CN117061868A - 一种基于图像识别的自动拍照装置 - Google Patents

一种基于图像识别的自动拍照装置 Download PDF

Info

Publication number
CN117061868A
CN117061868A CN202311035131.9A CN202311035131A CN117061868A CN 117061868 A CN117061868 A CN 117061868A CN 202311035131 A CN202311035131 A CN 202311035131A CN 117061868 A CN117061868 A CN 117061868A
Authority
CN
China
Prior art keywords
image
depth
camera
field
imaging system
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
Application number
CN202311035131.9A
Other languages
English (en)
Inventor
周超
林乐新
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.)
Shenzhen Shanhui Technology Co ltd
Original Assignee
Shenzhen Shanhui Technology 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 Shenzhen Shanhui Technology Co ltd filed Critical Shenzhen Shanhui Technology Co ltd
Priority to CN202311035131.9A priority Critical patent/CN117061868A/zh
Publication of CN117061868A publication Critical patent/CN117061868A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像识别的自动拍照装置，通过将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，将所有待测图像进行预处理得到图像数据，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，采用图像识别技术和自动对焦来提升图像拍摄质量和拍摄灵活性，一定程度上也提高了使用体验。

Description

一种基于图像识别的自动拍照装置
技术领域
本发明属于图像处理技术领域，具体涉及一种基于图像识别的自动拍照装置。
背景技术
现实生活中由于需要拍摄不同角度的画面，存在对拍摄方向调整的需求，在传统拍摄系统中，为获取范围更广的图像画面，常常需要可以转动的控制摄像镜头能够旋转，而通常智能通过对摄像头的控制实现焦距的调整，无法实现转向，这种转向需要由拍摄者完成，或事先设置好相机的角度和大致估算出焦距以后固定拍摄装置，通过拍摄装置的摄像头定时的模式，最终拍摄的图像质量不佳，导致需要拍摄的景物不一定在摄像头的视景框内。现有的拍照装置或无法满足智能化对移动物联网的要求，因此，亟需一种新的智能化的拍照奇偶数提高图像拍摄质量。
发明内容
有鉴于此，本发明提供了一种提供图像拍摄质量、可以自动对焦和提升拍摄灵活性的基于图像识别的自动拍照装置，来解决上述存在的技术问题，具体采用以下技术方案来实现。
本发明提供了一种基于图像识别的自动拍照装置，包括：
相机标定单元，用于将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，其中，棋盘格为等间距的黑白相间棋盘格，坐标系包括世界坐标系、相机坐标系和图像坐标系；
自动对焦单元，用于根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像；
图像预处理单元，用于将所有待测图像进行预处理得到图像数据，其中，图像预处理包括图像滤波、背景去除和图像二值化；
图像融合单元，用于获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，其中，评价指标选取标准差且标准差的表达式为M×N表示图像的像素规模，L(i,j)表示图像在坐标(i,J)处的像素值。
作为上述技术方案的进一步优选，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，包括：
根据图像的对比度、饱和度和曝光度生成权重，对比度由灰度图像与拉普拉斯算子求取卷积获得拉氏域图像，以得到图像上每个像素点上的值即该像素对应的对比度参数的表达式为Cijk＝conv(Lijk,Hi)，其中将拉普拉斯滤波器应用于每个图像的灰度版本，并获取滤镜相应的绝对值，产生对比度的指标Cijk，Hi表示拉普拉斯算子的表达；
饱和度用于表征图像的色彩明艳程度，饱和度采用RGB模型分三个色彩通道，以计算三个色彩通道的强度标准差的表达式为其中，mij,k表示第k张图像的(i,j)位置像素上的三色彩通道上的强度平均值，Sij,k表示第k张图像的(i,j)位置像素上的饱和度的值，/>
曝光度是通过权重函数映射的曝光度权重参数设为Eij,k，预设对比度、饱和度和曝光度对应的指数参数为ωC、ωS和ωE，权重值的计算表达式为在使用权重值对多张图像进行融合前，将权重归一化，获得归一化的权重值/>多张图像根据归一化后的权重进行融合，以获得最终的显示全图细节的图像Rij，其中/>
作为上述技术方案的进一步优选，将所有待测图像进行预处理得到图像数据，包括：
采用高斯滤波对图像进行滤波处理，高斯滤波包括将各个离散点对应的高斯函数值作为权值，对采样点做邻域加权平均，其引入的高斯函数为对图像进行高斯滤波采用高斯算子对图像进行卷积，加权平均的矩阵模板为高斯核，由二维高斯函数计算得到，维数为2k+1的离散高斯卷积核F，其矩阵元素用表达式为其中σ表示方差，由滤波窗口的宽度wih、高度het和表达式为/>对称的高斯核wih和het相等。
作为上述技术方案的进一步优选，图像二值化包括预设源图像在(u,v)处的灰度值为G(u,v)，以此像素点为中心，则该像素点的阈值T(u,v)的表达式为T(u,v)＝0.5×(max(G(u+i,v+j))+min(G(u+i,j+v)))，即采样点的灰度值取以该像素点为中心的正方窗体区域内所有像素的灰度值序列中最大灰度值和最小灰度值的均值，对该窗体区域内的没一点用阈值T(u,v)进行二值化处理。
作为上述技术方案的进一步优选，采用超声波测距进行成像系统的自动对焦以完成自动拍照，成像系统的接收模块接收从目标景物反射回的信号以测量目标景物的位置，再通过测量反射信号的时间差计算出被拍摄目标的距离，从而控制镜头实现对焦，其中，超声波测距的计算表达式为d＝v×t/2，d表示目标景物与成像系统的距离，v表示超声波在介质中的传播速度，t表示超声波往返时间。
作为上述技术方案的进一步优选，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，包括：
焦深为当物平面固定时能清晰成像的像空间深度，当景物固定时，在保证成像清晰的条件下，像面沿光轴在准焦像面前后移动的距离，且该距离内产生的弥散圆在可接受范围内，则该距离为成像系统的焦深，焦深的大小由允许弥散圆的大小决定，焦深通过光学模型进行计算，Δ1和Δ2表示前后焦深，其表达式由三角形相似定理得到其中D表示镜头的口径，l′表示理想像距，R表示弥散图的半径，焦深Δ＝Δ1+Δ2，即/>
作为上述技术方案的进一步优选，成像系统的景深为当成像系统的像平面固定时，能清晰成像所测定的景物空间深度，计算能清晰成像的最远与最近物面的距离，前后景深的计算表达式为其中l表示对准平面到入射光瞳的距离，景深δ为当δ1<δ2，即前景深小于后景深，光圈数F、焦距f以及物距l都会影响景深，光圈数F越大，即光圈越小，景深越大；镜头焦距f越短，景深越大；拍摄距离l越远，景深越大；反之，景深越小。
作为上述技术方案的进一步优选，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，包括：
图像的角点可描述为图像灰度梯度的局部最大值所对应的像素点或图像中梯度值和梯度方向的变化速率高的点，在图像上取一个预设尺寸的窗体，沿各个不同的方向移动窗体；
若窗体区域内像素点元灰度变化，则该区域有明显的灰度变化，则该区域中心点为角点；
若沿着边缘方向移动，区域内像素点无灰度变化，则确定该区域为图像边缘。
作为上述技术方案的进一步优选，预设高斯函数为w(x,y)，窗口平移量为(m,n)，图像原灰度值为L(x,y)，则平移后图像的灰度值为L(x+m,y+v)，其灰度变化函数为E(m,n)，灰度变化函数的计算表达式为E(m,n)＝∑w(x,y)[L(x+m,y+n)-L(x,y)]2。
作为上述技术方案的进一步优选，成像系统中的坐标系转换包括世界坐标系转换到相机坐标系、相机坐标系转换到图像物理坐标系和图像物理坐标系转换到图像像素坐标系，摄像机的标定参数包括内参矩阵、外参矩阵和畸变系数。
本发明提供了一种基于图像识别的自动拍照装置，通过将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，将所有待测图像进行预处理得到图像数据，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，采用图像识别技术和自动对焦来提升图像拍摄质量和拍摄灵活性，一定程度上也提高了使用体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明的基于图像识别的自动拍照装置的结构框图；
图2为本发明的图像角点检测的过程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参阅图1，本发明提供了一种基于图像识别的自动拍照装置，包括：
相机标定单元，用于将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，其中，棋盘格为等间距的黑白相间棋盘格，坐标系包括世界坐标系、相机坐标系和图像坐标系；
自动对焦单元，用于根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像；
图像预处理单元，用于将所有待测图像进行预处理得到图像数据，其中，图像预处理包括图像滤波、背景去除和图像二值化；
图像融合单元，用于获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，其中，评价指标选取标准差且标准差的表达式为M×N表示图像的像素规模，L(i,j)表示图像在坐标(i,j)处的像素值。
本实施例中，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，包括：根据图像的对比度、饱和度和曝光度生成权重，对比度由灰度图像与拉普拉斯算子求取卷积获得拉氏域图像，以得到图像上每个像素点上的值即该像素对应的对比度参数的表达式为Cijk＝conv(Lijk,Hi)，其中将拉普拉斯滤波器应用于每个图像的灰度版本，并获取滤镜相应的绝对值，产生对比度的指标Cijk，Hi表示拉普拉斯算子的表达；饱和度用于表征图像的色彩明艳程度，饱和度采用RGB模型分三个色彩通道，以计算三个色彩通道的强度标准差的表达式为其中，mij,k表示第k张图像的(i,j)位置像素上的三色彩通道上的强度平均值，Sij,k表示第k张图像的(i,j)位置像素上的饱和度的值，/>曝光度是通过权重函数映射的曝光度权重参数设为Eij,k，预设对比度、饱和度和曝光度对应的指数参数为ωC、ωS和ωE，权重值的计算表达式为 在使用权重值对多张图像进行融合前，将权重归一化，获得归一化的权重值/>多张图像根据归一化后的权重进行融合，以获得最终的显示全图细节的图像Rij，其中/>
需要说明的是，将所有待测图像进行预处理得到图像数据，包括：采用高斯滤波对图像进行滤波处理，高斯滤波包括将各个离散点对应的高斯函数值作为权值，对采样点做邻域加权平均，其引入的高斯函数为对图像进行高斯滤波采用高斯算子对图像进行卷积，加权平均的矩阵模板为高斯核，由二维高斯函数计算得到，维数为2k+1的离散高斯卷积核F，其矩阵元素用表达式为/>其中σ表示方差，由滤波窗口的宽度wih、高度het和表达式为/>对称的高斯核wih和het相等。
应理解，对场景中三维物体的位置和形状等几何数据的测量是以相机获取的二维图像为基础的，即待测物表面三维顶点与所得图像中的二维像素点之间存在一定的对应关系，这种对应关系取决于投影系统和成像系统的几何模型，这其中涉及到了相机参数。由于相机镜头本身的特性和在镜头生产过程中不可避免的装配误差，相机所拍摄的图像可可能存在各种畸变，在进行实物测量之前，需要对CCD摄像机进行标定以获取相机的畸变系数及其内参和外参。摄像机的内参包含的元素有图像像素所对应的实际物理尺寸，摄像机焦距，图像物理坐标扭曲因子，成像原点相对于镜头光心的横向和纵向偏移量，相机的内参不随外部环境变化。摄像机的外参矩阵包含左右摄像头的相对旋转矩阵和平移向量，参数是随着两摄像机的装配位置而变化的，在标定完成后，需要固定摄像机的相对位置，只需在首次使用时进行标定，并将标定结果保存为标定文件，在用户下次使用时，可以自动读取标定文件得到相机参数，提高了自动拍照的便捷性和图像拍摄的清晰度。
可选地，图像二值化包括预设源图像在(u,v)处的灰度值为G(u,v)，以此像素点为中心，则该像素点的阈值T(u,v)的表达式为T(u,v)＝0.5×(max(G(u+i,v+j))+min(G(u+i,j+v)))，即采样点的灰度值取以该像素点为中心的正方窗体区域内所有像素的灰度值序列中最大灰度值和最小灰度值的均值，对该窗体区域内的没一点用阈值T(u,v)进行二值化处理。
本实施例中，采用超声波测距进行成像系统的自动对焦以完成自动拍照，成像系统的接收模块接收从目标景物反射回的信号以测量目标景物的位置，再通过测量反射信号的时间差计算出被拍摄目标的距离，从而控制镜头实现对焦，其中，超声波测距的计算表达式为d＝v×t/2，d表示目标景物与成像系统的距离，v表示超声波在介质中的传播速度，t表示超声波往返时间。
需要说明的是，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，包括：焦深为当物平面固定时能清晰成像的像空间深度，当景物固定时，在保证成像清晰的条件下，像面沿光轴在准焦像面前后移动的距离，且该距离内产生的弥散圆在可接受范围内，则该距离为成像系统的焦深，焦深的大小由允许弥散圆的大小决定，焦深通过光学模型进行计算，Δ1和Δ2表示前后焦深，其表达式由三角形相似定理得到其中D表示镜头的口径，l′表示理想像距，R表示弥散图的半径，焦深Δ＝Δ1+Δ2，即/>
应理解，成像系统的景深为当成像系统的像平面固定时，能清晰成像所测定的景物空间深度，计算能清晰成像的最远与最近物面的距离，前后景深的计算表达式为其中l表示对准平面到入射光瞳的距离，景深δ为/>当δ1<δ2，即前景深小于后景深，光圈数F、焦距f以及物距l都会影响景深，光圈数F越大，即光圈越小，景深越大；镜头焦距f越短，景深越大；拍摄距离l越远，景深越大；反之，景深越小。拍摄所得到的图像在其成像过程中总会收到各种不同类型的噪声所带来的干扰，如图像传感器自身的温度、环境中的光照程度，还有其他各种元器件所带来的噪声，以及由线路和设备本身所带来的噪声等，这些噪声都会影响图像的成像质量，导致图像模糊、特征淹没等不良后果，分析含有大量噪声的图像会对计算结果产生直接影响，可能会导致无法完成对目标图像的识别，在一般需要对采集到的图像进行预处理，以减少甚至消除噪声的影响，即对图像进行滤波，增强了图像拍摄装置的工作稳定性。
参阅图2，可选地，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，包括：
S1：图像的角点可描述为图像灰度梯度的局部最大值所对应的像素点或图像中梯度值和梯度方向的变化速率高的点，在图像上取一个预设尺寸的窗体，沿各个不同的方向移动窗体；
S2：若窗体区域内像素点元灰度变化，则该区域有明显的灰度变化，则该区域中心点为角点；
S3：若沿着边缘方向移动，区域内像素点无灰度变化，则确定该区域为图像边缘。
本实施例中，预设高斯函数为w(x,y)，窗口平移量为(m,n)，图像原灰度值为L(x,y)，则平移后图像的灰度值为L(x+m,y+v)，其灰度变化函数为E(m,n)，灰度变化函数的计算表达式为E(m,n)＝∑w(x,y)[L(x+m,y+n)-L(x,y)]2。成像系统中的坐标系转换包括世界坐标系转换到相机坐标系、相机坐标系转换到图像物理坐标系和图像物理坐标系转换到图像像素坐标系，摄像机的标定参数包括内参矩阵、外参矩阵和畸变系数。通过将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，将所有待测图像进行预处理得到图像数据，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，采用图像识别技术和自动对焦来提升图像拍摄质量和拍摄灵活性，一定程度上也提高了使用体验。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种基于图像识别的自动拍照装置，其特征在于，包括：
相机标定单元，用于将CCD摄像机对棋盘格从不同角度和距离拍摄多福图像，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，其中，棋盘格为等间距的黑白相间棋盘格，坐标系包括世界坐标系、相机坐标系和图像坐标系；
自动对焦单元，用于根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像；
图像预处理单元，用于将所有待测图像进行预处理得到图像数据，其中，图像预处理包括图像滤波、背景去除和图像二值化；
图像融合单元，用于获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，其中，评价指标选取标准差且标准差的表达式为M×N表示图像的像素规模，L(i,j)表示图像在坐标(i,j)处的像素值。
2.根据权利要求1所述的基于图像识别的自动拍照装置，其特征在于，获取的图像数据的图像质量评价指标并使用加权来融合图像数据以获得最终图像，包括：
根据图像的对比度、饱和度和曝光度生成权重，对比度由灰度图像与拉普拉斯算子求取卷积获得拉氏域图像，以得到图像上每个像素点上的值即该像素对应的对比度参数的表达式为Cijk＝conv(Lijk,Hi)，其中将拉普拉斯滤波器应用于每个图像的灰度版本，并获取滤镜相应的绝对值，产生对比度的指标Cijk，Hi表示拉普拉斯算子的表达；
饱和度用于表征图像的色彩明艳程度，饱和度采用RGB模型分三个色彩通道，以计算三个色彩通道的强度标准差的表达式为其中，mij,k表示第k张图像的(i,j)位置像素上的三色彩通道上的强度平均值，Sij,k表示第k张图像的(i,j)位置像素上的饱和度的值，/>
曝光度是通过权重函数映射的曝光度权重参数设为Eij,k，预设对比度、饱和度和曝光度对应的指数参数为ωC、ωS和ωE，权重值的计算表达式为在使用权重值对多张图像进行融合前，将权重归一化，获得归一化的权重值/>多张图像根据归一化后的权重进行融合，以获得最终的显示全图细节的图像Rij，其中/>
3.根据权利要求1所述的基于图像识别的自动拍照装置，其特征在于，将所有待测图像进行预处理得到图像数据，包括：
采用高斯滤波对图像进行滤波处理，高斯滤波包括将各个离散点对应的高斯函数值作为权值，对采样点做邻域加权平均，其引入的高斯函数为对图像进行高斯滤波采用高斯算子对图像进行卷积，加权平均的矩阵模板为高斯核，由二维高斯函数计算得到，维数为2k+1的离散高斯卷积核F，其矩阵元素用表达式为其中σ表示方差，由滤波窗口的宽度wih、高度het和表达式为/>对称的高斯核wih和het相等。
4.根据权利要求3所述的基于图像识别的自动拍照装置，其特征在于，图像二值化包括预设源图像在(u,v)处的灰度值为G(u,v)，以此像素点为中心，则该像素点的阈值T(u,v)的表达式为T(u,v)＝0.5×(max(G(u+i,v+j))+min(G(u+i,j+v)))，即采样点的灰度值取以该像素点为中心的正方窗体区域内所有像素的灰度值序列中最大灰度值和最小灰度值的均值，对该窗体区域内的没一点用阈值T(u,v)进行二值化处理。
5.根据权利要求3所述的基于图像识别的自动拍照装置，其特征在于，采用超声波测距进行成像系统的自动对焦以完成自动拍照，成像系统的接收模块接收从目标景物反射回的信号以测量目标景物的位置，再通过测量反射信号的时间差计算出被拍摄目标的距离，从而控制镜头实现对焦，其中，超声波测距的计算表达式为d＝v×t/2，d表示目标景物与成像系统的距离，v表示超声波在介质中的传播速度，t表示超声波往返时间。
6.根据权利要求1所述的基于图像识别的自动拍照装置，其特征在于，根据相机的标定参数确定成像系统的焦深和景深并实现成像系统的自动对焦以拍摄多张待测图像，包括：
焦深为当物平面固定时能清晰成像的像空间深度，当景物固定时，在保证成像清晰的条件下，像面沿光轴在准焦像面前后移动的距离，且该距离内产生的弥散圆在可接受范围内，则该距离为成像系统的焦深，焦深的大小由允许弥散圆的大小决定，焦深通过光学模型进行计算，Δ1和Δ2表示前后焦深，其表达式由三角形相似定理得到其中D表示镜头的口径，l′表示理想像距，R表示弥散图的半径，焦深Δ＝Δ1+Δ2，即/>
7.根据权利要求6所述的基于图像识别的自动拍照装置，其特征在于，成像系统的景深为当成像系统的像平面固定时，能清晰成像所测定的景物空间深度，计算能清晰成像的最远与最近物面的距离，前后景深的计算表达式为其中l表示对准平面到入射光瞳的距离，景深δ为/>当δ1<δ2，即前景深小于后景深，光圈数F、焦距f以及物距l都会影响景深，光圈数F越大，即光圈越小，景深越大；镜头焦距f越短，景深越大；拍摄距离l越远，景深越大；反之，景深越小。
8.根据权利要求1所述的基于图像识别的自动拍照装置，其特征在于，通过检测棋盘格的角点来计算各个坐标系之间的对应关系以获取摄像机的标定参数，包括：
图像的角点可描述为图像灰度梯度的局部最大值所对应的像素点或图像中梯度值和梯度方向的变化速率高的点，在图像上取一个预设尺寸的窗体，沿各个不同的方向移动窗体；
若窗体区域内像素点元灰度变化，则该区域有明显的灰度变化，则该区域中心点为角点；
若沿着边缘方向移动，区域内像素点无灰度变化，则确定该区域为图像边缘。
9.根据权利要求8所述的基于图像识别的自动拍照装置，其特征在于，预设高斯函数为w(x,y)，窗口平移量为(m,n)，图像原灰度值为L(x,y)，则平移后图像的灰度值为L(x+m,y+v)，其灰度变化函数为E(m,n)，灰度变化函数的计算表达式为E(m,n)＝∑w(x,y)[L(x+m,y+n)-L(x,y)]2。
10.根据权利要求9所述的基于图像识别的自动拍照装置，其特征在于，成像系统中的坐标系转换包括世界坐标系转换到相机坐标系、相机坐标系转换到图像物理坐标系和图像物理坐标系转换到图像像素坐标系，摄像机的标定参数包括内参矩阵、外参矩阵和畸变系数。
CN202311035131.9A 2023-08-16 2023-08-16 一种基于图像识别的自动拍照装置 Pending CN117061868A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311035131.9A CN117061868A (zh) 2023-08-16 2023-08-16 一种基于图像识别的自动拍照装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311035131.9A CN117061868A (zh) 2023-08-16 2023-08-16 一种基于图像识别的自动拍照装置

Publications (1)

Publication Number Publication Date
CN117061868A true CN117061868A (zh) 2023-11-14

Family

ID=88656735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311035131.9A Pending CN117061868A (zh) 2023-08-16 2023-08-16 一种基于图像识别的自动拍照装置

Country Status (1)

Country Link
CN (1) CN117061868A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117745723A (zh) * 2024-02-20 2024-03-22 常熟理工学院 芯片引线键合质量检测方法、系统及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117745723A (zh) * 2024-02-20 2024-03-22 常熟理工学院 芯片引线键合质量检测方法、系统及存储介质

Similar Documents

Publication Publication Date Title
US10997696B2 (en) Image processing method, apparatus and device
CN110689581B (zh) 结构光模组标定方法、电子设备、计算机可读存储介质
JP7145208B2 (ja) デュアルカメラベースの撮像のための方法および装置ならびに記憶媒体
WO2019105262A1 (zh) 背景虚化处理方法、装置及设备
JP5273408B2 (ja) ２写真照合に基づく奥行き推定のための４次元多項式モデル
WO2018228467A1 (zh) 图像曝光方法、装置、摄像设备及存储介质
KR101643607B1 (ko) 영상 데이터 생성 방법 및 장치
KR101345012B1 (ko) 이미지를 전자적으로 캡처하는 장치, 카메라로부터 물체까지의 초점 거리를 추정하는 장치, 카메라―물체 초점 심도의 자동 추정 방법 및 컴퓨터―판독가능 매체
CN110717942B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
WO2020259271A1 (zh) 图像畸变校正方法和装置
CN102436639B (zh) 一种去除图像模糊的图像采集方法和图像采集系统
WO2019105261A1 (zh) 背景虚化处理方法、装置及设备
CN107925751A (zh) 用于多视点降噪和高动态范围的系统和方法
CN105184784B (zh) 基于运动信息的单目相机获取深度信息的方法
JP7378219B2 (ja) 撮像装置、画像処理装置、制御方法、及びプログラム
WO2019105254A1 (zh) 背景虚化处理方法、装置及设备
TWI393981B (zh) Use the flash to assist in detecting focal lengths
WO2019232793A1 (zh) 双摄像头标定方法、电子设备、计算机可读存储介质
CN117061868A (zh) 一种基于图像识别的自动拍照装置
CN108053438A (zh) 景深获取方法、装置及设备
CN111866369B (zh) 图像处理方法及装置
CN117058183A (zh) 一种基于双摄像头的图像处理方法、装置、电子设备及存储介质
JP2016134661A (ja) 画像処理方法、画像処理装置、撮像装置、プログラム、および、記憶媒体
CN116017172A (zh) 一种Raw域图像的降噪方法及其装置、相机和终端
JP2020057967A (ja) 画像処理装置、撮像装置、画像処理装置の制御方法およびプログラム

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