CN113822818B - 散斑提取方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例涉及图像处理技术领域，公开了一种散斑提取方法、装置、电子设备及存储介质，散斑提取方法，包括：获取相机拍摄的散斑图；对所述散斑图进行图像均衡化处理，得到均衡化图像；对所述均衡化图像进行去噪处理，得到去噪图像；对所述去噪图像进行二值化处理，得到包含散斑的二值化图像。通过均衡化处理，提升室外环境中的光线和散斑的对比度，使得基于在室外获取到的差质散斑图也能够有效地提取出散斑，且不需要复杂的处理流程。

Description

散斑提取方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及图像处理技术领域，特别涉及一种散斑提取方法、装置、电子设备及存储介质。

背景技术

结构光相机是一种被广泛使用的主动投影式的相机，它能够对物体等表面投影有散斑结构光时的场景进行拍摄，得到散斑图，然后基于散斑图进行深度解算，即提取散斑图中的散斑图案，然后对散斑图中的散斑图案与参考散斑图中的散斑图案进行匹配计算。

然而，结构光相机有时在室外环境中获取到的散斑图质量太差，即使采用二值化、连通区域检测和滤波等处理方式，也无法有效地提取出散斑。

发明内容

本发明实施例的目的在于提供一种散斑提取方法、装置、电子设备及存储介质，使得基于在室外获取到的差质散斑图也能够有效地提取出散斑，且不需要复杂的处理流程。

为达到上述目的，本发明的实施例提供了一种散斑提取方法，包括：获取相机拍摄的散斑图；对所述散斑图进行图像均衡化处理，得到均衡化图像；对所述均衡化图像进行去噪处理，得到去噪图像；对所述去噪图像进行二值化处理，得到包含散斑的二值化图像。

为达到上述目的，本发明的实施例还提供了一种散斑提取装置，包括：获取模块，用于获取相机拍摄的散斑图；处理模块，用于对所述散斑图进行图像均衡化处理，得到均衡化图像；去噪模块，用于对所述均衡化图像进行去噪处理，得到去噪图像；提取模块，用于对所述去噪图像进行二值化处理，得到包含散斑的二值化图像。

为达到上述目的，本发明的实施例还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如上所述的散斑提取方法。

为达到上述目的，本发明的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的散斑提取方法。

本发明实施例提供的散斑提取方法，在获取散斑图之后，对散斑图进行图像均衡化处理，得到均衡化图像，提升室外环境中的光线和散斑的对比度，使得均衡化图像中散斑图案能够与其他部分产生区分，从而后续对均衡化图像进行去噪和二值化处理，就能够得到包含散斑的二值化图像，即散斑提取结果，不需要复杂的处理流程，使得基于在室外获取到的差质散斑图也能够有效地提取出散斑，且不需要复杂的处理流程。

另外，本发明的实施例提供的散斑提取方法，所述对所述均衡化图像进行去噪处理，得到去噪图像，包括：对所述均衡化图像进行图像分割，得到分割图像，所述分割图像中各个像素点携带标签；根据所述标签对所述分割图像按照预设方式进行噪声去除，得到所述去噪图像。二值化处理过程对散斑图中的噪声十分敏感，容易受到噪声的干扰，而通过区域分割和预设方式的噪声去除能够有效去除噪声，避免噪声对二值化处理的不利影响，从而得到更加准确的散斑提取结果。

另外，本发明的实施例提供的散斑提取方法，所述对所述均衡化图像进行图像分割，得到分割图像，包括：依次将所述均衡化图像中的每个像素点作为第一目标像素点并确定所述第一目标像素点与邻域像素点之间的灰度差，所述邻域像素点是指位于所述第一目标像素点八邻域中的像素点；在所述灰度差未超过预设阈值的情况下，为所述第一目标像素点和所述邻域像素点生成相同的所述标签，得到所述分割图像。通过图像分割，为各个像素点生成相应的标签，便于后续能够根据标签实现去噪处理。

另外，本发明的实施例提供的散斑提取方法，所述根据所述标签对所述分割图像按照预设方式进行噪声去除，得到所述去噪图像，包括：对所述分割图像中对应于同一所述标签且总数量未落在预设区间内的像素点，将灰度值更新为0，得到去噪后的所述去噪图像，其中，所述预设区间为(K1，K2)，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量。通过简洁的像素点数量比较实现噪声去除，简化了去噪处理的流程，降低了去噪处理的难度。

另外，本发明的实施例提供的散斑提取方法，所述对所述分割图像中对应于同一所述标签且总数量未落在预设区间内的像素点，通过如下表达式将灰度值更新为0，得到去噪后的所述去噪图像：

其中，G2(x，y)为去噪后的所述去噪图像中像素点(x，y)的灰度值，G1(x，y)为所述分割图像中像素点(x，y)的灰度值，S(x，y)为所述分割图像中与像素点(x，y)的所述标签相同的像素点的数量，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量。通过使用上述表达式，统一地实现了对灰度值的更新，不需要逐像素点进行更新，简化了灰度值更新过程。

另外，本发明的实施例提供的散斑提取方法，所述对所述去噪图像进行二值化处理，得到包含散斑的二值化图像，包括：根据预设的滑动窗口确定所述去噪图像中各个像素点的二值化阈值；根据所述二值化阈值确定对所述去噪图像中各个像素点进行二值化处理，得到所述包含散斑的二值化图像。实现动态确定二值化阈值，而不是设置固定值，使得二值化结果更加准确。

另外，本发明的实施例提供的散斑提取方法，所述根据预设的滑动窗口确定所述去噪图像中各个像素点的二值化阈值，包括：依次将所述去噪图像中每个像素点作为第二目标像素点并将所述第二目标像素点确定为所述滑动窗口的中心；确定所述滑动窗口内像素点的最大灰度值和最小灰度值；将所述最大灰度值和所述最小灰度值的平均值作为所述第二目标像素点的所述二值化阈值。通过滑动窗口来确定动态确定二值化阈值，降低了动态确定二值化的阈值。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明一实施例中提供的散斑提取方法的流程图；

图2是本发明另一实施例中提供的散斑提取装置的结构示意图；

图3是本发明另一实施例中提供的电子设备的结构示意图。

具体实施方式

由背景技术可知，目前的结构光相机在室外环境中拍摄到的散斑图可能出现质量太差的情况，进而导致即使采用二值化、连通区域检测和滤波等处理方式也无法有效地提取出散斑。

为解决上述问题，本发明实施例提供了散斑提取方法，包括：获取相机拍摄的散斑图；对所述散斑图进行图像均衡化处理，得到均衡化图像；对所述均衡化图像进行去噪处理，得到去噪图像；对所述去噪图像进行二值化处理，得到包含散斑的二值化图像。

本发明实施例提供的散斑提取方法，在获取散斑图之后，对散斑图进行图像均衡化处理，得到均衡化图像，提升室外环境中的光线和散斑的对比度，使得均衡化图像中散斑图案能够与其他部分产生区分，从而后续对均衡化图像进行去噪和二值化处理，就能够得到散斑提取结果，不需要复杂的处理流程，使得基于在室外获取到的差质散斑图也能够有效地提取出散斑，且不需要复杂的处理流程。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施例进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施例中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本发明所要求保护的技术方案。

以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。

本发明实施例一方面提供了一种散斑提取方法，应用于结构光相机、计算机等具有提取散斑图中的散斑需求的装置或设备。散斑提取方法的流程如图1所示，包括：

步骤101，获取相机拍摄的散斑图。

具体地说，散斑图像的获取方式可以随着执行主体的不同而不同，如对于结构光相机而言，可以是向室外环境中的而某个物体投影结构光，然后对物体上投影有结构光的场景进行拍摄得到；对于计算机而言，可以是用户上传散斑图数据，计算机读取用户上传的散斑图数据，可以理解的是，用户上传的散斑图实际也是由某些相机拍摄得到的，如红外结构光相机，只是没有直接从拍摄图像的相机中获取。当然，以上仅为具体的举例说明，散斑图的获取方式还可以是其他方式，此处就不再一一赘述了。

步骤102，对散斑图进行图像均衡化处理，得到均衡化图像。

具体地说，根据散斑图中各个像素点的灰度值的分布特性，对散斑图中各个像素点的灰度值进行调整，使其相对均匀地分布在0-255之间，从而加强各个像素点灰度值之间的差异，提升室外环境中的光线和散斑的对比度的同时还能减少相近像素灰度值的差异，从而使得更容易确定出散斑图中的散斑图案，即更有效地得到散斑提取结果。

更具体地说，根据散斑图中各个像素点的灰度值对各个灰度值在散斑图中对应的像素点数量进行统计，得到不同灰度值在散斑图中出现的概率，然后根据每个灰度值的概率和255(最大灰度值)的乘积对散斑图中各个像素点的灰度值进行更新，得到均衡化图像。

需要说明的是，虽然导致结构光相机在室外环境下拍摄得到的散斑图会出现图像质量太差，以至于无法通过二值化、连通区域检测和滤波等处理方式有效地提取出散斑，得到散斑结果存在多种原因，但是其中一个重要原因就是，在室外环境下结构光打出来的结构光散斑被阳光严重淹没，得到的散斑图中背景和散斑之间不能很好地进行区分，如晴朗天气条件下，室外环境中的光照强度能够超过10万勒克斯(Lux)，与结构光相机投射的结构光散斑光线的强度虽然存在差异，但仍然比较接近，会产生结构光散斑的光线被室外环境中的光线淹没的问情况。而通过均衡化处理，可以将实际存在差异的室外光线和结构光散斑的光线区分开并放大该差异，并且减少相近像素灰度值的差异，从而有利于后续处理，尤其是将区散斑和背景进行区分，有效提取散斑。

在一个例子中，首先统计散斑图中各个灰度值出现的次数，得到以灰度值为横轴，以像素点数量为纵轴的直方图，即考虑到散斑图中的最大灰度值分布范围为[0，255]，因此，可以设置一个长度为256的一维向量n(256)，一维向量n(256)中的第i(i为落在区间[0，255]内的整数)个元素表示散斑图中灰度值为i的像素点的数量，在将一维向量n(256)初始化为零向量后，遍历散斑图的各个像素点，依次将灰度值I(x，y)的数量统计到n[I(x，y)]中，遍历后得到的n(256)即为直方图的矩阵表示。然后，根据直方图计算散斑图中灰度值概率归一化图，即设置一个大小为256的向量p(256)，根据散斑图中总的像素点数量M、一维向量n(256)以及表达式P[k]＝round(n[k]/M)求取散斑图对应的灰度值概率归一化图，其中，P[k]表示像素值k在散斑图中出现的概率，即散斑图中灰度值为k的像素点对应的灰度值概率归一化图中的像素点内的数值，k∈[0，255]且k为整数，round(x)表示对x四舍五入得到一个整数；接着建立一个与散斑图同等大小的矩阵用于存储图像均衡化得到结果，即再次遍历散斑图，以灰度值概率归一化图进行索引通过表达式M(x，y)＝p[I(x，y)]*255均衡化结果，其中，M(x，y)表示均衡化图像中的像素点(x，y)的灰度值，I(x，y)表示散斑图中的像素点(x，y)的灰度值，p[I(x，y)]表示散斑图中像素点(x，y)在灰度值概率归一化图对应位置内的数值，即灰度值为I(x，y)的像素点在散斑图中出现的概率。

步骤103，对均衡化图像进行去噪处理，得到去噪图像。

具体地说，对均衡化图像进行图像分割，得到分割图像，分割图像中各个像素点携带标签；根据标签对分割图像进行去噪处理，得到去噪后的均衡化图像。

进一步地，对均衡化图像进行图像分割，得到分割图像，包括：依次将均衡化图像中的每个像素点作为第一目标像素点并确定第一目标像素点与邻域像素点之间的灰度差，邻域像素点是指位于第一目标像素点八邻域中的像素点；在灰度差未超过预设阈值的情况下，为第一目标像素点和邻域像素点生成相同的标签，得到分割图像。

在一个例子中，创建一个与图像同等大小的矩阵U用来标记当前像素属于哪一类，并对该矩阵进行初始化，接着创建一个可增长的容器V用来存储各编号所拥有的像素数，并初始化为0。逐像素遍历均衡化图像，为均衡化图像的像素点(x，y)创建立一个队列容器V＇，并将像素点(x，y)的灰度值压入V＇，接着弹出V＇中的一个像素点(x，y)的灰度值，分别索引其八方向领域灰度值，若该邻域位置在U中的值不等于V则认为其已被分类，进行跳过，否则计算两者的绝对差值SAD，若SAD小于阈值K＇，则认为该邻域像素点均衡化图像的像素点(x+i，y+j)(i∈[-1,1]，j∈[-1,1]，且i和j均为整数)与均衡化图像的像素点(x，y)属于同一类，将其压入V＇中，并在U中标记所属的类编号N，即标签为N，且V中的值累加1，直到对均衡化图像完成遍历，便能得到分割图像，以及分割图像中具有相同标签的各小块的像素数V。

进一步地，根据标签对分割图像进行噪声去除，得到去噪图像，包括：对分割图像中对应于同一标签且总数量未落在预设区间内的像素点，将灰度值更新为0，得到去噪图像，其中，预设区间为(K1，K2)，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量。

在一个例子中，首先，设置噪声阈值，以K2为背景阈值，当散斑所占用的像素点数量超过K2则认定为背景，以K3为噪声阈值，当散斑所占用的像素点数量小于K3时，则认定该散斑为噪声，不论是背景还是噪声都是对散斑提取的干扰，可以将背景和噪声都作为需要去除的噪声进行去除，即逐像素遍历分割图像，通对分割图像中的像素点通过如下表达式进行去噪处理：

其中，G2(x，y)为去噪图像中像素点(x，y)的灰度值，G1(x，y)为分割图像中像素点(x，y)的灰度值，S(x，y)为分割图像中与像素点(x，y)的标签相同的像素点的数量，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量。

值得一提的是，通过图像均衡化提升对比度的同时减少相近像素灰度值的差异，提升室外环境中的光线和散斑的对比度，使得均衡化图像中散斑图案能够与其他部分产生区分，有利于图像分割区分噪声和背景，以此弥补局部对比度二值化低信噪比的缺点，从而有效的提取出户外恶劣环境下的散斑，为深度恢复算法提供恢复基础；并且正是由于进行了均衡化处理，将相同类型的像素点的灰度值的距离缩小，将不同类型的像素点的灰度值的距离放大，即将同属于散斑内的像素点的灰度值调整为相近数值，将散斑内的像素点的灰度值与噪声对应的像素点以及背景中的像素点的灰度值调整为相差较大的数值，不同类型的像素点通过灰度值进行归类，不同类型的像素点集合具有不同的数量，从而通过图像分割后只需要根据同一类型的像素点的数量就能够实现噪声去除，而不需要进行复杂的，如双边滤波等复杂的处理过程才能够实现噪声去除。进而散斑提取流程为图像均衡化后通过图像分割、采用简单的数量比较实现噪声去除，再二值化，与原有的进行二值化和连通域检测后采用双边滤波等复杂的滤波方式去除噪声的散斑提取流程完全不同。

需要说明的是，最远工作距离和最近工作距离是针对结构光相机地工作距离而言的，例如对于某个结构光相机而言，考虑到分辨率、清晰度以及进行深度解算时对散斑图中散斑斑点的要求等信息，结构光相机在拍摄时会存在一个最近距离和一个最远距离，距离更近或更远会由于不能够得到分辨率满足要求的散斑图、不能够基于散斑图进行深度解算等导致无法满足用户利用结构光相机进行深度恢复的需求。

还需要说明的是，结构光相机在拍摄过程中存在被外界环境、自身的影响，因此，得到的散斑图中可能存在噪声，为了避免噪声的影响还需要在进行二值化之前去除图像的噪声，以上仅为对根据标签对分割图像进行噪声去除，得到去噪图像的实现过程的举例说明，在其他例子中，还可以是通过其他方式去除噪声，如采用相应的滤波器进行图像滤波等，此处就不再一一赘述了。

步骤104，对去噪图像进行二值化处理，得到包含散斑的二值化图像。

具体地说，根据预设的滑动窗口确定均衡化图像中各个像素点的二值化阈值，根据二值化阈值确定对去噪图像中各个像素点进行二值化处理，得到包含散斑的二值化图像，即散斑提取结果。更确切地说，散斑提取结果是只包含散斑的二值图像，散斑图中除散斑外的其他图像内容均被转化为二值图像的背景。

更具体地说，根据预设的滑动窗口确定去噪图像中各个像素点的二值化阈值，包括：依次将去噪图像中每个像素点作为第二目标像素点并将第二目标像素点确定为滑动窗口的中心；确定滑动窗口内像素点的最大灰度值和最小灰度值；将最大灰度值和最小灰度值的平均值作为第二目标像素点的二值化阈值。

在一个例子中，预先设置滑动窗口为一个边长为M＇的方形滑动窗口W，逐像素遍历均去噪图像，记录以去噪图像中的某像素点(x，y)为中点的方形滑动窗口W内所有像素点中对应的最大灰度值Imax和最小灰度值Imin，然后通过方形滑动窗口W内的Imax和Imin设置去噪图像中的某像素点(x，y)的二值化阈值T(x,y)，如T(x，y)＝(Imax+Imin)/2，最后通过如下表达式进行二值化：

其中，M＇(x，y)表示去噪图像二值化结果，即散斑提取结果中像素点(x，y)的灰度值，M(x，y)表示去噪图像中像素点(x，y)的灰度值，T(x，y)为通过上述方法确定的像素点(x，y)的二值化阈值。

值得一提的是，上述二值化处理过程对散斑图中的噪声十分敏感，容易受到噪声的干扰，而通过区域分割等处理将噪声去除能够有效弥补这一缺点，从而得到高灵敏度、高信噪比的只包含散斑的二值化图像，即散斑提取结果。

需要说明的是，本实施例中，散斑图是红外结构光相机等结构光相机拍摄的含有散斑的图，散斑是指相机拍摄得到图像中的散斑，散斑提取结果是只包含散斑的二值化图像，由于二值化图像中只有散斑和背景，因此，可以认为只包含散斑的二值化图像只记录了散斑信息，因此可以作为散斑提取结果。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明实施例另一方面还提供了一种散斑提取装置，如图2所示，包括：

获取模块201，用于获取散斑图。

处理模块202，用于对散斑图进行图像均衡化处理，得到均衡化图像。

去噪模块203，用于对均衡化图像进行去噪处理，得到去噪图像。

提取模块204，用于对去噪图像进行二值化处理，得到包含散斑的二值化图像。

不难发现，本实施例为与方法实施例相对应的装置实施例，本实施例可与方法实施例互相配合实施。方法实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在方法实施例中。

值得一提的是，本实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施例中不存在其它的单元。

本发明实施例另一方面还提供了一种电子设备，如图3所示，包括：至少一个处理器301；以及，与至少一个处理器301通信连接的存储器302；其中，存储器302存储有可被至少一个处理器301执行的指令，指令被至少一个处理器301执行，以使至少一个处理器301能够执行上述任一方法实施例所描述的散斑提取方法。

其中，存储器302和处理器301采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传输给处理器301。

处理器301负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。

本发明实施方式另一方面还提供了一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

即，本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种散斑提取方法，其特征在于，包括：

获取结构光相机拍摄的散斑图；

对所述散斑图进行图像均衡化处理，得到均衡化图像；

对所述均衡化图像进行去噪处理，得到去噪图像；

对所述去噪图像进行二值化处理，得到包含散斑的二值化图像；

其中，所述对所述散斑图进行图像均衡化处理，得到均衡化图像，包括：

根据所述散斑图中各个像素点的灰度值，对各个灰度值在所述散斑图中对应的像素点数量进行统计，得到不同灰度值在所述散斑图中出现的概率；

根据每个灰度值在所述散斑图中出现的概率和最大灰度值的乘积，对所述散斑图中各个像素点的灰度值进行更新，得到所述均衡化图像。

2.根据权利要求1所述的散斑提取方法，其特征在于，所述对所述均衡化图像进行去噪处理，得到去噪图像，包括：

对所述均衡化图像进行图像分割，得到分割图像，所述分割图像中各个像素点携带标签；

根据所述标签对所述分割图像按照预设方式进行噪声去除，得到所述去噪图像。

3.根据权利要求2所述的散斑提取方法，其特征在于，所述对所述均衡化图像进行图像分割，得到分割图像，包括：

依次将所述均衡化图像中的每个像素点作为第一目标像素点并确定所述第一目标像素点与邻域像素点之间的灰度差，所述邻域像素点是指位于所述第一目标像素点八邻域中的像素点；

在所述灰度差未超过预设阈值的情况下，为所述第一目标像素点和所述邻域像素点生成相同的所述标签，得到所述分割图像。

4.根据权利要求2所述的散斑提取方法，其特征在于，所述根据所述标签对所述分割图像按照预设方式进行噪声去除，得到所述去噪图像，包括：

对所述分割图像中对应于同一所述标签且总数量未落在预设区间内的像素点，将灰度值更新为0，得到所述去噪图像，其中，所述预设区间为(K1，K2)，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量。

5.根据权利要求4所述的散斑提取方法，其特征在于，所述对所述分割图像中对应于同一所述标签且总数量未落在预设区间内的像素点，通过如下表达式将灰度值更新为0，得到所述去噪图像：

，

其中，G2(x，y)为所述去噪图像中像素点（x，y）的灰度值，G1(x，y)为所述分割图像中像素点（x，y）的灰度值，S（x，y）为所述分割图像中与像素点（x，y）的所述标签相同的像素点的数量，K1表示最远工作距离下单个散斑斑点包含的像素点的数量，K2表示最近工作距离下单个散斑斑点包含的像素点的数量，所述最远工作距离和所述最近工作距离均为所述结构光相机的工作距离。

6.根据权利要求1至5中任一项所述的散斑提取方法，其特征在于，所述对所述去噪图像进行二值化处理，得到包含散斑的二值化图像，包括：

根据预设的滑动窗口确定所述去噪图像中各个像素点的二值化阈值；

根据所述二值化阈值确定对所述去噪图像中各个像素点进行二值化处理，得到所述包含散斑的二值化图像。

7.根据权利要求6所述的散斑提取方法，其特征在于，所述根据预设的滑动窗口确定所述去噪图像中各个像素点的二值化阈值，包括：

依次将所述去噪图像中每个像素点作为第二目标像素点并将所述第二目标像素点确定为所述滑动窗口的中心；

确定所述滑动窗口内像素点的最大灰度值和最小灰度值；

将所述最大灰度值和所述最小灰度值的平均值作为所述第二目标像素点的所述二值化阈值。

8.一种散斑提取装置，其特征在于，包括：

获取模块，用于获取结构光相机拍摄的散斑图；

处理模块，用于对所述散斑图进行图像均衡化处理，得到均衡化图像；

去噪模块，用于对所述均衡化图像进行去噪处理，得到去噪图像；

提取模块，用于对所述去噪图像进行二值化处理，得到包含散斑的二值化图像；

其中，所述对所述散斑图进行图像均衡化处理，得到均衡化图像，包括：

根据所述散斑图中各个像素点的灰度值，对各个灰度值在所述散斑图中对应的像素点数量进行统计，得到不同灰度值在所述散斑图中出现的概率；

根据每个灰度值在所述散斑图中出现的概率和最大灰度值的乘积，对所述散斑图中各个像素点的灰度值进行更新，得到所述均衡化图像。

9.一种电子设备，其特征在于，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如权利要求1-7中任一项所述的散斑提取方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的散斑提取方法。

Images