CN106296645A - 图像处理方法以及图像处理装置 - Google Patents
图像处理方法以及图像处理装置 Download PDFInfo
- Publication number
- CN106296645A CN106296645A CN201510357670.3A CN201510357670A CN106296645A CN 106296645 A CN106296645 A CN 106296645A CN 201510357670 A CN201510357670 A CN 201510357670A CN 106296645 A CN106296645 A CN 106296645A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- parameter space
- line
- straight line
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了图像处理方法以及图像处理装置,图像处理方法包括:获取第一图像,直线在所述第一图像上呈现为规定球体的最大圆上的弧线;识别所述第一图像中的多个线条;以及根据第一参数空间确定所述线条是否为直线,所述第一参数空间上的每一个点对应于所述规定球体的最大圆,所述第一图像上的每一点对应于所述第一参数空间中的一个最大圆,并且所述第一图像中在同一直线上的多个点对应的多个最大圆相交于所述第一参数空间的规定点,不在所述直线上的点对应的最大圆不通过所述规定点。根据本发明的图像处理方法以及图像处理装置,能够无需对图像进行分割和校正而根据第一参数空间直接地检测球面畸变图像上的直线。
Description
技术领域
本发明涉及一种图像处理方法以及图像处理装置,尤其涉及能够无需对图像进行分割和校正而根据第一参数空间直接地检测球面畸变图像上的直线的图像处理方法以及图像处理装置。
背景技术
随着数码技术的日益发展,直线检测成为图像处理的基础功能。例如利用经典的霍夫(Hough)变换对无畸变的符合单视点成像约束的图像进行直线检测是非常流行和有效的方法。然而,在日常生活中,常常需要对具有球面畸变的图像(以下称为“球面畸变图像”)进行处理。例如,使用广角镜头进行拍摄时,拍摄出来的图像会出现球面畸变。又例如,使用全景拍摄模式拍摄的全景图像也出现球面畸变。由于球面畸变图像具有很大的视场,很多时候甚至能够达到360°的全方位的取景,因此开始被人们广泛地利用。现实中的直线在球面畸变图像会出现弯曲,尤其是在具有超大视角的球面图像上,直线会变成弯曲的弧线。换言之,球面畸变图像中的直线不再符合单视点成像的约束,这样就导致了很多传统的方法不能在球面畸变图像上进行直线检测。因此,如何在这种具有严重的球面畸变的图像上进行直线检测是当前的重要的课题。
现有的在球面畸变图像上进行直线检测的一般方法包括以下步骤:
第一步:将球面畸变图像分割为多个部分。为了方便理解,在以下说明中假设将包括该弧线图像分割为两部分,但事实上不限于此,一般情况下,会将球面畸变图像分割为更多部分。如图1A所示,直线在球面畸变图像上呈现为弧线。
第二步:对各个部分的图像分别进行校正,消除畸变。校正后图像符合单一视点成像原理。
第三步:对校正后的分块图像进行直线检测。此时,由于校正后的图像符合单一视点成像原理,因此可以采用任何传统的检测方法(例如可以采用经典的霍夫直线变换方法)进行直线检测。
但是,这种传统的方法至少有如下几个缺点:
首先,会破坏直线的连续性。此时,由于对两块图像上的弧线分别进行校正,因此直线在图像校正以后有可能被截断,如1B所示。此外,校正后的直线的斜率有可能不同,从而在图像中变为两段直线,如图1C所示。当然,也有研究者对这个问题进行研究后,已经出现一些方法来解决。比较常用的方法是,对拥有相同端点的直线进行融合。具体而言,对于球面畸变图像中在分割线上的端点相同的线条,认为校正后的两段直线属于一条直线。但是,这个方法会引起其他的问题。首先,这种方法会使在现实中不属于一条直线却具有相同端点的两条直线误认为是一条直线。例如,如图1D所示,球面畸变图像中有一处墙角,其中一面墙和另一面墙的上下侧的轮廓线在现实当中不属于一条直线,但两条直线具有相同的端点。此时,如果墙角恰好是在图像的分割线上,则***可能会将一面墙和另一面墙的上下侧的两条轮廓线误认为是一条直线。
其次,将传统的直线检测方法应用于球面图像检测可能会使得较短的直线丢失。为了降低噪声,***会过滤掉长度小于规定阈值的线。换言之,只有一条直线的长度大于该阈值时,才会被***检测为直线。如图1E所示,如果较短的直线被分成两段直线,分别属于两个部分的每一条直线变得更短后,容易变得小于上述规定阈值,导致***检测不到。这样,这种较短的直线就会被丢失。
可以看到,传统的直线检测方法为了在球面畸变图像上继续使用经典的霍夫直线变换方法,不得不对球面畸变图像进行分割和校正。而正是因为这些分割,图像中直线被切断,连续性被打破,或者直线变得更短而被***误认为是噪声从而丢失数据。因此,迫切需要一种不对原始图像进行分割和校正的新的直线检测方法。
发明内容
本发明鉴于以上课题完成,其目的在于,提供一种图像处理方法以及图像处理装置,能够无需对图像进行分割和校正而根据第一参数空间直接地检测球面畸变图像上的直线。
本发明的一个实施例提供一种图像处理方法,其中包括:获取第一图像,直线在所述第一图像上呈现为规定球体的最大圆上的弧线;识别所述第一图像中的多个线条;以及根据第一参数空间确定所述线条是否为直线,所述第一参数空间上的每一个点对应于所述规定球体的最大圆,所述第一图像上的每一点对应于所述第一参数空间中的一个最大圆,并且所述第一图像中在同一直线上的多个点对应的多个最大圆相交于所述第一参数空间的规定点,不在所述直线上的点对应的最大圆不通过所述规定点。
本发明的实施例还提供一种图像处理装置,其中包括:图像获取模块,配置来获取第一图像,直线在所述第一图像上呈现为规定球体的最大圆上的弧线;线条识别模块,配置来识别所述第一图像中的多个线条;以及直线检测模块,配置来根据第一参数空间确定所述线条是否为直线,所述第一参数空间上的每一个点对应于所述规定球体的最大圆,所述第一图像上的每一点对应于所述第一参数空间中的一个最大圆,并且所述第一图像中在同一直线上的多个点对应的多个最大圆相交于所述第一参数空间的规定点,不在所述直线上的点对应的最大圆不通过所述规定点。
根据本发明的图像处理方法以及图像处理装置,利用第一参数空间对球面畸变图像进行直接地进行直线检测,其中直线在球面畸变图像上呈现为规定球体的最大圆上的弧线,所述第一参数空间上的每一个点对应于所述规定球体的最大圆,由此能够无需对图像进行分割和校正接口直接地对球面畸变图像进行直线检测,不会在直线检测过程中破坏直线的连续性,并且也能够检测到比较短的直线。
附图说明
图1A至图1E是用于说明现有的直线检测方法的示意图。
图2是用于说明球面畸变图像的示意图。
图3是用于说明将球面畸变图像投影到规定球体的示意图。
图4是用于说明直线在球面畸变图像中表示为弧线的原理的示意图。
图5是用于说明根据本发明的第一参数空间的示意图。
图6A、B是用于说明第一参数空间的特性的示意图。
图7是根据本发明的实施例的图像处理方法的流程图。
图8是统计第一参数空间内的每一个向量的累计数量的累计矩阵。
图9是用于说明在累积矩阵当中一个边缘点的示意图。
图10是统计了多个边缘点后的累积矩阵的示意图。
图11是根据本发明的图像处理装置的功能框图。
具体实施方式
为使本领域的技术人员能够更好地理解本发明的技术方案,下面结合附图详细说明本发明的图像处理方法以及图像处理装置的具体实施方式。当然,本发明不限于此,在本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
【球面畸变图像】
首先,结合附图详细说明本发明的球面畸变图像。球面畸变图像例如是使用广角镜头或者全景模式拍摄的图像。此时,镜头的焦距越小,或者全景模式拍摄的范围越大,畸变的程度就越大。因此如果图像是使用超广角的鱼眼镜头或者360°的全景图像拍摄获得,畸变的程度就会非常大。图2是用于说明球面畸变图像的示意图。如图2所示,图像中出现了严重的畸变,现实当中的直线在也变成了曲线,不再符合单视点成像的约束,因此无法使用经典的霍夫变换方法检测球面畸变图像上的直线。
这样的球面畸变图像能够投影到三维的规定球体。图3是用于说明将球面畸变图像投影到规定球体的示意图。如图3所示,图2的球面畸变图像能够投影到一个规定球体当中。此时,畸变的程度越大,球体越小。球面畸变图像上的每一个点的经度和纬度的信息可以通过以下式子换算为单位球体上的三维坐标:
其中,(lat,lon)表示球面畸变图像上任意一个点的经度和纬度,(x,y,z)分别表示单位球体上的三维坐标。
同样地,单位球体上的任意一个点的三维坐标也可以通过以下式子换算为原始球面畸变图像上的经度和纬度的信息:
图4是用于说明直线在球面畸变图像中表示为弧线的原理的示意图。如图4所示,现实中的直线l在球面畸变图像上成像为球面上的最大圆C上的弧线,其中,最大圆是通过球心的平面π与球体相交产生的圆形。
【第一参数空间】
接下来,结合附图详细说明第一参数空间。第一参数空间中的每一个点对应于所述规定球体的最大圆。正如上面所述,最大圆是通过球心的平面π与球体相交产生的圆形,因此每一个最大圆能够对应于一个平面π。如图4所示,可以通过垂直于最大圆所在平面π的向量n表示第一参数空间上的每一个点。这样,球面畸变图像上的每一个点都在第一参数空间上唯一映射为一个最大圆,球面畸变图像中的直线被唯一映射为规定球体上的一个最大圆即第一参数空间中的一个点。
图5是用于说明根据本发明的第一参数空间的示意图。如图5所示,可以使用方位角α和俯仰角β表示第一参数空间上的每一个点,其中-π≤α≤π,0≤β≤π/2。这里,由于一个向量n所确定的平面π与其相反的向量-n所确定的平面π相同,因此俯仰角β的范围可以是0≤β≤π/2。应当注意,也可以使用其他方式来表示第一参数空间上的每一个点,只要第一参数空间中的每一个点对应于所述规定球体上的最大圆即可。此时在球面畸变图像上的任意一点P(xo,yo,zo)被唯一映射为唯一的最大圆Cn:
{Cn|cosαcosβxo+sinαcosβyo+sinβzo=0,α[-π,π],β[0,π/2]}…………(3)
这样定义第一参数空间有两个特性:
1.同一直线上的多个点对应的多个最大圆相交于规定点;
2.不在直线上的点对应的最大圆不通过该规定点。
下面结合附图详细说明两个特性。
关于第一个特性,同一条直线上的多个点映射到第一参数空间后分别成为多个最大圆,这些最大圆有共同的交点(αo,βo),并且这个交点可以唯一表示出球面上的这条直线:
{Ci|cosαo cosβo x+sinαoocosβo y+sinβo z=0∩x2+y2+z2=1}………(4)
图6A、B是用于说明根据本发明的第一参数空间的特性的示意图。如图6A所示,直线l1上有3个点p1、p2、p3。正如上面所述,球面畸变图像上的每一个点在第一参数空间上都能映射为各自的一个最大圆,而这3个点映射到第一参数空间中为3个最大圆有共同的交点(αo,βo),如图6B所示。可见,在同一直线l1上的3个点p1、p2、p3所对应的三个最大圆相交于规定点(αo,βo)。
关于第二个特性,如图6A、B所示,球面畸变图像上有一个在不同于直线l1的直线l2上的点p4,并且点p4在第一参数空间中对应的最大圆并不通过(αo,βo)。可见,不在直线l1上的点对应的最大圆不通过该规定点(αo,βo)。
利用第一参数空间的这些特性,就可以直接进行球面畸变图像上的直线检测而不用对图像进行分块和校正,从而从根本上保证了直线的连续性,较短直线也不会丢失。
【图像处理方法】
下面,结合附图来详细说明本发明的图像处理方法。图7是根据本发明的实施例的图像处理方法的流程图。如图7所示,该方法包括:
首先,获取球面畸变图像(步骤S710)。球面畸变图像例如是通过超广角镜头或者全景模式获取的图像。正如上面所述,现实中的直线在球面畸变图像上呈现为规定球体的最大圆上的弧线。通常情况下,球面畸变图像中的每一个点的坐标以经纬度表示。
接下来,识别该球面畸变图像中的多个线条(步骤S720)。其中,多个线条可以是从球面畸变图像中的对象的边缘信息提取而来,从而能够获得如图2所示的线条图像。可以使用Canny算子或者Sobel算子等任何现有方法进行边缘检测,因此在这里不再详细叙述。
最后,根据第一参数空间确定所述线条是否为直线(步骤S730)。正如上面所述,球面畸变图像能够投影到三维的规定球体,并且现实当中的直线在球面畸变图像上呈现为规定球体上的最大圆上的弧线。因此,只要识别出来的线条是第一参数空间中的某一个点对应的最大圆上的弧线,即可确定该线条是现实当中的直线。
根据第一参数空间的特性,同一直线上的多个点对应的多个最大圆相交于规定点并且不在直线上的点对应的最大圆不通过该规定点。因此,在判断某一个线条是否为直线时,可以从该线条中提取多个边缘点,然后再根据第一参数空间的特性判断这些边缘点对应的最大圆是否通过规定点,从而确定多个特定的边缘点是否在特定直线上。
具体而言,可以通过式(1)将球面畸变图像上的每一个边缘点的经度和纬度变换为球体上的三维坐标,并且执行以下处理:
首先,由于球面畸变图像上的每一个点都对应于第一参数空间中的一个最大圆,可以通过式(4)获取第一参数空间中每一个边缘点对应的最大圆的向量的集合。这里,虽然每一个最大圆上有无限个向量,但为了方便计算,可以将这些无限个向量离散化,按照规定的间隔进行取值。例如,方位角α和俯仰角β都以1°的间隔进行取值,从而获得向量的集合。
随后,针对所述多个边缘点统计所述第一参数空间内的每一个向量的累计数量。此时,可以使用累积矩阵来验证这些最大圆是否在第一参数空间中相交于一点。图8是统计第一参数空间内的每一个向量的累计数量的累计矩阵。如图8所示,累积矩阵的X轴和Y轴可以分别表示第一参数空间的每一个点(向量)的方位角α和俯仰角β,其中-π≤α≤π,0≤β≤π/2。Z轴可以表示累积数量。例如,在提取了30个边缘点并且判断这些边缘点是否在特定的直线上时,可以通过式(4)获得这30个边缘点对应的30个最大圆,并且将这些最大圆依次累加到累积矩阵当中。具体而言,可以将上述离散化的向量的集合表示在上述累积矩阵当中。由于球面畸变图像上的每一个点对应于第一参数空间的一个最大圆,因此被离散化的该最大圆在累积矩阵当中被表示为多个点,其中每一个点代表一个向量,如图9所示。依次将这30个边缘点进行所对应的向量的集合附加到累积矩阵当中,即每当参数(α,β)出现一次,累计矩阵中的(α,β)在Z轴上自加一个,这样最终能够获得如图10所示的累积矩阵。显然,提取的边缘点的数量不限于30个,也可以提取其他任何数量的边缘点。
最后,将累计数量大于规定阈值的向量所对应的边缘点的集合确定为在特定直线上。由于Z轴是表示向量的累积数量,因此累积的高度越高,说明更多的最大圆在该点相交。根据第一参数空间的特性,同一直线上的多个边缘点对应的多个最大圆相交于规定点,因此可以通过设置规定的阈值,并且当多个边缘点所对应的最大圆在该点(即该点的方位角α和俯仰角β对应的第一参数空间上的向量)相交的数量大于规定阈值时,确定与该点对应的边缘点的集合在特定直线上。
另外,通过上述方法根据第一参数空间确定多个特定边缘点是否在特定直线上之后,还可以在球面畸变图像上表示所确定的特定直线。例如,通过上述处理确定多个边缘点属于特定直线后,通过式(2)将这些边缘点的三维坐标转换为球面畸变图像上的经纬度,并且使用特定的颜色在球面畸变图像上标记这些边缘点,从而能够向用户呈现确定的特定直线。
通过以上方法,能够无需对图像进行分割和校正而根据第一参数空间直接地检测球面畸变图像上的直线,因此不会在直线检测过程中破坏直线的连续性,并且也能够检测到比较短的直线。
以上说明了本发明的图像处理方法的多个实施例。显然,本领域技术人员在不脱离本发明的精神和范围内可以对上述实施例作出各种组合、修改或者变形。本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
【图像处理装置】
下面,结合附图来详细说明本发明的图像处理装置。本发明的图像处理装置可以是例如数码相机、行车记录仪等以摄像功能为主的装置,也可以是例如智能手机、平板电脑等带有摄像功能的运算功能为主的装置,也可以是不具有摄像功能的单纯的图像处理装置,只要能够获取球面畸变图像即可。
图11是根据本发明的实施例的图像处理装置的功能框图。如图11所示,本发明的图像处理装置1100包括:图像获取模块1110,线条识别模块1120以及直线检测模块1130。
下面,结合附图详细说明本发明的图像处理装置的各个模块的操作。
图像获取模块1110用于获取球面畸变图像。球面畸变图像例如是通过超广角镜头或者全景模式获取的图像。当图像处理装置为数码相机等以拍摄功能为主的设备、或者具备拍摄功能的其他设备时,可以通过该图像处理装置上的摄像头捕获球面畸变图像。当然,图像处理装置也可以从其他设备或者存储器当中获取球面畸变图像。正如上面所述,现实中的直线在球面畸变图像上呈现为规定球体的最大圆上的弧线。通常情况下,球面畸变图像中的每一个点的坐标以经纬度表示。
线条识别模块1120用于识别该球面畸变图像中的多个线条。其中,多个线条可以是从球面畸变图像中的对象的边缘信息提取而来,从而能够获得如图2所示的线条图像。可以使用Canny算子或者Sobel算子等任何现有方法进行边缘检测,因此在这里不再详细叙述。
直线检测模块1130用于根据第一参数空间确定所述线条是否为直线。正如上面所述,球面畸变图像能够投影到三维的规定球体,并且现实当中的直线在球面畸变图像上呈现为规定球体上的最大圆上的弧线。因此,只要识别出来的线条是第一参数空间中的某一个点对应的最大圆上的弧线,即可确定该线条是现实当中的直线。
根据第一参数空间的特性,同一直线上的多个点对应的多个最大圆相交于规定点并且不在直线上的点对应的最大圆不通过该规定点。因此,在判断某一个线条是否为直线时,可以从该线条中提取多个边缘点,然后再根据第一参数空间的特性判断这些边缘点对应的最大圆是否通过规定点,从而确定多个特定的边缘点是否在特定直线上。
具体而言,可以通过式(1)将球面畸变图像上的每一个边缘点的经度和纬度变换为球体上的三维坐标,并且执行以下处理:
首先,由于球面畸变图像上的每一个点都对应于第一参数空间中的一个最大圆,可以通过式(4)获取第一参数空间中每一个边缘点对应的最大圆的向量的集合。这里,虽然每一个最大圆上有无限个向量,但为了方便计算,可以将这些无限个向量离散化,按照规定的间隔进行取值。例如,方位角α和俯仰角β都以1°的间隔进行取值,从而获得向量的集合。
随后,针对所述多个边缘点统计所述第一参数空间内的每一个向量的累计数量。此时,可以使用累积矩阵来验证这些最大圆是否在第一参数空间中相交于一点。图8是统计所述第一参数空间内的每一个向量的累计数量的累计矩阵。如图8所示,累积矩阵的X轴和Y轴可以分别表示第一参数空间的每一个点(向量)的方位角α和俯仰角β,其中-π≤α≤π,0≤β≤π/2。Z轴可以表示累积数量。例如,在提取了30个边缘点并且判断这些边缘点是否在特定的直线上时,可以通过式(4)获得这30个边缘点对应的30个最大圆,并且将这些最大圆依次累加到累积矩阵当中。具体而言,可以将上述离散化的向量的集合表示在上述累积矩阵当中。由于球面畸变图像上的每一个点对应于第一参数空间的一个最大圆,因此被离散化的该最大圆在累积矩阵当中被表示为多个点,其中每一个点代表一个向量,如图9所示。依次将这30个边缘点进行所对应的向量的集合附加到累积矩阵当中,即每当参数(α,β)出现一次,累计矩阵中的(α,β)在Z轴上自加一个,这样最终能够获得如图10所示的累积矩阵。显然,提取的边缘点的数量不限于30个,也可以提取其他任何数量的边缘点。
最后,将累计数量大于规定阈值的向量所对应的边缘点的集合确定为在特定直线上。由于Z轴是表示向量的累积数量,因此累积的高度越高,说明更多的最大圆在该点相交。根据第一参数空间的特性,同一直线上的多个边缘点对应的多个最大圆相交于规定点,因此可以通过设置规定的阈值,并且当多个边缘点所对应的最大圆在该点(即该点的方位角α和俯仰角β对应的第一参数空间上的向量)相交的数量大于规定阈值时,确定与该点对应的边缘点的集合在特定直线上。
另外,图像处理装置1100还可以包括呈现模块,用于根据第一参数空间确定了多个特定边缘点是否在特定直线上之后,在球面畸变图像上呈现所确定的特定直线。例如,通过上述处理确定多个边缘点属于特定直线后,通过式(2)将这些边缘点的三维坐标转换为球面畸变图像上的经纬度,并且使用特定的颜色在球面畸变图像上标记这些边缘点,从而能够向用户呈现确定的特定直线。
通过以上处理,能够无需对图像进行分割和校正而根据第一参数空间直接地检测球面畸变图像上的直线,因此不会在直线检测过程中破坏直线的连续性,并且也能够检测到比较短的直线。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上说明了本发明的图像处理装置的多个实施例。显然,本领域技术人员在不脱离本发明的精神和范围内可以对上述实施例作出各种组合、修改或者变形。本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (10)
1.一种图像处理方法,其中包括:
获取第一图像,直线在所述第一图像上呈现为规定球体的最大圆上的弧线;
识别所述第一图像中的多个线条;以及
根据第一参数空间确定所述线条是否为直线,
所述第一参数空间上的每一个点对应于所述规定球体的最大圆,所述第一图像上的每一点对应于所述第一参数空间中的一个最大圆,并且所述第一图像中在同一直线上的多个点对应的多个最大圆相交于所述第一参数空间的规定点,不在所述直线上的点对应的最大圆不通过所述规定点。
2.如权利要求1所述的图像处理方法,其中
使用垂直于所述规定球体的最大圆所在平面的向量的方位角α和俯仰角β表示所述第一参数空间上的每一个点,其中-π≤α≤π,0≤β≤π/2。
3.如权利要求1所述的图像处理方法,其中
所述根据第一参数空间确定所述线条信息是否为直线包括:
从所述线条中提取多个边缘点;
根据第一参数空间确定多个特定的边缘点是否在特定直线上。
4.如权利要求3所述的图像处理方法,其中
所述根据第一参数空间确定多个特定的边缘点是否在特定直线上包括:
获取所述第一参数空间中所述每一个边缘点对应的最大圆的向量的集合;
针对所述多个边缘点统计所述第一参数空间内的每一个向量的累计数量;
将累计数量大于规定阈值的向量所对应的边缘点的集合确定为在特定直线上。
5.如权利要求1所述的图像处理方法,其中
所述根据第一参数空间确定多个特定边缘点是否在特定直线上之后,还包括:
在所述第一图像上表示所确定的特定直线。
6.一种图像处理装置,其中包括:
图像获取模块,配置来获取第一图像,直线在所述第一图像上呈现为规定球体的最大圆上的弧线;
线条识别模块,配置来识别所述第一图像中的多个线条;以及
直线检测模块,配置来根据第一参数空间确定所述线条是否为直线,
所述第一参数空间上的每一个点对应于所述规定球体的最大圆,所述第一图像上的每一点对应于所述第一参数空间中的一个最大圆,并且所述第一图像中在同一直线上的多个点对应的多个最大圆相交于所述第一参数空间的规定点,不在所述直线上的点对应的最大圆不通过所述规定点。
7.如权利要求6所述的图像处理装置,其中,
使用垂直于所述规定球体的最大圆所在平面的向量的方位角α和俯仰角β表示所述第一参数空间上的每一个点,其中-π≤α≤π,0≤β≤π/2。
8.如权利要求6所述的图像处理装置,其中,
所述直线检测模块通过从所述线条中提取多个边缘点并且根据第一参数空间确定多个特定的边缘点是否在特定直线上来确定所述线条是否为直线。
9.如权利要求8所述的图像处理装置,其中,
所述直线检测模块通过获取所述第一参数空间中所述每一个边缘点对应的最大圆的向量的集合,针对所述多个边缘点统计所述第一参数空间内的每一个向量的累计数量并且将累计数量大于规定阈值的向量所对应的边缘点的集合确定为在特定直线上来确定多个特定的边缘点是否在特定直线上来确定所述线条是否为直线。
10.如权利要求6所述的图像处理装置,其中,还包括:
呈现模块,配置来在所述第一图像上呈现所确定的特定直线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510357670.3A CN106296645A (zh) | 2015-06-25 | 2015-06-25 | 图像处理方法以及图像处理装置 |
JP2016121586A JP2017010555A (ja) | 2015-06-25 | 2016-06-20 | 画像処理方法及び画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510357670.3A CN106296645A (zh) | 2015-06-25 | 2015-06-25 | 图像处理方法以及图像处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106296645A true CN106296645A (zh) | 2017-01-04 |
Family
ID=57650935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510357670.3A Pending CN106296645A (zh) | 2015-06-25 | 2015-06-25 | 图像处理方法以及图像处理装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2017010555A (zh) |
CN (1) | CN106296645A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60218183A (ja) * | 1984-04-13 | 1985-10-31 | Fujitsu Ltd | 写像による情報抽出方法 |
JPH0719832A (ja) * | 1993-06-21 | 1995-01-20 | Canon Inc | 複数画像の対応点抽出方法 |
CN102184536A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 一种提取图像中直线和/或线段端点的方法及*** |
CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及*** |
JP2014092922A (ja) * | 2012-11-02 | 2014-05-19 | Tottori Univ | 検出装置、検出方法及び検出プログラム |
CN104268867A (zh) * | 2014-09-22 | 2015-01-07 | 国家电网公司 | 一种自适应的鱼眼镜头快速校正方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4736436A (en) * | 1984-04-13 | 1988-04-05 | Fujitsu Limited | Information extraction by mapping |
JP2621810B2 (ja) * | 1994-09-28 | 1997-06-18 | 日本電気株式会社 | 図形検出方法及び装置 |
JP5105481B2 (ja) * | 2008-05-27 | 2012-12-26 | 国立大学法人鳥取大学 | 車線検出装置、車線検出方法、及び車線検出プログラム |
JP5783567B2 (ja) * | 2011-10-12 | 2015-09-24 | 国立大学法人鳥取大学 | 直線検出装置、直線検出方法、直線検出プログラム及び撮影システム |
-
2015
- 2015-06-25 CN CN201510357670.3A patent/CN106296645A/zh active Pending
-
2016
- 2016-06-20 JP JP2016121586A patent/JP2017010555A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60218183A (ja) * | 1984-04-13 | 1985-10-31 | Fujitsu Ltd | 写像による情報抽出方法 |
JPH0719832A (ja) * | 1993-06-21 | 1995-01-20 | Canon Inc | 複数画像の対応点抽出方法 |
CN102184536A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 一种提取图像中直线和/或线段端点的方法及*** |
CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及*** |
JP2014092922A (ja) * | 2012-11-02 | 2014-05-19 | Tottori Univ | 検出装置、検出方法及び検出プログラム |
CN104268867A (zh) * | 2014-09-22 | 2015-01-07 | 国家电网公司 | 一种自适应的鱼眼镜头快速校正方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
CN107016700B (zh) * | 2017-04-14 | 2019-06-25 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2017010555A (ja) | 2017-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7328366B2 (ja) | 情報処理方法、測位方法及び装置、電子機器並びに記憶媒体 | |
CN106251399B (zh) | 一种基于lsd-slam的实景三维重建方法及实施装置 | |
US11748906B2 (en) | Gaze point calculation method, apparatus and device | |
CN105096269B (zh) | 基于畸变直线结构检测的图像径向畸变矫正的方法及*** | |
CN109003311B (zh) | 一种鱼眼镜头的标定方法 | |
US10482679B2 (en) | Capturing and aligning three-dimensional scenes | |
CN107977977B (zh) | 一种vr游戏的室内定位方法、装置以及存储介质 | |
CN103514446B (zh) | 一种融合传感器信息的室外场景识别方法 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及*** | |
CN111046725B (zh) | 一种基于监控视频的人脸识别和点云融合的空间定位方法 | |
WO2013169332A1 (en) | Camera scene fitting of real world scenes for camera pose determination | |
CN107843251A (zh) | 移动机器人的位姿估计方法 | |
DE202016008004U1 (de) | Automatische Verbindung von Bildern unter Verwendung visueller Eigenschaftsquerverweise auf zugehörige Anwendungen | |
CN103455792A (zh) | 一种客流量统计方法及*** | |
CN103327238B (zh) | 基于全景高速球一体机的空间配准方法 | |
CN111741223B (zh) | 一种全景图像拍摄方法、装置和*** | |
CN106296646A (zh) | Avm***的公差校正装置及其方法 | |
CN113947742A (zh) | 一种基于人脸识别的人员轨迹追踪方法与装置 | |
CN109166178B (zh) | 一种视觉特性与行为特性融合的全景图像显著图生成方法及*** | |
CN106780613A (zh) | 多摄像头标定结果的可视化方法及其*** | |
CN106296645A (zh) | 图像处理方法以及图像处理装置 | |
CN105488764B (zh) | 鱼眼图像校正方法及装置 | |
CN204855838U (zh) | 一种基于光学观测的雷电定位装置 | |
CN112860946B (zh) | 一种视频图像信息转换为地理信息的方法及*** | |
CN112395775B (zh) | 一种战斗部破片飞散参数计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |