CN116894786A - 畸变图像的校正方法和计算机可读存储介质 - Google Patents
畸变图像的校正方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN116894786A CN116894786A CN202310902362.9A CN202310902362A CN116894786A CN 116894786 A CN116894786 A CN 116894786A CN 202310902362 A CN202310902362 A CN 202310902362A CN 116894786 A CN116894786 A CN 116894786A
- Authority
- CN
- China
- Prior art keywords
- checkerboard
- image
- point
- corner
- points
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000003705 background correction Methods 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 41
- 101100460203 Schizosaccharomyces pombe (strain 972 / ATCC 24843) new2 gene Proteins 0.000 claims description 12
- 101100273916 Schizosaccharomyces pombe (strain 972 / ATCC 24843) wip1 gene Proteins 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 101100390985 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fmc1 gene Proteins 0.000 claims description 8
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 11
- 230000003287 optical effect Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 21
- 230000010354 integration Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种畸变图像的校正方法和计算机可读存储介质,该方法包括:获取棋盘格图像;获取各棋盘格子图像中各棋盘格角点的世界坐标,并对各棋盘格角点的世界坐标进行修正,得到各棋盘格角点的亚像素角点坐标;将各棋盘格角点的亚像素角点坐标进行整合,得到各棋盘格角点在棋盘格图像中的世界坐标;根据各棋盘格角点在棋盘格图像中的世界坐标和图像坐标,采用标定算法计算相机参数和图像畸变系数;采用相机参数和图像畸变系数对棋盘格图像进行校正,得到棋盘格校正图像。该方法获取的图像中心到边缘都包含棋盘格,同时通过准确获取棋盘格角点坐标,使得畸变校正更加精确,解决现有的光学镜头成像会造成畸变,图像质量差的问题。
Description
技术领域
本申请涉及图像处理技术邻域,具体而言,涉及一种畸变图像的校正方法和计算机可读存储介质。
背景技术
在光学镜头成像时,由于镜头的固有特性,会造成成像的畸变,严重影响图像的质量。特别是短焦仿人眼镜头,当镜头焦距较短、视野角较大时,在成像时往往会造成较大的畸变,边缘棋盘格被明显的压缩,存在桶形畸变。这种情况严重影响图像质量,特别是用于图像检测时,将会造成较大误差。
发明内容
本申请的主要目的在于提供一种畸变图像的校正方法和计算机可读存储介质,以至少解决现有的光学镜头成像会造成畸变,图像质量差的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种畸变图像的校正方法,包括:获取棋盘格图像,所述棋盘格图像的图像中心到至少一个所述棋盘格图像的边缘的部分都存在棋盘格,一个所述棋盘格图像包括多个棋盘格子图像;获取各所述棋盘格子图像中各棋盘格角点的世界坐标,并对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,所述棋盘格角点的亚像素角点坐标为根据各所述棋盘格角点的世界坐标和各所述棋盘格角点的灰度梯度得到的;将各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各所述棋盘格角点在所述棋盘格图像中的世界坐标;根据各棋盘格角点在所述棋盘格图像中的世界坐标和各棋盘格角点在所述棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数,所述相机参数为目标相机的运行参数,所述图像畸变系数为所述目标相机采集到的图像的畸变系数;采用所述相机参数和所述图像畸变系数对所述棋盘格图像进行校正,得到棋盘格校正图像。
可选地,所述棋盘格图像为所述目标相机拍摄按照预定顺序排列的多个棋盘格标定板得到的图像,一个所述棋盘格子图像包括一个所述棋盘格标定板,在获取棋盘格图像之后,且在获取各所述棋盘格子图像中各棋盘格角点的世界坐标之前,所述方法还包括:获取所述棋盘格图像中各点的平场校正系数;基于所述棋盘格图像中各点的平场校正系数分别对所述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,所述初始校正图像的边缘亮度与所述初始校正图像的中心亮度的差值在预设范围内;提取所述初始校正图像中的各所述棋盘格标定板,并根据各所述棋盘格标定板的外接矩形对所述棋盘格图像进行切割,得到多个初始子图像;将各所述初始子图像边缘的干扰方块去除,得到多个所述棋盘格子图像,所述初始子图像与所述棋盘格子图像一一对应,所述干扰方块为方块面积小于预设面积且方块周长小于预设周长的方块。
可选地,获取所述棋盘格图像中各点的平场校正系数,包括:获取多个平面光源图像,所述平面光源图像与所述棋盘格图像为所述目标相机在同一光源下采集到的;将多个所述平面光源图像融合为一个目标光源图像,所述目标光源图像中的各点与所述棋盘格图像中的各点一一对应;获取所述目标光源图像的图像中心点,并计算目标范围内各点的平均像素值,所述平均像素值为所述目标范围内各点的像素值的平均值,所述目标范围为以所述图像中心点为中心,面积为第一标定面积的范围;根据所述平均像素值和所述平场校正系数公式C(x,y)=f(x,y)/Im,计算所述目标光源图像中各点的所述平场校正系数,其中,C(x,y)为所述目标光源图像中(x,y)点处的所述平场校正系数,f(x,y)为所述目标光源图像中(x,y)点处的原始像素值,Im为所述平均像素值;和/或,基于所述棋盘格图像中各点的平场校正系数分别对所述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,包括:获取平场校正公式G(x,y)=f(x,y)/C(x,y),其中,G(x,y)为所述棋盘格图像中(x,y)点处校正后的像素值,f(x,y)为所述棋盘格图像中(x,y)点处的原始像素值,C(x,y)为所述棋盘格图像中(x,y)点处的所述平场校正系数;根据所述棋盘格图像中各点的所述平场校正系数和所述平场校正公式,分别对所述棋盘格图像中各点的像素值进行校正,得到所述初始校正图像。
可选地,提取所述初始校正图像中的各所述棋盘格标定板,并根据各所述棋盘格标定板的外接矩形对所述棋盘格图像进行切割,得到多个初始子图像,包括:对所述初始校正图像进行二值化处理,得到第一二值化图像;采用第一膨胀因子对所述第一二值化图像进行膨胀,得到第一膨胀图像,所述第一膨胀图像中每个白色棋盘格均与相邻的所述白色棋盘格相连接;获取所述第一膨胀图像中的离散区域,所述离散区域为所述第一膨胀图像中相邻两个所述棋盘格之间的分界区域;将面积大于阈值面积的区域确定为棋盘格标定板区域,所述阈值面积为根据一个完整的所述棋盘格标定板中白色方块的面积确定的;提取所述棋盘格标定板区域的外接矩形参数,并根据所述离散区域和所述外接矩形参数在所述棋盘格图像中切割出多个所述初始子图像;和/或,将各所述初始子图像边缘的干扰方块去除,得到多个所述棋盘格子图像,包括:根据二值化阈值对所述初始子图像进行二值化,得到第二二值化图像,所述二值化阈值与所述初始子图像的灰度有关;将所述第二二值化图像中的各方块进行离散处理,并获取各所述方块的中心点;获取目标方块周围的多个测量方块,并得到所述预设面积和所述预设周长,所述预设面积为所述目标方块周围的多个测量方块的平均面积乘以预设面积系数,所述预设周长为所述目标方块周围的多个测量方块的平均周长乘以预设周长系数,所述目标方块为从所述第二二值化图像中随机确定的方块;在所述目标方块的面积小于所述预设面积且所述目标方块的周长小于所述预设周长的情况下,将所述目标方块确定为所述干扰方块,并将所述干扰方块去除,得到所述棋盘格子图像。
可选地,获取各所述棋盘格子图像中各棋盘格角点的世界坐标,包括:将一个所述棋盘格子图像中的各所述棋盘格角点分为内部点和边缘点,所述内部点为距离所述棋盘格子图像的边缘大于预设距离的点,所述边缘点为距离所述棋盘格子图像的边缘小于或者等于所述预设距离的点;获取各所述内部点的邻近点,根据各所述内部点和各所述内部点对应的邻近点之间的位置关系,对各所述内部点和各所述内部点对应的邻近点进行位置排布;获取各所述边缘点的邻近点,根据各所述边缘点和各所述边缘点对应的邻近点之间的位置关系,对各所述边缘点和各所述边缘点对应的邻近点进行位置排布,一个所述边缘点也是所述边缘点对应的邻近点的邻近点;获取残留角点和与所述残留角点距离最近的边缘点,根据所述残留角点和与所述残留角点距离最近的边缘点之间的位置关系,对所述残留角点进行位置排布,以得到一个所述棋盘格子图像中各所述棋盘格角点在所述棋盘格子图像中的世界坐标,所述残留角点为未排布的所述内部点或者为未排布的所述边缘点。
可选地,将一个所述棋盘格子图像中的各所述棋盘格角点分为内部点和边缘点,包括:将与目标棋盘格角点距离最近的四个非目标棋盘格角点确定为测量棋盘格角点;分别计算所述目标棋盘格角点与四个所述测量棋盘格角点之间连线与水平线之间夹角的角度,得到四个测量角度;将四个所述测量角度从小到大进行排序,得到第一测量角度、第二测量角度、第三测量角度和第四测量角度;将所述第一测量角度和所述第三测量角度的差值确定为第一差值,将所述第二测量角度和所述第三测量角度的差值确定为第二差值;在所述第一差值的绝对值和所述第二差值的绝对值均在预设角度范围内的情况下,将所述目标棋盘格角点确定为所述内部点,在所述第一差值的绝对值和/或所述第二差值的绝对值不在预设角度范围内的情况下,将所述目标棋盘格角点确定为所述边缘点;和/或,获取各所述内部点的邻近点,根据各所述内部点和各所述内部点对应的邻近点之间的位置关系,对各所述内部点和各所述内部点对应的邻近点进行位置排布,包括:构建已排序点集队列与未排序点集队列,并将所有的所述内部点存储在所述未排序点集队列中;从所述未排序点集队列中确定目标内部点,并将所述目标内部点从所述未排序点集队列移动至所述已排序点集队列中;从所述未排序点集队列中查找所述目标内部点的至少一个邻近点,并对所述目标内部点和所述目标内部点的邻近点进行排序后,将所述目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中;将所述已排序点集队列中所述目标内部点的所有邻近点均确定为新的目标内部点,并将所述目标内部点确定为非目标内部点;从所述未排序点集队列中查找所述新的目标内部点的至少一个邻近点,并对所述新的目标内部点和所述新的目标内部点的邻近点进行排序后,将所述新的目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中;持续确定新的目标内部点,并从所述未排序点集队列中查找所述新的目标内部点的邻近点,并对所述已排序点集队列中所有的所述新的目标内部点和所述已排序点集队列中所有的所述新的目标内部点的邻近点进行排序,以将所述已排序点集队列中所有的所述新的目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中,直到所述未排序点集队列为空。
可选地,对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,包括:采用最小二乘法和亚像素公式Gi×(pi-p)=0对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,其中,p为目标角点的亚像素角点坐标,pi为检测区域内任意一个非目标角点的世界坐标,Gi为pi处的灰度梯度,所述检测区域为以所述棋盘格角点为中心,面积为第二标定面积的区域;和/或,所述棋盘格图像有多个,各所述棋盘格图像的拍照角度不同,将各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各所述棋盘格角点在所述棋盘格图像中的世界坐标,包括:对各所述棋盘格角点的所述亚像素角点坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第一调整坐标;对各所述棋盘格角点的第一调整坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标;将各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标整合到所述棋盘格图像中,得到各所述棋盘格角点在所述棋盘格图像中对应的世界坐标。
根据本申请的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的畸变图像的校正方法。
应用本申请的技术方案,上述畸变图像的校正方法,首先获取棋盘格图像,棋盘格图像的图像中心到至少一个棋盘格图像的边缘的部分都存在棋盘格;获取各棋盘格子图像中各棋盘格角点的世界坐标,并对各棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各棋盘格子图像中各棋盘格角点的亚像素角点坐标;将各棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各棋盘格角点在棋盘格图像中的世界坐标;根据各棋盘格角点在棋盘格图像中的世界坐标和各棋盘格角点在棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数;采用相机参数和图像畸变系数对棋盘格图像进行校正,得到棋盘格校正图像。该方法获取的图像中心到边缘都包含棋盘格,同时通过准确获取棋盘格角点坐标,使得畸变校正更加精确,解决现有的光学镜头成像会造成畸变,图像质量差的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,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示出了根据本申请的实施例中提供的一种执行畸变图像的校正方法的移动终端的硬件结构框图;
图2示出了根据本申请的实施例提供的一种畸变图像的校正方法的流程示意图;
图3示出了根据本申请的实施例提供的一种棋盘格图像的示意图;
图4示出了根据本申请的实施例提供的一种平面光源图像的示意图;
图5示出了根据本申请的实施例提供的一种初始校正图像的示意图;
图6示出了根据本申请的实施例提供的一种第一二值化图像的示意图;
图7示出了根据本申请的实施例提供的一种第一膨胀图像的示意图;
图8示出了根据本申请的实施例提供的多个初始子图像的示意图;
图9(a)-(d)示出了根据本申请的实施例提供的不同拍照角度下的棋盘格图像的示意图;
图10示出了根据本申请的实施例提供的进行离散处理后的第二二值化图像的示意图;
图11(a)-(b)示出了根据本申请的实施例提供的去除干扰方块前的棋盘格子图像与去除干扰方块后的棋盘格子图像的对比图;
图12示出了根据本申请的实施例提供的一种对棋盘格子图像进行膨胀后提取重合区域的图像的示意图;
图13示出了根据本申请的实施例提供的一种内部点位置排布的示意图;
图14示出了根据本申请的实施例提供的一种排布后的各棋盘格角点在棋盘格子图像中的世界坐标的示意图;
图15示出了根据本申请的实施例提供的一种棋盘格校正图像的示意图;
图16示出了根据本申请的实施例提供的一种畸变图像的校正装置的结构框图。
其中,上述附图包括以下附图标记:
102、处理器;104、存储器;106、传输设备;108、输入输出设备。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
正如背景技术中所介绍的,现有的短焦仿人眼镜头,当镜头焦距较短、视野角较大时,在成像时往往会造成较大的畸变,为解决现有的光学镜头成像会造成畸变,图像质量差的问题,本申请的实施例提供了一种畸变图像的校正方法和计算机可读存储介质。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种畸变图像的校正方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中畸变图像的校正方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的畸变图像的校正方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本申请实施例的畸变图像的校正方法的流程图。如图2所示,该方法包括以下步骤:
步骤S201,获取棋盘格图像,上述棋盘格图像的图像中心到至少一个上述棋盘格图像的边缘的部分都存在上述棋盘格,一个上述棋盘格图像包括多个棋盘格子图像;
具体的,具体的棋盘格图像如图3所示,棋盘格图像为利用仿人眼镜头及对应的工业相机采集得到的棋盘格图像,棋盘格图像由多个棋盘格标定板拼接而成,分方向采集时必须保证在该方向有一部分棋盘格标定板在相机视野外,从而使得采集的图像边缘部分也存在棋盘格,使获得的畸变数据更加全面,从而使得畸变校正更加精确。
其中,上述棋盘格图像为上述目标相机拍摄按照预定顺序排列的多个棋盘格标定板得到的图像,一个上述棋盘格子图像包括一个上述棋盘格标定板,在步骤S201之后,且在步骤S202之前,上述方法还包括:
步骤S301,获取上述棋盘格图像中各点的平场校正系数;
其中,步骤S301的具体实施步骤如下:
步骤S3011,获取多个平面光源图像,上述平面光源图像与上述棋盘格图像为上述目标相机在同一光源下采集到的;其中,平面光源图像如图4所示;
步骤S3012,将多个上述平面光源图像融合为一个目标光源图像,上述目标光源图像中的各点与上述棋盘格图像中的各点一一对应;
步骤S3013,获取上述目标光源图像的图像中心点,并计算目标范围内各点的平均像素值,上述平均像素值为上述目标范围内各点的像素值的平均值,上述目标范围为以上述图像中心点为中心,面积为第一标定面积的范围;
其中,目标范围一般为以上述图像中心点为中心,四周为10×10个方格的范围。
步骤S3014,根据上述平均像素值和上述平场校正系数公式C(x,y)=f(x,y)/Im,计算上述目标光源图像中各点的上述平场校正系数,其中,C(x,y)为上述目标光源图像中(x,y)点处的上述平场校正系数,f(x,y)为上述目标光源图像中(x,y)点处的原始像素值,Im为上述平均像素值。
具体的,由于图像中心的畸变很小,几乎为零,因此根据图像中心区域的数据来计算,可以得到更加准确的平场校正系数。
步骤S302,基于上述棋盘格图像中各点的平场校正系数分别对上述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,上述初始校正图像的边缘亮度与上述初始校正图像的中心亮度的差值在预设范围内;其中,初始校正图像如图5所示;
其中,步骤S302的具体实施步骤如下:
步骤S3021,获取平场校正公式G(x,y)=f(x,y)/C(x,y),其中,G(x,y)为上述棋盘格图像中(x,y)点处校正后的像素值,f(x,y)为上述棋盘格图像中(x,y)点处的原始像素值,C(x,y)为上述棋盘格图像中(x,y)点处的上述平场校正系数;
步骤S3022,根据上述棋盘格图像中各点的上述平场校正系数和上述平场校正公式,分别对上述棋盘格图像中各点的像素值进行校正,得到上述初始校正图像。
具体的,由于镜头不同部位进光量的不同,在采集的图像中会出现暗角现象(中心区域量,越往边缘越暗,图像的四个角最暗),这种情况下,如果直接利用采集的图像进行畸变校正,则会影响校正精度,因此,需要在校正前对棋盘格图像进行平场校正以去除这种影响。
步骤S303,提取上述初始校正图像中的各上述棋盘格标定板,并根据各上述棋盘格标定板的外接矩形对上述棋盘格图像进行切割,得到多个初始子图像;
其中,步骤S303的具体实施步骤如下:
步骤S3031,对上述初始校正图像进行二值化处理,得到第一二值化图像;其中,第一二值化图像如图6所示;
具体地,根据图像边缘部位的像素值设置二值化阈值,将棋盘格标定板中的所有白色方格作为前景(即目标区域)被分割,棋盘格标定板中的所以黑色方格作为背景区域。
步骤S3032,采用第一膨胀因子对上述第一二值化图像进行膨胀,得到第一膨胀图像,上述第一膨胀图像中每个白色棋盘格均与相邻的上述白色棋盘格相连接;其中,第一膨胀图像如图7所示;
步骤S3033,获取上述第一膨胀图像中的离散区域,上述离散区域为上述第一膨胀图像中相邻两个上述棋盘格之间的分界区域;
步骤S3034将面积大于阈值面积的区域确定为棋盘格标定板区域,上述阈值面积为根据一个完整的上述棋盘格标定板中白色方块的面积确定的;
例如,阈值面积为5平方厘米,第一区域中白色方格的面积大于或者等于5平方厘米,且第一区域中没有离散区域,则确定第一区域为一个棋盘格标定板区域。
步骤S3035,提取上述棋盘格标定板区域的外接矩形参数,并根据上述离散区域和上述外接矩形参数在上述棋盘格图像中切割出多个上述初始子图像;
具体的,各初始子图像如图8所示,图8的左、中、右分别为三个初始子图像。这样可以先准确的提取出棋盘格标定板区域,并根据棋盘格标定板区域进行分割,得到棋盘格子图像的基础区域,为后续得到准确的棋盘格子图像打下良好基础。
步骤S304,将各上述初始子图像边缘的干扰方块去除,得到多个上述棋盘格子图像,上述初始子图像与上述棋盘格子图像一一对应,上述干扰方块为方块面积小于预设面积且方块周长小于预设周长的方块。
具体的,获取棋盘格角点时,只获取棋盘格内部点,且边缘部位小方块不用于检测角点,需去除。将干扰方块去除可以防止干扰方块对后续处理造成干扰,以保证后续处理的准确度。
其中,不同拍摄角度拍摄得到的棋盘格图像不同,如图9所示,图9(a)为拍摄角度为0°得到的棋盘格图像,图9(b)为拍摄角度为90°得到的棋盘格图像,图9(c)为拍摄角度为180°得到的棋盘格图像,图9(d)为拍摄角度为270°得到的棋盘格图像。
其中,步骤S304的具体实施步骤如下:
步骤S3041,根据二值化阈值对上述初始子图像进行二值化,得到第二二值化图像,上述二值化阈值与上述初始子图像的灰度有关;其中,棋盘格中所有的方块均能够被完整获取;
步骤S3042,将上述第二二值化图像中的各方块进行离散处理,并获取各上述方块的中心点;其中,离散处理后的第二二值化图像如图10所示;
步骤S3043,获取目标方块周围的多个测量方块,并得到上述预设面积和上述预设周长,上述预设面积为上述目标方块周围的多个测量方块的平均面积乘以预设面积系数,上述预设周长为上述目标方块周围的多个测量方块的平均周长乘以预设周长系数,上述目标方块为从上述第二二值化图像中随机确定的方块;
其中,预设周长系数可以为四分之三,预设面积系数可以为四分之三。
其中,测量方块可以为距离目标方块最近的上、下、左、右四个方向上的四个方块,也可以获取距离目标方块最近的多个方块,测量方块可以为目标方块的上、下、左、右四个方向上最近的多个方块,也可以为目标方块最近的斜角方向上的多个方块。
步骤S3044,在上述目标方块的面积小于上述预设面积且上述目标方块的周长小于上述预设周长的情况下,将上述目标方块确定为上述干扰方块,并将上述干扰方块去除,得到上述棋盘格子图像。
具体的,在上述目标方块的面积小于上述预设面积且上述目标方块的周长小于上述预设周长的情况下,表示目标方块为一个不够完整的方块,则作为干扰方块去除,防止干扰方块对后续处理造成影响。其中,去除干扰方块前的棋盘格子图像如图11(a)所示,去除干扰方块后的棋盘格子图像如图11(b)所示。
步骤S202,获取各上述棋盘格子图像中各棋盘格角点的世界坐标,并对各上述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标,上述棋盘格角点的亚像素角点坐标为根据各上述棋盘格角点的世界坐标和各上述棋盘格角点的灰度梯度得到的;
具体的,各棋盘格角点的世界坐标的精确度一般不高,一般精确度在0.1左右,修正后得到的亚像素角点坐标可以提高棋盘格角点坐标的精确度,一般可以将精确度提升至0.01左右,这样可以提高后续图像校正的精确度。
其中,获取棋盘格角点的步骤包括:采用膨胀因子对棋盘格子图像进行膨胀,保证膨胀后的图像中的每个小方块与其相邻的方块有重合区域,并提取重合区域,如图12所示;之后将重合区域内点坐标分X、Y相加然后取平均值,得到重合区域的中心点的坐标,重合区域的中心点即为棋盘格角点。
其中,步骤S202中获取各上述棋盘格子图像中各棋盘格角点的世界坐标的具体实施步骤如下:
步骤S401,将一个上述棋盘格子图像中的各上述棋盘格角点分为内部点和边缘点,上述内部点为距离上述棋盘格子图像的边缘大于预设距离的点,上述边缘点为距离上述棋盘格子图像的边缘小于或者等于上述预设距离的点;
其中,上述步骤S401的具体实施步骤如下:
步骤S4011,将与目标棋盘格角点距离最近的四个非目标棋盘格角点确定为测量棋盘格角点;
其中,四个非目标棋盘格角点分别为目标棋盘格角点的上、下、左、右方向上与目标棋盘格相邻的四个角点。
步骤S4012,分别计算上述目标棋盘格角点与四个上述测量棋盘格角点之间连线与水平线之间夹角的角度,得到四个测量角度;其中,如果角度为负值,则加上360度,将其转换为对应的正值
步骤S4013,将四个上述测量角度从小到大进行排序,得到第一测量角度、第二测量角度、第三测量角度和第四测量角度;也可以从大到小进行排序;
步骤S4014,将上述第一测量角度和上述第三测量角度的差值确定为第一差值,将上述第二测量角度和上述第三测量角度的差值确定为第二差值;
步骤S4015,在上述第一差值的绝对值和上述第二差值的绝对值均在预设角度范围内的情况下,将上述目标棋盘格角点确定为上述内部点,在上述第一差值的绝对值和/或上述第二差值的绝对值不在预设角度范围内的情况下,将上述目标棋盘格角点确定为上述边缘点;
具体的,预设角度为180°±5°,这样将角点分为内部点和边缘点,可以根据角点的不同类型对应不同的排列方法,可以更准确的对各角点进行排列。
步骤S402,获取各上述内部点的邻近点,根据各上述内部点和各上述内部点对应的邻近点之间的位置关系,对各上述内部点和各上述内部点对应的邻近点进行位置排布;
其中,上述步骤S402的具体实施步骤如下:
步骤S4021,构建已排序点集队列与未排序点集队列,并将所有的上述内部点存储在上述未排序点集队列中;
步骤S4022,从上述未排序点集队列中确定目标内部点,并将上述目标内部点从上述未排序点集队列移动至上述已排序点集队列中;其中,目标内部点为(0,0)点,并将该点标记为P点。
步骤S4023,从上述未排序点集队列中查找上述目标内部点的至少一个邻近点,并对上述目标内部点和上述目标内部点的邻近点进行排序后,将上述目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中;其中,排列方式如图13所示;
步骤S4024,将上述已排序点集队列中上述目标内部点的所有邻近点均确定为新的目标内部点,并将上述目标内部点确定为非目标内部点;
步骤S4025,从上述未排序点集队列中查找上述新的目标内部点的至少一个邻近点,并对上述新的目标内部点和上述新的目标内部点的邻近点进行排序后,将上述新的目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中;
即将上述已排序点集队列中上述目标内部点的所有邻近点都作为P点,遍历所有未排序点集队列中所有点,寻找P点的最邻近点,根据最邻近点与P点相对位置进行排序,并将这些点添加进已排序点集队列;
步骤S4026,持续确定新的目标内部点,并从上述未排序点集队列中查找上述新的目标内部点的邻近点,并对上述已排序点集队列中所有的上述新的目标内部点和上述已排序点集队列中所有的上述新的目标内部点的邻近点进行排序,以将上述已排序点集队列中所有的上述新的目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中,直到上述未排序点集队列为空。
即重复上述步骤S4024和步骤S4025,直到上述未排序点集队列为空。
具体的,这样可以向将大部分内部点的位置排好,以便对边缘点进行位置排布。
步骤S403,获取各上述边缘点的邻近点,根据各上述边缘点和各上述边缘点对应的邻近点之间的位置关系,对各上述边缘点和各上述边缘点对应的邻近点进行位置排布,一个上述边缘点也是上述边缘点对应的邻近点的邻近点;
其中,边缘点的邻近点为距离边缘点最近的内部点。
步骤S404,获取残留角点和与上述残留角点距离最近的边缘点,根据上述残留角点和与上述残留角点距离最近的边缘点之间的位置关系,对上述残留角点进行位置排布,以得到一个上述棋盘格子图像中各上述棋盘格角点在上述棋盘格子图像中的世界坐标,上述残留角点为未排布的上述内部点或者为未排布的上述边缘点。
具体的,循环步骤S404直到所有角点都被排序为止。其中,角点排序后的图如图14所示。这样可以准确获取各棋盘格角点在棋盘格子图像中的世界坐标,以为后续处理打下良好的基础,可以得到更准确的校正图像。
其中,步骤S202中对各上述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标,包括:采用最小二乘法和亚像素公式Gi×(pi-p)=0对各上述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标,其中,p为目标角点的亚像素角点坐标,pi为检测区域内任意一个非目标角点的世界坐标,Gi为pi处的灰度梯度,上述检测区域为以上述棋盘格角点为中心,面积为第二标定面积的区域;
具体的,检测区域可以为以上述棋盘格角点为中心,n×n个像素面积大小的区域,这样可以得到更精准的角点坐标。
步骤S203,将各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各上述棋盘格角点在上述棋盘格图像中的世界坐标;
具体的,在实验中,拍摄使用的棋盘格由多个棋盘格标定板拼接而成,检测棋盘格角点时是将每个棋盘格标定板提取,然后进行排序,图像中的每个棋盘格标定板都有各自独立的坐标系统,互不联系。然而实验中需要将所有棋盘格标定板作为一个整体,所以需要对棋盘格角点坐标进行整体排序处理。
其中,上述棋盘格图像有多个,各上述棋盘格图像的拍照角度不同,上述步骤S203的具体实施步骤如下:
步骤S501,对各上述棋盘格角点的上述亚像素角点坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第一调整坐标;
其中,上述步骤S501的具体实施步骤包括:采用第一调整公式对各上述棋盘格角点的上述亚像素角点坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的上述第一调整坐标,其中,(Xnew1,Ynew1)为上述棋盘格角点的第一调整坐标,(X,Y)为上述棋盘格角点的亚像素角点坐标,|Xmin|为上述棋盘格子图像中X轴坐标的最小值,|Ymin|为上述棋盘格子图像中Y轴坐标的最小值。/>
具体的,这样可以先统一各棋盘格标定板的坐标系,以便后续更方便的整合。
其中,由于上述目标棋盘格角点为随机选取的点,所以会存在负数,因此,采用上述步骤将棋盘格中各角点的坐标进行调整,调整后的坐标最小点为右下角的角点。
步骤S502,对各上述棋盘格角点的第一调整坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标;
其中,上述步骤S502的具体实施步骤包括:采用第二调整公式对各上述棋盘格子图像中的各上述棋盘格角点的第一调整坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标,其中,(Xnew2、Ynew2)为上述棋盘格角点的第二调整坐标,(Xnew1,Ynew1)为上述棋盘格角点的第一调整坐标,Xmax1为上述棋盘格子图像中X轴的最大坐标值,Ymax1为上述棋盘格子图像中Y轴的最大坐标值;
具体的,上述实施例可以消除拍摄角度对坐标系的影响,如图9所示,图9(a)为拍摄角度为0°得到的棋盘格图像,图9(b)为拍摄角度为90°得到的棋盘格图像,图9(c)为拍摄角度为180°得到的棋盘格图像,图9(d)为拍摄角度为270°得到的棋盘格图像。
其中,采用上述步骤将棋盘格坐标中各角点的坐标根据拍摄角度进行调整,拍摄角度为0°、90°、180°、270°的图像应该都调整为左上角角点坐标为最小值。
步骤S503,将各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标整合到上述棋盘格图像中,得到各上述棋盘格角点在上述棋盘格图像中对应的世界坐标。
具体的,这样可以得到各棋盘格角点在整体的棋盘格图像中对应的世界坐标,可以对目标相机拍摄到的照片进行精准校正。
其中,上述步骤S503的具体实施步骤如下:
步骤S5031,根据上述棋盘格图像的拍照角度,将各上述棋盘格子图像依次排列;
步骤S5032,采用整合公式将各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标整合到上述棋盘格图像中,并得到各上述棋盘格角点在上述棋盘格图像中对应的世界坐标,其中,(Xnew3、Ynew3)为整合后的上述棋盘格角点的世界坐标,(Xnew2、Ynew2)为上述棋盘格角点的第二调整坐标,Xmax2排列在当前上述棋盘格子图像的前一个上述棋盘格子图像中X轴的最大坐标值,Ymax2为排列在当前上述棋盘格子图像的前一个上述棋盘格子图像中Y轴的最大坐标值,d为上述棋盘格图像中相邻的两个上述棋盘格标定板之间的距离。
具体的,这样可以将各棋盘格子图像中的棋盘格角点的坐标整合到棋盘格图像中,以方便准确的得到畸变校正系数,可以更方便对棋盘格图像进行校正。
其中,上述步骤以当前棋盘格图像中的中心棋盘格坐标为基准坐标集合,并对棋盘格按照从图像中心到图像边缘进行排序,将整合后的棋盘格角点的世界坐标(Xnew3、Ynew3)加入到基准坐标,以将各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标整合到上述棋盘格图像中,并得到各上述棋盘格角点在上述棋盘格图像中对应的世界坐标。
步骤S204,根据各棋盘格角点在上述棋盘格图像中的世界坐标和各棋盘格角点在上述棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数,上述相机参数为目标相机的运行参数,上述图像畸变系数为上述目标相机采集到的图像的畸变系数;
具体的,标定算法可以为张正友标定算法。
步骤S205,采用上述相机参数和上述图像畸变系数对上述棋盘格图像进行校正,得到棋盘格校正图像。
具体的,校正后的图像如图15所示,相机参数可以为相机的焦距。在同一个相机拍摄的图像,均可以采用上述相机参数和图像畸变系数进行校正。对于不同的相机需要重新采用上述方法确定相机对应的相机参数和图像畸变系数以对图像进行校正。
其中,现有技术中通常检测镜头畸变采用的方法是:利用镜头及相机采集棋盘格图像,然后利用算法提取出棋盘格角点,最后根据角点位置计算出畸变。然而实际中受到镜头参数以及环境的影响,有时可能无法采集到完整的棋盘格图像或者多个棋盘格拼凑的棋盘格图像,这种情况下,如果采用常规的棋盘格检测方法,会导致无法准确获得棋盘格角点,从而导致无法准确计算出镜头畸变。针对这种问题,上述实施例克服了棋盘格图像采集不全或多个棋盘格拼凑时无法检测角点的问题。
另外,由于棋盘格是有多个小棋盘格拼接而成,上述实施例首先利用阈值分割、形态学运算等处理将小棋盘格进行分离,然后再次利用阈值分割、形态学运算等处理提取出棋盘格角点,之后根据角点与邻域内角点相对位置对小棋盘格内得角点进行排序,当所有小棋盘格内得角点都进行排序后,根据小棋盘格位置,对所有角点统一进行排序,最后选取指定角点计算检测指标,并且,上述实施例不用预先设置行列数等信息,只需输入图像便可获得已排序的角点,此外,提出的角点排序方法解决了拼接棋盘格或在图像中棋盘格不完整时角点排序困难问题。
本申请的上述畸变图像的校正方法,首先获取棋盘格图像,棋盘格图像的图像中心到至少一个棋盘格图像的边缘的部分都存在棋盘格;获取各棋盘格子图像中各棋盘格角点的世界坐标,并对各棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各棋盘格子图像中各棋盘格角点的亚像素角点坐标;将各棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各棋盘格角点在棋盘格图像中的世界坐标;根据各棋盘格角点在棋盘格图像中的世界坐标和各棋盘格角点在棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数;采用相机参数和图像畸变系数对棋盘格图像进行校正,得到棋盘格校正图像。该方法获取的图像中心到边缘都包含棋盘格,同时通过准确获取棋盘格角点坐标,使得畸变校正更加精确,解决现有的光学镜头成像会造成畸变,图像质量差的问题。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种畸变图像的校正装置,需要说明的是,本申请实施例的畸变图像的校正装置可以用于执行本申请实施例所提供的用于畸变图像的校正方法。该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
以下对本申请实施例提供的畸变图像的校正装置进行介绍。
图16是根据本申请实施例的畸变图像的校正装置的示意图。如图16所示,该装置包括第一获取单元10、第二获取单元20、整合单元30、计算单元40和第一校正单元50,第一获取单元10用于获取棋盘格图像,上述棋盘格图像的图像中心到至少一个上述棋盘格图像的边缘的部分都存在上述棋盘格,一个上述棋盘格图像包括多个棋盘格子图像;第二获取单元20用于获取各上述棋盘格子图像中各棋盘格角点的世界坐标,并对各上述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标,上述棋盘格角点的亚像素角点坐标为根据各上述棋盘格角点的世界坐标和各上述棋盘格角点的灰度梯度得到的;整合单元30用于将各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各上述棋盘格角点在上述棋盘格图像中的世界坐标;计算单元40用于根据各棋盘格角点在上述棋盘格图像中的世界坐标和各棋盘格角点在上述棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数,上述相机参数为目标相机的运行参数,上述图像畸变系数为上述目标相机采集到的图像的畸变系数;第一校正单元50用于采用上述相机参数和上述图像畸变系数对上述棋盘格图像进行校正,得到棋盘格校正图像。
本申请的上述畸变图像的校正装置,包括第一获取单元、第二获取单元、整合单元、计算单元和第一校正单元,第一获取单元用于获取棋盘格图像,棋盘格图像的图像中心到至少一个棋盘格图像的边缘的部分都存在棋盘格;第二获取单元用于获取各棋盘格子图像中各棋盘格角点的世界坐标,并对各棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各棋盘格子图像中各棋盘格角点的亚像素角点坐标;整合单元用于将各棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各棋盘格角点在棋盘格图像中的世界坐标;计算单元用于根据各棋盘格角点在棋盘格图像中的世界坐标和各棋盘格角点在棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数;第一校正单元用于采用相机参数和图像畸变系数对棋盘格图像进行校正,得到棋盘格校正图像。该方法获取的图像中心到边缘都包含棋盘格,同时通过准确获取棋盘格角点坐标,使得畸变校正更加精确,解决现有的光学镜头成像会造成畸变,图像质量差的问题。
一种实例中,上述棋盘格图像为上述目标相机拍摄按照预定顺序排列的多个棋盘格标定板得到的图像,一个上述棋盘格子图像包括一个上述棋盘格标定板,上述装置还包括第三获取单元、第二校正单元、提取单元和去除单元,第三获取单元用于在获取棋盘格图像之后,且在获取各上述棋盘格子图像中各棋盘格角点的世界坐标之前,获取上述棋盘格图像中各点的平场校正系数;第二校正单元用于基于上述棋盘格图像中各点的平场校正系数分别对上述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,上述初始校正图像的边缘亮度与上述初始校正图像的中心亮度的差值在预设范围内;提取单元用于提取上述初始校正图像中的各上述棋盘格标定板,并根据各上述棋盘格标定板的外接矩形对上述棋盘格图像进行切割,得到多个初始子图像;去除单元用于将各上述初始子图像边缘的干扰方块去除,得到多个上述棋盘格子图像,上述初始子图像与上述棋盘格子图像一一对应,上述干扰方块为方块面积小于预设面积且方块周长小于预设周长的方块。将干扰方块去除可以防止干扰方块对后续处理造成干扰,以保证后续处理的准确度。
作为一种可选的方案,第三获取单元包括第一获取模块、融合模块、第一计算模块和第二计算模块,第一获取模块用于获取多个平面光源图像,上述平面光源图像与上述棋盘格图像为上述目标相机在同一光源下采集到的;融合模块用于将多个上述平面光源图像融合为一个目标光源图像,上述目标光源图像中的各点与上述棋盘格图像中的各点一一对应;第一计算模块用于获取上述目标光源图像的图像中心点,并计算目标范围内各点的平均像素值,上述平均像素值为上述目标范围内各点的像素值的平均值,上述目标范围为以上述图像中心点为中心,面积为第一标定面积的范围;第二计算模块用于根据上述平均像素值和上述平场校正系数公式C(x,y)=f(x,y)/Im,计算上述目标光源图像中各点的上述平场校正系数,其中,C(x,y)为上述目标光源图像中(x,y)点处的上述平场校正系数,f(x,y)为上述目标光源图像中(x,y)点处的原始像素值,Im为上述平均像素值;和/或,第二校正单元包括第二获取模块和第一校正模块,第二获取模块用于获取平场校正公式G(x,y)=f(x,y)/C(x,y),其中,G(x,y)为上述棋盘格图像中(x,y)点处校正后的像素值,f(x,y)为上述棋盘格图像中(x,y)点处的原始像素值,C(x,y)为上述棋盘格图像中(x,y)点处的上述平场校正系数;第一校正模块用于根据上述棋盘格图像中各点的上述平场校正系数和上述平场校正公式,分别对上述棋盘格图像中各点的像素值进行校正,得到上述初始校正图像。在校正前对棋盘格图像进行平场校正以去除暗角现象的影响。
示例性地,提取单元包括第一处理模块、第一膨胀模块、第三获取模块、第一确定模块和切割模块,第一处理模块用于对上述初始校正图像进行二值化处理,得到第一二值化图像;第一膨胀模块用于采用第一膨胀因子对上述第一二值化图像进行膨胀,得到第一膨胀图像,上述第一膨胀图像中每个白色棋盘格均与相邻的上述白色棋盘格相连接;第三获取模块用于获取上述第一膨胀图像中的离散区域,上述离散区域为上述第一膨胀图像中相邻两个上述棋盘格之间的分界区域;第一确定模块用于将面积大于阈值面积的区域确定为棋盘格标定板区域,上述阈值面积为根据一个完整的上述棋盘格标定板中白色方块的面积确定的;切割模块用于提取上述棋盘格标定板区域的外接矩形参数,并根据上述离散区域和上述外接矩形参数在上述棋盘格图像中切割出多个上述初始子图像;和/或,去除单元包括第二处理模块、第三处理模块、第四获取模块和第二确定模块,第二处理模块用于根据二值化阈值对上述初始子图像进行二值化,得到第二二值化图像,上述二值化阈值与上述初始子图像的灰度有关;第三处理模块用于将上述第二二值化图像中的各方块进行离散处理,并获取各上述方块的中心点;第四获取模块用于获取目标方块周围的多个测量方块,并得到上述预设面积和上述预设周长,上述预设面积为上述目标方块周围的多个测量方块的平均面积乘以预设面积系数,上述预设周长为上述目标方块周围的多个测量方块的平均周长乘以预设周长系数,上述目标方块为从上述第二二值化图像中随机确定的方块;第二确定模块用于在上述目标方块的面积小于上述预设面积且上述目标方块的周长小于上述预设周长的情况下,将上述目标方块确定为上述干扰方块,并将上述干扰方块去除,得到上述棋盘格子图像。可以防止干扰方块对后续处理造成影响。
作为一种可选的方案,第二获取单元包括第四处理模块、第五获取模块、第六获取模块和第七获取模块,第四处理模块用于将一个上述棋盘格子图像中的各上述棋盘格角点分为内部点和边缘点,上述内部点为距离上述棋盘格子图像的边缘大于预设距离的点,上述边缘点为距离上述棋盘格子图像的边缘小于或者等于上述预设距离的点;第五获取模块用于获取各上述内部点的邻近点,根据各上述内部点和各上述内部点对应的邻近点之间的位置关系,对各上述内部点和各上述内部点对应的邻近点进行位置排布;第六获取模块用于获取各上述边缘点的邻近点,根据各上述边缘点和各上述边缘点对应的邻近点之间的位置关系,对各上述边缘点和各上述边缘点对应的邻近点进行位置排布,一个上述边缘点也是上述边缘点对应的邻近点的邻近点;第七获取模块用于获取残留角点和与上述残留角点距离最近的边缘点,根据上述残留角点和与上述残留角点距离最近的边缘点之间的位置关系,对上述残留角点进行位置排布,以得到一个上述棋盘格子图像中各上述棋盘格角点在上述棋盘格子图像中的世界坐标,上述残留角点为未排布的上述内部点或者为未排布的上述边缘点。这样可以准确获取各棋盘格角点在棋盘格子图像中的世界坐标,以为后续处理打下良好的基础,可以得到更准确的校正图像。
示例性地,第四处理模块包括第三确定模块、第三计算模块、排序模块、第四确定模块和第五确定模块,第三确定模块用于将与目标棋盘格角点距离最近的四个非目标棋盘格角点确定为测量棋盘格角点;第三计算模块用于分别计算上述目标棋盘格角点与四个上述测量棋盘格角点之间连线与水平线之间夹角的角度,得到四个测量角度;排序模块用于将四个上述测量角度从小到大进行排序,得到第一测量角度、第二测量角度、第三测量角度和第四测量角度;第四确定模块用于将上述第一测量角度和上述第三测量角度的差值确定为第一差值,将上述第二测量角度和上述第三测量角度的差值确定为第二差值;第五确定模块用于在上述第一差值的绝对值和上述第二差值的绝对值均在预设角度范围内的情况下,将上述目标棋盘格角点确定为上述内部点,在上述第一差值的绝对值和/或上述第二差值的绝对值不在预设角度范围内的情况下,将上述目标棋盘格角点确定为上述边缘点;和/或,第五获取模块包括构建模块、第一移动模块、第二移动模块、第六确定模块、第三移动模块和第七确定模块,构建模块用于构建已排序点集队列与未排序点集队列,并将所有的上述内部点存储在上述未排序点集队列中;第一移动模块用于从上述未排序点集队列中确定目标内部点,并将上述目标内部点从上述未排序点集队列移动至上述已排序点集队列中;第二移动模块用于从上述未排序点集队列中查找上述目标内部点的至少一个邻近点,并对上述目标内部点和上述目标内部点的邻近点进行排序后,将上述目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中;第六确定模块用于将上述已排序点集队列中上述目标内部点的所有邻近点均确定为新的目标内部点,并将上述目标内部点确定为非目标内部点;第三移动模块用于从上述未排序点集队列中查找上述新的目标内部点的至少一个邻近点,并对上述新的目标内部点和上述新的目标内部点的邻近点进行排序后,将上述新的目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中;第七确定模块用于持续确定新的目标内部点,并从上述未排序点集队列中查找上述新的目标内部点的邻近点,并对上述已排序点集队列中所有的上述新的目标内部点和上述已排序点集队列中所有的上述新的目标内部点的邻近点进行排序,以将上述已排序点集队列中所有的上述新的目标内部点的邻近点从上述未排序点集队列移动至上述已排序点集队列中,直到上述未排序点集队列为空。这样可以向将大部分内部点的位置排好,以便对边缘点进行位置排布。
示例性地,第二获取单元包括第一修正模块,第一修正模块用于采用最小二乘法和亚像素公式Gi×(pi-p)=0对各上述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各上述棋盘格子图像中各棋盘格角点的亚像素角点坐标,其中,p为目标角点的亚像素角点坐标,pi为检测区域内任意一个非目标角点的世界坐标,Gi为pi处的灰度梯度,上述检测区域为以上述棋盘格角点为中心,面积为第二标定面积的区域;和/或,上述棋盘格图像有多个,各上述棋盘格图像的拍照角度不同,整合单元包括第一调整模块、第二调整模块和整合模块,第一调整模块用于对各上述棋盘格角点的上述亚像素角点坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第一调整坐标;第二调整模块用于对各上述棋盘格角点的第一调整坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标;整合模块用于将各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标整合到上述棋盘格图像中,得到各上述棋盘格角点在上述棋盘格图像中对应的世界坐标。这样可以得到各棋盘格角点在整体的棋盘格图像中对应的世界坐标,可以对目标相机拍摄到的照片进行精准校正。
作为一个可选的方案,第一调整模块包括第一调整子模块,第一调整子模块用于采用第一调整公式对各上述棋盘格角点的上述亚像素角点坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的上述第一调整坐标,其中,(Xnew1,Ynew1)为上述棋盘格角点的第一调整坐标,(X,Y)为上述棋盘格角点的亚像素角点坐标,|Xmin|为上述棋盘格子图像中X轴坐标的最小值,|Ymin|为上述棋盘格子图像中Y轴坐标的最小值。这样可以先统一各棋盘格标定板的坐标系,以便后续更方便的整合。
一种方案中,第二调整模块包括第二调整子模块,第二调整子模块用于采用第二调整公式对各上述棋盘格子图像中的各上述棋盘格角点的第一调整坐标进行调整,得到各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标,其中,(Xnew2、Ynew2)为上述棋盘格角点的第二调整坐标,(Xnew1,Ynew1)为上述棋盘格角点的第一调整坐标,Xmax1为上述棋盘格子图像中X轴的最大坐标值,Ymax1为上述棋盘格子图像中Y轴的最大坐标值;和/或,整合模块包括排列子模块和整合子模块,排列子模块用于根据上述棋盘格图像的拍照角度,将各上述棋盘格子图像依次排列;整合子模块用于采用整合公式将各上述棋盘格子图像中的各上述棋盘格角点的第二调整坐标整合到上述棋盘格图像中,并得到各上述棋盘格角点在上述棋盘格图像中对应的世界坐标,其中,(Xnew3、Ynew3)为整合后的上述棋盘格角点的世界坐标,(Xnew2、Ynew2)为上述棋盘格角点的第二调整坐标,Xmax2排列在当前上述棋盘格子图像的前一个上述棋盘格子图像中X轴的最大坐标值,Ymax2为排列在当前上述棋盘格子图像的前一个上述棋盘格子图像中Y轴的最大坐标值,d为上述棋盘格图像中相邻的两个上述棋盘格标定板之间的距离。可以将各棋盘格子图像中的棋盘格角点的坐标整合到棋盘格图像中,以方便准确的得到畸变校正系数,可以更方便对棋盘格图像进行校正。
上述畸变图像的校正装置包括处理器和存储器,上述第一获取单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决现有的光学镜头成像会造成畸变,图像质量差的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行上述畸变图像的校正方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述畸变图像的校正方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少上述畸变图像的校正方法的步骤。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少上述畸变图像的校正方法的步骤的程序。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的上述畸变图像的校正方法,首先获取棋盘格图像,棋盘格图像的图像中心到至少一个棋盘格图像的边缘的部分都存在棋盘格;获取各棋盘格子图像中各棋盘格角点的世界坐标,并对各棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各棋盘格子图像中各棋盘格角点的亚像素角点坐标;将各棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各棋盘格角点在棋盘格图像中的世界坐标;根据各棋盘格角点在棋盘格图像中的世界坐标和各棋盘格角点在棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数;采用相机参数和图像畸变系数对棋盘格图像进行校正,得到棋盘格校正图像。该方法获取的图像中心到边缘都包含棋盘格,同时通过准确获取棋盘格角点坐标,使得畸变校正更加精确,解决现有的光学镜头成像会造成畸变,图像质量差的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种畸变图像的校正方法,其特征在于,包括:
获取棋盘格图像,所述棋盘格图像的图像中心到至少一个所述棋盘格图像的边缘的部分都存在棋盘格,一个所述棋盘格图像包括多个棋盘格子图像;
获取各所述棋盘格子图像中各棋盘格角点的世界坐标,并对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,所述棋盘格角点的亚像素角点坐标为根据各所述棋盘格角点的世界坐标和各所述棋盘格角点的灰度梯度得到的;
将各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各所述棋盘格角点在所述棋盘格图像中的世界坐标;
根据各棋盘格角点在所述棋盘格图像中的世界坐标和各棋盘格角点在所述棋盘格图像中的图像坐标,采用标定算法计算相机参数和图像畸变系数,所述相机参数为目标相机的运行参数,所述图像畸变系数为所述目标相机采集到的图像的畸变系数;
采用所述相机参数和所述图像畸变系数对所述棋盘格图像进行校正,得到棋盘格校正图像。
2.根据权利要求1所述的校正方法,其特征在于,所述棋盘格图像为所述目标相机拍摄按照预定顺序排列的多个棋盘格标定板得到的图像,一个所述棋盘格子图像包括一个所述棋盘格标定板,在获取棋盘格图像之后,且在获取各所述棋盘格子图像中各棋盘格角点的世界坐标之前,所述方法还包括:
获取所述棋盘格图像中各点的平场校正系数;
基于所述棋盘格图像中各点的平场校正系数分别对所述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,所述初始校正图像的边缘亮度与所述初始校正图像的中心亮度的差值在预设范围内;
提取所述初始校正图像中的各所述棋盘格标定板,并根据各所述棋盘格标定板的外接矩形对所述棋盘格图像进行切割,得到多个初始子图像;
将各所述初始子图像边缘的干扰方块去除,得到多个所述棋盘格子图像,所述初始子图像与所述棋盘格子图像一一对应,所述干扰方块为方块面积小于预设面积且方块周长小于预设周长的方块。
3.根据权利要求2所述的校正方法,其特征在于,
获取所述棋盘格图像中各点的平场校正系数,包括:
获取多个平面光源图像,所述平面光源图像与所述棋盘格图像为所述目标相机在同一光源下采集到的;
将多个所述平面光源图像融合为一个目标光源图像,所述目标光源图像中的各点与所述棋盘格图像中的各点一一对应;
获取所述目标光源图像的图像中心点,并计算目标范围内各点的平均像素值,所述平均像素值为所述目标范围内各点的像素值的平均值,所述目标范围为以所述图像中心点为中心,面积为第一标定面积的范围;
根据所述平均像素值和平场校正系数公式C(x,y)=f(x,y)/Im,计算所述目标光源图像中各点的所述平场校正系数,其中,C(x,y)为所述目标光源图像中(x,y)点处的所述平场校正系数,f(x,y)为所述目标光源图像中(x,y)点处的原始像素值,Im为所述平均像素值;
和/或,
基于所述棋盘格图像中各点的平场校正系数分别对所述棋盘格图像中的各点进行平场校正处理,得到初始校正图像,包括:
获取平场校正公式G(x,y)=f(x,y)/C(x,y),其中,G(x,y)为所述棋盘格图像中(x,y)点处校正后的像素值,f(x,y)为所述棋盘格图像中(x,y)点处的原始像素值,C(x,y)为所述棋盘格图像中(x,y)点处的所述平场校正系数;
根据所述棋盘格图像中各点的所述平场校正系数和所述平场校正公式,分别对所述棋盘格图像中各点的像素值进行校正,得到所述初始校正图像。
4.根据权利要求2所述的校正方法,其特征在于,
提取所述初始校正图像中的各所述棋盘格标定板,并根据各所述棋盘格标定板的外接矩形对所述棋盘格图像进行切割,得到多个初始子图像,包括:
对所述初始校正图像进行二值化处理,得到第一二值化图像;
采用第一膨胀因子对所述第一二值化图像进行膨胀,得到第一膨胀图像,所述第一膨胀图像中每个白色棋盘格均与相邻的所述白色棋盘格相连接;
获取所述第一膨胀图像中的离散区域,所述离散区域为所述第一膨胀图像中相邻两个所述棋盘格之间的分界区域;
将面积大于阈值面积的区域确定为棋盘格标定板区域,所述阈值面积为根据一个完整的所述棋盘格标定板中白色方块的面积确定的;
提取所述棋盘格标定板区域的外接矩形参数,并根据所述离散区域和所述外接矩形参数在所述棋盘格图像中切割出多个所述初始子图像;
和/或,
将各所述初始子图像边缘的干扰方块去除,得到多个所述棋盘格子图像,包括:
根据二值化阈值对所述初始子图像进行二值化,得到第二二值化图像,所述二值化阈值与所述初始子图像的灰度有关;
将所述第二二值化图像中的各方块进行离散处理,并获取各所述方块的中心点;
获取目标方块周围的多个测量方块,并得到所述预设面积和所述预设周长,所述预设面积为所述目标方块周围的多个测量方块的平均面积乘以预设面积系数,所述预设周长为所述目标方块周围的多个测量方块的平均周长乘以预设周长系数,所述目标方块为从所述第二二值化图像中随机确定的方块;
在所述目标方块的面积小于所述预设面积且所述目标方块的周长小于所述预设周长的情况下,将所述目标方块确定为所述干扰方块,并将所述干扰方块去除,得到所述棋盘格子图像。
5.根据权利要求1所述的校正方法,其特征在于,获取各所述棋盘格子图像中各棋盘格角点的世界坐标,包括:
将一个所述棋盘格子图像中的各所述棋盘格角点分为内部点和边缘点,所述内部点为距离所述棋盘格子图像的边缘大于预设距离的点,所述边缘点为距离所述棋盘格子图像的边缘小于或者等于所述预设距离的点;
获取各所述内部点的邻近点,根据各所述内部点和各所述内部点对应的邻近点之间的位置关系,对各所述内部点和各所述内部点对应的邻近点进行位置排布;
获取各所述边缘点的邻近点,根据各所述边缘点和各所述边缘点对应的邻近点之间的位置关系,对各所述边缘点和各所述边缘点对应的邻近点进行位置排布,一个所述边缘点也是所述边缘点对应的邻近点的邻近点;
获取残留角点和与所述残留角点距离最近的边缘点,根据所述残留角点和与所述残留角点距离最近的边缘点之间的位置关系,对所述残留角点进行位置排布,以得到一个所述棋盘格子图像中各所述棋盘格角点在所述棋盘格子图像中的世界坐标,所述残留角点为未排布的所述内部点或者为未排布的所述边缘点。
6.根据权利要求5所述的校正方法,其特征在于,
将一个所述棋盘格子图像中的各所述棋盘格角点分为内部点和边缘点,包括:
将与目标棋盘格角点距离最近的四个非目标棋盘格角点确定为测量棋盘格角点;
分别计算所述目标棋盘格角点与四个所述测量棋盘格角点之间连线与水平线之间夹角的角度,得到四个测量角度;
将四个所述测量角度从小到大进行排序,得到第一测量角度、第二测量角度、第三测量角度和第四测量角度;
将所述第一测量角度和所述第三测量角度的差值确定为第一差值,将所述第二测量角度和所述第三测量角度的差值确定为第二差值;
在所述第一差值的绝对值和所述第二差值的绝对值均在预设角度范围内的情况下,将所述目标棋盘格角点确定为所述内部点,在所述第一差值的绝对值和/或所述第二差值的绝对值不在预设角度范围内的情况下,将所述目标棋盘格角点确定为所述边缘点;
和/或,
获取各所述内部点的邻近点,根据各所述内部点和各所述内部点对应的邻近点之间的位置关系,对各所述内部点和各所述内部点对应的邻近点进行位置排布,包括:
构建已排序点集队列与未排序点集队列,并将所有的所述内部点存储在所述未排序点集队列中;
从所述未排序点集队列中确定目标内部点,并将所述目标内部点从所述未排序点集队列移动至所述已排序点集队列中;
从所述未排序点集队列中查找所述目标内部点的至少一个邻近点,并对所述目标内部点和所述目标内部点的邻近点进行排序后,将所述目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中;
将所述已排序点集队列中所述目标内部点的所有邻近点均确定为新的目标内部点,并将所述目标内部点确定为非目标内部点;
从所述未排序点集队列中查找所述新的目标内部点的至少一个邻近点,并对所述新的目标内部点和所述新的目标内部点的邻近点进行排序后,将所述新的目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中;
持续确定新的目标内部点,并从所述未排序点集队列中查找所述新的目标内部点的邻近点,并对所述已排序点集队列中所有的所述新的目标内部点和所述已排序点集队列中所有的所述新的目标内部点的邻近点进行排序,以将所述已排序点集队列中所有的所述新的目标内部点的邻近点从所述未排序点集队列移动至所述已排序点集队列中,直到所述未排序点集队列为空。
7.根据权利要求1所述的校正方法,其特征在于,
对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,包括:
采用最小二乘法和亚像素公式Gi×(pi-p)=0对各所述棋盘格子图像中各棋盘格角点的世界坐标进行修正,得到各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标,其中,p为目标角点的亚像素角点坐标,pi为检测区域内任意一个非目标角点的世界坐标,Gi为pi处的灰度梯度,所述检测区域为以所述棋盘格角点为中心,面积为第二标定面积的区域;
和/或,
所述棋盘格图像有多个,各所述棋盘格图像的拍照角度不同,将各所述棋盘格子图像中各棋盘格角点的亚像素角点坐标进行整合,得到各所述棋盘格角点在所述棋盘格图像中的世界坐标,包括:
对各所述棋盘格角点的所述亚像素角点坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第一调整坐标;
对各所述棋盘格角点的第一调整坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标;
将各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标整合到所述棋盘格图像中,得到各所述棋盘格角点在所述棋盘格图像中对应的世界坐标。
8.根据权利要求7所述的校正方法,其特征在于,对各所述棋盘格角点的所述亚像素角点坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第一调整坐标,包括:
采用第一调整公式对各所述棋盘格角点的所述亚像素角点坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的所述第一调整坐标,其中,(Xnew1,Ynew1)为所述棋盘格角点的第一调整坐标,(X,Y)为所述棋盘格角点的亚像素角点坐标,|Xmin|为所述棋盘格子图像中X轴坐标的最小值,|Ymin|为所述棋盘格子图像中Y轴坐标的最小值。
9.根据权利要求7所述的校正方法,其特征在于,对各所述棋盘格角点的第一调整坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标,包括:
采用第二调整公式对各所述棋盘格子图像中的各所述棋盘格角点的第一调整坐标进行调整,得到各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标,其中,(Xnew2、Ynew2)为所述棋盘格角点的第二调整坐标,(Xnew1,Ynew1)为所述棋盘格角点的第一调整坐标,Xmax1为所述棋盘格子图像中X轴的最大坐标值,Ymax1为所述棋盘格子图像中Y轴的最大坐标值;
和/或,
将各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标整合到所述棋盘格图像中,得到各所述棋盘格角点在所述棋盘格图像中对应的世界坐标,包括:
根据所述棋盘格图像的拍照角度,将各所述棋盘格子图像依次排列;
采用整合公式将各所述棋盘格子图像中的各所述棋盘格角点的第二调整坐标整合到所述棋盘格图像中,并得到各所述棋盘格角点在所述棋盘格图像中对应的世界坐标,其中,(Xnew3、Ynew3)为整合后的所述棋盘格角点的世界坐标,(Xnew2、Ynew2)为所述棋盘格角点的第二调整坐标,Xmax2排列在当前所述棋盘格子图像的前一个所述棋盘格子图像中X轴的最大坐标值,Ymax2为排列在当前所述棋盘格子图像的前一个所述棋盘格子图像中Y轴的最大坐标值,d为所述棋盘格图像中相邻的两个棋盘格标定板之间的距离。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的畸变图像的校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902362.9A CN116894786A (zh) | 2023-07-20 | 2023-07-20 | 畸变图像的校正方法和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902362.9A CN116894786A (zh) | 2023-07-20 | 2023-07-20 | 畸变图像的校正方法和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116894786A true CN116894786A (zh) | 2023-10-17 |
Family
ID=88313391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310902362.9A Pending CN116894786A (zh) | 2023-07-20 | 2023-07-20 | 畸变图像的校正方法和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116894786A (zh) |
-
2023
- 2023-07-20 CN CN202310902362.9A patent/CN116894786A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10958892B2 (en) | System and methods for calibration of an array camera | |
WO2020010945A1 (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
KR101121034B1 (ko) | 복수의 이미지들로부터 카메라 파라미터를 얻기 위한 시스템과 방법 및 이들의 컴퓨터 프로그램 제품 | |
EP2477152A1 (en) | Image processing device, image processing method, image processing program, and recording medium | |
CN110458940B (zh) | 动作捕捉的处理方法和处理装置 | |
CN110189322A (zh) | 平整度检测方法、装置、设备、存储介质及系统 | |
CN109427046B (zh) | 三维测量的畸变校正方法、装置及计算机可读存储介质 | |
CN103379294B (zh) | 图像处理设备、具有该设备的摄像设备和图像处理方法 | |
CN112511767B (zh) | 一种视频拼接方法及设备、存储介质 | |
CN108257186B (zh) | 标定图像的确定方法及装置、摄像机及存储介质 | |
US20160125611A1 (en) | Depth measurement apparatus, imaging apparatus and depth measurement method | |
WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN113256741B (zh) | 用于扫描光场成像系统的镜头标定方法及装置 | |
CN107533762A (zh) | 图像处理装置、图像处理方法以及程序 | |
US20170180702A1 (en) | Method and system for estimating the position of a projection of a chief ray on a sensor of a light-field acquisition device | |
CN108444452B (zh) | 目标经纬度和拍摄装置的三维空间姿态的检测方法及装置 | |
CN111343360B (zh) | 一种校正参数获得方法 | |
CN112422942B (zh) | 白平衡同步方法、镜头模组、电子设备 | |
CN105049706A (zh) | 一种图像处理方法及终端 | |
WO2021168707A1 (zh) | 对焦方法、装置及设备 | |
CN107527323B (zh) | 镜头畸变的标定方法及装置 | |
CN116894786A (zh) | 畸变图像的校正方法和计算机可读存储介质 | |
CN112598610A (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
CN111818260A (zh) | 一种自动聚焦方法和装置及电子设备 | |
Klančar et al. | Robust and efficient vision system for group of cooperating mobile robots with application to soccer robots |
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 |