CN115456892B - 2.5维视景图像自动几何校正方法、装置、设备及介质 - Google Patents

2.5维视景图像自动几何校正方法、装置、设备及介质 Download PDF

Info

Publication number
CN115456892B
CN115456892B CN202211063908.8A CN202211063908A CN115456892B CN 115456892 B CN115456892 B CN 115456892B CN 202211063908 A CN202211063908 A CN 202211063908A CN 115456892 B CN115456892 B CN 115456892B
Authority
CN
China
Prior art keywords
distance
corrected
coordinates
adjacent
color
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
CN202211063908.8A
Other languages
English (en)
Other versions
CN115456892A (zh
Inventor
付永锋
孙建平
吴玉华
付小峰
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.)
Beijing Zhongtu Kechuang Information Technology Co ltd
Beijing Geo Vision Tech Co ltd
Original Assignee
Beijing Zhongtu Kechuang Information Technology Co ltd
Beijing Geo Vision Tech 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 Beijing Zhongtu Kechuang Information Technology Co ltd, Beijing Geo Vision Tech Co ltd filed Critical Beijing Zhongtu Kechuang Information Technology Co ltd
Priority to CN202211063908.8A priority Critical patent/CN115456892B/zh
Publication of CN115456892A publication Critical patent/CN115456892A/zh
Application granted granted Critical
Publication of CN115456892B publication Critical patent/CN115456892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/44—Morphing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种2.5维视景图像自动几何校正方法、装置、设备及介质，应用于图像处理技术领域，其方法包括：实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；基于所述变形参数和所述像素点原始坐标确定所述2.5维视景图像的像素点校正后坐标；获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色；基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像。本申请具有实现实时2.5维视景图像几何校正的效果。

Description

2.5维视景图像自动几何校正方法、装置、设备及介质
技术领域
本申请涉及图像处理的技术领域，尤其是涉及一种2.5维视景图像自动几何校正方法、装置、设备及介质。
背景技术
在对2.5维视景图像做几何校正时，需要满足视景软件本身支持几何变形或者通过第三方的硬件变形卡来实现几何校正。
但是，目前市面上已有的专业模拟器视景仿真软件基本无法做到原生支持几何校正，对于采用第三方硬件变形卡来说，一方面会增加的费用，另一方面会增加整个系统的固障率，并且第三方硬件变形卡的使用容易造成图像的输入输出、图像质量降低等问题，且第三方硬件变形卡受制于带宽的限制，对于超大分辨率、超高刷新率图像难以及时进行几何校正，从而处理延迟大大增加，现亟需一种实现实时2.5维视景图像几何校正的技术。
发明内容
为了实现实时2.5维视景图像几何校正，本申请提供一种2.5维视景图像自动几何校正方法、装置、设备及介质。
第一方面，本申请提供一种2.5维视景图像自动几何校正方法，采用如下的技术方案：
一种2.5维视景图像自动几何校正方法，包括：
实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；
基于所述变形参数和所述像素点原始坐标确定所述2.5维视景图像的像素点校正后坐标；
获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色；
基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；
基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像。
通过采用上述技术方案，在进行图像渲染时，直接在系统中调用像素点的计算方法，整个校正过程在显卡GPU层中完成，不受图像显示带宽和刷新率的影响，因此可以实时对任何图像质量的视镜图像进行校正处理，从而实现实时2.5维视景图像几何校正。
可选的，所述像素点校正后坐标的坐标值为浮点数；所述获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色包括：
将所述像素点校正后坐标向下取整，生成第一相邻坐标；
基于所述第一相邻坐标确定第二相邻坐标、第三相邻坐标和第四相邻坐标；
分别获取所述第一相邻坐标的第一颜色、所述第二相邻坐标的第二颜色、所述第三相邻坐标的第三颜色和所述第四相邻坐标的第四颜色。
可选的，所述基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
基于所述像素点校正后坐标、所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色。
可选的，所述基于所述像素点校正后坐标、所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
分别计算所述像素点校正后坐标与所述像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离；
基于所述第一距离、所述第二距离、所述第三距离、所述第四距离和所述相邻四个点的颜色计算所述像素点的校正后颜色。
可选的，所述分别计算所述像素点校正后坐标与所述像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离包括：
计算所述像素点校正后坐标距离所述第一相邻坐标的第一行距离和第一列距离，计算所述第一行距离和第一所述列距离乘积的绝对值，将所述第一行距离和第一所述列距离乘积的绝对值作为所述第一距离；
计算所述像素点校正后坐标距离所述第二相邻坐标的第二行距离和第二列距离，计算所述第二行距离和第二所述列距离乘积的绝对值，将所述第二行距离和第二所述列距离乘积的绝对值作为所述第二距离；
计算所述像素点校正后坐标距离所述第三相邻坐标的第三行距离和第三列距离，计算所述第三行距离和第三所述列距离乘积的绝对值，将所述第三行距离和第三所述列距离乘积的绝对值作为所述第三距离；
计算所述像素点校正后坐标距离所述第四相邻坐标的第四行距离和第四列距离，计算所述第四行距离和第四所述列距离乘积的绝对值，将所述第四行距离和第四所述列距离乘积的绝对值作为所述第四距离。
可选的，所述基于所述第一距离、所述第二距离、所述第三距离、所述第四距离和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
计算所述第一颜色和第一距离的乘积，生成第一颜色值；
计算所述第二颜色和第二距离的乘积，生成第二颜色值；
计算所述第三颜色和第三距离的乘积，生成第三颜色值；
计算所述第四颜色和第四距离的乘积，生成第四颜色值；
将所述第一颜色值、所述第二颜色值、所述第三颜色值和所述第四颜色值的和，将所述和作为所述像素点的校正后颜色。
可选的，所述基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像包括：
将全部所述像素点的校正后颜色按照对应的像素点校正后坐标位置排列，生成校正后的2.5维视景图像。
第二方面，本申请提供一种2.5维视景图像自动几何校正装置，采用如下的技术方案：
一种2.5维视景图像自动几何校正装置，包括：
原始坐标获取模块，用于实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；
校正坐标确定模块，用于基于所述变形参数和所述像素点原始坐标确定所述2.5维视景图像的像素点校正后坐标；
相邻坐标获取模块，用于获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色；
校正颜色计算模块，用于基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；
校正图像生成模块，用于基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像。
通过采用上述技术方案，在进行图像渲染时，直接在系统中调用像素点的计算方法，整个校正过程在显卡GPU层中完成，不受图像显示带宽和刷新率的影响，因此可以实时对任何图像质量的视镜图像进行校正处理，从而实现实时2.5维视景图像几何校正。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的2.5维视景图像自动几何校正方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面任一项所述的2.5维视景图像自动几何校正方法的计算机程序。
附图说明
图1是本申请实施例提供的一种2.5维视景图像自动几何校正方法的流程示意图。
图2是本申请实施例提供的一种2.5维视景图像自动几何校正装置的结构框图。
图3是本申请实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种2.5维视景图像自动几何校正方法，该2.5维视景图像自动几何校正方法可由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云让算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等，但并不局限于此。
在本实施例中，该方法使用了与第三方应用程序本身无关的原则，并且该方法直接操作图形显示卡底层，直接在显卡3D渲染流中完成，当任意一款软件在绘图完成后，必将渲染流推送到显卡GPU内，该方法在GPU内实现对视景输出图像的实时几何校正。
所有的视景软件在进行图像渲染时，必定会调用系统的库文件libGL.so，通过对系统库文件libGL.so的重新编写生成特定的libGL.so文件来代替系统的库文件libGL.so，因此第三方视景软件在运行过程中将会直接调用特定的libGL.so文件，从而实现对任意程序渲染流的获取，并且将特定的libGL.so文件代码随第三方渲染流一起进入显示，从而实现对任意第三方软件输出图像在显卡GPU内部做实时处理和控制。并且，该方法可以直接操作显卡GPU层中完成，不受图像显示带宽与刷新率的影响。
图1为本申请实施例提供的一种2.5维视景图像自动几何校正方法的流程示意图。
如图1所示，该方法主要流程描述如下（步骤S101～S105）：
步骤S101，实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标。
在本实施例中，在对专业模拟器2.5维视景图像完成调试后，会生成一个变形前后的对应变形参数查找表，用于记录每一个像素对应的变形参数。
步骤S102，基于变形参数和像素点原始坐标确定2.5维视景图像的像素点校正后坐标。
在本实施例中，设2.5维视景图像中其中一个像素点原始坐标为posx0和posy0，根据变形参数查找表查找像素点原始坐标对应的像素点校正后坐标为posx1和posy1。其中，posx0和 posy0是原始2.5维视景图像像素点的坐标值为整数，posx1和 posy1是校正后该像素点对应原始2.5维视景图像的坐标值为浮点数。
步骤S103，获取与像素点校正后坐标相邻四个点的坐标和相邻四个点的颜色。
在本实施例中，此时该像素点的输出颜色值由与像素点矫正后坐标即与posx1和posy1相邻的四个点的颜色来决定。
针对步骤S103，将像素点校正后坐标向下取整，生成第一相邻坐标；基于第一相邻坐标确定第二相邻坐标、第三相邻坐标和第四相邻坐标；分别获取第一相邻坐标的第一颜色、第二相邻坐标的第二颜色、第三相邻坐标的第三颜色和第四相邻坐标的第四颜色。
进一步的，基于像素点校正后坐标、像素点校正后坐标相邻四个点的坐标和相邻四个点的颜色计算像素点的校正后颜色。
在本市实施例中，首先将像素点校正后坐标向下取整，即将像素点校正后坐标中的小数部分省略取正数部分，生成第一相邻坐标，在第一相邻坐标的基础之上，将第一相邻坐标的横坐标加1，生成第二相邻坐标，将第一相邻坐标的纵坐标加1，生成第三相邻坐标，将第一相邻坐标的横坐标和纵坐标均加1，生成第四相邻坐标。分别获取第一相邻坐标在2.5维视镜图像中对应的第一颜色color1，第二相邻坐标在2.5维视镜图像中对应的第二颜色color2，第三相邻坐标在2.5维视镜图像中对应的第三颜色color3，第四相邻坐标在2.5维视镜图像中对应的第四颜色color4。
例如，像素点校正后坐标（posx1，posy1）分别为（3.5，3.4），则向下取整后的第一相邻坐标为（3,3），根据上述第二相邻坐标、第三相邻坐标和第四相邻坐标的生成方法，得到第二相邻坐标为（4,3），第三相邻坐标为（3,4），第四相邻坐标为（4,4）。需要说明的是，像素点坐标包括但不限于上述举例，在此不作进一步举例说明。
根据像素点校正后坐标、第一相邻坐标、第二相邻坐标、第三相邻坐标、第四相邻坐标、第一颜色、第二颜色、第三颜色和第四颜色计算该像素点校正后的颜色。
步骤S104，基于像素点校正后坐标和相邻四个点的颜色计算像素点的校正后颜色；
针对步骤S104，分别计算像素点校正后坐标与像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离；基于第一距离、第二距离、第三距离、第四距离和相邻四个点的颜色计算像素点的校正后颜色。
进一步的，计算像素点校正后坐标距离第一相邻坐标的第一行距离和第一列距离，计算第一行距离和第一列距离乘积的绝对值，将第一行距离和第一列距离乘积的绝对值作为第一距离；计算像素点校正后坐标距离第二相邻坐标的第二行距离和第二列距离，计算第二行距离和第二列距离乘积的绝对值，将第二行距离和第二列距离乘积的绝对值作为第二距离；计算像素点校正后坐标距离第三相邻坐标的第三行距离和第三列距离，计算第三行距离和第三列距离乘积的绝对值，将第三行距离和第三列距离乘积的绝对值作为第三距离；计算像素点校正后坐标距离第四相邻坐标的第四行距离和第四列距离，计算第四行距离和第四列距离乘积的绝对值，将第四行距离和第四列距离乘积的绝对值作为第四距离。
在本实施例中，用第一相邻坐标的横坐标减去像素点校正后坐标的横坐标得到第一横距离，用第一相邻坐标的纵坐标减去像素点校正后坐标的纵坐标得到第一纵距离，第一横距离与第一纵距离乘积的绝对值为第一距离。同理可得，用第二相邻坐标的横坐标减去像素点校正后坐标的横坐标得到第二横距离，用第二相邻坐标的纵坐标减去像素点校正后坐标的纵坐标得到第二纵距离，第二横距离与第二纵距离乘积的绝对值为第二距离。用第三相邻坐标的横坐标减去像素点校正后坐标的横坐标得到第三横距离，用第三相邻坐标的纵坐标减去像素点校正后坐标的纵坐标得到第三纵距离，第三横距离与第三纵距离乘积的绝对值为第三距离。用第四相邻坐标的横坐标减去像素点校正后坐标的横坐标得到第四横距离，用第四相邻坐标的纵坐标减去像素点校正后坐标的纵坐标得到第四纵距离，第四横距离与第四纵距离乘积的绝对值为第四距离。
进一步的，计算第一颜色和第一距离的乘积，生成第一颜色值；计算第二颜色和第二距离的乘积，生成第二颜色值；计算第三颜色和第三距离的乘积，生成第三颜色值；计算第四颜色和第四距离的乘积，生成第四颜色值；将第一颜色值、第二颜色值、第三颜色值和第四颜色值的和，将和作为像素点的校正后颜色。
在本实施例中，由像素点校正后坐标相邻四个坐标点颜色值插值得出该像素点的输出颜色值，即由第一颜色值、第二颜色值、第三颜色值和第四颜色值的和得到像素点校正后颜色。
步骤S105，基于2.5维视景图像全部像素点的校正后颜色生成校正后的2.5维视景图像。
针对步骤S105，将全部像素点的校正后颜色按照对应的像素点校正后坐标位置排列，生成校正后的2.5维视景图像。
在本实施例中，将每个像素点校正后的颜色按照其对应的像素点校正后坐标的坐标位置排列，排列结果即为校正后的2.5维视景图像。
图2为申请实施例提供的一种2.5维视景图像自动几何校正装置200的结构框图。
如图2所示，2.5维视景图像自动几何校正装置200主要包括：
原始坐标获取模块201，用于实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；
校正坐标确定模块202，用于基于变形参数和像素点原始坐标确定2.5维视景图像的像素点校正后坐标；
相邻坐标获取模块203，用于获取与像素点校正后坐标相邻四个点的坐标和相邻四个点的颜色；
校正颜色计算模块204，用于基于像素点校正后坐标和相邻四个点的颜色计算像素点的校正后颜色；
校正图像生成模块205，用于基于2.5维视景图像全部像素点的校正后颜色生成校正后的2.5维视景图像。
作为本实施例的一种可选实施方式，相邻坐标获取模块203具体用于将像素点校正后坐标向下取整，生成第一相邻坐标；基于第一相邻坐标确定第二相邻坐标、第三相邻坐标和第四相邻坐标；分别获取第一相邻坐标的第一颜色、第二相邻坐标的第二颜色、第三相邻坐标的第三颜色和第四相邻坐标的第四颜色。
作为本实施例的一种可选实施方式，校正颜色计算模块204包括：
计算法则获取模块，用于基于像素点校正后坐标、像素点校正后坐标相邻四个点的坐标和相邻四个点的颜色计算像素点的校正后颜色。
作为本实施例的一种可选实施方式，计算法则获取模块包括：
距离计算模块，用于分别计算像素点校正后坐标与像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离；
颜色计算模块，用于基于第一距离、第二距离、第三距离、第四距离和相邻四个点的颜色计算像素点的校正后颜色。
在本可选实施例中，距离计算模块具体用于计算像素点校正后坐标距离第一相邻坐标的第一行距离和第一列距离，计算第一行距离和第一列距离乘积的绝对值，将第一行距离和第一列距离乘积的绝对值作为第一距离；计算像素点校正后坐标距离第二相邻坐标的第二行距离和第二列距离，计算第二行距离和第二列距离乘积的绝对值，将第二行距离和第二列距离乘积的绝对值作为第二距离；计算像素点校正后坐标距离第三相邻坐标的第三行距离和第三列距离，计算第三行距离和第三列距离乘积的绝对值，将第三行距离和第三列距离乘积的绝对值作为第三距离；计算像素点校正后坐标距离第四相邻坐标的第四行距离和第四列距离，计算第四行距离和第四列距离乘积的绝对值，将第四行距离和第四列距离乘积的绝对值作为第四距离。
在本可选实施例中，颜色计算模块具体用于计算第一颜色和第一距离的乘积，生成第一颜色值；计算第二颜色和第二距离的乘积，生成第二颜色值；计算第三颜色和第三距离的乘积，生成第三颜色值；计算第四颜色和第四距离的乘积，生成第四颜色值；将第一颜色值、第二颜色值、第三颜色值和第四颜色值的和，将和作为像素点的校正后颜色。
作为本实施例的一种可选实施方式，校正图像生成模块205具体用于将全部像素点的校正后颜色按照对应的像素点校正后坐标位置排列，生成校正后的2.5维视景图像。
在一个例子中，以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。
再如，当装置中的模块可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3为本申请实施例提供的电子设备300的结构框图。
如图3所示，电子设备300包括处理器301和存储器302，还可以进一步包括信息输入/信息输出(I/O)接口303、通信组件304中的一种或多种以及通信总线305。
其中，处理器301用于控制电子设备300的整体操作，以完成上述的2.5维视景图像自动几何校正方法的全部或部分步骤；存储器302用于存储各种类型的数据以支持在电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，SRAM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、只读存储器(Read-Only Memory，ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
I/O接口303为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件304用于电子设备300与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearField Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件104可以包括：Wi-Fi部件，蓝牙部件，NFC部件。
电子设备300可以被一个或多个应用专用集成电路 (Application SpecificIntegrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field ProgrammableGate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例给出的2.5维视景图像自动几何校正方法。
通信总线305可包括一通路，在上述组件之间传送信息。通信总线305可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。通信总线305可以分为地址总线、数据总线、控制总线等。
电子设备300可以包括但不限于移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，还可以为服务器等。
本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的2.5维视景图像自动几何校正方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器 (R ead-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种2.5维视景图像自动几何校正方法，其特征在于，包括：
实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；
基于所述变形参数和所述像素点原始坐标确定所述2.5维视景图像的像素点校正后坐标；
获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色；
基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；
基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像；
所述像素点校正后坐标的坐标值为浮点数；所述获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色包括：
将所述像素点校正后坐标向下取整，生成第一相邻坐标；
基于所述第一相邻坐标确定第二相邻坐标、第三相邻坐标和第四相邻坐标；
分别获取所述第一相邻坐标的第一颜色、所述第二相邻坐标的第二颜色、所述第三相邻坐标的第三颜色和所述第四相邻坐标的第四颜色；
所述基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
基于所述像素点校正后坐标、所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；
所述基于所述像素点校正后坐标、所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
分别计算所述像素点校正后坐标与所述像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离；
基于所述第一距离、所述第二距离、所述第三距离、所述第四距离和所述相邻四个点的颜色计算所述像素点的校正后颜色；
所述分别计算所述像素点校正后坐标与所述像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离包括：
计算所述像素点校正后坐标距离所述第一相邻坐标的第一行距离和第一列距离，计算所述第一行距离和第一所述列距离乘积的绝对值，将所述第一行距离和第一所述列距离乘积的绝对值作为所述第一距离；
计算所述像素点校正后坐标距离所述第二相邻坐标的第二行距离和第二列距离，计算所述第二行距离和第二所述列距离乘积的绝对值，将所述第二行距离和第二所述列距离乘积的绝对值作为所述第二距离；
计算所述像素点校正后坐标距离所述第三相邻坐标的第三行距离和第三列距离，计算所述第三行距离和第三所述列距离乘积的绝对值，将所述第三行距离和第三所述列距离乘积的绝对值作为所述第三距离；
计算所述像素点校正后坐标距离所述第四相邻坐标的第四行距离和第四列距离，计算所述第四行距离和第四所述列距离乘积的绝对值，将所述第四行距离和第四所述列距离乘积的绝对值作为所述第四距离；
所述基于所述第一距离、所述第二距离、所述第三距离、所述第四距离和所述相邻四个点的颜色计算所述像素点的校正后颜色包括：
计算所述第一颜色和第一距离的乘积，生成第一颜色值；
计算所述第二颜色和第二距离的乘积，生成第二颜色值；
计算所述第三颜色和第三距离的乘积，生成第三颜色值；
计算所述第四颜色和第四距离的乘积，生成第四颜色值；
将所述第一颜色值、所述第二颜色值、所述第三颜色值和所述第四颜色值的和，将所述和作为所述像素点的校正后颜色。
2.根据权利要求1所述的方法，其特征在于，所述基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像包括：
将全部所述像素点的校正后颜色按照对应的像素点校正后坐标位置排列，生成校正后的2.5维视景图像。
3.一种2.5维视景图像自动几何校正装置，其特征在于，包括：
原始坐标获取模块，用于实时获取变形参数和2.5维视景图像的每个像素点的像素点原始坐标；
校正坐标确定模块，用于基于所述变形参数和所述像素点原始坐标确定所述2.5维视景图像的像素点校正后坐标；
相邻坐标获取模块，用于获取与所述像素点校正后坐标相邻四个点的坐标和所述相邻四个点的颜色；
校正颜色计算模块，用于基于所述像素点校正后坐标和所述相邻四个点的颜色计算所述像素点的校正后颜色；
校正图像生成模块，用于基于所述2.5维视景图像全部所述像素点的校正后颜色生成校正后的2.5维视景图像；
相邻坐标获取模块具体用于将像素点校正后坐标向下取整，生成第一相邻坐标；基于第一相邻坐标确定第二相邻坐标、第三相邻坐标和第四相邻坐标；分别获取第一相邻坐标的第一颜色、第二相邻坐标的第二颜色、第三相邻坐标的第三颜色和第四相邻坐标的第四颜色；
校正颜色计算模块包括：
计算法则获取模块，用于基于像素点校正后坐标、像素点校正后坐标相邻四个点的坐标和相邻四个点的颜色计算像素点的校正后颜色；
计算法则获取模块包括：
距离计算模块，用于分别计算像素点校正后坐标与像素点校正后坐标相邻四个点的坐标的距离，生成第一距离、第二距离、第三距离和第四距离；
颜色计算模块，用于基于第一距离、第二距离、第三距离、第四距离和相邻四个点的颜色计算像素点的校正后颜色；
距离计算模块具体用于计算像素点校正后坐标距离第一相邻坐标的第一行距离和第一列距离，计算第一行距离和第一列距离乘积的绝对值，将第一行距离和第一列距离乘积的绝对值作为第一距离；计算像素点校正后坐标距离第二相邻坐标的第二行距离和第二列距离，计算第二行距离和第二列距离乘积的绝对值，将第二行距离和第二列距离乘积的绝对值作为第二距离；计算像素点校正后坐标距离第三相邻坐标的第三行距离和第三列距离，计算第三行距离和第三列距离乘积的绝对值，将第三行距离和第三列距离乘积的绝对值作为第三距离；计算像素点校正后坐标距离第四相邻坐标的第四行距离和第四列距离，计算第四行距离和第四列距离乘积的绝对值，将第四行距离和第四列距离乘积的绝对值作为第四距离；
颜色计算模块具体用于计算第一颜色和第一距离的乘积，生成第一颜色值；计算第二颜色和第二距离的乘积，生成第二颜色值；计算第三颜色和第三距离的乘积，生成第三颜色值；计算第四颜色和第四距离的乘积，生成第四颜色值；将第一颜色值、第二颜色值、第三颜色值和第四颜色值的和，将和作为像素点的校正后颜色。
4.一种电子设备，其特征在于，包括处理器，所述处理器与存储器耦合；
所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如权利要求1至2任一项所述的方法。
5.一种计算机可读存储介质，其特征在于，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如权利要求1至2任一项所述的方法。
CN202211063908.8A 2022-08-31 2022-08-31 2.5维视景图像自动几何校正方法、装置、设备及介质 Active CN115456892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211063908.8A CN115456892B (zh) 2022-08-31 2022-08-31 2.5维视景图像自动几何校正方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211063908.8A CN115456892B (zh) 2022-08-31 2022-08-31 2.5维视景图像自动几何校正方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115456892A CN115456892A (zh) 2022-12-09
CN115456892B true CN115456892B (zh) 2023-07-25

Family

ID=84301297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211063908.8A Active CN115456892B (zh) 2022-08-31 2022-08-31 2.5维视景图像自动几何校正方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115456892B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103209311A (zh) * 2012-01-14 2013-07-17 复旦大学 基于相机的多投影自动校正显示系统
CN104869377B (zh) * 2012-03-14 2016-11-02 海信集团有限公司 一种投影图像颜色校正方法及投影仪
CN112053305A (zh) * 2020-09-09 2020-12-08 成都市精卫鸟科技有限责任公司 一种利于图像截取和校正的排版结构、页面、图书及图像截取和校正方法、装置、设备、介质
CN112669429A (zh) * 2021-01-07 2021-04-16 稿定（厦门）科技有限公司 图像扭曲渲染方法及装置
CN113038102B (zh) * 2021-03-05 2022-03-22 深圳市普汇智联科技有限公司 用于多投影拼接的全自动几何校正方法
CN113160386A (zh) * 2021-04-07 2021-07-23 鹏城实验室 图像获得方法、装置、设备以及计算机可读存储介质

Also Published As

Publication number Publication date
CN115456892A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN111815755B (zh) 虚拟物体被遮挡的区域确定方法、装置及终端设备
US11328395B2 (en) Image processing method, image processing device, electronic equipment and computer readable storage medium
CN111091572B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN107808394B (zh) 一种基于卷积神经网络的图像处理方法及移动终端
KR101653158B1 (ko) 분산형 그래픽 처리
CN111932595A (zh) 图像配准方法、装置、电子设备及存储介质
CN110458954B (zh) 一种等高线生成方法、装置及设备
CN108596120B (zh) 一种基于深度学习的目标检测方法和装置
CN115456892B (zh) 2.5维视景图像自动几何校正方法、装置、设备及介质
CN110378936B (zh) 光流计算方法、装置及电子设备
CN110555861B (zh) 光流计算方法、装置及电子设备
CN110097525B (zh) 一种图像渲染方法、装置和计算设备
CN116385328A (zh) 基于为图像添加噪声的图像数据增强方法及装置
CN107977923B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN112132871B (zh) 一种基于特征光流信息的视觉特征点追踪方法、装置、存储介质及终端
CN111626938B (zh) 图像插值方法、图像插值装置、终端设备及存储介质
CN113744379A (zh) 图像生成方法、装置和电子设备
CN115471550B (zh) 2.5维图像空间几何方位角校正方法、装置、设备及介质
CN113313642A (zh) 图像去噪方法、装置、存储介质及电子设备
CN115129278A (zh) 图像显示控制方法、系统、可读存储介质及电子设备
CN110384926B (zh) 位置确定方法及装置
CN113721818B (zh) 图像处理方法、装置、设备和计算机可读存储介质
CN115937010B (zh) 一种图像处理方法、装置、设备及介质
CN113808050B (zh) 3d点云的去噪方法、装置、设备及存储介质
CN117764819A (zh) 图像处理方法、装置、电子设备和存储介质

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