区域的情况下,对矫正完成像素点的坐标进行修正,保证了矫正完成像素点的坐标处于矫正完成图像的坐标区域内,保证了图像矫正过程能够顺利进行。
S204、将与所述矫正完成像素点关联的待矫正像素点的属性信息,作为所述矫正完成像素点的属性信息。
在一种实施方式中,确定各待矫正像素点的属性信息,并将各待矫正像素点的属性信息,配置为各待矫正像素点分别关联的矫正完成像素点的属性信息,从而实现对各待矫正像素点的矫正,生成矫正完成图像。
可选的,所述属性信息包括亮度、对比度和像素值中的至少一项。
其中,亮度体现了像素点的明亮程度;对比度则体现了像素点的明暗的差异度;像素值则体现了像素点的色彩信息。
通过将亮度、对比度和像素值中的至少一项作为像素点属性信息,使得矫正前后的像素点能够在视觉感官上较为一致。
可选的,S203和S204可通过计算平台来实现,例如RenderScript计算平台等。预先将引导区域关联的像素点映射关系写入到计算平台,并将待矫正图像输入到计算平台中,计算平台根据S203和S204设定的处理流程进行图像矫正,生成矫正完成图像。
通过基于计算平台来实现图像矫正过程,由于计算平台本身优秀的数据处理能力,相比于现有通过调用OpenCV接口的方式来实现图像矫正过程,能够大大降低矫正所需的时间,提升了矫正效率。
本公开通过根据引导区域的顶点坐标和标定区域的顶点坐标,确定与引导区域关联的像素点映射关系;其中,标定区域用于对引导区域进行矫正,由于区域顶点是一种容易获取且位置明显的像素点,因此使得根据顶点坐标得到的像素点映射关系更加准确,且耗时较短;通过针对待矫正图像中的待矫正像素点,根据与引导区域关联的像素点映射关系,确定矫正完成图像中与待矫正像素点关联的矫正完成像素点的坐标,并将与矫正完成像素点关联的待矫正像素点的属性信息,作为矫正完成像素点的属性信息,实现了对待矫正图像的矫正,且避免了在矫正每张图像时都需要计算一次像素点映射关系,从而减少图像矫正所需时间,提高了图像矫正效率。
图3是根据本公开实施例公开的一种图像矫正装置的结构示意图,可以适用于对待矫正图像进行矫正的情况。本实施例装置可采用软件和/或硬件实现,并可集成在任意的具有计算能力的电子设备上。
如图3所示,本实施例公开的图像矫正装置30可以包括待矫正图像获取模块31和图像矫正模块32,其中:
待矫正图像获取模块31,用于对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中;
图像矫正模块32,用于根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像。
可选的,所述装置还包括像素点映射关系确定模块,具体用于:
根据所述引导区域的顶点坐标和标定区域的顶点坐标,确定与所述引导区域关联的像素点映射关系;其中,所述标定区域用于对所述引导区域进行矫正。
可选的,所述图像矫正模块32,具体用于:
针对所述待矫正图像中的待矫正像素点,根据与所述引导区域关联的像素点映射关系,确定矫正完成图像中与所述待矫正像素点关联的矫正完成像素点的坐标;
将与所述矫正完成像素点关联的待矫正像素点的属性信息,作为所述矫正完成像素点的属性信息。
可选的,所述属性信息包括亮度、对比度和像素值中的至少一项。
可选的,所述装置还包括坐标修正模块,具体用于:
在任一所述矫正完成像素点的坐标超出所述矫正完成图像的坐标区域的情况下,对所述矫正完成像素点的坐标进行修正。
可选的,所述目标物体包括课本、试卷和习题集中的至少一种。
本公开实施例所公开的图像矫正装置30可执行本公开实施例所公开的图像矫正方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在 RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O) 接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如图像矫正方法。例如,在一些实施例中,图像矫正方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元 408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到 RAM 403并由计算单元401执行时,可以执行上文描述的图像矫正方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像矫正方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种图像矫正方法,包括:
对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中,所述引导区域为在所述待矫正图像中预先标定的虚拟区域,用于引导用户将所述目标物体图像移动到所述引导区域后,再进行图像采集得到所述待矫正图像;
根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像;
其中,所述根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正之前,还包括:
根据所述引导区域中特征像素点的坐标,以及在标定区域中所述特征像素点对应的矫正特征像素点的坐标,确定与所述引导区域关联的像素点映射关系;
其中,所述标定区域的高度等于所述待矫正图像的高度,且所述标定区域的宽度等于所述引导区域上下两边和的一半。
2.根据权利要求1所述的方法,其中,根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正之前,还包括:
根据所述引导区域的顶点坐标和标定区域的顶点坐标,确定与所述引导区域关联的像素点映射关系;其中,所述标定区域用于对所述引导区域进行矫正。
3.根据权利要求1所述的方法,其中,根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像,包括:
针对所述待矫正图像中的待矫正像素点,根据与所述引导区域关联的像素点映射关系,确定矫正完成图像中与所述待矫正像素点关联的矫正完成像素点的坐标;
将与所述矫正完成像素点关联的待矫正像素点的属性信息,作为所述矫正完成像素点的属性信息。
4.根据权利要求3所述的方法,其中,所述属性信息包括亮度、对比度和像素值中的至少一项。
5.根据权利要求3所述的方法,其中,确定矫正完成图像中与待矫正像素点关联的矫正完成像素点的坐标之后,还包括:
在任一所述矫正完成像素点的坐标超出所述矫正完成图像的坐标区域的情况下,对所述矫正完成像素点的坐标进行修正。
6.根据权利要求1所述的方法,其中,所述目标物体包括课本、试卷和习题集中的至少一种。
7.一种图像矫正装置,包括:
待矫正图像获取模块,用于对目标物体进行图像采集,得到待矫正图像;其中,所述目标物体图像位于所述待矫正图像的引导区域中,所述引导区域为在所述待矫正图像中预先标定的虚拟区域,用于引导用户将所述目标物体图像移动到所述引导区域后,再进行图像采集得到所述待矫正图像;
图像矫正模块,用于根据与所述引导区域关联的像素点映射关系,对所述待矫正图像进行矫正,以得到矫正完成图像;
其中,所述装置还包括像素点映射关系确定模块,具体用于:
根据所述引导区域中特征像素点的坐标,以及在标定区域中所述特征像素点对应的矫正特征像素点的坐标,确定与所述引导区域关联的像素点映射关系;
其中,所述标定区域的高度等于所述待矫正图像的高度,且所述标定区域的宽度等于所述引导区域上下两边和的一半。
8.根据权利要求7所述的装置,其中,所述像素点映射关系确定模块,具体用于:
根据所述引导区域的顶点坐标和标定区域的顶点坐标,确定与所述引导区域关联的像素点映射关系;其中,所述标定区域用于对所述引导区域进行矫正。
9.根据权利要求7所述的装置,其中,所述图像矫正模块,具体用于:
针对所述待矫正图像中的待矫正像素点,根据与所述引导区域关联的像素点映射关系,确定矫正完成图像中与所述待矫正像素点关联的矫正完成像素点的坐标;
将与所述矫正完成像素点关联的待矫正像素点的属性信息,作为所述矫正完成像素点的属性信息。
10.根据权利要求9所述的装置,其中,所述属性信息包括亮度、对比度和像素值中的至少一项。
11.根据权利要求9所述的装置,其中,所述装置还包括坐标修正模块,具体用于:
在任一所述矫正完成像素点的坐标超出所述矫正完成图像的坐标区域的情况下,对所述矫正完成像素点的坐标进行修正。
12.根据权利要求7所述的装置,其中,所述目标物体包括课本、试卷和习题集中的至少一种。
13. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610732.2A CN113313648B (zh) | 2021-06-01 | 2021-06-01 | 图像矫正方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610732.2A CN113313648B (zh) | 2021-06-01 | 2021-06-01 | 图像矫正方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313648A CN113313648A (zh) | 2021-08-27 |
CN113313648B true CN113313648B (zh) | 2023-08-29 |
Family
ID=77376910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610732.2A Active CN113313648B (zh) | 2021-06-01 | 2021-06-01 | 图像矫正方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313648B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163331A (zh) * | 2010-02-12 | 2011-08-24 | 王炳立 | 采用标定方法的图像辅助系统 |
CN104809698A (zh) * | 2015-03-18 | 2015-07-29 | 哈尔滨工程大学 | 一种基于改进三边滤波的Kinect深度图像修复方法 |
CN106600549A (zh) * | 2016-11-16 | 2017-04-26 | 深圳六滴科技有限公司 | 鱼眼图像的矫正方法和装置 |
CN107742491A (zh) * | 2017-11-01 | 2018-02-27 | 江苏鸿信系统集成有限公司 | 一种自助导览方法 |
CN108830171A (zh) * | 2018-05-24 | 2018-11-16 | 中山大学 | 一种基于深度学习的智能物流仓库引导线视觉检测方法 |
CN109816732A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 标定方法、标定系统、矫正方法、矫正系统及车辆 |
CN110599427A (zh) * | 2019-09-20 | 2019-12-20 | 普联技术有限公司 | 鱼眼图像矫正方法、装置及终端设备 |
CN111539880A (zh) * | 2020-04-15 | 2020-08-14 | 上海摩象网络科技有限公司 | 图像处理方法、设备及手持相机 |
CN112330576A (zh) * | 2020-12-03 | 2021-02-05 | 中国第一汽车股份有限公司 | 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012010085A (ja) * | 2010-06-24 | 2012-01-12 | Sony Corp | 立体表示装置及び立体表示装置の制御方法 |
-
2021
- 2021-06-01 CN CN202110610732.2A patent/CN113313648B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163331A (zh) * | 2010-02-12 | 2011-08-24 | 王炳立 | 采用标定方法的图像辅助系统 |
CN104809698A (zh) * | 2015-03-18 | 2015-07-29 | 哈尔滨工程大学 | 一种基于改进三边滤波的Kinect深度图像修复方法 |
CN106600549A (zh) * | 2016-11-16 | 2017-04-26 | 深圳六滴科技有限公司 | 鱼眼图像的矫正方法和装置 |
CN107742491A (zh) * | 2017-11-01 | 2018-02-27 | 江苏鸿信系统集成有限公司 | 一种自助导览方法 |
CN108830171A (zh) * | 2018-05-24 | 2018-11-16 | 中山大学 | 一种基于深度学习的智能物流仓库引导线视觉检测方法 |
CN109816732A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 标定方法、标定系统、矫正方法、矫正系统及车辆 |
CN110599427A (zh) * | 2019-09-20 | 2019-12-20 | 普联技术有限公司 | 鱼眼图像矫正方法、装置及终端设备 |
CN111539880A (zh) * | 2020-04-15 | 2020-08-14 | 上海摩象网络科技有限公司 | 图像处理方法、设备及手持相机 |
CN112330576A (zh) * | 2020-12-03 | 2021-02-05 | 中国第一汽车股份有限公司 | 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
结合最佳缝合线和多分辨率融合的图像拼接;谷雨;周阳;任刚;冯秋晨;鲁国智;;《中国图象图形学报》;22(6);第842-851页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113313648A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11164323B2 (en) | Method for obtaining image tracking points and device and storage medium thereof | |
US11810319B2 (en) | Image detection method, device, storage medium and computer program product | |
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN112991178B (zh) | 图像拼接方法、装置、设备和介质 | |
CN112559884B (zh) | 全景图与兴趣点挂接的方法、装置、电子设备及存储介质 | |
CN112991459B (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
CN113362420B (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
US20220198743A1 (en) | Method for generating location information, related apparatus and computer program product | |
CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN113205090B (zh) | 图片矫正方法、装置、电子设备及计算机可读存储介质 | |
CN113313648B (zh) | 图像矫正方法、装置、电子设备和介质 | |
CN116053549A (zh) | 电芯定位方法、装置及系统 | |
CN116091709A (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN113361371B (zh) | 道路提取方法、装置、设备以及存储介质 | |
CN112991463A (zh) | 相机标定方法、装置、设备、存储介质和程序产品 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN113705620B (zh) | 图像显示模型的训练方法、装置、电子设备和存储介质 | |
CN117372548B (zh) | 跟踪系统和相机对齐的方法、装置、设备以及存储介质 | |
CN112991179B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN112991451B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN113470131B (zh) | 海面仿真图像的生成方法、装置、电子设备和存储介质 | |
CN113850805B (zh) | 多文档检测方法、装置、电子设备及存储介质 | |
CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 | |
CN117115269A (zh) | 一种车载鱼眼相机的俯仰角确定方法、装置、设备及介质 |
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 |