基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯正的方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理，特別是涉及一種基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯 正的方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著人類社會(huì)的進(jìn)步和科技的發(fā)展，利用計(jì)算機(jī)來實(shí)現(xiàn)人類的視覺功能成為目前 計(jì)算機(jī)領(lǐng)域中最熱門的課題之一。圖像畸變矯正技術(shù)的研究是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要 研究課題。圖像畸變矯正就是對(duì)相機(jī)獲取的產(chǎn)生畸變的圖像采用適當(dāng)?shù)幕兡Ｐ?，?jì)算出 模型的參數(shù)，去除相機(jī)成像過程中產(chǎn)生的畸變，便于計(jì)算機(jī)視覺領(lǐng)域后續(xù)的處理，例如空間 定位、目標(biāo)跟蹤等等。其在視頻監(jiān)控、虛擬現(xiàn)實(shí)、機(jī)器人導(dǎo)航、軍事瞄準(zhǔn)、電視編輯、醫(yī)學(xué)圖像 分析等許多領(lǐng)域都有了廣泛的應(yīng)用，因此具有重要的使用價(jià)值和廣闊的發(fā)展前景。
[0003] 但是，由于獲取圖像的相機(jī)應(yīng)用的場(chǎng)合不盡相同，拍攝環(huán)境和背景千變?nèi)f化，這對(duì) 圖像畸變矯正算法適應(yīng)性和穩(wěn)健性提出了更高的要求。其中，隨著監(jiān)控?cái)z像機(jī)和車載攝像 機(jī)的廣泛應(yīng)用，人們對(duì)監(jiān)控范圍提出了更高的要求，因此廣角鏡頭也就越來越多出現(xiàn)在實(shí) 際的應(yīng)用當(dāng)中，但是廣角鏡頭獲取的圖像會(huì)產(chǎn)生明顯的徑向畸變，不符合人的視覺習(xí)慣，并 且，畸變會(huì)對(duì)依靠圖像信息進(jìn)行的空間定位、目標(biāo)跟蹤等算法產(chǎn)生嚴(yán)重影響，使其產(chǎn)生嚴(yán)重 的誤差。在計(jì)算視覺領(lǐng)域的其他方向的領(lǐng)域，圖像的畸變也會(huì)對(duì)其后續(xù)的處理產(chǎn)生難以忽 視的影響。
[0004] 因此，需要提供一種畸變矯正方法，以克服圖像的徑向畸變，提供圖像畫質(zhì)。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明要解決的技術(shù)問題是提供一種基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯 正的方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中相機(jī)拍攝圖像產(chǎn)生徑向畸變的問題。
[0006] 為解決上述技術(shù)問題，本發(fā)明采用下述技術(shù)方案：
[0007] 基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯正的方法，該方法的步驟包括
[0008] S1、畸變圖像輪廓提取：對(duì)畸變圖像進(jìn)行邊緣檢測(cè)，獲得畸變圖像的邊緣圖像，并 將邊緣圖像中鄰近的邊緣連接，得到畸變圖像的邊緣輪廓；
[0009] S2、邊緣輪廓中圓弧提取：對(duì)所述畸變圖像的邊緣輪廓進(jìn)行基于幾何誤差懲罰能 量和空間性不連續(xù)懲罰能量的多模型圓擬合，獲得邊緣輪廓中所有圓弧，并計(jì)算所有圓弧 的圓弧參數(shù)，圓弧參數(shù)包括圓弧中心和圓弧半徑；
[0010] S3、圓弧篩選：基于每個(gè)圓弧的圓弧參數(shù)，計(jì)算對(duì)應(yīng)圓弧的距離特征，并對(duì)所有圓 弧的距離特征進(jìn)行統(tǒng)計(jì)，獲得直線徑向畸變產(chǎn)生圓弧的共有特征，根據(jù)該共有特征篩選出 由直線畸變產(chǎn)生的圓??；
[0011] S4、畸變圖像矯正：基于篩選出圓弧的圓弧參數(shù)和單個(gè)參數(shù)的除法模型的特性，計(jì) 算圖像畸變中心和畸變參數(shù)，并根據(jù)該畸變參數(shù)和畸變中心對(duì)畸變圖像進(jìn)行矯正。
[0012] 優(yōu)選的，該方法的步驟進(jìn)一步包括
[0013] S5、去畸變圖像裁剪：基于用戶的感興趣區(qū)域和所需的圖像大小，對(duì)去畸變的圖像 進(jìn)行裁剪，獲得最終圖像。
[0014] 優(yōu)選的，所述步驟Sl包括
[0015] S11、利用高斯濾波器對(duì)畸變圖像進(jìn)行平滑處理；
[0016] S12、利用一階偏導(dǎo)數(shù)有限差分方法，計(jì)算畸變圖像的梯度幅值和方向；
[0017] S13、對(duì)畸變圖像的梯度幅值進(jìn)行非極大值抑制處理；
[0018] S14、用雙閾值算法對(duì)畸變圖像進(jìn)行檢測(cè)，并將鄰近邊緣的邊緣圖像連接，得到畸 變圖像的邊緣輪廓。
[0019] 優(yōu)選的，所述步驟S2包括
[0020] S21、隨機(jī)在畸變圖像的邊緣輪廓中抽取N組點(diǎn)，每組包含三個(gè)點(diǎn)，每組點(diǎn)可以確 定一個(gè)初始圓模型及其參數(shù)，并給每個(gè)組都分配一個(gè)標(biāo)簽；
[0021] S22、以空間不連續(xù)懲罰能量最小作為條件，將畸變圖像輪廓像素點(diǎn)分給每個(gè)標(biāo) 簽，即對(duì)像素點(diǎn)進(jìn)行分類；
[0022] S23、輪廓像素點(diǎn)類別確定后，通過LM方法對(duì)具有相同標(biāo)簽的像素點(diǎn)進(jìn)行擬合得 到圓弧的參數(shù)，來減小模型的幾何誤差，使得幾何誤差懲罰能量最小；
[0023] S24、重復(fù)步驟S22和S23,直至每個(gè)輪廓像素點(diǎn)都能正確分類，停止循環(huán)，此時(shí)得 到的每個(gè)類別即為一個(gè)圓弧，通過擬合得到該圓弧的圓弧參數(shù)。
[0024] 優(yōu)選的，所述步驟S3包括
[0025] 1 ^ll FR ?Μ1ΗΠΤ rh ,t'v 同ΗΠ? 本這 t=: BI衣亦反1 施 rh SR商光玄-
[0026] 其中， Clg為距離特征值，（x〇，y。）和（Xi, yj分別是畸變圖像中心坐標(biāo)和圓弧的圓心坐標(biāo)，Ri為圓 弧的半徑，η為提取出圓弧的數(shù)量；
[0027] S32、在[min，max]范圍內(nèi)以T為間隔對(duì)落到各個(gè)小區(qū)間的Clg的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)；
[0028] S33、取Clg最多區(qū)間，并計(jì)算得到該區(qū)間內(nèi)Clg的均值Cf;
[0029] S34、特征值Clg落在
間的圓弧即是由直線畸變產(chǎn)生的 圓弧。
[0030] 優(yōu)選的，所述步驟S4包括
[0031] S41、建立徑向畸變圖像在單參數(shù)除法模型下的特性模型：畸變圖像中的直線在單 參數(shù)除法模型下滿足圓的方程：sj + 1? + F = ?和畸變中心同樣滿足圓的 方程：於f F-j = 11，其中，D、E、F為圓的標(biāo)準(zhǔn)方程的參數(shù)，（X。，y。）是 圖像的畸變中心，λ為畸變系數(shù)；
[0032] S42、在篩選出的圓弧中任意選取3條圓弧，利用公式
家出圖像的畸變中心（x〇，y。）；
[0033] S43、利用公式蘭=+ + +以及畸變中心和篩選出的圓弧中 的任意一條圓弧，計(jì)算畸變系數(shù)λ ;
[0034] S44、利用公?1
中，（xd, yd)和（xu, yu)分別是畸變圖像和 非畸變圖像的像素點(diǎn)坐標(biāo)，rjP r。分別是畸變圖像和非畸變圖像的像素點(diǎn)到圖像畸變中心 的距離且巧可以由ru表示，（X(]，y。）圖像的畸變中心，以及上述步驟中獲得的畸變中心、畸 變參數(shù)，對(duì)圖像進(jìn)行畸變矯正。
[0035] 優(yōu)選的，所述步驟S4中進(jìn)一步包括利用最小二乘法，對(duì)畸變參數(shù)λ和畸變中心 (X。，y。）進(jìn)行優(yōu)化。
[0036] 基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯正的系統(tǒng)，該系統(tǒng)包括
[0037] 畸變圖像輪廓提取模塊，對(duì)畸變圖像進(jìn)行邊緣檢測(cè)，獲得畸變圖像的邊緣圖像，并 將邊緣圖像中鄰近的緣連接，得到畸變圖像的邊緣輪廓；
[0038] 邊緣輪廓中圓弧提取模塊，對(duì)所述畸變圖像的邊緣輪廓進(jìn)行基于能量的多模型圓 擬合，獲得邊緣輪廓中所有圓弧，并計(jì)算所有圓弧的圓弧參數(shù)；
[0039] 圓弧篩選模塊，基于每個(gè)圓弧的圓弧參數(shù)，計(jì)算對(duì)應(yīng)圓弧的距離特征，并對(duì)所有圓 弧的距離特征進(jìn)行統(tǒng)計(jì)，獲得直線徑向畸變產(chǎn)生圓弧的共有特征，根據(jù)該共有特征篩選出 由直線畸變產(chǎn)生的圓??；
[0040] 畸變圖像矯正模塊，基于篩選出圓弧的圓弧參數(shù)和單個(gè)參數(shù)的除法模型的特性， 計(jì)算圖像畸變中心和畸變參數(shù)，并根據(jù)該畸變參數(shù)和畸變中心對(duì)畸變圖像進(jìn)行矯正。
[0041] 優(yōu)選的，該系統(tǒng)進(jìn)一步包括去畸變圖像裁剪模塊，基于用戶的感興趣區(qū)域和所需 的圖像大小，對(duì)去畸變的圖像進(jìn)行裁剪，獲得最終圖像。
[0042] 優(yōu)選的，該系統(tǒng)進(jìn)一步包括
[0043] 顯示單元，用于顯示系統(tǒng)圖像矯正過程中的所有圖像和數(shù)據(jù)；所述顯示單元包括 圖像顯示模塊和數(shù)據(jù)顯示模塊；
[0044] 保存單元，用于存儲(chǔ)系統(tǒng)圖像矯正過程中的矯正圖像和圓弧提取和篩選過程中的 數(shù)據(jù)；所述保存單元包括圖像保存模塊和數(shù)據(jù)保存模塊。
[0045] 本發(fā)明的有益效果如下：
[0046] 本發(fā)明所述技術(shù)方案針對(duì)相機(jī)拍攝圖像產(chǎn)生徑向畸變的問題，以畸變產(chǎn)生的原因 和畸變矯正存在的困難為核心，提出一種可以對(duì)圖像獲取過程中產(chǎn)生的徑向畸變進(jìn)行矯正 的方案，本方案基于畸變圖像中的畸變直線結(jié)構(gòu)實(shí)現(xiàn)圖像徑向畸變的自動(dòng)矯正，不需要人 工的干預(yù)和特殊模板，并且具有極強(qiáng)的魯棒性。
【附圖說明】
[0047] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)的說明；
[0048] 圖1示出本發(fā)明所述基于畸變直線結(jié)構(gòu)檢測(cè)的圖像徑向畸變矯正方法的示意圖；
[0049] 圖2示出實(shí)施例中徑向畸變圖像示意圖；
[0050] 圖3示出實(shí)施例中Canny算子檢測(cè)出的邊緣圖像示意圖；
[0051] 圖4示出實(shí)施例中邊緣鏈接后的邊緣輪廓示意圖；
[0052] 圖5示出實(shí)施例中邊緣輪廓進(jìn)行圓弧提取后的圓弧圖像示意圖；
[0053] 圖6示出實(shí)施例中經(jīng)過圓弧篩選后的圓弧圖像示意圖；
[0054] 圖7不出實(shí)施例中圖像崎變矯正后的圖像結(jié)果不意圖；