CN115222631B - 畸变图像校正方法、装置、设备及可读存储介质 - Google Patents

畸变图像校正方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN115222631B
CN115222631B CN202211110490.1A CN202211110490A CN115222631B CN 115222631 B CN115222631 B CN 115222631B CN 202211110490 A CN202211110490 A CN 202211110490A CN 115222631 B CN115222631 B CN 115222631B
Authority
CN
China
Prior art keywords
product image
deviation value
coordinate
actual
corner 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
Application number
CN202211110490.1A
Other languages
English (en)
Other versions
CN115222631A (zh
Inventor
孙杰
杨义禄
张国栋
李波
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.)
Wuhan Zhongdao Optoelectronic Equipment Co ltd
Original Assignee
Wuhan Zhongdao Optoelectronic Equipment Co ltd
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 Wuhan Zhongdao Optoelectronic Equipment Co ltd filed Critical Wuhan Zhongdao Optoelectronic Equipment Co ltd
Priority to CN202211110490.1A priority Critical patent/CN115222631B/zh
Publication of CN115222631A publication Critical patent/CN115222631A/zh
Application granted granted Critical
Publication of CN115222631B publication Critical patent/CN115222631B/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
    • 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
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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

本发明提供一种畸变图像校正方法、装置、设备及可读存储介质。该方法包括：将第一产品图像按照预设方向和预设距离移动，得到第二产品图像，计算第一产品图像以及第二产品图像中各个特征点的偏差值，基于各个偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正，通过本发明，不需要基于多次拍摄的标准板多次调节相机内外部参数，所以更为简便，不易出错，同时，本发明不需要购买标准版，也不会出现客户产品图像中最小重复单元尺寸比标准板中最小重复单元尺寸小时，校正结果的精准度较低的情况，所以，成本较低，没有局限性，因此，解决了目前镜头畸变校正算法矫正过程较为繁琐，容易出错，且成本高，局限性较强的问题。

Description

畸变图像校正方法、装置、设备及可读存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种畸变图像校正方法、装置、设备及可读存储介质。
背景技术
AOI系统主要由相机、镜头、光源以及计算机等通用器件集成的简单光学成像与处理系统。但是，AOI镜头在成像过程中一般都存在一定程度的光学畸变，使得成像图像的大小和形状发生了变化，导致对图像进行分析和测量的结果准确性不高。
目前，常用的镜头畸变校正算法需要多次拍摄标准板，并基于多次拍摄的标准板多次调节相机内外部参数，一方面过程较为繁琐，容易出错，另一方面标准板不仅价格昂贵，而且当客户产品图像中最小重复单元尺寸比标准板中最小重复单元尺寸小时，校正结果的精准度会大大降低，导致镜头畸变校正算法的局限性较强。
发明内容
本发明的主要目的在于提供一种畸变图像校正方法、装置、设备及可读存储介质，旨在解决目前镜头畸变校正算法矫正过程较为繁琐，容易出错，且成本高，局限性较强的问题。
第一方面，本发明提供一种畸变图像校正方法，所述畸变图像校正方法包括：
将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；
以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
可选的，在所述将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤之前，包括：
获取第一产品图像以及第一产品图像中任一最小重复单元的尺寸；
通过特征提取算法计算得到第一产品图像中每个角点的实际坐标；
基于每个角点的实际坐标，通过最小二乘法获取第一产品图像的旋转角度；
基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标。
可选的，所述基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标的步骤，包括：
获取第一产品图像中心角点的理论坐标；
从每个角点的实际坐标中选取距离中心角点的理论坐标最近的一个角点的实际坐标；
将第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸代入第二预设公式，计算得到第一产品图像中每个角点的理论坐标，第二预设公式如下：
Figure 619900DEST_PATH_IMAGE001
其中，
Figure 772926DEST_PATH_IMAGE002
为第一产品图像中第n个角点的理论坐标，
Figure 522970DEST_PATH_IMAGE003
为距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标，
Figure 486553DEST_PATH_IMAGE004
表示第一产品图像的旋转角度，
Figure 395866DEST_PATH_IMAGE005
为第一产品图像中任一最小重复单元的尺寸，i和j为整数，i的取值范围为
Figure 188635DEST_PATH_IMAGE006
，j的取值范围为
Figure 799876DEST_PATH_IMAGE007
。
可选的，所述计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标的步骤，包括：
通过特征提取算法计算得到第二产品图像中每个角点的实际坐标；
基于第二产品图像中每个角点的实际坐标计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标；
基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的理论坐标。
可选的，所述基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标的步骤，包括：
若预设方向为x轴正方向，则第一产品图像中每个角点的理论坐标的横坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为x轴负方向，则第一产品图像中每个角点的理论坐标的横坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为y轴正方向，则第一产品图像中每个角点的理论坐标的纵坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的纵坐标；
若预设方向为y轴负方向，则第一产品图像中每个角点的理论坐标的纵坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的纵坐标。
可选的，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正的步骤，包括：
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值。
可选的，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标的步骤，包括：
基于第一偏差值确定第一偏差值对应的每个角点的实际坐标；
基于第二偏差值确定第二偏差值对应的每个角点的实际坐标；
基于第三偏差值确定第三偏差值对应的每个交叉像素点的实际坐标；
基于第四偏差值确定第四偏差值对应的每个其他像素点的实际坐标；
基于第一偏差值、第二偏差值、第三偏差值和第四偏差值对应的实际坐标确定新的产品图像中每个像素点的实际坐标对应的偏差值；
基于新的产品图像中每个像素点的实际坐标与新的产品图像中每个像素点的实际坐标对应的偏差值，计算得到新的产品图像中每个像素点的理论坐标。
第二方面，本发明还提供一种畸变图像校正装置，所述畸变图像校正装置包括：
移动模块，用于将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
第一计算模块，用于计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
第二计算模块，用于计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；
循环模块，用于以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
第三计算模块，用于当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；
校正模块，用于基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
第三方面，本发明还提供一种畸变图像校正设备，所述畸变图像校正设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的畸变图像校正程序，其中所述畸变图像校正程序被所述处理器执行时，实现如上所述的畸变图像校正方法的步骤。
第四方面，本发明还提供一种可读存储介质，所述可读存储介质上存储有畸变图像校正程序，其中所述畸变图像校正程序被处理器执行时，实现如上所述的畸变图像校正方法的步骤。
本发明中，将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。通过本发明，将第一产品图像按照预设方向和预设距离移动，得到第二产品图像，计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标与理论坐标之间的第三偏差值，再基于各个偏差值以及第二产品图像中每个其他像素点的理论坐标通过双线性插值法即可计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，最后基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标即可完成对新的产品图像进行校正，与现有技术中需要基于多次拍摄的标准板多次调节相机内外部参数才能完成图像校正的技术相比，更为简便，不易出错，同时，本发明无需标准版，也就不需要购买标准版，更不会出现客户产品图像中最小重复单元尺寸比标准板中最小重复单元尺寸小时，校正结果的精准度会大大降低的情况，成本较低，没有局限性，因此，解决了目前镜头畸变校正算法矫正过程较为繁琐，容易出错，且成本高，局限性较强的问题。
附图说明
图1为本发明实施例方案中涉及的畸变图像校正设备的硬件结构示意图；
图2为本发明畸变图像校正方法第一实施例的流程示意图；
图3为本发明畸变图像校正方法第二实施例的流程示意图；
图4为本发明畸变图像校正方法一实施例的第二产品图像示意图；
图5为本发明畸变图像校正方法一实施例的第一产品图像移动示意图；
图6为本发明畸变图像校正方法一实施例的第一产品图像中任一最小重复单元移动示意图；
图7为本发明畸变图像校正装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
第一方面，本发明实施例提供一种畸变图像校正设备，该畸变图像校正设备可以是个人计算机（personal computer，PC）、笔记本电脑、服务器等具有数据处理功能的设备。
参照图1，图1为本发明实施例方案中涉及的畸变图像校正设备的硬件结构示意图。本发明实施例中，畸变图像校正设备可以包括处理器1001（例如中央处理器CentralProcessing Unit，CPU），通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard）；网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真WIreless-FIdelity，WI-FI接口）；存储器1005可以是高速随机存取存储器（random access memory，RAM），也可以是稳定的存储器（non-volatile memory），例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及畸变图像校正程序。其中，处理器1001可以调用存储器1005中存储的畸变图像校正程序，并执行本发明实施例提供的畸变图像校正方法。
第二方面，本发明实施例提供了一种畸变图像校正方法。
一实施例中，参照图2，图2为本发明畸变图像校正方法第一实施例的流程示意图。如图2所示，畸变图像校正方法，包括：
步骤S10，将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
本实施例中，将第一产品图像按照预设方向移动预设距离，得到第二产品图像，即移动后的第一产品图像。具体地，参照图4，图4为本发明畸变图像校正方法一实施例的第二产品图像示意图。如图4所示，将第一产品图像（虚线方格）向X轴正方向移动0.25个最小重复单元的距离，向Y轴负方向移动0.25个最小重复单元的距离，得到第二产品图像（实线方格），即移动后的第一产品图像。其中，预设方向可以是任意方向，预设距离不大于第一产品图像中最小重复单元的尺寸。
步骤S20，计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
本实施例中，得到第二产品图像之后，通过特征提取算法计算第二产品图像中每个角点的实际坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标。
基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标，再基于第一产品图像中每个角点的理论坐标、预设方向和预设距离，即可计算得到第二产品图像中每个角点的理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的理论坐标。
进一步地，一实施例中，步骤S20，包括：
通过特征提取算法计算得到第二产品图像中每个角点的实际坐标；
基于第二产品图像中每个角点的实际坐标计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标；
基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的理论坐标。
本实施例中，特征提取算法为fast算法，通过fast算法计算得到第二产品图像中每个角点的实际坐标，fast（Features fromaccelerated segment test）算法是一种角点检测方法，用于特征点的提取，其中，若一个像素点周围有一定数量的像素值与该像素点的像素值不同，则认为该像素点为角点。基于第二产品图像中每个角点的实际坐标即可计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标。具体地，若第二产品图像中相邻两角点的实际坐标分别为（2，3）和（8，3），则第二产品图像与第一产品图像相交处的交叉像素点的实际坐标为（5，3）。
基于第一产品图像中每个角点的理论坐标、预设方向和预设距离进行运算，即可计算得到第二产品图像中每个角点的理论坐标。具体地，若第一产品图像中四个角点的理论坐标分别是（1，1）、（1，5）、（6，5）和（6，1），若预设方向为x轴正方向和y轴负方向，预设距离为0.25，则第二产品图像与第一产品图像相交处的交叉像素点的理论坐标分别为（6，4.75）和（1.25，1）。
进一步地，一实施例中，所述基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标的步骤，包括：
若预设方向为x轴正方向，则第一产品图像中每个角点的理论坐标的横坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为x轴负方向，则第一产品图像中每个角点的理论坐标的横坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为y轴正方向，则第一产品图像中每个角点的理论坐标的纵坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的纵坐标；
若预设方向为y轴负方向，则第一产品图像中每个角点的理论坐标的纵坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的纵坐标。
本实施例中，以第一产品图像中角点a的理论坐标为（2，3），预设距离为0.25为例，若预设方向为x轴正方向，则第一产品图像中的角点a的理论坐标（2，3）的横坐标2与预设距离0.25之和2.25，即为第二产品图像中角点a的理论坐标的横坐标2.25。
若预设方向为x轴负方向，则第一产品图像中角点a的理论坐标（2，3）的横坐标2减去预设距离0.25的差值1.75，即为第二产品图像中角点a的理论坐标的横坐标1.75；
若预设方向为y轴正方向，则第一产品图像中角点a的理论坐标（2，3）的纵坐标3与预设距离0.25之和3.25，即为第二产品图像中角点a的理论坐标的纵坐标3.25；
若预设方向为y轴负方向，则第一产品图像中角点a的理论坐标（2，3）的纵坐标3减去预设距离0.25的差值2.75，即为第二产品图像中角点a的理论坐标的纵坐标2.75。
进一步地，若预设方向为x轴正方向和y轴负方向，则将第一产品图像向x轴正方向和y轴负方向分别移动0.25，将第一产品图像中的角点a的理论坐标（2，3）的横坐标加0.25，将第一产品图像中的角点a的理论坐标（2，3）的纵坐标减0.25，即为第二产品图像中角点a的理论坐标（2.25，2.75）。以此类推，基于第一产品图像中每个角点的理论坐标、预设方向和预设距离即可计算得到第二产品图像中每个角点的理论坐标。容易想到的是，本实施例中的参数在此仅供参考说明，并不做限制。
步骤S30，计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；
本实施例中，若第一产品图像中角点b的理论坐标为（2，5），通过特征提取算法得到第一产品图像中角点b的实际坐标为（2，5.11），因为2-2=0，5.11-5=0.11，所以第一产品图像中角点b的实际坐标和理论坐标之间的第一偏差值为（0，0.11），即实际坐标为（2，5.11）处的像素点的实际坐标和理论坐标之间的偏差值为（0，0.11）。第二产品图像中角点b的理论坐标（2.25，4.75），通过特征提取算法得到第二产品图像中角点b的实际坐标为（2.35，4.55），因为2.35-2.25=0.1，4.55-4.75=-0.2，所以第二产品图像中角点b的实际坐标和理论坐标之间的第二偏差值为（0.1，-0.2），即实际坐标为（2.35，4.55）处的像素点的实际坐标和理论坐标之间的偏差值为（0.1，-0.2）。若第二产品图像与第一产品图像相交处的交叉像素点c的实际坐标为（2.37，4.5），理论坐标为（2.3，4.75），因为2.37-2.3=0.07，4.5-4.75=-0.25，所以像素点c的实际坐标与理论坐标之间的第三偏差值为（0.07，-0.25），即实际坐标为（2.37，4.5）处的像素点的实际坐标和理论坐标之间的偏差值为（0.07，-0.25）。以此类推，将第一产品图像中每个角点的实际坐标与对应的理论坐标相减，即可通过计算得到第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值。将第二产品图像中每个角点的实际坐标与对应的理论坐标相减，即可通过计算得到第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值。将第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标与理论坐标相减，即可通过计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标与理论坐标之间的第三偏差值。容易想到的是，本实施例中的参数在此仅供参考说明，并不做限制。
步骤S40，以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
本实施例中，将第一产品图像按照预设方向和预设距离移动，计算得到第一偏差值，第二偏差值以及第三偏差值之后，若循环次数未达到预设次数，则以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤，得到第一偏差值、第二偏差值以及第三偏差值。其中，每循环一次，第一产品图像移动一次。
具体地，参照图5，图5为本发明畸变图像校正方法一实施例的第一产品图像移动示意图。如图5所示，若第一次循环时，第一产品图像中角点b的理论坐标为（2，5），若实际坐标为（2，5.11），则第一产品图像中角点b的实际坐标和理论坐标之间的第一偏差值为（0，0.11），即实际坐标为（2，5.11）处的像素点的实际坐标和理论坐标之间的偏差值为（0，0.11），将第一产品图像向X轴正方向和Y轴负方向移动0.25后，得到第二产品图像与第一产品图像相交处的交叉像素点
Figure 527722DEST_PATH_IMAGE008
和交叉像素点
Figure 291541DEST_PATH_IMAGE009
，得到第二产品图像中角点b的理论坐标为（2.25，4.75）。若第二产品图像中角点b的实际坐标为（2.35，4.55），则第二产品图像中角点b的实际坐标和理论坐标之间的第二偏差值为（0.1，-0.2），即实际坐标为（2.35，4.55）处的像素点的实际坐标和理论坐标之间的偏差值为（0.1，-0.2）。第二次循环时，以第二产品图像作为第一产品图像，则第一产品图像中角点b的理论坐标为（2.25，4.75），实际坐标为（2.35，4.55），则第一产品图像中角点b的实际坐标和理论坐标之间的第一偏差值为（0.1，-0.2），即实际坐标为（2.35，4.55）处的像素点的实际坐标和理论坐标之间的偏差值为（0.1，-0.2）。将第一产品图像向X轴正方向和Y轴负方向移动0.25后，得到第二产品图像与第一产品图像相交处的交叉像素点
Figure 255211DEST_PATH_IMAGE010
和交叉像素点
Figure 855213DEST_PATH_IMAGE011
，得到第二产品图像中角点b的理论坐标为（2.5，4.5），若通过特征提取算法得到第二产品图像中角点b的实际坐标为（2.65，4.75），则第二产品图像中角点b的实际坐标和理论坐标之间的第二偏差值为（0.15，0.25），即实际坐标为（2.5，4.5）处的像素点的实际坐标和理论坐标之间的偏差值为（0.15，0.25）。因此，角点b每移动一次，即可得到一个角点b移动后的位置的偏差值。若移动4个角点的方格，预设方向为X轴正方向和Y轴负方向，未移动之前，可得到4个像素点对应的实际坐标和理论坐标之间的偏差值，移动一次之后，可得到10个像素点对应的实际坐标和理论坐标之间的偏差值，即4个第一偏差值，4个第二偏差值，2个第三偏差值。移动两次之后，可得到16个像素点对应的实际坐标和理论坐标之间的偏差值，即8个第一偏差值，4个第二偏差值，4个第三偏差值，移动三次之后，可得到22个像素点对应的实际坐标和理论坐标之间的偏差值，即12个第一偏差值，4个第二偏差值，6个第三偏差值，以此类推，移动的次数越多，得到的偏差值越多。
步骤S50，当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；
本实施例中，若预设次数为2次，则当循环次数达到2次时，第一偏差值包括第一次移动计算得到第一偏差值和第二次移动计算得到的第一偏差值，第二偏差值包括第二次移动计算得到的第二偏差值，第三偏差值包括第一次移动计算得到第三偏差值和第二次移动计算得到的第三偏差值。第一产品图像包括第一次移动后的第一产品图像和第二次移动后的第一产品图像，第二产品图像为第二次移动后的第二产品图像。即当循环次数达到预设次数时，基于每次循环得到的第一偏差值、最后一次循环得到的第二偏差值、每次循环得到的第三偏差值、最后一次循环得到的第二产品图像中每个其他像素点的理论坐标、每次循环得到的第一产品图像中每个角点的实际坐标、每次循环得到的第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到最后一次循环得到的第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值。参照图6，图6为本发明畸变图像校正方法一实施例的第一产品图像中任一最小重复单元移动示意图。如图6所示，角点
Figure 550812DEST_PATH_IMAGE012
为第一产品图像中角点，角点
Figure 169138DEST_PATH_IMAGE013
为第二产品图像中角点，角点
Figure 677611DEST_PATH_IMAGE014
和角点
Figure 889543DEST_PATH_IMAGE015
为两个交叉像素点。像素点P为第二产品图像中其他像素点中的任一像素点。当循环次数达到预设次数时，若第一产品图像中角点
Figure 259606DEST_PATH_IMAGE012
的实际坐标为（10，1），第二产品图像中角点
Figure 619523DEST_PATH_IMAGE013
的实际坐标为（1，10），第二产品图像与第一产品图像相交处的交叉像素点
Figure 800362DEST_PATH_IMAGE015
的实际坐标为（10，10），第二产品图像与第一产品图像相交处的交叉像素点
Figure 499590DEST_PATH_IMAGE014
的实际坐标为（1，1），第一产品图像中角点
Figure 407766DEST_PATH_IMAGE012
的实际坐标和理论坐标之间的第一偏差值为（6，4），第二产品图像中角点
Figure 972653DEST_PATH_IMAGE013
的实际坐标和理论坐标之间的第二偏差值为（0.2，0.7），第二产品图像与第一产品图像相交处的交叉像素点
Figure 714606DEST_PATH_IMAGE015
的实际坐标与理论坐标之间的第三偏差值为（3，2），第二产品图像与第一产品图像相交处的交叉像素点
Figure 494606DEST_PATH_IMAGE014
的实际坐标与理论坐标之间的第三偏差值为（0.5，0.2），则通过双线性插值法即可计算得到第二产品图像中其他像素点p的实际坐标和理论坐标之间的第四偏差值。
具体地，基于第二产品图像中其他像素点p的理论坐标（5，5），第一产品图像中角点
Figure 222784DEST_PATH_IMAGE012
的实际坐标（10，1）、第二产品图像中角点
Figure 291713DEST_PATH_IMAGE013
的实际坐标（1，10）、两个交叉像素点
Figure 329202DEST_PATH_IMAGE015
和
Figure 737443DEST_PATH_IMAGE014
的实际坐标（10，10）和（1，1）、第一偏差值（6，4）、第二偏差值（0.2，0.7）以及第三偏差值（3，2）和（0.5，0.2），通过公式
Figure 659525DEST_PATH_IMAGE016
得到第二产品图像中其他像素点p的实际坐标和理论坐标之间的第四偏差值（2.1289，1.6168）。
其中，
Figure 741881DEST_PATH_IMAGE017
，
Figure 813918DEST_PATH_IMAGE018
，
Figure 240614DEST_PATH_IMAGE019
为交叉像素点
Figure 700808DEST_PATH_IMAGE014
的实际坐标与理论坐标之间的第三偏差值（0.5，0.2），
Figure 855581DEST_PATH_IMAGE020
为第二产品图像中角点
Figure 375818DEST_PATH_IMAGE013
的实际坐标和理论坐标之间的第二偏差值（0.2，0.7），
Figure 634017DEST_PATH_IMAGE021
为第二产品图像中角点
Figure 620604DEST_PATH_IMAGE013
的实际坐标和理论坐标之间的第二偏差值（0.2，0.7），
Figure 897127DEST_PATH_IMAGE022
为交叉像素点
Figure 57106DEST_PATH_IMAGE015
的实际坐标与理论坐标之间的第三偏差值（3，2），
Figure 566716DEST_PATH_IMAGE023
为交叉像素点
Figure 837554DEST_PATH_IMAGE014
的实际坐标（1，1），
Figure 511460DEST_PATH_IMAGE024
为交叉像素点
Figure 842341DEST_PATH_IMAGE015
的实际坐标（10，10），
Figure 809553DEST_PATH_IMAGE025
为第二产品图像中角点
Figure 149661DEST_PATH_IMAGE013
的实际坐标（1，10），
Figure 592319DEST_PATH_IMAGE026
为第一产品图像中角点
Figure 733582DEST_PATH_IMAGE012
的实际坐标（10，1）。以此类推，通过双线性插值法即可计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值。
步骤S60，基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
本实施例中，通过第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值，得到第一产品图像中每个角点的实际坐标。通过第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，得到第二产品图像中每个角点的实际坐标。通过第二产品图像与第一产品图像相交处的每交叉像素点的实际坐标与理论坐标之间的第三偏差值，得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标。根据各个实际坐标确定新的产品图像中每个像素点的实际坐标对应的偏差值，基于新的产品图像中每个像素点的实际坐标与新的产品图像中每个像素点的实际坐标对应的偏差值，计算得到新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值，即可完成对新的产品图像进行校正。
本实施例中，将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；当循环次数达到预设次数时，基于第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标、每个交叉像素点的实际坐标、第一偏差值、第二偏差值和第三偏差值，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。通过本实施例，将第一产品图像按照预设方向和预设距离移动，得到第二产品图像，计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标与理论坐标之间的第三偏差值，再基于各个偏差值以及第二产品图像中每个其他像素点的理论坐标通过双线性插值法即可计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，最后基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标即可完成对新的产品图像进行校正，与现有技术中需要基于多次拍摄的标准板多次调节相机内外部参数才能完成图像校正的技术相比，更为简便，不易出错，同时，本发明无需标准版，也就不需要购买标准版，更不会出现客户产品图像中最小重复单元尺寸比标准板中最小重复单元尺寸小时，校正结果的精准度会大大降低的情况，成本较低，没有局限性，因此，解决了目前镜头畸变校正算法矫正过程较为繁琐，容易出错，且成本高，局限性较强的问题。
进一步地，一实施例中，在步骤S10之前，包括：
步骤S001，获取第一产品图像以及第一产品图像中任一最小重复单元的尺寸；
步骤S002，通过特征提取算法计算得到第一产品图像中每个角点的实际坐标；
步骤S003，基于每个角点的实际坐标，通过最小二乘法获取第一产品图像的旋转角度；
步骤S004，基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标。
本实施例中，获取用户输入的包含多个最小重复单元的第一产品图像以及第一产品图像中任一最小重复单元的尺寸。特征提取算法以fast算法为例，通过fast算法计算得到第一产品图像中每个角点的实际坐标。
基于每个角点的实际坐标，通过最小二乘法拟合出一条直线y=kx+b，将每个角点的实际坐标代入第一预设公式，计算得到直线斜率k，第一预设公式如下：
Figure 312724DEST_PATH_IMAGE027
其中，
Figure 315578DEST_PATH_IMAGE028
为第i个角点的实际坐标，k为直线斜率，N为角点个数，基于直线斜率k即可计算得到产品图像的旋转角度
Figure 573863DEST_PATH_IMAGE029
。
基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸，即可计算得到第一产品图像中每个角点的理论坐标。
进一步地，一实施例中，所述基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标的步骤，包括：
获取第一产品图像中心角点的理论坐标；
从每个角点的实际坐标中选取距离中心角点的理论坐标最近的一个角点的实际坐标；
将第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸代入第二预设公式，计算得到第一产品图像中每个角点的理论坐标，第二预设公式如下：
Figure 387492DEST_PATH_IMAGE030
其中，
Figure 453930DEST_PATH_IMAGE031
为第一产品图像中第n个角点的理论坐标，
Figure 260474DEST_PATH_IMAGE032
为距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标，
Figure 204291DEST_PATH_IMAGE033
表示第一产品图像的旋转角度，
Figure 301736DEST_PATH_IMAGE034
为第一产品图像中任一最小重复单元的尺寸，i和j为整数，i的取值范围为
Figure 714525DEST_PATH_IMAGE035
，j的取值范围为
Figure 934547DEST_PATH_IMAGE036
。
本实施例中，根据第一产品图像的尺寸获取第一产品图像中心角点的理论坐标，具体地，若第一产品图像的尺寸为100*100，则第一产品图像中心角点的理论坐标为（50，50）。从每个角点的实际坐标中选取距离中心角点的理论坐标（50，50）最近的一个角点的实际坐标记为
Figure 765493DEST_PATH_IMAGE037
。
将第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸代入第二预设公式，计算得到第一产品图像中每个角点的理论坐标，第二预设公式如下：
Figure 57277DEST_PATH_IMAGE038
其中，
Figure 222941DEST_PATH_IMAGE039
为第一产品图像中第n个角点的理论坐标，
Figure 246654DEST_PATH_IMAGE040
为距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标，
Figure 430642DEST_PATH_IMAGE041
表示第一产品图像的旋转角度，
Figure 869890DEST_PATH_IMAGE042
为第一产品图像中任一最小重复单元的尺寸，i和j为整数，i的取值范围为
Figure 991692DEST_PATH_IMAGE043
，j的取值范围为
Figure 428883DEST_PATH_IMAGE044
。容易想到的是，n为整数，n的个数与整数i或整数j的个数相同。
进一步地，一实施例中，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正的步骤，包括：
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值。
本实施例中，新的产品图像中每个像素点的实际坐标与对应的偏差值相加，得到新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值。具体地，若新的产品图像中像素点m的实际坐标为（100，200），实际坐标为（100，200）处的像素点的实际坐标和理论坐标之间的偏差值为（-1.2，0.1），则新的产品图像中像素点m的理论坐标为（101.2，199.9），若再通过双线性插值法计算得到新的产品图像中像素点m的理论坐标为（101.2，199.9）处的像素点的灰度值为128，则将新的产品图像中理论坐标为（101.2，199.9）处的像素点的灰度值128作为新的产品图像中实际坐标为（100，200）处的灰度值，即新的产品图像中（100，200）处的灰度值校正为128。
进一步地，一实施例中，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标的步骤，包括：
基于第一偏差值确定第一偏差值对应的每个角点的实际坐标；
基于第二偏差值确定第二偏差值对应的每个角点的实际坐标；
基于第三偏差值确定第三偏差值对应的每个交叉像素点的实际坐标；
基于第四偏差值确定第四偏差值对应的每个其他像素点的实际坐标；
基于第一偏差值、第二偏差值、第三偏差值和第四偏差值对应的实际坐标确定新的产品图像中每个像素点的实际坐标对应的偏差值；
基于新的产品图像中每个像素点的实际坐标与新的产品图像中每个像素点的实际坐标对应的偏差值，计算得到新的产品图像中每个像素点的理论坐标。
本实施例中，通过第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值确定第一偏差值对应的第一产品图像中每个角点的实际坐标。通过第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值确定第二偏差值对应的第二产品图像中每个角点的实际坐标。通过第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标与理论坐标之间的第三偏差值确定第三偏差值对应的第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标。通过第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值确定第四偏差值对应的第二产品图像中每个其他像素点的实际坐标。
基于第一偏差值、第二偏差值、第三偏差值和第四偏差值对应的实际坐标，即可确定新的产品图像中每个像素点的实际坐标对应的偏差值。具体地，若新的产品图像中像素点t的实际坐标为（35，60），则在第一偏差值对应的第一产品图像中每个角点的实际坐标、第二偏差值对应的第二产品图像中每个角点的实际坐标、第三偏差值对应的第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标以及第四偏差值对应的第二产品图像中每个其他像素点的实际坐标中查找实际坐标为（35，60）对应的偏差值，查找到的偏差值即为新的产品图像中实际坐标为（35，60）处的像素点t对应的偏差值。
将新的产品图像中实际坐标为（35，60）处的像素点t对应的偏差值与新的产品图像中每个像素点的实际坐标进行计算，即可得到新的产品图像中每个像素点的理论坐标。容易想到的是，若查找到的偏差值为实际坐标减去理论坐标的差值，则将新的产品图像中实际坐标为（35，60）处的像素点t对应的偏差值与新的产品图像中每个像素点的实际坐标相减，得到新的产品图像中每个像素点的理论坐标；若查找到的偏差值为理论坐标减去实际坐标的差值，则将新的产品图像中实际坐标为（35，60）处的像素点t对应的偏差值与新的产品图像中每个像素点的实际坐标相加，得到新的产品图像中每个像素点的理论坐标。
第三方面，本发明实施例还提供一种畸变图像校正装置。
一实施例中，参照图7，图7为本发明畸变图像校正装置一实施例的功能模块示意图。如图7所示，畸变图像校正装置包括：
移动模块10，用于将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
第一计算模块20，用于计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
第二计算模块30，用于计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值；
循环模块40，用于以第二产品图像作为第一产品图像，执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
第三计算模块50，用于当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点；
校正模块60，用于基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
进一步地，一实施例中，畸变图像校正装置，还包括获取模块，用于：
获取第一产品图像以及第一产品图像中任一最小重复单元的尺寸；
第四计算模块，用于：通过特征提取算法计算得到第一产品图像中每个角点的实际坐标；
第五计算模块，用于：基于每个角点的实际坐标，通过最小二乘法获取第一产品图像的旋转角度；
第六计算模块，用于：基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标。
进一步地，一实施例中，第六计算模块，还用于：
获取第一产品图像中心角点的理论坐标；
从每个角点的实际坐标中选取距离中心角点的理论坐标最近的一个角点的实际坐标；
将第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸代入第二预设公式，计算得到第一产品图像中每个角点的理论坐标，第二预设公式如下：
Figure 93476DEST_PATH_IMAGE045
其中，
Figure 851696DEST_PATH_IMAGE046
为第一产品图像中第n个角点的理论坐标，
Figure 975641DEST_PATH_IMAGE047
为距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标，
Figure 341156DEST_PATH_IMAGE048
表示第一产品图像的旋转角度，
Figure 984889DEST_PATH_IMAGE049
为第一产品图像中任一最小重复单元的尺寸，i和j为整数，i的取值范围为
Figure 777658DEST_PATH_IMAGE050
，j的取值范围为
Figure 878645DEST_PATH_IMAGE051
。
进一步地，一实施例中，第一计算模块20，还用于：
通过特征提取算法计算得到第二产品图像中每个角点的实际坐标；
基于第二产品图像中每个角点的实际坐标计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标；
基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的理论坐标。
进一步地，一实施例中，第一计算模块20，还用于：
若预设方向为x轴正方向，则第一产品图像中每个角点的理论坐标的横坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为x轴负方向，则第一产品图像中每个角点的理论坐标的横坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为y轴正方向，则第一产品图像中每个角点的理论坐标的纵坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的纵坐标；
若预设方向为y轴负方向，则第一产品图像中每个角点的理论坐标的纵坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的纵坐标。
进一步地，一实施例中，校正模块60，还用于：
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值。
进一步地，一实施例中，校正模块60，还用于：
基于第一偏差值确定第一偏差值对应的每个角点的实际坐标；
基于第二偏差值确定第二偏差值对应的每个角点的实际坐标；
基于第三偏差值确定第三偏差值对应的每个交叉像素点的实际坐标；
基于第四偏差值确定第四偏差值对应的每个其他像素点的实际坐标；
基于第一偏差值、第二偏差值、第三偏差值和第四偏差值对应的实际坐标确定新的产品图像中每个像素点的实际坐标对应的偏差值；
基于新的产品图像中每个像素点的实际坐标与新的产品图像中每个像素点的实际坐标对应的偏差值，计算得到新的产品图像中每个像素点的理论坐标。
其中，上述畸变图像校正装置中各个模块的功能实现与上述畸变图像校正方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第四方面，本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有畸变图像校正程序，其中所述畸变图像校正程序被处理器执行时，实现如上述的畸变图像校正方法的步骤。
其中，畸变图像校正程序被执行时所实现的方法可参照本发明畸变图像校正方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种畸变图像校正方法，其特征在于，所述畸变图像校正方法包括：
将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值，至此完成一次循环；
以第二产品图像作为第一产品图像，返回执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点，第一偏差值包括每次循环得到的第一偏差值，第二偏差值为最后一次循环得到的第二偏差值，第三偏差值包括每次循环得到的第三偏差值；
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
2.如权利要求1所述的畸变图像校正方法，其特征在于，在所述将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤之前，包括：
获取第一产品图像以及第一产品图像中任一最小重复单元的尺寸；
通过特征提取算法计算得到第一产品图像中每个角点的实际坐标；
基于每个角点的实际坐标，通过最小二乘法获取第一产品图像的旋转角度；
基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标。
3.如权利要求2所述的畸变图像校正方法，其特征在于，所述基于第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸计算得到第一产品图像中每个角点的理论坐标的步骤，包括：
获取第一产品图像中心角点的理论坐标；
从每个角点的实际坐标中选取距离中心角点的理论坐标最近的一个角点的实际坐标；
将第一产品图像的旋转角度、距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标以及第一产品图像中任一最小重复单元的尺寸代入第二预设公式，计算得到第一产品图像中每个角点的理论坐标，第二预设公式如下：
Figure FDA0003925119840000021
其中，(xn，yn)为第一产品图像中第n个角点的理论坐标，(x0，y0)为距离第一产品图像中心角点的理论坐标最近的一个角点的实际坐标，θ表示第一产品图像的旋转角度，(x′，y′)为第一产品图像中任一最小重复单元的尺寸，i和j为整数，i的取值范围为
Figure FDA0003925119840000022
j的取值范围为
Figure FDA0003925119840000023
4.如权利要求1所述的畸变图像校正方法，其特征在于，所述计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标的步骤，包括：
通过特征提取算法计算得到第二产品图像中每个角点的实际坐标；
基于第二产品图像中每个角点的实际坐标计算得到第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标；
基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的理论坐标。
5.如权利要求4所述的畸变图像校正方法，其特征在于，所述基于第一产品图像中每个角点的理论坐标、预设方向和预设距离计算得到第二产品图像中每个角点的理论坐标的步骤，包括：
若预设方向为x轴正方向，则第一产品图像中每个角点的理论坐标的横坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为x轴负方向，则第一产品图像中每个角点的理论坐标的横坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的横坐标；
若预设方向为y轴正方向，则第一产品图像中每个角点的理论坐标的纵坐标与预设距离之和，即为第二产品图像中每个角点的理论坐标的纵坐标；
若预设方向为y轴负方向，则第一产品图像中每个角点的理论坐标的纵坐标减去预设距离的差值，即为第二产品图像中每个角点的理论坐标的纵坐标。
6.如权利要求1所述的畸变图像校正方法，其特征在于，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正的步骤，包括：
基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标，以新的产品图像中每个像素点的理论坐标处的灰度值作为对应的实际坐标处的灰度值。
7.如权利要求6所述的畸变图像校正方法，其特征在于，所述基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标确定新的产品图像中每个像素点的理论坐标的步骤，包括：
基于第一偏差值确定第一偏差值对应的每个角点的实际坐标；
基于第二偏差值确定第二偏差值对应的每个角点的实际坐标；
基于第三偏差值确定第三偏差值对应的每个交叉像素点的实际坐标；
基于第四偏差值确定第四偏差值对应的每个其他像素点的实际坐标；
基于第一偏差值、第二偏差值、第三偏差值和第四偏差值对应的实际坐标确定新的产品图像中每个像素点的实际坐标对应的偏差值；
基于新的产品图像中每个像素点的实际坐标与新的产品图像中每个像素点的实际坐标对应的偏差值，计算得到新的产品图像中每个像素点的理论坐标。
8.一种畸变图像校正装置，其特征在于，所述畸变图像校正装置包括：
移动模块，用于将第一产品图像按照预设方向和预设距离移动，得到第二产品图像；
第一计算模块，用于计算第二产品图像中每个角点的实际坐标和理论坐标，以及第二产品图像与第一产品图像相交处的每个交叉像素点的实际坐标和理论坐标；
第二计算模块，用于计算第一产品图像中每个角点的实际坐标和理论坐标之间的第一偏差值、第二产品图像中每个角点的实际坐标和理论坐标之间的第二偏差值，以及每个交叉像素点的实际坐标与理论坐标之间的第三偏差值，至此完成一次循环；
循环模块，用于以第二产品图像作为第一产品图像，返回执行将第一产品图像按照预设方向和预设距离移动，得到第二产品图像的步骤；
第三计算模块，用于当循环次数达到预设次数时，基于第一偏差值、第二偏差值、第三偏差值、第二产品图像中每个其他像素点的理论坐标、第一产品图像中每个角点的实际坐标、第二产品图像中每个角点的实际坐标和每个交叉像素点的实际坐标，通过双线性插值法计算得到第二产品图像中每个其他像素点的实际坐标和理论坐标之间的第四偏差值，其中，第一产品图像中每个角点、第二产品图像中每个角点以及每个交叉像素点以外的像素点为其他像素点，第一偏差值包括每次循环得到的第一偏差值，第二偏差值为最后一次循环得到的第二偏差值，第三偏差值包括每次循环得到的第三偏差值；
校正模块，用于基于第一偏差值、第二偏差值、第三偏差值、第四偏差值以及新的产品图像中每个像素点的实际坐标对新的产品图像进行校正。
9.一种畸变图像校正设备，其特征在于，所述畸变图像校正设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的畸变图像校正程序，其中所述畸变图像校正程序被所述处理器执行时，实现如权利要求1至7中任一项所述的畸变图像校正方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有畸变图像校正程序，其中所述畸变图像校正程序被处理器执行时，实现如权利要求1至7中任一项所述的畸变图像校正方法的步骤。
CN202211110490.1A 2022-09-13 2022-09-13 畸变图像校正方法、装置、设备及可读存储介质 Active CN115222631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211110490.1A CN115222631B (zh) 2022-09-13 2022-09-13 畸变图像校正方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211110490.1A CN115222631B (zh) 2022-09-13 2022-09-13 畸变图像校正方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN115222631A CN115222631A (zh) 2022-10-21
CN115222631B true CN115222631B (zh) 2022-12-13

Family

ID=83617526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211110490.1A Active CN115222631B (zh) 2022-09-13 2022-09-13 畸变图像校正方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN115222631B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815823A (zh) * 2017-02-22 2017-06-09 广东工业大学 一种透镜畸变标定校正方法及其装置
CN107767422A (zh) * 2017-09-18 2018-03-06 深圳开阳电子股份有限公司 一种鱼眼镜头的校正方法、装置及便携式终端

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101242546A (zh) * 2007-02-06 2008-08-13 鸿富锦精密工业（深圳）有限公司 影像校正系统及方法
CN109255760A (zh) * 2018-08-13 2019-01-22 青岛海信医疗设备股份有限公司 畸变图像校正方法及装置
CN113962892A (zh) * 2021-10-25 2022-01-21 上海闻泰信息技术有限公司 校正广角镜头图像畸变的方法、装置及照相设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815823A (zh) * 2017-02-22 2017-06-09 广东工业大学 一种透镜畸变标定校正方法及其装置
CN107767422A (zh) * 2017-09-18 2018-03-06 深圳开阳电子股份有限公司 一种鱼眼镜头的校正方法、装置及便携式终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《大视场红外成像系统畸变校正方法研究》;任桢 等；;《第三届红外成像系统仿真、测试与评价技术研讨会论文集》;20110930;第58-62页 *

Also Published As

Publication number Publication date
CN115222631A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US11997397B2 (en) Method, apparatus, and device for processing images, and storage medium
CN109544643B (zh) 一种摄像机图像校正方法及装置
CN109345467B (zh) 成像畸变校正方法、装置、计算机设备及存储介质
CN111263142B (zh) 一种摄像模组光学防抖的测试方法、装置、设备及介质
CN108074237B (zh) 图像清晰度检测方法、装置、存储介质及电子设备
CN106570907B (zh) 一种相机标定方法及装置
CN109451302A (zh) 一种摄像模组测试方法、装置、电子设备及介质
CN112085798A (zh) 摄像机标定方法、装置、电子设备及存储介质
CN114549652A (zh) 一种相机标定方法、装置、设备及计算机可读介质
CN113963072B (zh) 双目摄像头标定方法、装置、计算机设备和存储介质
CN118247184A (zh) 投影系统的畸变校正方法、装置、设备及可读存储介质
CN115965697A (zh) 基于沙姆定律的投影仪标定方法、标定系统及装置
US20120038785A1 (en) Method for producing high resolution image
CN115222631B (zh) 畸变图像校正方法、装置、设备及可读存储介质
CN115100225B (zh) 一种相机视场的误差场确定方法、装置、电子设备及介质
CN116777769A (zh) 畸变图像的校正方法及装置、电子设备、存储介质
CN108780572A (zh) 图像校正的方法及装置
CN116051634A (zh) 一种视觉定位方法、终端及存储介质
CN115631099A (zh) 一种径向畸变参数测量方法、装置和电子设备
CN114466143B (zh) 一种拍摄角度校准方法、装置、终端设备以及存储介质
CN112907462B (zh) 超广角摄像器件畸变校正方法、系统及包括其的拍摄装置
JP2010177832A (ja) 画像処理装置及び画像処理方法
CN111428707B (zh) 图形识别码的识别方法、装置、存储介质及电子设备
CN114283191A (zh) 角点位置定位方法、装置、电子设备及可读介质
CN114913241A (zh) 一种结构光3d相机标定方法及装置

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