CN114332147B - 散斑图预处理的方法、装置、电子设备和存储介质 - Google Patents
散斑图预处理的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114332147B CN114332147B CN202111666482.0A CN202111666482A CN114332147B CN 114332147 B CN114332147 B CN 114332147B CN 202111666482 A CN202111666482 A CN 202111666482A CN 114332147 B CN114332147 B CN 114332147B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- speckle pattern
- determining
- self
- adaptive window
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,公开了一种散斑图预处理的方法、装置、电子设备和存储介质。本发明中,该散斑图预处理的方法,包括:对获取的散斑图进行区域划分,并根据散斑图中各像素点的所属区域确定各像素点的自适应窗口;针对每个像素点的自适应窗口,确定自适应窗口内包括的像素点的灰度值,并根据包括的像素点的灰度值,确定自适应窗口对应的像素点的灰度值;根据各自适应窗口对应的像素点的灰度值,获取散斑提取结果。能够以自适应窗口进行不同区域的散斑提取,有效提高散斑提取结果的准确度。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种散斑图预处理的方法、装置、电子设备和存储介质。
背景技术
在信息飞速产生与交流的今天,图像处理技术得到了迅速的发展,应用也越来越广泛。结构光相机由于其成本较低、实时性高等优势在近年来已成为图像处理技术领域被广泛使用的工具。结构光相机的深度解算过程,主要是对拍摄到的散斑图中的散斑图案与参考散斑图的散斑图案进行匹配计算,即对两张图像中的散斑斑点进行相关性的计算。为了提高匹配计算的准确度进而提高通过结构光相机获取的三维信息的精度,通常在进行结构光相机的匹配计算之前,需要对结构光相机获取的散斑图进行预处理,提取图中的散斑特征。
传统的散斑图预处理方式一般是根据一定范围内的灰度分布关系来提取散斑。这种散斑图预处理方式,通常对一整张散斑图采用同样的参考范围进行特征的提炼。然而固定的范围不适用于散斑图中特征不同的不同区域,导致传统的对散斑图进行预处理方式难以得到准确的散斑提取结果,预处理效果不佳。
发明内容
本发明实施方式的目的在于提供一种散斑图预处理的方法、装置、电子设备和存储介质,用以提高散斑提取结果的准确度。
为了解决上述问题,本发明的实施方式提供了一种散斑图预处理的方法,包括:对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
本发明的实施方式还提供了一种散斑图预处理装置,包括:窗口确定模块,用于对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;灰度值确定模块,用于针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;散斑获取模块,用于根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
本发明的实施方式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,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的散斑图预处理的方法。
本发明的实施方式还提供了一种存储有计算机程序的计算机可读存储介质,计算机程序被处理器执行时实现上述的散斑图预处理的方法。
在本发明的实施方式中,首先对获取的散斑图进行区域划分,并根据散斑图中各像素点的所属区域确定各像素点的自适应窗口,能够获取用于提取不同区域散斑特征的自适应窗口。进而针对每个像素点的自适应窗口,确定自适应窗口内包括的像素点的灰度值,并根据包括的像素点的灰度值,确定自适应窗口对应的像素点的灰度值。根据各自适应窗口对应的像素点的灰度值,获取散斑提取结果。对于散斑图中不同区域的像素点,根据其所属区域的不同用不同的自适应窗口进行散斑的提取,能够更好的适应散斑图中不同区域的不同特性,得到更加准确的散斑提取结果。能够避免采用同一窗口进行散斑提取带来的噪声剩余过多或有效部分去除过多的问题,实现有效提升散斑提取的准确度。
另外,根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口,包括:根据所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量,确定各所述像素点的自适应窗口的窗口半径;确定以所述像素点为中心,以所述窗口半径为半径的区域为所述像素点的自适应窗口。能够根据像素点所属区域的区域大小和区域轮廓数量,确定用于进行散斑提取的自适应窗口,使得散斑提取能够更好地适应散斑图中各区域的特性,得到更好的提取效果。
另外,在所述对获取的散斑图的进行区域划分之前,还包括:对所述散斑图进行边缘检测,得到与所述散斑图相对应的边缘图;所述对获取的散斑图的进行区域划分,包括:根据对所述边缘图中的各像素点进行八连通区域检测的检测结果,对所述散斑图进行区域划分;在所述确定各所述像素点的自适应窗口的窗口半径之前,还包括:根据所述八连通区域检测的检测结果,确定所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量。对散斑图进行边缘检测后进行区域划分,能够使得区域的划分依据各区域的特征,进而实现散斑的提取更加准确。
另外,所述对所述散斑图进行边缘检测,包括:对所述散斑图依次进行梯度幅度的确定、非极大抑制处理、双阈值限制处理以及边界跟踪处理。能够提取散斑图中各部分的轮廓,有助于提高随后的区域划分步骤的效果。且相比传统的边缘检测手段,无需对散斑图进行低通滤波,能够简化边缘检测的复杂度。
另外,对所述散斑图进行边界跟踪处理,包括:针对各弱边缘点,在各所述弱边缘点的梯度方向以及边缘方向进行强边缘点搜索;根据所述强边缘点搜索的搜索结果确定是否保留所述弱边缘点;其中,所述梯度方向在所述对所述散斑图进行非极大抑制处理的步骤中确定,所述边缘方向为与所述梯度方向正交的方向;所述弱边缘点在所述对所述散斑图进行双阈值限制处理的步骤中确定。相比传统的边界跟踪手段,在弱边缘点的边缘方向进行强边缘点的搜索,能够避免对实际边缘上的、梯度方向未搜索到强边缘点的弱边缘点的去除,提高对散斑图的实际边缘进行判断的准确性。
另外,在所述对所述散斑图进行边缘检测之前,还包括:对所述获取的散斑图进行锐化处理。在边缘检测之前进行散斑图的锐化,能够增强散斑图中的散斑特征,有助于边缘检测效果的提高。
另外,根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值,包括:根据所述包括的像素点的灰度值,确定所述自适应窗口对应的灰度阈值;根据所述自适应窗口对应的像素点的原始灰度值与所述灰度阈值的大小关系,确定所述自适应窗口对应的像素点的灰度值。能够实现精准的提取散斑图中的散斑颗粒。
附图说明
一个或多个实施方式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方式的限定,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是根据本发明一实施方式中的散斑图预处理的方法流程图;
图2是根据本发明一实施方式中的散斑图预处理装置的结构示意图;
图3是根据本发明另一实施方式中的电子设备的结构示意图。
具体实施方式
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方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请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方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的一实施方式涉及一种散斑图预处理的方法,具体流程如图1所示。
在本实施方式中,对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
下面对本实施例中的散斑图预处理的方法的实现细节进行具体的说明,以下内容仅为方便理解本方案的实现细节,并非实施本方案的必须。具体流程如图1所示,可包括如下步骤:
步骤101,对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口。
在本步骤中,获取的散斑图具体可以是结构光相机拍摄得到的散斑图。像素点的灰度值根据像素点所在的一定范围内的灰度分布特征确定,而本步骤中涉及的自适应窗口即该像素点进行灰度值确定的参考范围。本步骤中的自适应窗口根据像素点所属的区域确定,对于所属特性不同的区域中的像素点,能确定适应其所属区域的特性的自适应窗口。
在一个例子中,本步骤中涉及的根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口,可以包括:根据所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量,确定各所述像素点的自适应窗口的窗口半径;确定以所述像素点为中心,以所述窗口半径为半径的区域为所述像素点的自适应窗口。
本例涉及的确定窗口半径的步骤在实际实施时可以确定窗口半径w=2*Si/Ni;其中,Si为像素点的所属区域的区域大小,Ni为像素点的所属区域的区域轮廓数量。除上述表达式外,还可预先设置最小窗口半径w1和最大窗口半径w2,用于在确定的窗口半径过大或过小时控制自适应窗口所表征的参考范围。当w<w1时取w=w1,当w>w2时,取w=w2。在本例中,能够根据像素点所属区域的区域大小和区域轮廓数量,确定用于进行散斑提取的自适应窗口,使得散斑提取能够更好地适应散斑图中各区域的特性,得到更好的提取效果。
在另一个例子中,在所述对获取的散斑图的进行区域划分之前,还可以对所述散斑图进行边缘检测,得到与所述散斑图相对应的边缘图。在本例中,所述对获取的散斑图的进行区域划分,可以包括:根据对所述边缘图中的各像素点进行八连通区域检测的检测结果,对所述散斑图进行区域划分;在本例中,在所述确定各所述像素点的自适应窗口的窗口半径之前,还可以包括:根据所述八连通区域检测的检测结果,确定所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量。对散斑图进行边缘检测后进行区域划分,能够使得区域的划分依据各区域的特征,进而实现散斑的提取更加准确。
进一步地,所述对所述散斑图进行边缘检测,可以包括:对所述散斑图依次进行梯度幅度的确定、非极大抑制处理、双阈值限制处理以及边界跟踪处理。能够提取散斑图中各部分的轮廓,有助于提高随后的区域划分步骤的效果。且相比传统的边缘检测手段,无需对散斑图进行低通滤波,能够简化边缘检测的复杂度。
此处涉及的对散斑图进行的梯度幅度的确定,具体可以是通过以下表达式对像素点进行水平方向梯度Gx以及垂直方向梯度Gy的计算:
进而通过以下表达式计算梯度幅度:
在对散斑图进行梯度幅度的确定后能够获得宽度较大较为粗糙的边界,因此需要对散斑图进行非极大抑制处理以细化边界,留下梯度最强的边界线。首先可以根据以下表达式得到(x,y)位置的梯度方向θ(x,y):
θ(x,y)=arctan2(Gy(x,y),Gx(x,y))
进而可以将其近似到右、右上、上、左上、左、左下、下、右下8个方向,且上述8个方向的分界角度分别为:[-22.5,22.5)、[67.5,112.5)、[112.5,157.5)、[157.5,202.5)、[202.5,247.5)、[247.5,292.5)、[292.5,22.5)、[292.5,337.5)。将(x,y)处的梯度幅值G(x,y)与梯度方向上的正反两个方向的幅值分别进行比较,比如当梯度方向为上时,取(x,y-1)、(x,y+1)处的梯度幅值进行比较,若当前点的幅值最大,则保留该幅值,幅值置为0。
在对散斑图进行非极大抑制处理后,能够获得细化的散斑图的边界,但还需进行双阈值限制处理,以确定边界上的边缘点的类型,进一步去除伪边缘。可以设置两个梯度强度阈值k1,k2,且认为梯度幅值大于k1的点为强边缘点,梯度幅值小于等于k2的点为假边缘点。对于被确定为假边缘点的点,直接置0以去除该边缘点。值得说明的是,梯度幅值大于k2且小于k1的点为弱边缘点,其中包括真的边缘和假的边缘,有待进一步对其进行判断。
更近一步地,对所述散斑图进行边界跟踪处理,包括:针对各弱边缘点,在各所述弱边缘点的梯度方向以及边缘方向进行强边缘点搜索;根据所述强边缘点搜索的搜索结果确定是否保留所述弱边缘点;其中,所述梯度方向在所述对所述散斑图进行非极大抑制处理的步骤中确定,所述边缘方向为与所述梯度方向正交的方向;所述弱边缘点在所述对所述散斑图进行双阈值限制处理的步骤中确定。相比传统的边界跟踪手段,在弱边缘点的边缘方向进行强边缘点的搜索,能够避免对实际边缘上的、梯度方向未搜索到强边缘点的弱边缘点的去除,提高对散斑图的实际边缘进行判断的准确性。
此处涉及的边界跟踪相比于传统的canny边缘检测,在八个梯度方向搜索不到强边缘点时,还可以在梯度方向θ(x,y)±90°两个方向,即边缘方向继续搜索强边缘点。对于在双阈值限制处理中确定的弱边缘点,按照上述方向向外搜索预设数目的像素。若搜索到的第一个边界点为强边缘点,则当前弱边缘点所在队列为强边缘;若搜索到的第一个边界点为弱边缘点,则将该边界点纳入队列。同时将搜索路径中遇到的各像素点设置为相同队列编号,且标记为相同的强、弱边缘属性。对于不存在强边缘点的像素点队列,认为该队列中的边缘点为假边缘点,这些点将全部去除。结束边界跟踪后即可得边缘检测结果,边缘检测结果可以存入边缘图Icanny中。
值得一提的是,在进行了边缘检测之后,进行区域划分可以首先创建一个与最初的散斑图大小相同的图像Imark用于标记散斑图中像素点的所属区域。进而遍历Icanny中的像素点,对每个进行八连通区域检测。将一个同属一个队列的点视为同一个区域,搜索到的灰度值为255或者已访问的点不放入像素点的队列。当队列中的所有像素点都进行了八连通区域检测,则认为完成当前区域所有像素的搜索。进而可以确定区域中所包含的像素数量,并将像素点数目作为区域大小Si,确定队列中各像素点搜索到的灰度值为255的像素点的数目,并将此数目作为区域轮廓数量Ni。
此外,在对所述散斑图进行边缘检测之前,还可以对所述获取的散斑图进行锐化处理。此处涉及的锐化处理在实际实施时,可以分为获取散斑图背景信号以及增强边界信号两个步骤。一般来说,一张图像被认为由高频的边界信号和低频的背景信号组成,因此将需要进行预处理的散斑图通过一个低通滤波器即可得到该散斑图的背景信号。故可对散斑图Ispec进行高斯滤波得到背景信号Ispec_back。在获取背景信号后,可以通过以下表达式确定锐化后的散斑图Ispec2中各像素点的灰度值:
Ispeck2(x,y)=[Ispeck(x,y)-w*Ispeck_back(x,y)]/(1-w)
其中,w为先验参数,表示背景信号在散斑图中的权重占比,且w∈[0.1,0.9]。
在边缘检测之前进行散斑图的锐化,能够增强散斑图中的散斑特征,有助于边缘检测效果的提高。
步骤102,针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值。
在一个例子中,本步骤中涉及的根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值,可以包括根据所述包括的像素点的灰度值,确定所述自适应窗口对应的灰度阈值;根据所述自适应窗口对应的像素点的原始灰度值与所述灰度阈值的大小关系,确定所述所述自适应窗口对应的像素点的灰度值。能够实现精准的提取散斑图中的散斑颗粒。
本例中涉及的对自适应窗口对应的像素点的灰度值的确定,在实际实施时,可以首先统计滑动窗口内的灰度值的平均值mean以及标准差std。进而可以根据以下表达式确定该自适应窗口对应的灰度阈值T(x,y):
T(x,y)=[mean+Imin+std(mean-Imin)]/2stdmax
上述表达式中,Imin为散斑图的最小灰度值,stdmax为该散斑图最大标准偏差。在确定灰度阈值后,可以通过以下表达式确定自适应窗口对应的像素点的灰度值:
步骤103,根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
在本步骤中,在对原始的散斑图中每个像素点均进行了灰度值的确定之后,根据各像素点的灰度值得到最终的散斑特征图,即为对原始的散斑图进行预处理得到的散斑提取结果。
在本实施方式中,首先对获取的散斑图进行区域划分,并根据散斑图中各像素点的所属区域确定各像素点的自适应窗口,能够获取用于提取不同区域散斑特征的自适应窗口。进而针对每个像素点的自适应窗口,确定自适应窗口内包括的像素点的灰度值,并根据包括的像素点的灰度值,确定自适应窗口对应的像素点的灰度值。根据各自适应窗口对应的像素点的灰度值,获取散斑提取结果。对于散斑图中不同区域的像素点,根据其所属区域的不同用不同的自适应窗口进行散斑的提取,能够更好的适应散斑图中不同区域的不同特性,得到更加准确的散斑提取结果。能够避免采用同一窗口进行散斑提取带来的噪声剩余过多或有效部分去除过多的问题,实现有效提升散斑提取的准确度。
本发明的一实施方式涉及一种散斑图预处理装置,如图2所示,包括:
窗口确定模块201,用于对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;
灰度值确定模块202,用于针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;
散斑获取模块203,用于根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
在一个例子中,窗口确定模块201,还可以用于根据所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量,确定各所述像素点的自适应窗口的窗口半径;确定以所述像素点为中心,以所述窗口半径为半径的区域为所述像素点的自适应窗口。
在另一个例子中,散斑图预处理装置还可以包括边缘检测模块(图中未示出),用于在所述对获取的散斑图的进行区域划分之前,对所述散斑图进行边缘检测,得到与所述散斑图相对应的边缘图;在本例中,窗口确定模块201还可以根据对所述边缘图中的各像素点进行八连通区域检测的检测结果,对所述散斑图进行区域划分;在本例中,散斑图预处理装置还可以包括区域参数获取模块(图中未示出),用于在所述确定各所述像素点的自适应窗口的窗口半径之前,根据所述八连通区域检测的检测结果,确定所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量。
在一个例子中,边缘检测模块还可以用于对所述散斑图依次进行梯度幅度的确定、非极大抑制处理、双阈值限制处理以及边界跟踪处理。
在另一个例子中,边缘检测模块还可以用于针对各弱边缘点,在各所述弱边缘点的梯度方向以及边缘方向进行强边缘点搜索;根据所述强边缘点搜索的搜索结果确定是否保留所述弱边缘点;其中,所述梯度方向在所述对所述散斑图进行非极大抑制处理的步骤中确定,所述边缘方向为与所述梯度方向正交的方向;所述弱边缘点在所述对所述散斑图进行双阈值限制处理的步骤中确定。
在另一个例子中,散斑图预处理装置还可以包括锐化处理模块(图中未示出),用于在所述对所述散斑图进行边缘检测之前,对所述获取的散斑图进行锐化处理。
在一个例子中,灰度值确定模块202还可以用于根据所述包括的像素点的灰度值,确定所述自适应窗口对应的灰度阈值;根据所述自适应窗口对应的像素点的原始灰度值与所述灰度阈值的大小关系,确定所述所述自适应窗口对应的像素点的灰度值。
本实施方式提供的散斑图预处理装置首先对获取的散斑图进行区域划分,并根据散斑图中各像素点的所属区域确定各像素点的自适应窗口,能够获取用于提取不同区域散斑特征的自适应窗口。进而针对每个像素点的自适应窗口,确定自适应窗口内包括的像素点的灰度值,并根据包括的像素点的灰度值,确定自适应窗口对应的像素点的灰度值。根据各自适应窗口对应的像素点的灰度值,获取散斑提取结果。对于散斑图中不同区域的像素点,根据其所属区域的不同用不同的自适应窗口进行散斑的提取,能够更好的适应散斑图中不同区域的不同特性,得到更加准确的散斑提取结果。能够避免采用同一窗口进行散斑提取带来的噪声剩余过多或有效部分去除过多的问题,实现有效提升散斑提取的准确度。
值得一提的是,本发明上述实施方式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,本实施方式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方式中不存在其它的单元。
本发明的实施例还提供一种电子设备,如图3所示,包括至少一个处理器301;以及,与所述至少一个处理器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能够执行上述散斑图预处理的方法。
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送给处理器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。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请的实施例还提供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散斑图预处理的方法。
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)执行本申请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。
上述实施例是提供给本领域普通技术人员来实现和使用本发明的,本领域普通技术人员可以在不脱离本申请的发明思想的情况下,对上述实施例做出种种修改或变化,因而本发明的保护范围并不被上述实施例所限,而应该符合权利要求书所提到的创新性特征的最大范围。
Claims (9)
1.一种散斑图预处理的方法,其特征在于,包括:
对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;其中,所述根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口,包括:确定各所述像素点的自适应窗口的窗口半径为2*Si/Ni;其中,所述Si为所述像素点的所属区域的区域大小,所述Ni为所述像素点的所属区域的区域轮廓数量;确定以所述像素点为中心,以所述窗口半径为半径的区域为所述像素点的自适应窗口;
针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;
根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
2.根据权利要求1所述的散斑图预处理的方法,其特征在于,在所述对获取的散斑图进行区域划分之前,还包括:
对所述散斑图进行边缘检测,得到与所述散斑图相对应的边缘图;
所述对获取的散斑图进行区域划分,包括:
根据对所述边缘图中的各像素点进行八连通区域检测的检测结果,对所述散斑图进行区域划分;
在所述确定各所述像素点的自适应窗口的窗口半径之前,还包括:
根据所述八连通区域检测的检测结果,确定所述散斑图中各像素点的所属区域的区域大小和区域轮廓数量。
3.根据权利要求2所述的散斑图预处理的方法,其特征在于,所述对所述散斑图进行边缘检测,包括:
对所述散斑图依次进行梯度幅度的确定、非极大抑制处理、双阈值限制处理以及边界跟踪处理。
4.根据权利要求3所述的散斑图预处理的方法,其特征在于,所述对所述散斑图进行边界跟踪处理,包括:
针对各弱边缘点,在各所述弱边缘点的梯度方向以及边缘方向进行强边缘点搜索;
根据所述强边缘点搜索的搜索结果确定是否保留所述弱边缘点;
其中,所述强边缘点为所述散斑图的边界上、梯度幅值大于第一预设阈值的像素点,所述弱边缘点为所述散斑图的边界上、梯度幅值大于第二预设阈值而小于第一预设阈值的像素点;
所述梯度方向在所述对所述散斑图进行非极大抑制处理的步骤中确定,所述边缘方向为与所述梯度方向正交的方向;所述弱边缘点在所述对所述散斑图进行双阈值限制处理的步骤中确定。
5.根据权利要求2所述的散斑图预处理的方法,其特征在于,在所述对所述散斑图进行边缘检测之前,还包括:
对所述获取的散斑图进行锐化处理。
6.根据权利要求1至5中任一项所述的散斑图预处理的方法,其特征在于,所述根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值,包括:
根据所述包括的像素点的灰度值,确定所述自适应窗口对应的灰度阈值;
根据所述自适应窗口对应的像素点的原始灰度值与所述灰度阈值的大小关系,确定所述自适应窗口对应的像素点的灰度值。
7.一种散斑图预处理装置,其特征在于,包括:
窗口确定模块,用于对获取的散斑图进行区域划分,并根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口;其中,所述根据所述散斑图中各像素点的所属区域确定各所述像素点的自适应窗口,包括:确定各所述像素点的自适应窗口的窗口半径为2*Si/Ni;其中,所述Si为所述像素点的所属区域的区域大小,所述Ni为所述像素点的所属区域的区域轮廓数量;确定以所述像素点为中心,以所述窗口半径为半径的区域为所述像素点的自适应窗口;
灰度值确定模块,用于针对每个像素点的自适应窗口,确定所述自适应窗口内包括的像素点的灰度值,并根据所述包括的像素点的灰度值,确定所述自适应窗口对应的像素点的灰度值;
散斑获取模块,用于根据各所述自适应窗口对应的像素点的灰度值,获取散斑提取结果。
8.一种电子设备,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至6中任一项所述的散斑图预处理的方法。
9.一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权利要求1至6中任一项所述的散斑图预处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666482.0A CN114332147B (zh) | 2021-12-30 | 2021-12-30 | 散斑图预处理的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666482.0A CN114332147B (zh) | 2021-12-30 | 2021-12-30 | 散斑图预处理的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332147A CN114332147A (zh) | 2022-04-12 |
CN114332147B true CN114332147B (zh) | 2023-01-24 |
Family
ID=81020064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111666482.0A Active CN114332147B (zh) | 2021-12-30 | 2021-12-30 | 散斑图预处理的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332147B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913175B (zh) * | 2022-07-18 | 2022-12-16 | 合肥的卢深视科技有限公司 | 散斑图像质量评价方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107260173A (zh) * | 2017-06-30 | 2017-10-20 | 大连理工大学 | 一种基于摄像头与球状标记物的呼吸测量方法 |
CN112308873A (zh) * | 2020-11-09 | 2021-02-02 | 西安工程大学 | 多尺度Gabor小波PCA融合图像边缘检测方法 |
CN112581374A (zh) * | 2019-09-29 | 2021-03-30 | 深圳市光鉴科技有限公司 | 散斑亚像素中心提取方法、系统、设备及介质 |
CN113762253A (zh) * | 2021-08-24 | 2021-12-07 | 北京的卢深视科技有限公司 | 散斑的提取方法、装置、电子设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608908B (zh) * | 2009-07-20 | 2011-08-10 | 杭州先临三维科技股份有限公司 | 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法 |
KR20140040679A (ko) * | 2010-11-15 | 2014-04-03 | 인디언 인스티튜트 오브 테크놀로지 카라그푸르 | 향상된 초음파 이미징 시스템의 스펙클 저감/억제를 위한 향상된 초음파 이미징 방법/기술 |
CN102636313B (zh) * | 2012-04-11 | 2014-12-03 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN103778613B (zh) * | 2014-02-21 | 2016-06-08 | 武汉大学 | 一种窗口自适应的极化sar影像滤波方法 |
CN109461181B (zh) * | 2018-10-17 | 2020-10-27 | 北京华捷艾米科技有限公司 | 基于散斑结构光的深度图像获取方法及系统 |
CN109916322B (zh) * | 2019-01-29 | 2020-02-14 | 同济大学 | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 |
CN113077459B (zh) * | 2021-04-28 | 2022-08-05 | 合肥的卢深视科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113822818B (zh) * | 2021-09-28 | 2022-08-12 | 合肥的卢深视科技有限公司 | 散斑提取方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-30 CN CN202111666482.0A patent/CN114332147B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107260173A (zh) * | 2017-06-30 | 2017-10-20 | 大连理工大学 | 一种基于摄像头与球状标记物的呼吸测量方法 |
CN112581374A (zh) * | 2019-09-29 | 2021-03-30 | 深圳市光鉴科技有限公司 | 散斑亚像素中心提取方法、系统、设备及介质 |
CN112308873A (zh) * | 2020-11-09 | 2021-02-02 | 西安工程大学 | 多尺度Gabor小波PCA融合图像边缘检测方法 |
CN113762253A (zh) * | 2021-08-24 | 2021-12-07 | 北京的卢深视科技有限公司 | 散斑的提取方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114332147A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Algorithm and technique on various edge detection: A survey | |
Bellon et al. | New improvements to range image segmentation by edge detection | |
CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
US20200320735A1 (en) | Method and Apparatus for Determining Pupil Position | |
CN102236894A (zh) | 圆检测方法及装置 | |
CN114332147B (zh) | 散斑图预处理的方法、装置、电子设备和存储介质 | |
CN112132849A (zh) | 一种基于Canny边缘检测的空间非合作目标角点提取方法 | |
CN109712134B (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
CN110276801B (zh) | 一种物体定位方法、装置及存储介质 | |
CN113705505B (zh) | 一种面向海洋渔业的船舶目标检测方法和系统 | |
Chandra et al. | A survey on advanced segmentation techniques in image processing applications | |
CN112733650B (zh) | 目标人脸检测方法、装置、终端设备及存储介质 | |
CN116721156A (zh) | 工件位置定位方法、装置、计算机设备及存储介质 | |
CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
CN114331919B (zh) | 深度恢复方法、电子设备及存储介质 | |
Song et al. | Road detection algorithm of integrating region and edge information | |
CN109636744A (zh) | 一种水下距离选通成像的自适应图像处理方法 | |
CN115578594A (zh) | 基于计算机视觉的边缘定位方法、装置及相关设备 | |
Biao et al. | Segmentation and recognition of bridges in high resolution SAR images | |
CN109146968B (zh) | 一种熊猫型保偏光纤端面定轴方法和装置 | |
CN113204995A (zh) | 行为密码智慧门锁的识别方法、设备以及介质 | |
CN113554695A (zh) | 零件孔位智能识别定位方法 | |
CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 | |
Zhang et al. | Infrared small target detection using modified order morphology and weighted local entropy |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220628 Address after: 230091 room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui Province Applicant after: Hefei lushenshi Technology Co.,Ltd. Address before: 100083 room 3032, North B, bungalow, building 2, A5 Xueyuan Road, Haidian District, Beijing Applicant before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Applicant before: Hefei lushenshi Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |