CN115546072A - 一种图像畸变矫正方法 - Google Patents
一种图像畸变矫正方法 Download PDFInfo
- Publication number
- CN115546072A CN115546072A CN202211496442.0A CN202211496442A CN115546072A CN 115546072 A CN115546072 A CN 115546072A CN 202211496442 A CN202211496442 A CN 202211496442A CN 115546072 A CN115546072 A CN 115546072A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- offset
- pixel
- pixels
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像畸变矫正技术领域,解决了由线阵工业相机采集的线状工业图像因采集硬件系统震动或滑轨精度不足导致的畸变问题,尤其涉及一种图像畸变矫正方法,包括以下步骤:S1、获取被测物体表面的原始线状图像数据;S2、对原始线状图像数据进行预处理得到处理后的线状图像;S3、采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量;若图像最近距离搜索的间隔为1时,则进入步骤S4后结束。本发明在一定程度上消除了各帧图像之间的像素错位,能够矫正图像各帧之间的像素错位,进一步消除图像的“波浪形”畸变。
Description
技术领域
本发明涉及图像畸变矫正技术领域,尤其涉及一种图像畸变矫正方法。
背景技术
随着工业相机、工业镜头、工业光源等硬件设备的发展,基于机器视觉的图像采集系统和图像处理方法逐渐成为热门,并广泛地应用于图像检测领域。在使用线阵工业相机采集高精度的工业图像时,通常将相机固定在滑动轨道上进行水平匀速运动,逐行连续扫描被检测的物体,以达到对其整个表面均匀检测。由于线阵相机的感光元素呈现线状,因此采集到的图像也表现为细长的线状。
然而由于实际的工业环境较为复杂,例如,在隧道表面缺陷检测领域,隧道墙面存在水痕、墙体涂层、电线、污渍等干扰物,会使得图像采集系统在运动过程中发生震动。另外,存在部分图像采集系统的质量参差不齐,滑轨精度较低的问题。这些因素使得采集到的图像并不是一条直线,各帧之间出现像素错位,呈现无规律的、连续的“波浪形”畸变,从而对后续图像的质量分析等工作产生不利影响。
发明内容
针对现有技术的不足,本发明提供了一种图像畸变矫正方法,解决了由线阵工业相机采集的线状工业图像因采集硬件系统震动或滑轨精度不足导致的畸变问题,本发明在一定程度上消除了各帧图像之间的像素错位,能够矫正图像各帧之间的像素错位,进一步消除图像的“波浪形”畸变。
为解决上述技术问题,本发明提供了如下技术方案:一种图像畸变矫正方法,包括以下步骤:
S1、获取被测物体表面的原始线状图像数据;
S2、对原始线状图像数据进行预处理得到处理后的线状图像;
S3、采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量;
若图像最近距离搜索的间隔为1时,则进入步骤S4后结束;
若图像最近距离搜索的间隔大于1时,则经过步骤S4后进入步骤S5;
S4、计算累积误差并调整偏移量得到矫正后的线状图像;
S5、对调整后的偏移量采用线性插值方法消除多间隔矫正导致的像素凸起,得到矫正后的线状图像。
进一步地,在步骤S2中,对原始线状图像数据中的图像进行预处理得到处理后的线状图像,具体过程包括以下步骤:
S21、对原始线状图像数据中的图像进行灰度化得到灰度图像;
S22、对灰度图像进行反色得到反色图像;
S23、采用OTSU全局阈值处理算法对反色图像进行二值化。
进一步地,在步骤S21中,具体包括:将彩色图像转化为灰度图像,设置R、G、B三个色彩分量的值相同,灰度图像的灰度值在0到255之间。
进一步地,在步骤S3中,采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量,具体过程包括以下步骤:
进一步地,在步骤S4中,计算累积误差并调整偏移量得到矫正后的线状图像,具体过程包括以下步骤:
进一步地,在步骤S5中,对调整后的偏移量采用线性插值方法消除多间隔矫正导致的像素凸起,得到矫正后的线状图像,具体过程包括以下步骤:
S52、根据偏移量T判断像素点的偏移距离;
进一步地,在步骤S32中,距离值D的计算公式为:
借由上述技术方案,本发明提供了一种图像畸变矫正方法,至少具备以下有益效果:
1、本发明在获取原始的图像数据后,能够矫正图像相邻列像素之间的错位,充分保留原始图像信息的同时获得效果更好的图像数据,为进一步完成图像的分析和处理打下坚实的基础。
2、本发明所提出的畸变矫正方法可以在最大程度地保留原始图像信息的前提下获得效果更好的图像数据,方便进行图像质量分析、图像分类、目标检测等一系列后续工作。
3、本发明在一定程度上消除了各帧图像之间的像素错位,能够矫正图像各帧之间的像素错位,进一步消除图像的“波浪形”畸变。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明图像畸变矫正方法的流程图;
图2为本发明线阵工业相机拍摄被测物体的线状图像的示意图;
图3为本发明经过预处理后的线状图像的示意图;
图4为本发明用于调整像素凸起的线性插值方法的原理图;
图5为本发明线状图像经过畸变矫正后的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图 和具体实施方式对本发明作进一步详细的说明。借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通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,因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
请参照图1-图5,示出了本实施例的一种具体实施方式,本实施例在获取原始的图像数据后,能够矫正图像相邻列像素之间的错位,充分保留原始图像信息的同时获得效果更好的图像数据,为进一步完成图像的分析和处理打下坚实的基础。
请参照图1,本实施例提出了一种图像畸变矫正方法,包括以下步骤:
S1、获取被测物体表面的原始线状图像数据;
请参照图2,为线阵工业相机拍摄被测物体的线状图像,将线阵工业相机固定在滑动轨道上沿着被测物体向前水平匀速运动,在匀速运动过程中连续扫描被检测物体,以获取被测物体表面的原始线状图像数据。
S2、对原始线状图像数据进行预处理得到处理后的线状图像;
请参照图3,为经过预处理后的线状图像的示意图。
在步骤S2中,对原始线状图像数据中的图像进行预处理得到处理后的线状图像,具体过程包括以下步骤:
S21、对原始线状图像数据中的图像进行灰度化得到灰度图像,将彩色图像转化为灰度图像,设置R、G、B三个色彩分量的值相同,灰度图像的灰度值在0到255之间。
S22、对灰度图像进行反色得到反色图像,即对灰度图像中所有像素点的灰度值取补;
S23、采用OTSU全局阈值处理算法对反色图像进行二值化;
具体的,使用OTSU全局阈值处理算法将图像上像素点的灰度值设置为0或255,也就是使整个图像呈现出明显的只有黑和白的视觉效果。OTSU算法的具体过程如下:
对于一幅大小为的图像,假设目标A和背景B的阈值为T,属于目标的像素点,即灰度值小于阈值T的像素个数为,占整幅图像的比例为,其平均灰度为;属于背景的像素点,即灰度值大于阈值T的像素个数为,占整幅图像的比例为,其平均灰度为。图像的整体平均灰度记为,类内方差记为,类间方差记为,则有:
目标和背景的平均灰度以及图像的整体平均灰度分别为:
根据方差的概念,可以得到类间方差为:
接下来遍历灰度值0-255,计算每个灰度值对应的类间方差,使得类间方差最大的灰度值即为最佳阈值T,最后使用最佳阈值对图像进行二值化处理。
S3、采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量;
若图像最近距离搜索的间隔为1时,则进入步骤S4后结束;
若图像最近距离搜索的间隔大于1时,则经过步骤S4后进入步骤S5;
在步骤S3中,采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量,具体过程包括以下步骤:
N表示参与距离计算的所有像素对个数。
S4、计算累积误差并调整偏移量得到矫正后的线状图像;
在步骤S4中,计算累积误差并调整偏移量得到矫正后的线状图像,具体过程包括以下步骤:
上式中,S表示两帧像素的错位偏移量。
计算累积误差调整偏移量是为了避免消除掉图像中正常的像素变化。当计算了一定帧数像素的错位量后,需要计算累积误差,如果累积误差超过阈值,则可能会导致图像偏移过度。
S5、对调整后的偏移量采用线性插值方法消除多间隔矫正导致的像素凸起,得到矫正后的线状图像。
请参照图4,为用于调整像素凸起的线性插值方法的原理图。
在步骤S5中,对调整后的偏移量采用线性插值方法消除多间隔矫正导致的像素凸起,得到矫正后的线状图像,具体过程包括以下步骤:
S52、根据偏移量T判断像素点的偏移距离;
在该步骤中,采用线性插值方法是为了消除多间隔矫正导致的像素凸起,基于超高分辨率的图像进行畸变矫正时会不可避免地造成计算量巨大的问题,从而大大增加计算时间,降低矫正效率。可以通过增加图像最近距离搜索的间隔的方式减小计算量。
例如,当间隔为1时,表示计算第帧图像和第帧图像,即相邻两帧图像之间像素点的错位量;当间隔为n时,表示计算第帧图像和第帧图像之间像素点的错位量。此时,第帧及之后的所有像素根据偏移结果进行偏移,第帧至第帧的像素就会因为没有进行偏移矫正而呈现出像素凸起,可以通过线性插值的方法进行矫正。
请参照图5,为线状图像经过畸变矫正后的示意图,图5的矫正结果是以图3为例经过本实施例所提出的图像畸变矫正方法处理所得到的,结果证明,该方法在一定程度上消除了各帧图像之间的像素错位,能够矫正图像各帧之间的像素错位,进一步消除图像的“波浪形”畸变。
上述方法可以简单有效地矫正图像因采集硬件系统的震动或滑轨的精度较低导致的“波浪形”畸变,能够在尽可能保留原始图像信息的前提下获得效果更好的图像数据。
以上实施方式对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种图像畸变矫正方法,其特征在于,包括以下步骤:
S1、获取被测物体表面的原始线状图像数据;
S2、对原始线状图像数据进行预处理得到处理后的线状图像;
S3、采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量;
若图像最近距离搜索的间隔为1时,则进入步骤S4后结束;
若图像最近距离搜索的间隔大于1时,则经过步骤S4后进入步骤S5;
S4、计算累积误差并调整偏移量得到矫正后的线状图像;
S5、对调整后的偏移量采用线性插值方法消除多间隔矫正导致的像素凸起,得到矫正后的线状图像。
2.根据权利要求1所述的图像畸变矫正方法,其特征在于:在步骤S2中,对原始线状图像数据中的图像进行预处理得到处理后的线状图像,具体过程包括以下步骤:
S21、对原始线状图像数据中的图像进行灰度化得到灰度图像;
S22、对灰度图像进行反色得到反色图像;
S23、采用OTSU全局阈值处理算法对反色图像进行二值化。
3.根据权利要求2所述的图像畸变矫正方法,其特征在于:在步骤S21中,具体包括:将彩色图像转化为灰度图像,设置R、G、B三个色彩分量的值相同,灰度图像的灰度值在0到255之间。
4.根据权利要求1所述的图像畸变矫正方法,其特征在于:在步骤S3中,采用最近距离搜索方法根据图像最近距离搜索的间隔计算线状图像中两列像素点的相关性,并根据相关性计算像素点的偏移量,具体过程包括以下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496442.0A CN115546072B (zh) | 2022-11-28 | 2022-11-28 | 一种图像畸变矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496442.0A CN115546072B (zh) | 2022-11-28 | 2022-11-28 | 一种图像畸变矫正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115546072A true CN115546072A (zh) | 2022-12-30 |
CN115546072B CN115546072B (zh) | 2023-03-10 |
Family
ID=84722718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496442.0A Active CN115546072B (zh) | 2022-11-28 | 2022-11-28 | 一种图像畸变矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115546072B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074641A (zh) * | 2023-03-06 | 2023-05-05 | 触景无限科技(北京)有限公司 | 基于mosse算法的监控设备点位图像矫正方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226814A (zh) * | 2013-04-02 | 2013-07-31 | 湖南大学 | 一种基于医药视觉检测机器人图像校正的药瓶异物检测方法 |
CN107945113A (zh) * | 2017-11-17 | 2018-04-20 | 北京天睿空间科技股份有限公司 | 局部图像拼接错位的矫正方法 |
US20210010809A1 (en) * | 2019-07-11 | 2021-01-14 | Zhejiang University | Method for monitoring ground settlement based on computer vision |
CN112734659A (zh) * | 2020-12-29 | 2021-04-30 | 维沃移动通信(杭州)有限公司 | 图像校正方法、装置及电子设备 |
CN113985411A (zh) * | 2021-11-01 | 2022-01-28 | 湖南大学 | 一种基于高超声速平台随机跳频雷达子孔径合成成像方法 |
-
2022
- 2022-11-28 CN CN202211496442.0A patent/CN115546072B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226814A (zh) * | 2013-04-02 | 2013-07-31 | 湖南大学 | 一种基于医药视觉检测机器人图像校正的药瓶异物检测方法 |
CN107945113A (zh) * | 2017-11-17 | 2018-04-20 | 北京天睿空间科技股份有限公司 | 局部图像拼接错位的矫正方法 |
US20210010809A1 (en) * | 2019-07-11 | 2021-01-14 | Zhejiang University | Method for monitoring ground settlement based on computer vision |
CN112734659A (zh) * | 2020-12-29 | 2021-04-30 | 维沃移动通信(杭州)有限公司 | 图像校正方法、装置及电子设备 |
CN113985411A (zh) * | 2021-11-01 | 2022-01-28 | 湖南大学 | 一种基于高超声速平台随机跳频雷达子孔径合成成像方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074641A (zh) * | 2023-03-06 | 2023-05-05 | 触景无限科技(北京)有限公司 | 基于mosse算法的监控设备点位图像矫正方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115546072B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8400505B2 (en) | Calibration method, calibration device, and calibration system including the device | |
CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
JP5075757B2 (ja) | 画像処理装置、画像処理プログラム、画像処理方法、および電子機器 | |
CN101387493B (zh) | 铁塔构件孔的形位尺寸非接触光电检测方法 | |
CN112581904B (zh) | 一种oled屏亮度灰阶图像的摩尔纹补偿方法 | |
CN115546072B (zh) | 一种图像畸变矫正方法 | |
CN110766683B (zh) | 一种珍珠光洁度等级检测方法及系统 | |
CN112465895A (zh) | 一种基于计算机视觉的气密性检测中气泡体积计算方法 | |
CN109685794B (zh) | 用于手机屏幕缺陷检测相机自适应步长dpc算法及装置 | |
CN105701809A (zh) | 一种基于线阵相机扫描的平场校正方法 | |
CN113409254A (zh) | 一种针对模糊成像环境的印刷品缺陷检测方法 | |
CN115384052A (zh) | 一种智能化的覆膜机自动控制系统 | |
CN113781523B (zh) | 一种足球检测跟踪方法及装置、电子设备、存储介质 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
KR100645634B1 (ko) | 렌즈 쉐이딩 자동 보정방법 및 장치 | |
US11493453B2 (en) | Belt inspection system, belt inspection method, and recording medium for belt inspection program | |
CN117237391A (zh) | 一种基于机器视觉的轮廓检测方法 | |
CN113052794A (zh) | 一种基于边缘特征的图像清晰度识别方法 | |
JP2021111929A (ja) | 撮像装置、撮像装置の制御方法およびプログラム | |
CN116506591A (zh) | 摄像头解析力测试时的刀口位置获取方法及系统 | |
CN111161264A (zh) | 一种对含有缺陷的tft电路图像的分割方法 | |
CN110849444A (zh) | 一种基于机器视觉的视频水位测量方法 | |
CN115660995A (zh) | 一种利用直线图案的相机正畸方法及系统 | |
KR100883544B1 (ko) | 영상의 고속 위치 보정이 가능한 영상 검사기 및 영상 검사방법 | |
CN113920065A (zh) | 用于工业现场的视觉检测系统成像质量评价方法 |
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 |