CN115546072B - 一种图像畸变矫正方法 - Google Patents

一种图像畸变矫正方法 Download PDF

Info

Publication number
CN115546072B
CN115546072B CN202211496442.0A CN202211496442A CN115546072B CN 115546072 B CN115546072 B CN 115546072B CN 202211496442 A CN202211496442 A CN 202211496442A CN 115546072 B CN115546072 B CN 115546072B
Authority
CN
China
Prior art keywords
image
frame
pixel
offset
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.)
Active
Application number
CN202211496442.0A
Other languages
English (en)
Other versions
CN115546072A (zh
Inventor
汪俊
牛牧原
李大伟
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202211496442.0A priority Critical patent/CN115546072B/zh
Publication of CN115546072A publication Critical patent/CN115546072A/zh
Application granted granted Critical
Publication of CN115546072B publication Critical patent/CN115546072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/80—
    • G06T3/04—
    • 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

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

一种图像畸变矫正方法
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：
S31、对线状图像进行统计分析，定义线状图像第
Figure 805371DEST_PATH_IMAGE001
帧和第
Figure 532631DEST_PATH_IMAGE002
帧像素的错位偏移量S不超过t个像素大小，错位范围为
Figure 922155DEST_PATH_IMAGE003
；
S32、计算线状图像第
Figure 910839DEST_PATH_IMAGE001
帧和第
Figure 538261DEST_PATH_IMAGE002
帧像素的距离值D，遍历错位范围
Figure 157461DEST_PATH_IMAGE003
下第
Figure 34281DEST_PATH_IMAGE001
帧和第
Figure 777722DEST_PATH_IMAGE002
帧像素的距离值并取最小值；
S33、根据第
Figure 508918DEST_PATH_IMAGE001
帧和第
Figure 112068DEST_PATH_IMAGE002
帧像素的距离值的最小值判断像素点的偏移距离，与距离值的最小值对应的错位偏移量S即为像素点的偏移量；
当
Figure 663135DEST_PATH_IMAGE004
时，表示第
Figure 9934DEST_PATH_IMAGE002
帧及之后的所有像素需向上偏移
Figure 346369DEST_PATH_IMAGE005
个像素点；
当
Figure 572951DEST_PATH_IMAGE006
时，表示第
Figure 421434DEST_PATH_IMAGE002
帧及之后的所有像素需向下偏移
Figure 493295DEST_PATH_IMAGE005
个像素点；
当
Figure 949815DEST_PATH_IMAGE007
时，表示第
Figure 894768DEST_PATH_IMAGE002
帧及之后的所有像素无需进行偏移。
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：
S41、根据算像素点的偏移量使用变量STEP存储第
Figure 686007DEST_PATH_IMAGE002
帧及之后的所有像素的累积误差；
S42、每当计算e个帧数的像素偏移量后，判断累积误差STEP的值是否小于阈值
Figure 312291DEST_PATH_IMAGE008
；
若累积误差
Figure 669323DEST_PATH_IMAGE009
，则需要将第
Figure 985511DEST_PATH_IMAGE002
帧及之后的所有像素向上或者向下偏移
Figure 811515DEST_PATH_IMAGE005
个像素点；
若累积误差
Figure 756338DEST_PATH_IMAGE010
，则无需将第
Figure 453029DEST_PATH_IMAGE002
帧及之后的像素进行偏移，同时也无需将偏移量S计入累积误差。
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：
S51、计算第
Figure 5365DEST_PATH_IMAGE011
帧至第
Figure 505616DEST_PATH_IMAGE012
帧像素的偏移量T；
S52、根据偏移量T判断像素点的偏移距离；
当
Figure 470773DEST_PATH_IMAGE013
时，表示第
Figure 5660DEST_PATH_IMAGE014
帧像素需向上偏移
Figure 463317DEST_PATH_IMAGE015
个像素点；
当
Figure 998335DEST_PATH_IMAGE016
时，表示第
Figure 284960DEST_PATH_IMAGE014
帧像素需向下偏移
Figure 690664DEST_PATH_IMAGE015
个像素点；
当
Figure 240595DEST_PATH_IMAGE017
时，表示第
Figure 259979DEST_PATH_IMAGE014
帧像素无需进行偏移。
进一步地，在步骤S32中，距离值D的计算公式为：
Figure 101027DEST_PATH_IMAGE018
其中，D表示计算得到的两帧像素之间的绝对距离；S表示两帧像素的错位偏移量，
Figure 876085DEST_PATH_IMAGE019
；
Figure 878807DEST_PATH_IMAGE020
表示坐标为
Figure 122838DEST_PATH_IMAGE021
的像素的灰度值；n表示像素间隔，取值范围是1-10。
进一步地，在步骤S42中，阈值
Figure 751265DEST_PATH_IMAGE022
的取值为10。
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
Figure 886491DEST_PATH_IMAGE023
的图像
Figure 43802DEST_PATH_IMAGE024
，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
Figure 40708DEST_PATH_IMAGE025
，占整幅图像的比例为
Figure 207247DEST_PATH_IMAGE026
，其平均灰度为
Figure 176472DEST_PATH_IMAGE027
；属于背景的像素点，即灰度值大于阈值T的像素个数为
Figure 770264DEST_PATH_IMAGE028
，占整幅图像的比例为
Figure 457728DEST_PATH_IMAGE029
，其平均灰度为
Figure 427958DEST_PATH_IMAGE030
。图像的整体平均灰度记为
Figure 514339DEST_PATH_IMAGE031
，类内方差记为
Figure 826502DEST_PATH_IMAGE032
，类间方差记为
Figure 188214DEST_PATH_IMAGE033
，则有：
Figure 962135DEST_PATH_IMAGE034
目标和背景的平均灰度以及图像的整体平均灰度分别为：
Figure 905951DEST_PATH_IMAGE035
根据方差的概念，可以得到类间方差为：
Figure 389016DEST_PATH_IMAGE036
将
Figure 238023DEST_PATH_IMAGE037
的计算式代入
Figure 550056DEST_PATH_IMAGE038
的计算式，得到等价公式：
Figure 345449DEST_PATH_IMAGE039
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：
S31、对线状图像进行统计分析，定义线状图像第
Figure 717525DEST_PATH_IMAGE040
帧和第
Figure 866877DEST_PATH_IMAGE041
帧像素的错位偏移量S一般不超过t个像素大小，错位范围为
Figure 717022DEST_PATH_IMAGE042
，其中
Figure 635430DEST_PATH_IMAGE043
；
S32、计算线状图像第
Figure 460298DEST_PATH_IMAGE040
帧和第
Figure 815056DEST_PATH_IMAGE041
帧像素的距离值D，遍历错位范围
Figure 482273DEST_PATH_IMAGE042
下第
Figure 238877DEST_PATH_IMAGE040
帧和第
Figure 703487DEST_PATH_IMAGE041
帧像素的距离值并取最小值；距离值D的计算公式为：
Figure 545541DEST_PATH_IMAGE044
其中，D表示计算得到的两帧像素之间的绝对距离；S表示两帧像素的错位偏移量，
Figure 753800DEST_PATH_IMAGE045
；
Figure 161647DEST_PATH_IMAGE046
表示坐标为
Figure 62738DEST_PATH_IMAGE047
的像素的灰度值；n表示像素间隔，取值范围是1-10。
Figure 392088DEST_PATH_IMAGE048
N表示参与距离计算的所有像素对个数。
Figure 401108DEST_PATH_IMAGE049
Figure 866725DEST_PATH_IMAGE050
表示在错位偏移量为S的前提下，两帧像素之间的距离，该距离一方面不受参与距离值计算的个数变化的影响，另一方面避免了因目标边缘像素致突变导致的错误计算情况发生。
S33、根据第
Figure 141979DEST_PATH_IMAGE040
帧和第
Figure 755363DEST_PATH_IMAGE041
帧像素的距离值的最小值判断像素点的偏移距离，与距离值的最小值对应的错位偏移量S即为像素点的偏移量；
当
Figure 508687DEST_PATH_IMAGE051
时，表示第
Figure 891127DEST_PATH_IMAGE041
帧及之后的所有像素需向上偏移
Figure 337283DEST_PATH_IMAGE052
个像素点；
当
Figure 375646DEST_PATH_IMAGE053
时，表示第
Figure 523206DEST_PATH_IMAGE041
帧及之后的所有像素需向下偏移
Figure 228994DEST_PATH_IMAGE052
个像素点；
当
Figure 377209DEST_PATH_IMAGE054
时，表示第
Figure 168448DEST_PATH_IMAGE041
帧及之后的所有像素无需进行偏移。
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：
S41、根据算像素点的偏移量使用变量STEP存储第
Figure 263574DEST_PATH_IMAGE041
帧及之后的所有像素的累积误差；即为步骤S3中计算得到第
Figure 355027DEST_PATH_IMAGE041
帧及之后的所有像素需向上或者向下偏移
Figure 939723DEST_PATH_IMAGE055
个像素点，STEP定义为：
Figure 218257DEST_PATH_IMAGE056
上式中，S表示两帧像素的错位偏移量。
S42、每当计算e个帧数的像素偏移量后，判断累积误差STEP的值是否小于阈值
Figure 114145DEST_PATH_IMAGE057
；
若累积误差
Figure 325683DEST_PATH_IMAGE058
，则需要将第
Figure 284543DEST_PATH_IMAGE041
帧及之后的所有像素向上或者向下偏移
Figure 784795DEST_PATH_IMAGE055
个像素点；
若累积误差
Figure 703947DEST_PATH_IMAGE059
，则无需将第
Figure 520724DEST_PATH_IMAGE041
帧及之后的像素进行偏移，同时也无需将偏移量S计入累积误差，通常，阈值
Figure 978382DEST_PATH_IMAGE057
取值为10。
Figure 965929DEST_PATH_IMAGE061
其中，
Figure 758215DEST_PATH_IMAGE062
表示当前经过矫正计算的像素帧数；e表示计算累积误差的周期，v表示灰度阈值，每经过e次矫正计算就需要检查累积误差，当累积误差达到v时即不计入距离计算。
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：
S51、计算第
Figure 147608DEST_PATH_IMAGE063
帧至第
Figure 41746DEST_PATH_IMAGE064
帧像素的偏移量T；
第
Figure 516589DEST_PATH_IMAGE063
帧至第
Figure 826479DEST_PATH_IMAGE064
帧像素的偏移量T的计算公式如下：
Figure 617849DEST_PATH_IMAGE065
其中，
Figure 666576DEST_PATH_IMAGE066
表示第
Figure 376519DEST_PATH_IMAGE067
帧图像像素错位偏移量；
Figure 4946DEST_PATH_IMAGE068
表示坐标为
Figure 57347DEST_PATH_IMAGE069
的像素的灰度值；
Figure 542555DEST_PATH_IMAGE070
表示第
Figure 945986DEST_PATH_IMAGE070
帧图像像素点，
Figure 909262DEST_PATH_IMAGE071
。
S52、根据偏移量T判断像素点的偏移距离；
当
Figure 81749DEST_PATH_IMAGE072
时，表示第
Figure 737858DEST_PATH_IMAGE070
帧像素需向上偏移
Figure 156814DEST_PATH_IMAGE073
个像素点；
当
Figure 595885DEST_PATH_IMAGE074
时，表示第
Figure 419616DEST_PATH_IMAGE070
帧像素需向下偏移
Figure 449889DEST_PATH_IMAGE073
个像素点；
当
Figure 359070DEST_PATH_IMAGE075
时，表示第
Figure 867412DEST_PATH_IMAGE070
帧像素无需进行偏移。
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
Figure 811228DEST_PATH_IMAGE076
帧图像和第
Figure 12402DEST_PATH_IMAGE063
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
Figure 405950DEST_PATH_IMAGE076
帧图像和第
Figure 717983DEST_PATH_IMAGE067
帧图像之间像素点的错位量。此时，第
Figure 516306DEST_PATH_IMAGE067
帧及之后的所有像素根据偏移结果进行偏移，第
Figure 888381DEST_PATH_IMAGE063
帧至第
Figure 772155DEST_PATH_IMAGE064
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 (7)

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；
在步骤S3中，具体过程包括以下步骤：
S31、对线状图像进行统计分析，定义线状图像第j帧和第j+n帧像素的错位偏移量S不超过t个像素大小，错位范围为
Figure 20315DEST_PATH_IMAGE001
；
S32、计算线状图像第j帧和第j+n帧像素的距离值D，遍历错位范围
Figure 552928DEST_PATH_IMAGE001
下第j帧和第j+n帧像素的距离值并取最小值；
S33、根据第j帧和第j+n帧像素的距离值的最小值判断像素点的偏移距离，与距离值的最小值对应的错位偏移量S即为像素点的偏移量；
当
Figure 220669DEST_PATH_IMAGE002
时，表示第j+n帧及之后的所有像素需向上偏移
Figure 342078DEST_PATH_IMAGE003
个像素点；
当
Figure DEST_PATH_IMAGE004
时，表示第j+n帧及之后的所有像素需向下偏移
Figure 69862DEST_PATH_IMAGE003
个像素点；
第j+n帧帧及之后的所有像素需向上或者向下偏移
Figure 27454DEST_PATH_IMAGE003
个像素点为累积误差；
当S=0时，表示第j+n帧及之后的所有像素无需进行偏移；
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：
S41、根据算像素点的偏移量使用变量STEP存储第j+n帧及之后的所有像素的累积误差；
S42、每当计算e个帧数的像素偏移量后，判断累积误差STEP的值是否小于阈值v；
若累积误差
Figure 233308DEST_PATH_IMAGE005
，则需要将第j+n帧及之后的所有像素向上或者向下偏移
Figure 22272DEST_PATH_IMAGE003
个像素点；
若累积误差
Figure DEST_PATH_IMAGE006
，则无需将第j+n帧及之后的像素进行偏移，同时也无需将偏移量S计入累积误差。
5.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：
S51、计算第j+1帧至第j+n-1帧像素的偏移量T；
S52、根据偏移量T判断像素点的偏移距离；
当
Figure 373488DEST_PATH_IMAGE007
时，表示第j+k帧像素需向上偏移
Figure DEST_PATH_IMAGE008
个像素点；
当
Figure 83955DEST_PATH_IMAGE009
时，表示第j+k帧像素需向下偏移
Figure 827920DEST_PATH_IMAGE008
个像素点；
当
Figure DEST_PATH_IMAGE010
时，表示第j+k帧像素无需进行偏移。
6.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S32中，距离值D的计算公式为：
Figure 189500DEST_PATH_IMAGE011
其中，D表示计算得到的两帧像素之间的绝对距离；S表示两帧像素的错位偏移量，
Figure DEST_PATH_IMAGE012
表示坐标为
Figure 259087DEST_PATH_IMAGE013
的像素的灰度值；n表示像素间隔，取值范围是1-10。
7.根据权利要求4所述的图像畸变矫正方法，其特征在于：在步骤S42中，阈值v的取值为10。
CN202211496442.0A 2022-11-28 2022-11-28 一种图像畸变矫正方法 Active CN115546072B (zh)

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 CN115546072A (zh) 2022-12-30
CN115546072B true 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)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074641B (zh) * 2023-03-06 2023-06-09 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226814B (zh) * 2013-04-02 2015-09-30 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
CN107945113B (zh) * 2017-11-17 2019-08-30 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
CN110411408A (zh) * 2019-07-11 2019-11-05 浙江大学 一种基于计算机视觉的地表沉降监测方法
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

Also Published As

Publication number Publication date
CN115546072A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
US8400505B2 (en) Calibration method, calibration device, and calibration system including the device
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
CN110533686B (zh) 线阵相机行频与物体运动速度是否匹配的判断方法及系统
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
CN115546072B (zh) 一种图像畸变矫正方法
CN110611770B (zh) 线阵相机行频与物体运动速度是否匹配的判断方法及系统
US8090221B2 (en) Method and apparatus for detecting displacement with sub-pixel accuracy
CN116156342B (zh) 多线阵图像传感器拼接方法、线阵采像系统及装置
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
CN114693659B (zh) 基于图像处理的铜管表面清洗效果评估方法及系统
US20120127077A1 (en) Method and apparatus for detecting displacement with sub-pixel accuracy
CN113763401B (zh) 一种快速多点自动对焦方法、系统及其应用设备
JP2012039600A (ja) 画像処理装置及びその制御方法
CN115384052A (zh) 一种智能化的覆膜机自动控制系统
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
KR100645634B1 (ko) 렌즈 쉐이딩 자동 보정방법 및 장치
CN104156977A (zh) 基于多线列时差扫描扩展采样的点目标运动速度探测方法
CN106951902B (zh) 一种图像二值化处理方法及装置
CN113052794A (zh) 一种基于边缘特征的图像清晰度识别方法
CN112285876A (zh) 基于图像处理与气泡检测的相机自动对焦方法
CN113805304B (zh) 一种用于线阵相机的自动调焦系统及方法
KR100883544B1 (ko) 영상의 고속 위치 보정이 가능한 영상 검사기 및 영상 검사방법
CN115205369B (zh) 一种抗大气湍流的灯靶图像位移提取算法
CN111209872A (zh) 一种基于动态规划和多目标优化的实时滚动指纹拼接方法
CN112396629A (zh) 一种基于红外可见光协同的河道巡检跟踪方法

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