CN105046645B - 透视图像的逆变换方法和*** - Google Patents
透视图像的逆变换方法和*** Download PDFInfo
- Publication number
- CN105046645B CN105046645B CN201510401627.2A CN201510401627A CN105046645B CN 105046645 B CN105046645 B CN 105046645B CN 201510401627 A CN201510401627 A CN 201510401627A CN 105046645 B CN105046645 B CN 105046645B
- Authority
- CN
- China
- Prior art keywords
- coordinate
- inverse transformation
- pixel
- original
- fluoroscopy images
- 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
Links
- 238000002594 fluoroscopy Methods 0.000 title claims abstract description 64
- 238000011426 transformation method Methods 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 172
- 238000003384 imaging method Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims description 13
- 235000013350 formula milk Nutrition 0.000 description 35
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种透视图像的逆变换方法。在停车场出入口的车牌识别应用中,由于实际环境限制,拍摄装置拍出的车牌图像往往是带有偏角变形的透视图像。本发明根据物体的透镜成像几何法则,以及物体被拍摄面的法线与成像靶面存在夹角时的几何规律,推导出X坐标及Y坐标逆变换公式,得到每个像素变换后的坐标点,使透视图像还原为原物体的相似图像,提高了车牌识别的成功率。
Description
技术领域
本发明涉及图像转换方式,特别是涉及透视图像的逆变换方法。
背景技术
在停车场出入口的车牌识别应用中,由于实际环境限制,摄像枪不可能装在正对车牌的前方,只能装在出入口通道的左右两边或上方,因此摄像时成像靶面与车牌平面经常存在夹角,拍出的车牌的透视图像就不可避免地发生了梯形化变形,大大降低了车牌识别的成功率。
发明内容
基于此,有必要针对摄像车牌识别成功率低的问题,提供一种透视图像的逆变换方法和***。
一种透视图像的逆变换方法,其特征在于,包括以下步骤:
获取物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取成像靶面与物体被拍摄面的法线之间的夹角以及用于拍摄所述物体的拍摄装置的焦距;
根据X坐标逆变换公式对各像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各像素点的原始Y坐标进行逆变换,根据各像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到物体的目标图像,其中,X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为成像靶面与物体被拍摄面的法线之间的夹角,f为拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的原始X坐标,h、h4分别为L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的原始Y坐标,h6、h8分别为h7、h9逆变换后的Y坐标。
一种透视图像的逆变换***,包括以下单元:
获取单元,用于获取物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取成像靶面与所述物体被拍摄面的法线之间的夹角以及用于拍摄所述物体的拍摄装置的焦距;
逆变换单元,用于根据X坐标逆变换公式对各所述像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各像素点的原始Y坐标进行逆变换,根据各像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到物体的目标图像,其中,X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为成像靶面与物体被拍摄面的法线之间的夹角,f为拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的原始X坐标,h、h4分别为L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的原始Y坐标,h6、h8分别为h7、h9逆变换后的Y坐标。
一种车牌识别***,包括识别单元以及透视图像的逆变换***,该识别单元用于根据目标图像进行车牌识别。
根据上述本发明的方案,其是根据X坐标逆变换公式和Y坐标逆变换公式对透视图像的像素点坐标进行逆变换,相对于原透视图像,以此进行图像逆变换处理后的目标图像与原物体更为相似,将其应用于车牌识别可提高车牌识别的成功率。
附图说明
图1是透视图像逆变换方法的流程图;
图2是凸镜成像的几何法则的示意图;
图3是成像靶面与物体表面法线出现夹角时的透视图像示意图;
图4是平行成像图与夹角为θ1时X坐标几何关系1;
图5是平行成像图与夹角为θ1时X坐标几何关系2;
图6是平行成像图与夹角为θ1时Y坐标几何关系;
图7是像素点坐标的用于查表的表格;
图8是透视图像坐标逆变换的示意图;
图9是车牌拍摄成像的示意图;
图10是透视图像逆变换***的示意图1;
图11是透视图像逆变换***的示意图2;
图12是透视图像逆变换***的示意图3。
具体实施方式
为使本发明的目的、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的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
参见图1所示,为本发明的透视图像的逆变换方法实施例。如图1所示,该实施例中的透视图像的逆变换方法包括如下步骤:
步骤S101:获取物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取成像靶面与物体被拍摄面的法线之间的夹角以及用于拍摄物体的拍摄装置的焦距,进入步骤S102;
具体的,该透视图像素的像素值、原始X坐标、原始Y坐标是在成像靶面上获得的;
步骤S102:根据X坐标逆变换公式对各像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各像素点的原始Y坐标进行逆变换,根据各像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到物体的目标图像,其中,X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为成像靶面与所述物体被拍摄面的法线之间的夹角,f为用于拍摄物体的拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的原始X坐标,h、h4分别为L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的原始Y坐标,h6、h8分别为h7、h9逆变换后的Y坐标。
具体的,如图2所示,根据凸透镜成像规律,当物体A-B距凸透镜C的中心点O大于2倍的焦距F(1)时,得到一个缩小的倒立实像B’-A’,成像点在一个至两个焦距F(2)之间,并遵循以下几何成像法则:
1/f=1/v+1/u
式中:f为焦距,u为物距,v为像距。
依照物体成像的几何法则可以得出,当成像靶面与物体表面平行时,其成像与原物体相似。如图3所示,如果成像靶面2与物体1(例如车牌)被拍摄表面的法线有一定的夹角时,成像靶面2的成像就必然发生梯形变形,最后经摄像机输出即为变形的透视图像3。
图4为在图3透视图像示意图中从下往上观察得到的关系图,图4中左侧为被拍摄物体,右侧L所在平面为成像靶面,成像靶面的中心与透镜的距离约为f,如图4所示,当夹角θ1小于90°时,从图中可以得出公式:
h1=L×sinθ1
h2=L×cosθ1
(f-h2)/f=h1/h
由以上公式可以推导出X坐标逆变换算法:
h=f×L×sinθ1/(f-L×cosθ1)
式中:L为夹角θ1小于90°时成像靶面上透视图像素的X坐标,h为变换后在平行成像图中的X坐标,f为焦距。
根据上述凸透镜成像规律:
1/f=1/v+1/u
一般物距u的值远远大于焦距f,所以式中像距v近似为焦距f,也就是说,图4中成像靶面的中心与透镜的距离近似为焦距f。
与图4相似的,在图5中,当夹角θ1大于90°时,从图中可以得出公式:
h3=L1×cos(180-θ1)
h5=L1×sinθ1
(f+h3)/f=h5/h4
由以上公式可以推导出X坐标逆变换算法:
h4=f×L1×sinθ1/[f+L1×cos(180-θ1)]
式中:L1为夹角θ1大于90°时成像靶面上透视图像素的X坐标,h4为变换后的X坐标,f为焦距。
如图6所示,当存在夹角θ1,Y坐标逆变换值为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1)
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)]
式中:h6,h8分别为变换后平行平面成像上的Y坐标,h7为夹角θ1小于90°的透视图像素Y坐标,h9为夹角θ1大于90°的透视图像素Y坐标。
其中,当θ1小于90°时,变换前的Y坐标所在直线和变换后的Y坐标所在直线的距离就是图5中的h2,当θ1大于90°时,变换前的Y坐标所在直线和变换后的Y坐标所在直线的距离就是图5中的h3,因此当θ1小于90°和θ1大于90°时,Y坐标变换公式中的除式分别与X坐标变换公式中的除式相同。
在使用X、Y坐标进行逆变换计算时均取坐标值的绝对值,在逆变换计算完成后再添加上原始X、Y坐标的正负符号,得到逆变换X、Y坐标。
在其中一个实施例中,步骤S102可以包括以下步骤:分别根据X坐标逆变换公式、Y坐标逆变换公式确定在不同夹角、不同焦距下各种坐标对应的逆变换坐标,分别根据不同夹角、不同焦距下各种坐标和对应的各逆变换坐标生成表格,并将生成的表格与对应的夹角、对应的焦距进行关联,得到夹角、焦距与表格的关联关系;
在进行逆变换时,根据当前获取的夹角、焦距以及所述关联关系查询到与当前获取的夹角、焦距关联的表格,根据查询到的表格查找所述透视图像的各像素点的原始X坐标、原始Y坐标构成的原始坐标对应的逆变换坐标。
具体的,由于用计算机进行图形变换时,像素约为200万左右,数据运算量较大,若每一个像素都进行三角函数及乘除法计算的话则耗时较长,不利于识别车牌图像需要实时变换的应用。因此通过事先的数学计算,编出常用角度和焦距下各个坐标对应逆变换坐标的查询表格,该表格与对应的夹角和焦距关联,得到夹角、焦距与表格的关联关系,列出的表格中有每一个透视图像素相应的原始坐标和对应的逆变换坐标。当需要进行透视图像逆变换时,计算机会根据获得的此时的夹角、焦距,通过夹角、焦距与表格的关联关系查询到与之关联的表格,从该表格中可以快速地得到每个二维平面上各像素点的原始X坐标、原始Y坐标以及对应的逆变换坐标,表格采用图7所示形式。
在其中一个实施例中,如图8所示,以原透视图形4为信息资源,确定原透视图形4中的各个像素点的坐标(X,Y),然后依次从(0,0)开始,将该坐标的像素值复制到逆变换图形5新的坐标点(X1,Y1),该新的坐标点就是像素点的坐标对应的逆变换坐标,如此即可实现透视图像的快速逆变换,图中坐标的正负符号根据坐标点在坐标系中的位置进行添加,原透视图形4与逆变换图形5是在不同的坐标系中,为了显示清楚两者的逆变换过程,在图8中才将两者置于同一坐标系中。
在其中一个实施例中,透视图像的逆变换方法可以包括以下步骤:
根据透视图像边缘像素点的逆变换坐标,确定目标图像的图像范围;
若透视图像的多个原始坐标对应目标图像的同一个第一逆变换坐标,则将这多个原始坐标中的任意一个原始坐标处的像素值复制到对应的逆变换坐标处;
若目标图像的图像范围内的任意一个第二逆变换坐标与各原始坐标均不对应,则根据查询到的表格以及预设的插值方式对所述第二逆变换坐标处进行插值。
具体的,当目标图像相对于原透视图像缩小时,会发生多点逆变换后都对应同一个原始坐标点,此时该坐标点只需取变换前该多点中任意一个原始坐标点对应的像素值即可;当目标图像相对于原透视图像放大时,会发生逆变换后目标图像中有一部份坐标点无像素值对应,此时可以根据查询到的表格和预设的插值方式对逆变换后的坐标点进行插值,预设的插值方式可以是用离该逆变换后的坐标点最近的一个坐标点对应的原始坐标相应的像素值来进行插值。
上述透视图像的逆变换方法,可以应用于车牌识别中,如图9所示,拍摄装置8对车牌6进行拍摄,成像靶面7与车牌6的法线形成夹角θ1,根据上述透视图像的逆变换方法对成像靶面7上的透视图像进行逆变换,获得车牌6的目标图像。根据目标图像进行车牌识别,这一过程使用的是现有技术,在此不再赘述。
本方法依据凸镜成像法则,推导出透视图坐标几何逆变换算法,相对于原透视图像,以此进行图形变换处理后的目标图像与原物体更为相似,将其应用于车牌识别,可提高车牌识别的成功率。
根据上述透视图像的逆变换方法,本发明还提供一种透视图像的逆变换***,以下就本发明的透视图像的逆变换***的实施例进行详细说明。
参见图10所示,为本发明的透视图像的逆变换***的实施例。如图10所示,该实施例中的透视图像的逆变换***可以包括有图10中的获取单元201,逆变换单元202,其中:
获取单元201,用于获取物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取成像靶面与物体被拍摄面的法线之间的夹角以及用于拍摄所述物体的拍摄装置的焦距;
逆变换单元202,用于根据X坐标逆变换公式对各像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各像素点的原始Y坐标进行逆变换,根据各像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到物体的目标图像,其中,X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为成像靶面与所述物体被拍摄面的法线之间的夹角,f为用于拍摄物体的拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的原始X坐标,h、h4分别为L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的原始Y坐标,h6、h8分别为h7、h9逆变换后的Y坐标。
在其中一个实施例中,如图11所示,逆变换单元202可以包括制表单元2021和查找单元2022,制表单元2021用于分别根据X坐标逆变换公式、Y坐标逆变换公式确定在不同夹角、不同焦距下各种坐标对应的逆变换坐标,分别根据不同夹角、不同焦距下各种坐标和对应的各逆变换坐标生成表格,并将生成的表格与对应的夹角、对应的焦距进行关联,得到夹角、焦距与表格的关联关系;
查找单元2022用于在进行逆变换时,根据当前获取的夹角、焦距以及关联关系查询到与当前获取的夹角、焦距关联的表格,根据查询到的表格查找透视图像的各像素点的原始X坐标、原始Y坐标构成的原始坐标对应的逆变换坐标。
在其中一个实施例中,如图12所示,逆变换单元202包括复制单元2023,复制单元2023用于分别根据各像素点的逆变后的X坐标、逆变换后的Y坐标确定各像素点的对应的逆变换坐标;分别将各像素点上的像素值复制到对应的逆变换坐标处,得到物体的目标图像。
在其中一个实施例中,逆变换单元202,用于根据所述透视图像边缘像素点的逆变换坐标,确定目标图像的图像范围,若透视图像的多个原始坐标对应目标图像的同一个第一逆变换坐标,则将这多个原始坐标中的任意一个原始坐标处的像素值复制到对应的逆变换坐标处,若目标图像范围内的任意一个第二逆变换坐标与各原始坐标均不对应,则根据查询到的表格以及预设的插值方式对第二逆变换坐标处进行插值。
本发明的透视图像的逆变换***与本发明的透视图像的逆变换方法一一对应,在上述透视图像的逆变换方法的实施例阐述的技术特征及其有益效果均适用于透视图像的逆变换***的实施例中,特此声明。
本发明还提供一种车牌识别***,包括识别单元以及上述的透视图像的逆变换***,该透视图像的逆变换***对原透视图像进行逆变换,得到目标图像,该识别单元用于根据目标图像进行车牌识别,此识别单元根据目标图像进行车牌识别这一过程使用的是现有技术,在此不再赘述。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
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发明专利范围的限制。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。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种透视图像的逆变换方法,其特征在于,包括以下步骤:
获取在成像靶面上物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取所述成像靶面与所述物体被拍摄面的法线之间的夹角以及用于拍摄所述物体的拍摄装置的焦距;
根据X坐标逆变换公式对各所述像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各所述像素点的原始Y坐标进行逆变换,根据各所述像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到所述物体的目标图像,其中,所述X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
所述Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为所述成像靶面与所述物体被拍摄面的法线之间的夹角,f为所述拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的所述原始X坐标,h、h4分别为所述L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的所述原始Y坐标,h6、h8分别为所述h7、h9逆变换后的Y坐标。
2.根据权利要求1所述的透视图像的逆变换方法,其特征在于,根据X坐标逆变换公式对各像素的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各像素的原始Y坐标进行逆变换的步骤包括以下步骤:
分别根据所述X坐标逆变换公式、所述Y坐标逆变换公式确定在不同夹角、不同焦距下各个坐标对应的逆变换坐标,分别根据不同夹角、不同焦距下各个坐标和对应的各逆变换坐标生成表格,并将生成的表格与对应的夹角、对应的焦距进行关联,得到夹角、焦距与表格的关联关系;
在进行逆变换时,根据当前获取的夹角、焦距以及所述关联关系查询到与当前获取的夹角、焦距关联的表格,根据查询到的表格查找所述透视图像的各像素点的原始X坐标、原始Y坐标构成的原始坐标对应的逆变换坐标。
3.根据权利要求1所述的透视图像的逆变换方法,其特征在于,根据各所述像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到所述物体的目标图像的步骤包括以下步骤:
分别根据各所述像素点的逆变后的X坐标、逆变换后的Y坐标确定各所述像素点的对应的逆变换坐标;
分别将各所述像素点上的像素值复制到对应的逆变换坐标处,得到所述物体的目标图像。
4.根据权利要求2的透视图像的逆变换方法,其特征在于,根据各所述像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到述物体的目标图像包括以下步骤:
根据所述透视图像边缘像素点的逆变换坐标,确定所述目标图像的图像范围;
若所述透视图像的多个原始坐标对应所述目标图像的同一个第一逆变换坐标,则将这多个原始坐标中的任意一个原始坐标处的像素值复制到对应的逆变换坐标处;
若所述图像范围内的任意一个第二逆变换坐标与各所述原始坐标均不对应,
则根据查询到的表格以及预设的插值方式对所述第二逆变换坐标处进行插值。
5.根据权利要求1至4之一所述的透视图像的逆变换方法,其特征在于,将所述透视图像的逆变换方法应用于车牌识别中。
6.一种透视图像的逆变换***,其特征在于,包括以下单元:
获取单元,用于获取在成像靶面上物体透视图像的各像素点的像素值、原始X坐标、原始Y坐标,并获取所述成像靶面与所述物体被拍摄面的法线之间的夹角以及用于拍摄所述物体的拍摄装置的焦距;
逆变换单元,用于根据X坐标逆变换公式对各所述像素点的原始X坐标进行逆变换,并根据Y坐标逆变换公式对各所述像素点的原始Y坐标进行逆变换,根据各所述像素点的像素值、对应的逆变换后的X坐标、对应的逆变换后的Y坐标得到所述物体的目标图像其中,其中,所述X坐标逆变换公式为:
θ1小于90°时,h=f×L×sinθ1/(f-L×cosθ1);
θ1大于90°时,h4=f×L1×sinθ1/[f+L1×cos(180-θ1)];
所述Y坐标逆变换公式为:
θ1小于90°时,h6=h7×f/(f-L×cosθ1);
θ1大于90°时,h8=h9×f/[f+L1×cos(180-θ1)];
其中,θ1为所述成像靶面与所述物体被拍摄面的法线之间的夹角,f为所述拍摄装置的焦距,L、L1分别为夹角θ1小于90°和大于90°时的所述原始X坐标,h、h4分别为所述L、L1逆变换后的X坐标,h7、h9分别为夹角θ1小于90°和大于90°时的所述原始Y坐标,h6、h8分别为所述h7、h9逆变换后的Y坐标。
7.根据权利要求6所述的透视图像的逆变换***,其特征在于,所述逆变换单元包括制表单元以及查找单元;
所述制表单元用于分别根据所述X坐标逆变换公式、所述Y坐标逆变换公式确定在不同夹角、不同焦距下各种坐标对应的逆变换坐标,分别根据不同夹角、不同焦距下各种坐标和对应的各逆变换坐标生成表格,并将生成的表格与对应的夹角、对应的焦距进行关联,得到夹角、焦距与表格的关联关系;
所述查找单元用于在进行逆变换时,根据当前获取的夹角、焦距以及所述关联关系查询到与当前获取的夹角、焦距关联的表格,根据查询到的表格查找所述透视图像的各像素点的原始X坐标、原始Y坐标构成的原始坐标对应的逆变换坐标。
8.根据权利要求6所述的透视图像的逆变换***,其特征在于,所述逆变换单元包括复制单元,用于分别根据各所述像素点的逆变后的X坐标、逆变换后的Y坐标确定各所述像素点的对应的逆变换坐标,分别将各所述像素点上的像素值复制到对应的逆变换坐标处,得到所述物体的目标图像。
9.根据权利要求7所述的透视图像的逆变换***,其特征在于:
所述逆变换单元根据所述透视图像边缘像素点的逆变换坐标,确定所述目标图像的图像范围,若所述透视图像的多个原始坐标对应所述目标图像的同一个第一逆变换坐标,则将这多个原始坐标中的任意一个原始坐标处的像素值复制到对应的逆变换坐标处,若所述目标图像的图像范围内的任意一个第二逆变换坐标与各所述原始坐标均不对应,则根据查询到的表格以及预设的插值方式对所述第二逆变换坐标处进行插值。
10.一种车牌识别***,包括识别单元以及如权利要求6至9之一所述的透视图像的逆变换***;
所述识别单元用于根据所述目标图像进行车牌识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401627.2A CN105046645B (zh) | 2015-07-09 | 2015-07-09 | 透视图像的逆变换方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401627.2A CN105046645B (zh) | 2015-07-09 | 2015-07-09 | 透视图像的逆变换方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046645A CN105046645A (zh) | 2015-11-11 |
CN105046645B true CN105046645B (zh) | 2019-01-11 |
Family
ID=54453165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510401627.2A Active CN105046645B (zh) | 2015-07-09 | 2015-07-09 | 透视图像的逆变换方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046645B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894467A (zh) * | 2016-03-30 | 2016-08-24 | 联想(北京)有限公司 | 一种图像校正方法及*** |
CN112085774A (zh) * | 2020-09-15 | 2020-12-15 | 上海跃影科技有限公司 | 一种透视还原的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050244059A1 (en) * | 2004-05-03 | 2005-11-03 | Jacek Turski | Image processing method for object recognition and dynamic scene understanding |
CN101577004A (zh) * | 2009-06-25 | 2009-11-11 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 一种极线矫正方法、装置和*** |
CN103106641A (zh) * | 2013-02-25 | 2013-05-15 | 徐渊 | 应用于全景成像***的投影变换方法以及装置 |
CN103247030A (zh) * | 2013-04-15 | 2013-08-14 | 丹阳科美汽车部件有限公司 | 基于球面投影模型和逆变换模型的车辆全景显示***鱼眼图像校正方法 |
-
2015
- 2015-07-09 CN CN201510401627.2A patent/CN105046645B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050244059A1 (en) * | 2004-05-03 | 2005-11-03 | Jacek Turski | Image processing method for object recognition and dynamic scene understanding |
CN101577004A (zh) * | 2009-06-25 | 2009-11-11 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 一种极线矫正方法、装置和*** |
CN103106641A (zh) * | 2013-02-25 | 2013-05-15 | 徐渊 | 应用于全景成像***的投影变换方法以及装置 |
CN103247030A (zh) * | 2013-04-15 | 2013-08-14 | 丹阳科美汽车部件有限公司 | 基于球面投影模型和逆变换模型的车辆全景显示***鱼眼图像校正方法 |
Non-Patent Citations (2)
Title |
---|
一种新的车牌号码倾斜校正方法;潘梅森 等;《光电子-激光》;20080831;第19卷(第8期);第1116-1120页 |
近景摄影测量技术在立木材积测定中的应用研究;杨华;《中国优秀博硕士学位论文全文数据库(博士) 农业科技辑》;20050815(第04期);正文第29-32页、图2.9 |
Also Published As
Publication number | Publication date |
---|---|
CN105046645A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10097812B2 (en) | Stereo auto-calibration from structure-from-motion | |
CN110487216B (zh) | 一种基于卷积神经网络的条纹投影三维扫描方法 | |
CN106780590B (zh) | 一种深度图的获取方法及*** | |
CN105306805B (zh) | 用于校正车辆用相机的影像失真的装置和方法 | |
CN102682446B (zh) | 使用自适应联合双边滤波器生成稠密深度图的设备和方法 | |
CN109873997A (zh) | 投影画面校正方法及装置 | |
EP3193306B1 (en) | A method and a device for estimating an orientation of a camera relative to a road surface | |
US9378583B2 (en) | Apparatus and method for bidirectionally inpainting occlusion area based on predicted volume | |
EP2518663A3 (en) | Object recognition method and recognition apparatus | |
CN103440653A (zh) | 双目视觉立体匹配方法 | |
US8837858B2 (en) | Apparatus and method for correcting image distortion of rear camera | |
CN106856000A (zh) | 一种车载全景图像无缝拼接处理方法及*** | |
EP3985575A1 (en) | Three-dimensional information processing method and apparatus | |
US20170132762A1 (en) | Method and device for generating stencil matrices and synthesizing parking images | |
CN104994367A (zh) | 一种图像矫正方法以及摄像头 | |
CN111667414A (zh) | 图像畸变校正方法及计算机可读存储介质 | |
CN105046645B (zh) | 透视图像的逆变换方法和*** | |
Chang et al. | Auto-calibration around-view monitoring system | |
CN115115611A (zh) | 车辆损伤识别方法、装置、电子设备和存储介质 | |
US9465102B2 (en) | Apparatus, method, and computer readable medium for correcting an interpolation coefficient for stereo matching | |
CN114616586A (zh) | 图像标注方法、装置、电子设备及计算机可读存储介质 | |
CN109859313B (zh) | 3d点云数据获取方法、装置、3d数据生成方法及*** | |
JP2011209070A (ja) | 画像処理装置 | |
CN109523489B (zh) | 一种生成俯视无畸变倒车影像的方法 | |
CN115205807A (zh) | 车道线融合方法、装置、汽车、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |