CN104574419A - 镜头畸变参数标定方法及*** - Google Patents

镜头畸变参数标定方法及*** Download PDF

Info

Publication number
CN104574419A
CN104574419A CN201510042414.5A CN201510042414A CN104574419A CN 104574419 A CN104574419 A CN 104574419A CN 201510042414 A CN201510042414 A CN 201510042414A CN 104574419 A CN104574419 A CN 104574419A
Authority
CN
China
Prior art keywords
image
edge
horizontal edge
module
distortion parameter
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
Application number
CN201510042414.5A
Other languages
English (en)
Other versions
CN104574419B (zh
Inventor
孙凯
叶超
李学军
陈娴
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 ANGELL TECHNOLOGY Co Ltd
Original Assignee
SHENZHEN ANGELL 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 ANGELL TECHNOLOGY Co Ltd filed Critical SHENZHEN ANGELL TECHNOLOGY Co Ltd
Priority to CN201510042414.5A priority Critical patent/CN104574419B/zh
Publication of CN104574419A publication Critical patent/CN104574419A/zh
Application granted granted Critical
Publication of CN104574419B publication Critical patent/CN104574419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及图像处理技术领域,尤其涉及一种镜头畸变参数标定方法及***。发明通过对镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,并对得到的二值图像进行水平边缘检测,通过对得到的水平边缘图像分别进行直线拟合及抛物线拟合,然后对拟合得到的各条直线及抛物线进行特征分析,从而确定棋盘格标定板在垂直方向上的畸变参数,完成对镜头畸变参数的标定。利用发明只需拍摄一张棋盘格标定板图像就可以快速、准确完成镜头畸变参数标定,从而实现图像畸变校正,可大幅提高校正精度及效率。

Description

镜头畸变参数标定方法及***
技术领域
本发明涉及图像处理技术领域,尤其涉及一种镜头畸变参数标定方法及***。
背景技术
图像采集***大部分都会用到镜头,由于镜头自身的凸型物理结构,导致采集到的图像或多或少存在畸变,畸变图像不符合人眼观察习惯,所以畸变图像需要进行校正。为了准确校正畸变图像,一般会选用点阵或棋盘格标定板。目前,畸变校正主要分为两种:一种是手动选择畸变校正参考点,如棋盘格的角点,这种方式比较精确,但操作人员工作量大;另一种是自动角点检测,有时还需要拍摄多张不同视角的标定板图像,这种方式错误率高,且运算量大。
发明内容
本发明所要解决的技术问题是,提供一种镜头畸变参数标定方法及***,只需采集一张标定板图像,就可以快速、准确完成镜头畸变参数的标定,从而实现图像畸变校正。本发明是这样实现的:
镜头畸变参数标定方法,包括如下步骤:
步骤A:对待标定畸变参数的镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,得到原始二值图像;
步骤B:对所述原始二值图像进行水平边缘检测,得到水平边缘图像;
步骤C:对所述水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值;
步骤D:对所述水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;所述抛物线的表达式为y=ax2+bx+c;
步骤E:假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系;设坐标(x',y')为校正图像中任意一点的坐标,推导所述校正图像中经过坐标(x',y'),且以所述中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值;将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为所述原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标,至此确定出所述原始图像的一个方向上的畸变数据;
步骤F:将所述原始图像旋转90度后再次执行步骤A至步骤E,至此确定出所述原始图像的另一方向上的畸变情况,然后再根据所述原始图像的两个方向的畸变情况标定所述镜头的畸变参数。
进一步地,所述方法还包括如下步骤:
对所述原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域;
检测经膨胀处理后的二值图像的最大连通域;
在对所述水平边缘图像中的所有边缘像素进行直线拟合前,还包括如下步骤:
去除所述水平边缘图像在所述最大连通域范围之外的区域。
进一步地,在检测经膨胀处理后的二值图像的最大连通域之前,还包括如下步骤:
利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。
进一步地,对所述原始图像进行二值化处理前,还包括如下步骤:
对所述原始图像进行分辨率压缩及灰度级压缩处理;
对所述水平边缘图像中的所有边缘像素进行抛物线拟合前还包括如下步骤:
将所述水平边缘图像恢复到压缩前的分辨率。
进一步地,对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,还包括去除所述水平边缘图像中的短小边缘的步骤;去除所述水平边缘图像中的短小边缘的步骤包括:
统计所述水平边缘图像中各行的边缘像素数量;所述行以所述中值为斜率;
将边缘像素数量不为零且连续的行作为一个统计区,统计各统计区的边缘像素总数;
将所述水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除。
镜头畸变参数标定***,包括:
二值化处理模块,用于对待标定畸变参数的镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,得到原始二值图像;
边缘检测模块,用于对所述原始二值图像进行水平边缘检测,得到水平边缘图像;
直线拟合模块,用于对所述水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值;
抛物线拟合模块,用于对所述水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;所述抛物线的表达式为y=ax2+bx+c;
参数标定模块,用于假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系;设坐标(x',y')为校正图像中任意一点的坐标,推导所述校正图像中经过坐标(x',y'),且以所述中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值;将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为所述原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标,至此确定出所述原始图像的一个方向上的畸变数据;
图像旋转模块,用于将所述原始图像旋转90度后发送到所述二值化处理模块。
进一步地,所述***还包括:
图像膨胀处理模块,用于对所述原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域;
最大连通域检测模块,用于检测经膨胀处理后的二值图像的最大连通域;
边缘图像裁剪模块,用于在所述直线拟合模块对所述水平边缘图像中的所有边缘像素进行直线拟合前,去除所述水平边缘图像在所述最大连通域范围之外的区域。
进一步地,所述***还包括:
像素填充模块,用于在所述最大连通域检测模块检测经膨胀处理后的二值图像的最大连通域之前,利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。
进一步地,所述***还包括:
图像压缩模块,用于在所述二值化处理模块对所述原始图像进行二值化处理前,对所述原始图像进行分辨率压缩及灰度级压缩处理;以及在所述抛物线拟合模块对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,将所述水平边缘图像恢复到压缩前的分辨率。
进一步地,所述***还包括:
短小边缘去除模块,用于在所述抛物线拟合模块对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,统计所述水平边缘图像中各行的边缘像素数量;将边缘像素数量不为零且连续的行作为一个统计区,统计各统计区的边缘像素总数;将所述水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除;所述行以所述中值为斜率。
与现有技术相比,本发明通过对镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,并对得到的二值图像进行水平边缘检测,通过对得到的水平边缘图像分别进行直线拟合及抛物线拟合,然后对拟合得到的各条直线及抛物线进行特征分析,从而确定棋盘格标定板在垂直方向上的畸变参数,完成对镜头畸变参数的标定。利用本发明只需拍摄一张棋盘格标定板图像就可以快速、准确完成镜头畸变参数标定,从而实现图像畸变校正,可大幅提高校正精度及效率。
附图说明
图1:本发明畸变图像校正方法流程示意图;
图2:对待标定畸变参数的镜头拍摄的棋盘格标定板的原始图像进行二值化处理后得到的原始二值图像示意图;
图3:对原始二值图像中的各主体连通域进行膨胀处理后得到的二值图像示意图;
图4:对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理后得到的二值图像示意图;
图5:在图4所示二值图像基础上检测出的最大连通域(棋盘格区域)示意图;
图6:水平边缘图像在棋盘格区域范围以内的区域示意图;
图7:去除短小边缘后得到的水平边缘图像的投影序列示意图;
图8:同一坐标系中原始图像与校正图像的坐标对应关系示意图;
图9:本发明镜头畸变参数标定***结构示意图;
图10:本发明镜头畸变参数标定***的进一步结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
本发明是利用棋盘格标定板对镜头畸变参数进行标定,然后对畸变图像进行畸变校正的。如图1所示,本发明畸变图像校正方法流程如下:
步骤A:首先,用待标定畸变参数的镜头拍摄棋盘格标定板的原始图像,并对拍摄的原始图像进行二值化处理,得到原始二值图像。原始二值图像如图2所示,其宽、高分别为Width、Height。二值化处理中的阈值可采用图像灰度均值或通过迭代法自动计算。得到的二值图像中包括若干主体连通域及背景连通域,这里,主体连通域与背景连通域分别表示二值图像中不同灰度值的区域。一般将灰度为255的连通域作为主体连通域,灰度值为0的连通域作为背景连通域。为减少后续运算量,提高运算效率,在二值化处理前可先对棋盘格标定板的原始图像进行压缩处理,包括分辨率压缩及灰度级压缩。
步骤B:得到原始二值图像后,需对原始二值图像进行水平边缘检测,得到水平边缘图像。本发明是通过棋盘格标定板的边缘图像对镜头畸变参数进行标定的,水平边缘检测的目的在于为后续校正步骤做准备。检测到最大连通域后,为避免引入不必要的计算量,可检测出棋盘格标定板的棋盘格区域,并在得到水平边缘图像后,去除水平边缘图像在棋盘格区域范围之外的区域,只保留棋盘格区域范围以内的区域。棋盘格区域可通过如下方法检测:首先,如图3所示对原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域,然后检测经膨胀处理后的二值图像的最大连通域,可将检测出的最大连通域认为是棋盘格区域。
由于背景连通域对应的位置可能有有效的边缘,如果不填充,会丢失背景连通域对应位置的边缘,为准确检测出最大连通域,在检测经膨胀处理后的二值图像的最大连通域之前,可利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。预设范围可根据经验值设置,一般可设置为各背景连通域的面积平均值的0.5倍到1.5倍之间。根据经验,这个范围可包括所有在最大连通域内的背景连通域,可使最大连通域内的所有背景连通域得到填充。填充处理后的图像如图4所示,在此基础上检测出的最大连通域(棋盘格区域)如图5所示,水平边缘图像在棋盘格区域范围以内的区域如图6所示。
步骤C:对水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值。由棋盘格标定板的结构可知,在镜头没有发生畸变的情况下得到的各条直线应当相互平行,即各条直线斜率应当相等,该斜率表示了该镜头所拍摄的棋盘格标定板图像的倾斜程度,棋盘格标定板图像的倾斜程度可为后续校正提供校正参考。为确定棋盘格标定板图像的倾斜程度,可用直线拟合得到的各条直线的斜率的中值表示棋盘格标定板图像的倾斜程度。
步骤D:对水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;抛物线的表达式为y=ax2+bx+c。镜头畸变参数是根据棋盘格标定板图像的畸变情况来标定的,棋盘格标定板图像的畸变情况可通过对得到的水平边缘图像中的所有边缘像素进行抛物线拟合,并对拟合出得到的各抛物线进行分析的方法来确定,该步骤即为拟合抛物线,以为后续的抛物线分析做准备。需注意的是,如果在二值化处理前对拍摄的棋盘格图像进行了分辨率压缩及灰度级压缩处理,则在对水平边缘图像中的所有边缘像素进行抛物线拟合前,还应将水平边缘图像恢复到压缩前的分辨率。另外,在对水平边缘图像中的所有边缘像素进行抛物线拟合前,可先去除水平边缘图像中的短小边缘,从而进一步减少运算量。去除水平边缘图像中的短小边缘的步骤如下:
首先,统计水平边缘图像中各行的边缘像素数量,行以各条直线的斜率的中值为斜率。图7为去除短小边缘后得到的水平边缘图像的投影序列,横向为行的序号,纵向为对应行的边缘像素数量。然后,将边缘像素数量不为零且连续的行作为一个统计区,如图7虚线框中各像素数量不为零的行就是连续的,因此这些行就为一个统计区,确定各统计区后,统计各统计区的边缘像素总数。最后,将水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除。图7为去除短小边缘后的投影序列,还剩下19个统计区。预设值可根据经验设置,一般而言,可将边缘像素总数小于各统计区中最大边缘像素总数的0.2倍的统计区所对应的边缘判定为短小边缘,因此,可将预设值设置为各统计区中最大边缘像素总数的0.2倍。可在恢复水平边缘图像分辨率之前执行去除水平边缘图像中的短小边缘的步骤。
通过步骤C的直线拟合可确定镜头所拍摄的棋盘格标定板图像的倾斜程度,通过步骤D的抛物线拟合可反映出该棋盘格标定板图像的畸变情况,畸变校正可理解为将抛物线拟合得到的各条抛物线校正为倾斜程度与棋盘格标定板图像相同的直线。由于图像有两个方向,即水平方向和垂直方向,因此对图像进行校正时,两个方向都要分别进行畸变校正,具体校正时,可以先校正一个方向的畸变,然后将图像旋转90度,并用相同的方法再校正一次,即可完成图像的畸变校正。例如,可以先对图像的垂直方向的畸变进行校正,然后将图像旋转90度,这样,原来的水平方向就变为了现在的垂直方向,再用相同的方法对现在的垂直方向的畸变校正一次即可完成对图像的两个方向的畸变校正,相当于对图像中的点先进行垂直方向的移动,再进行水平方向(图像经90度旋转后水平方向变为垂直方向)的移动,完成校正。基于这种畸变校正过程,在标定镜头畸变参数时,也可以先确定出镜头所拍摄的棋盘格标定板图像的一个方向的畸变情况,再确定出棋盘格标定板图像的另一方向的畸变情况,从而实现对镜头畸变参数的标定。假设有一已经校正好的图像,即校正图像,在前述理论基础上,本发明通过逆向推导的方式推导出校正图像中任意坐标在原始图像中的对应坐标,从而确定原始图像的畸变情况。
基于上述原理确定步骤E:假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系。a与c之间的线性关系可记为:a=A1×c+B1;b与c之间的线性关系可记为b=A2×c+B2。设坐标(x',y')为校正图像中任意一点的坐标,推导校正图像中经过坐标(x',y'),且以中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值。将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标,至此确定出原始图像的一个方向上的畸变数据。“在垂直方向上对应”的含义如图8所示,将原始图像与校正图像表示在同一坐标系中,点A、B为原始图像中的坐标,点A'、B'为校正图像中的坐标。在垂直方向(Y轴方向)上对原始图像进行畸变校正,即校正过程中图像中的各点只能沿垂直方向移动,如果校正时,点A、B分别移动到校正图像中的点A'、B'上,那么点A就为原始图像中与校正图像中的坐标A'在垂直方向上对应的坐标,同理,点B就为原始图像中与校正图像中的坐标B'在垂直方向上对应的坐标。
步骤F:将原始图像旋转90度后再次执行步骤A至步骤E,即可确定出原始图像的另一方向上的畸变情况,然后再根据原始图像的两个方向的畸变情况标定镜头的畸变参数。
完成镜头畸变参数的标定后,就可根据镜头的畸变参数对该镜头所拍摄的任何图像进行畸变校正了。
基于上述标定方法,本发明还提供了一种镜头畸变参数标定***,如图9所示,包括:
二值化处理模块1,用于对待标定畸变参数的镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,得到原始二值图像;
边缘检测模块2,用于对原始二值图像进行水平边缘检测,得到水平边缘图像;
直线拟合模块3,用于对水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值;
抛物线拟合模块4,用于对水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;抛物线的表达式为y=ax2+bx+c;
参数标定模块5,用于假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系;设坐标(x',y')为校正图像中任意一点的坐标,推导校正图像中经过坐标(x',y'),且以中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值;将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标;
图像旋转模块6,用于将原始图像旋转90度后发送到二值化处理模块1。
为提高镜头畸变参数标定的准确性及标定效率,本发明还提出了图10的镜头畸变参数标定***,该***在图9***基础上还包括图像膨胀处理模块7、最大连通域检测模块8、边缘图像裁剪模块9、像素填充模块10、图像压缩模块11、短小边缘去除模块12。各模块功能如下:
图像膨胀处理模块7用于对原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域。
最大连通域检测模块8用于检测经膨胀处理后的二值图像的最大连通域。
边缘图像裁剪模块9用于在直线拟合模块3对水平边缘图像中的所有边缘像素进行直线拟合前,去除水平边缘图像在最大连通域范围之外的区域。
像素填充模块10用于在最大连通域检测模块8检测经膨胀处理后的二值图像的最大连通域之前,利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。
图像压缩模块11用于在二值化处理模块1对原始图像进行二值化处理前,对原始图像进行分辨率压缩及灰度级压缩处理;以及在抛物线拟合模块4对水平边缘图像中的所有边缘像素进行抛物线拟合前,将水平边缘图像恢复到压缩前的分辨率。
短小边缘去除模块12用于在抛物线拟合模块4对水平边缘图像中的所有边缘像素进行抛物线拟合前,统计水平边缘图像中各行的边缘像素数量;将边缘像素数量不为零且连续的行作为一个统计区,统计各统计区的边缘像素总数;将水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除;行以中值为斜率。
本发明镜头畸变参数标定***中各模块的执行先后顺序可参照图9、10箭头所示,本***各模块工作原理可参考本发明镜头畸变参数标定方法中的各流程,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.镜头畸变参数标定方法,其特征在于,包括如下步骤:
步骤A:对待标定畸变参数的镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,得到原始二值图像;
步骤B:对所述原始二值图像进行水平边缘检测,得到水平边缘图像;
步骤C:对所述水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值;
步骤D:对所述水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;所述抛物线的表达式为y=ax2+bx+c;
步骤E:假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系;设坐标(x',y')为校正图像中任意一点的坐标,推导所述校正图像中经过坐标(x',y'),且以所述中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值;将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为所述原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标,至此确定出所述原始图像的一个方向上的畸变数据;
步骤F:将所述原始图像旋转90度后再次执行步骤A至步骤E,至此确定出所述原始图像的另一方向上的畸变情况,然后再根据所述原始图像的两个方向的畸变情况标定所述镜头的畸变参数。
2.如权利要求1所述的镜头畸变参数标定方法,其特征在于,还包括如下步骤:
对所述原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域;
检测经膨胀处理后的二值图像的最大连通域;
在对所述水平边缘图像中的所有边缘像素进行直线拟合前,还包括如下步骤:
去除所述水平边缘图像在所述最大连通域范围之外的区域。
3.如权利要求2所述的镜头畸变参数标定方法,其特征在于,在检测经膨胀处理后的二值图像的最大连通域之前,还包括如下步骤:
利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。
4.如权利要求3所述的镜头畸变参数标定方法,其特征在于,对所述原始图像进行二值化处理前,还包括如下步骤:
对所述原始图像进行分辨率压缩及灰度级压缩处理;
对所述水平边缘图像中的所有边缘像素进行抛物线拟合前还包括如下步骤:
将所述水平边缘图像恢复到压缩前的分辨率。
5.如权利要求1所述的镜头畸变参数标定方法,其特征在于,对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,还包括去除所述水平边缘图像中的短小边缘的步骤;去除所述水平边缘图像中的短小边缘的步骤包括:
统计所述水平边缘图像中各行的边缘像素数量;所述行以所述中值为斜率;
将边缘像素数量不为零且连续的行作为一个统计区,统计各统计区的边缘像素总数;
将所述水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除。
6.镜头畸变参数标定***,其特征在于,包括:
二值化处理模块,用于对待标定畸变参数的镜头所拍摄的棋盘格标定板的原始图像进行二值化处理,得到原始二值图像;
边缘检测模块,用于对所述原始二值图像进行水平边缘检测,得到水平边缘图像;
直线拟合模块,用于对所述水平边缘图像中的所有边缘像素进行直线拟合,得到若干条直线;计算各条直线的斜率,并确定各斜率的中值;
抛物线拟合模块,用于对所述水平边缘图像中的所有边缘像素进行抛物线拟合,得到若干条抛物线;所述抛物线的表达式为y=ax2+bx+c;
参数标定模块,用于假设各抛物线表达式间a、b与c呈线性关系,从各抛物线表达式中提取参数a、b、c,并通过直线拟合的方法确定a与c之间的线性关系及b与c之间的线性关系;设坐标(x',y')为校正图像中任意一点的坐标,推导所述校正图像中经过坐标(x',y'),且以所述中值为斜率的直线的表达式y'=kx'+c';设c=c',根据c的值,并结合a与c之间的线性关系及b与c之间的线性关系计算a、b的值;将a、b、c的值带入表达式y=ax2+bx+c,再计算当x=x'时y的值,并将此时的坐标(x,y)作为所述原始图像中与校正图像中的坐标(x',y')在垂直方向上对应的坐标,至此确定出所述原始图像的一个方向上的畸变数据;
图像旋转模块,用于将所述原始图像旋转90度后发送到所述二值化处理模块。
7.如权利要求6所述的镜头畸变参数标定***,其特征在于,还包括:
图像膨胀处理模块,用于对所述原始二值图像中的各主体连通域进行膨胀处理,使各主体连通域连成同一连通域;
最大连通域检测模块,用于检测经膨胀处理后的二值图像的最大连通域;
边缘图像裁剪模块,用于在所述直线拟合模块对所述水平边缘图像中的所有边缘像素进行直线拟合前,去除所述水平边缘图像在所述最大连通域范围之外的区域。
8.如权利要求7所述的镜头畸变参数标定***,其特征在于,还包括:
像素填充模块,用于在所述最大连通域检测模块检测经膨胀处理后的二值图像的最大连通域之前,利用与主体连通域相同的像素对经膨胀处理后的二值图像中面积在预设范围内的背景连通域进行填充处理。
9.如权利要求8所述的镜头畸变参数标定***,其特征在于,还包括:
图像压缩模块,用于在所述二值化处理模块对所述原始图像进行二值化处理前,对所述原始图像进行分辨率压缩及灰度级压缩处理;以及在所述抛物线拟合模块对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,将所述水平边缘图像恢复到压缩前的分辨率。
10.如权利要求6所述的镜头畸变参数标定***,其特征在于,还包括:
短小边缘去除模块,用于在所述抛物线拟合模块对所述水平边缘图像中的所有边缘像素进行抛物线拟合前,统计所述水平边缘图像中各行的边缘像素数量;将边缘像素数量不为零且连续的行作为一个统计区,统计各统计区的边缘像素总数;将所述水平边缘图像中边缘像素总数小于预设值的统计区所对应的边缘去除;所述行以所述中值为斜率。
CN201510042414.5A 2015-01-28 2015-01-28 镜头畸变参数标定方法及*** Active CN104574419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510042414.5A CN104574419B (zh) 2015-01-28 2015-01-28 镜头畸变参数标定方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510042414.5A CN104574419B (zh) 2015-01-28 2015-01-28 镜头畸变参数标定方法及***

Publications (2)

Publication Number Publication Date
CN104574419A true CN104574419A (zh) 2015-04-29
CN104574419B CN104574419B (zh) 2017-06-09

Family

ID=53090391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510042414.5A Active CN104574419B (zh) 2015-01-28 2015-01-28 镜头畸变参数标定方法及***

Country Status (1)

Country Link
CN (1) CN104574419B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107871329A (zh) * 2017-12-18 2018-04-03 横琴峰云视觉技术有限公司 一种相机光学中心的快速标定方法及装置
CN108074267A (zh) * 2016-11-18 2018-05-25 松下知识产权经营株式会社 交点检测装置及方法、摄像头校正***及方法、程序及记录介质
CN109544643A (zh) * 2018-11-21 2019-03-29 北京佳讯飞鸿电气股份有限公司 一种摄像机图像校正方法及装置
CN109887038A (zh) * 2019-01-23 2019-06-14 上海理工大学 一种用于在线检测的机器视觉图像校正方法
CN110136158A (zh) * 2019-04-10 2019-08-16 西安理工大学 一种基于图像处理的对称体调平装置及调平方法
CN110969668A (zh) * 2019-11-22 2020-04-07 大连理工大学 一种长焦双目相机的立体标定算法
CN111263034A (zh) * 2019-05-27 2020-06-09 苏州松健光学科技有限公司 车载摄像模组调焦装置及方法
CN111507924A (zh) * 2020-04-27 2020-08-07 北京百度网讯科技有限公司 视频帧的处理方法和装置
CN112197942A (zh) * 2020-09-30 2021-01-08 广东工业大学 一种超精密加工光学微透镜阵列成像性能分析方法和***
CN114118949A (zh) * 2021-11-09 2022-03-01 北京市燃气集团有限责任公司 一种票据的信息处理***和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5878174A (en) * 1996-11-12 1999-03-02 Ford Global Technologies, Inc. Method for lens distortion correction of photographic images for texture mapping
US6002525A (en) * 1998-07-06 1999-12-14 Intel Corporation Correcting lens distortion
CN101814186A (zh) * 2010-02-04 2010-08-25 上海交通大学 利用曲线拟合校正摄像机径向畸变的方法
CN102800084B (zh) * 2012-06-20 2014-10-29 东南大学 一种直线目标的图像像主点坐标和畸变系数的测定方法
CN102829735B (zh) * 2012-08-31 2015-06-24 哈尔滨工业大学 基于机器视觉的e型磁材背面几何形状缺陷检测方法
CN104268867B (zh) * 2014-09-22 2017-12-12 国家电网公司 一种自适应的鱼眼镜头快速校正方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GWANG-YUL SONG 等: "Correction of Radial Distortion Based on Line-Fitting", 《INTERNATIONAL JOURNAL OF CONTROL, AUTOMATION, AND SYSTEMS》 *
QU XUEJUN 等: "A new camera calibration method based on two stages distortion model", 《2010 INTERNATIONAL CONFERENCE OF INFORMATION SCIENCE AND MANAGEMENT ENGINEERING》 *
WENJUAN MA 等: "A Curve-fitting Method for Correcting Radial Distortion", 《INTERNATIONAL CONGRESS ON IMAGE & SIGNAL PROCESSING》 *
朱云芳: "摄像机径向畸变校正和内参估计的单图标定方法", 《光电工程》 *
李勤 等: "任意方向下的摄像机镜头畸变标定", 《仪器仪表学报》 *
杨阿华 等: "基于网格模板的相机标定方法", 《计算机应用》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108074267A (zh) * 2016-11-18 2018-05-25 松下知识产权经营株式会社 交点检测装置及方法、摄像头校正***及方法、程序及记录介质
CN108074267B (zh) * 2016-11-18 2023-08-11 松下知识产权经营株式会社 交点检测装置及方法、摄像头校正***及方法及记录介质
CN107871329B (zh) * 2017-12-18 2021-09-07 北京峰云视觉技术有限公司 一种相机光学中心的快速标定方法及装置
CN107871329A (zh) * 2017-12-18 2018-04-03 横琴峰云视觉技术有限公司 一种相机光学中心的快速标定方法及装置
CN109544643A (zh) * 2018-11-21 2019-03-29 北京佳讯飞鸿电气股份有限公司 一种摄像机图像校正方法及装置
CN109544643B (zh) * 2018-11-21 2023-08-11 北京佳讯飞鸿电气股份有限公司 一种摄像机图像校正方法及装置
CN109887038A (zh) * 2019-01-23 2019-06-14 上海理工大学 一种用于在线检测的机器视觉图像校正方法
CN109887038B (zh) * 2019-01-23 2022-03-25 上海理工大学 一种用于在线检测的机器视觉图像校正方法
CN110136158B (zh) * 2019-04-10 2022-10-11 西安理工大学 一种基于图像处理的对称体调平装置及调平方法
CN110136158A (zh) * 2019-04-10 2019-08-16 西安理工大学 一种基于图像处理的对称体调平装置及调平方法
CN111263034A (zh) * 2019-05-27 2020-06-09 苏州松健光学科技有限公司 车载摄像模组调焦装置及方法
CN110969668B (zh) * 2019-11-22 2023-05-02 大连理工大学 一种长焦双目相机的立体标定算法
CN110969668A (zh) * 2019-11-22 2020-04-07 大连理工大学 一种长焦双目相机的立体标定算法
CN111507924A (zh) * 2020-04-27 2020-08-07 北京百度网讯科技有限公司 视频帧的处理方法和装置
CN111507924B (zh) * 2020-04-27 2023-09-29 北京百度网讯科技有限公司 视频帧的处理方法和装置
CN112197942A (zh) * 2020-09-30 2021-01-08 广东工业大学 一种超精密加工光学微透镜阵列成像性能分析方法和***
CN114118949A (zh) * 2021-11-09 2022-03-01 北京市燃气集团有限责任公司 一种票据的信息处理***和方法
CN114118949B (zh) * 2021-11-09 2023-06-27 北京市燃气集团有限责任公司 一种票据的信息处理***和方法

Also Published As

Publication number Publication date
CN104574419B (zh) 2017-06-09

Similar Documents

Publication Publication Date Title
CN104574419A (zh) 镜头畸变参数标定方法及***
EP3648055B1 (en) Camera parameter calibration method, device, apparatus, and system
CN107993263B (zh) 环视***自动标定方法、汽车、标定装置及存储介质
CN110476056B (zh) 一种视觉检测方法、检测设备以及机器人
CN109360246B (zh) 基于同步子区搜索的立体视觉三维位移测量方法
CN105095896A (zh) 一种基于查找表的图像畸变校正方法
CN111383333B (zh) 一种分段式sfm三维重建方法
CN103400131B (zh) 一种图像识别中的校正装置及其方法
CN110163912A (zh) 二维码位姿标定方法、装置及***
CN104657982A (zh) 一种投影仪标定方法
CN104408725A (zh) 一种基于tld优化算法的目标重捕获***及方法
CN106201201B (zh) 视图调整方法和***
CN105139393B (zh) 线阵相机内参数的标定方法
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
CN105279771A (zh) 一种视频中基于在线动态背景建模的运动目标检测方法
CN103778607B (zh) 一种图像校正方法
CN104537627B (zh) 一种深度图像的后处理方法
CN104159001A (zh) 基于高精度大幅面扫描仪***的图像多点分区域校正方法
CN102236790B (zh) 一种图像处理方法和设备
CN105701776B (zh) 一种用于自动光学检测的镜头畸变矫正方法及***
CN111504610A (zh) 一种用于曲面屏亮度提取的方法及***
CN114199127A (zh) 基于机器视觉的汽车零件尺寸检测***及方法
CN113139399A (zh) 一种图像线框识别方法及服务器
CN111445513A (zh) 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
JP2019159708A5 (zh)

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 518000, Room 408, building A, Hua Han Innovation Park, Nanshan District, Shenzhen, Guangdong

Applicant after: SHENZHEN ANGELL TECHNOLOGY CO., LTD.

Address before: 518000 Hua Han Road, 16, Nanshan District, Guangdong, Shenzhen Province, China Han technology, 3A

Applicant before: Shenzhen Angell Technology Co., Ltd.

COR Change of bibliographic data
GR01 Patent grant
GR01 Patent grant