CN107909544B - 一种图像校正方法及*** - Google Patents
一种图像校正方法及*** Download PDFInfo
- Publication number
- CN107909544B CN107909544B CN201711043165.7A CN201711043165A CN107909544B CN 107909544 B CN107909544 B CN 107909544B CN 201711043165 A CN201711043165 A CN 201711043165A CN 107909544 B CN107909544 B CN 107909544B
- Authority
- CN
- China
- Prior art keywords
- point
- input image
- determining
- matrix
- correction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003702 image correction Methods 0.000 title claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims description 55
- 238000013507 mapping Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009450 smart packaging Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像校正方法及***,该方法包括:对原始图像进行分析确定边界线以及顶点,根据边界线以及顶点确定校正参数,然后根据校正参数对图像进行正向校正或者逆向校正。所以根据本发明的技术方案,终端在上传原始图像之后,***可以直接对原始图案进行分析,然后对原始图像进行定位和校正,准确而快速,更加智能,因此图像采集的设备不再局限于扫描仪,可以扩展至手机、数码相机等更多设备。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像校正方法及***。
背景技术
随着科学技术的不断进步与发展,拍照自动识别的应用案例越来越广泛,比如:银行卡和身份证的定位识别、车牌定位识别等应用,从照片中快速找到目标区域是各种应用的关键问题之一。
“智慧包装”应用***是让用户使用扫描仪采集标签图像,通过网络上传至云端,在云端服务器接收用户上传的图像,采用图像处理应用程序对图像进行处理分析。其中,在上传标签图像至云端进行鉴别之前,需人工对扫描仪采集到的图像进行旋转并裁剪,获得标准图像,这样就导致图像处理过程较为繁琐,并且处理效率较低。
发明内容
本发明提供了一种图像校正方法及***,用以解决现有技术中标签图像处理时,需人工对扫描仪采集到的图像进行旋转并裁剪来获得标准图像导致的图像处理过程较为繁琐,并且处理效率较低的问题。
其具体的技术方案如下:
一种图像校正方法,所述方法包括:
在获取终端上传的原始图像时,按照预设缩放条件对所述原始图像进行缩放处理,得到输入图像;
确定所述输入图像的各个边界线,并根据所述边界线确定所述输入图像顶点;
根据原始图像中的顶点坐标以及所述输入图像的顶点坐标,确定原始图像与所述输入图像之间的校正参数;
判定所述输入图像的尺寸是否大于预设尺寸;
若是,则根据所述校正参数,对所述输入图像进行正向校正;
若否,则根据所述校正参数,对所述输入图像进行逆向校正。
可选的,确定所述输入图像的各个边界线,包括:
确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点;
根据所述边缘点以及霍夫算法,对处于同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值;
若是,则所述直线标记为边界线;
若否,则丢弃所述直线。
可选的,确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点,包括:
以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和;
判定差值的绝对值之和是否大于预设阈值;
若是,则将所述第一像素点作为边缘点。
可选的,根据所述边界确定所述输入图像顶点,包括:
在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,其中,J为大于等于2的正整数;
根据确定出的J条边界线,生成对应的边框组合;
在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合;
在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将所述边框组合确定为标签边框;
将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标。
可选的,对所述输入图像进行正向校正,包括:
建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;
在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
一种图像校正***,所述***包括:
图像预处理模块,用于在获取终端上传的原始图像时,按照预设缩放条件对所述原始图像进行缩放处理,得到输入图像;
定位模块,用于确定所述输入图像的各个边界线,并根据所述边界线确定所述输入图像顶点;
校正模块,根据原始图像中的顶点坐标以及所述输入图像的顶点坐标,确定原始图像与所述输入图像之间的校正参数;判定所述输入图像的尺寸是否大于预设尺寸;若是,则根据所述校正参数,对所述输入图像进行正向校正,若否,则根据所述校正参数,对所述输入图像进行逆向校正。
可选的,所述定位模块,具体用于确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点;根据所述边缘点以及霍夫算法,对处于同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值;若是,则所述直线标记为边界线;若否,则丢弃所述直线。
可选的,所述定位模块,具体用于以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和;判定差值的绝对值之和是否大于预设阈值;若是,则将所述第一像素点作为边缘点。
可选的,所述定位模块,具体用于在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,根据确定出的J条边界线,生成对应的边框组合;在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合;在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将所述边框组合确定为标签边框;将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标。
可选的,所述校正模块,具体用于建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
通过本发明实施例中所提供的技术方案,终端在上传原始图像之后,***可以直接对原始图案进行分析,然后对原始图像进行定位和校正,准确而快速,更加智能,因此图像采集的设备不再局限于扫描仪,可以扩展至手机、数码相机等更多设备。
另外,通过该方法可以使校正后的图像即为标准图像,省去了人工旋转以及裁剪的操作,并且处理精度比人工操作有很大的提高,所以***的应用范围得到较大扩展,从而提升了***的实用性。
附图说明
图1为本发明实施例中一种图像校正方法的流程图;
图2为本发明实施例中输入图像的中心点以及四个正方向的示意图;
图3为本发明实施例中正向校正的像素点映射示意图;
图4为本发明实施例中逆向校正的像素点映射示意图;
图5为本发明实施例中一种图像校正***的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解,本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明,而不是限定,在不冲突的情况下,本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种图像校正方法的流程图,该方法包括:
S101,在获取终端上传的原始图像时,按照预设条件对原始图像进行缩放处理,得到输入图像;
在本发明实施例中,该终端可以是手机、或者其他具有拍摄功能的设备。在终端拍摄图像之后,终端将该原始图像上传到服务器,这里需要说明是,此处的原始图像为终端直接拍摄到的图像,并且没有经过用户的裁剪等处理。
在***得到该原始图像之后,***将对该原始图像进行尺寸归一化,比如说将原始图像的较短边统一缩小为480像素,较长边按照短边的缩小比例,进行同比缩小,这样就可以得到输入图像。
S102,确定输入图像的各个边界线,并根据边界线确定输入图像顶点;
在得到输入图像之后,在输入图像中确定出中点,然后以该中心点为中心确定四个正方向,即:中心点的上、下、左、右,比如图2所示。
在确定四个正方向之后,***将对输入图像进行边缘点检测,具体检测方式为:以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和,判定差值的绝对值之和是否大于预设阈值,若是,则将第一像素点作为边缘点。
此处以从中心点向上为例来说明该边缘点检测方法,其他方向上的检测方法相同。首先从中心点向上遍历,如果像素点P1(R1,G1,B1)与其y坐标相差+3的像素点,即:在P1正下方差3个像素的位置的点P2(R2,G2,B2)的RGB之差的绝对值之和,大于阈值T1,则将点P1标记为边缘点。即满足:
Sum(|Sub(R1,R2)|,|Sub(G1,G2)|,|Sub(B1,B2)|)>T1
通过该方法可以准确的在输入图像中确定该输入图像边缘点。
在确定边缘点之后,基于检测出的边缘点,先采用形态学运算,消除图像中的孤立点,并保留8邻域两两相邻的像素点。
采用霍夫变换,对同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值,若是,则将该直线标记为边界线,若否,则丢弃该直线。
进一步,为了提高边界线的准确性,所以在通过霍夫变换标记的边界线之后,获取边界线的角度,即:上下边界与水平方向夹角,或者左右边界与垂直方向夹角,若是该角度大于预设阈值,则将该直线排除。通过该方式可以滤除部分无效的直线。
在输入图像中标记出所有直线之后,在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,根据确定出的J条边界线,生成对应的边框组合,在边框组合中确定出上边界与下边界比例符合预设条件的边框组合,在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将该边框组合确定为标签边框。
举例来讲,在得到直线之后,从中心向上、下、左、右四个方向各保留4条直线,四个方向总共保留16条直线,这16条直线将产生256种边框组合,在256种边框组合中,将上边界与下边界的比例不接近1:1的边框组合排除,将左边界与右边界的比例不接近1:1的边框组合排除。然后在剩余边框组合中确定每个边框组合的闭合程度,并且确定出闭合程度最大的边框组合,将该边框组合确定为标签边框。
在确定标签边框之后,根据标签边框的4条边界线的直线参数,两两相邻的边界线求交点就可以得到对应的顶点坐标。
进一步,在本发明实施例中,由于顶点坐标是在480的缩小图中,计算得到标签4个顶点坐标,将按照缩放比例放大为原始图像的坐标,同时也会对误差进行放大,其误差放大的倍数与缩放比例有关,所以对顶点坐标进行放大后,在顶点所在边框区域的误差范围内,再进行边缘检测,采用最小二乘法对边缘进行统计,修正边框直线的参数,重新计算顶点,通过该方式可以对顶点坐标进行误差修正,从而保证了顶点坐标的准确性。
S103,根据原始图像中的顶点坐标以及输入图像中的顶点坐标,确定原始图像与输入图像之间的校正参数;
在步骤S102中,在输入图像中确定出各个顶点坐标,此时就可以根据原始图像中顶点坐标以及输入图像中的顶点坐标,建立输入图像与原始图像之间的坐标映射关系。
举例来讲,输入图像中的上、下、左、右顶点坐标分别为:
A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4),
原始图像中的上、下、左、右顶点坐标分别为:
A′(x1′,y1′)、B′(x′2,y′2)、C′(x3′,y3′)、D′(x′4,y′4),
然后根据如下关系式:
其中,x′、y′为原始图像中的顶点坐标,x、y为输入图像中的顶点坐标。
所以将上述顶点坐标对应的带入到上述关系式中,就可以求解出k1、k2、k3、k4、k5、k6、k7。这里的k1、k2、k3、k4、k5、k6、k7作为最终的校正参数。
所以得到校正参数之后,输入图像中的任意坐标带入到上式中就可以得到校正后的坐标。
S104,判断输入图像的尺寸是否大于等于预设尺寸;
在得到校正参数,并且在进行图像校正之前,还需要确定是对输入图像进行正向校正还是逆向校正。在本发明实施例中可以根据图像尺寸来确定,也就是说,当输入图像的尺寸大于预设尺寸时,则执行S105采用正向校正,若是输入图像的尺寸小于预设尺寸时,则执行S106采用逆向校正。
这里需要说明的是,该预设尺寸可以是原始图像的尺寸,当然也可以是其他设定的尺寸。
S105,根据校正参数,对输入图像进行正向校正;
具体来讲,建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
举例来讲,对于正向校正,是将大尺寸图像向小尺寸图像进行映射,如图3所示,因此大尺寸的图像中将有多个像素点映射到小尺寸图像的一个点上。在进行正向校正时,会建立与原始图像尺寸相一致的两个矩阵A和B,矩阵A用于累计映射到原始图像每个点的像素值之和,矩阵B用于累计对应点的映射数量。如图所示,输入图像有4个点映射到原始图像上的1点,像素之和存于矩阵A,映射点数存于B,完成所有点的映射之后,用矩阵A中的每个点的值去除以矩阵B中对应坐标的映射数量,即得到正向校正后每个像素点的值。
S106,根据校正参数,对输入图像进行逆向校正。
对于逆向校正是从大尺寸图像向小尺寸图像进行映射,但是从小尺寸图像取得像素值,填补到大尺寸图像中,因此大尺寸图像上可能有多个像素点映射到小尺寸图像的一个点上。在进行逆向校正时,采用双线性插值法,实现多对一的像素填充。
如图4所示,原始图像上的点P(x,y)经过图像尺寸间的变换关系,映射到输入图像的点P′上,点P′的坐标(x′,y′)可能由小数组成。现已知输入图像上4个像素点ABCD的坐标及像素值,根据双线性插值公式求出P′(x′,y′)的像素值,填充到原始图像中。
双线性插值是由3部分计算组成,这里先将第1部分和第2部分的计算结果临时存在tmp1和tmp2中,再代入第3部分继续计算。设像素值为f。
本技术方案通过正向校正和逆向校正两个方法的并用,保证对于各种情形的输入图像都能够尽可能地快速实现合理的校正,为下一步图像分析提供了有效的保障。
通过本发明实施例中所提供的技术方案,终端在上传原始图像之后,***可以直接对原始图案进行分析,然后对原始图像进行定位和校正,准确而快速,更加智能,因此图像采集的设备不再局限于扫描仪,可以扩展至手机、数码相机等更多设备。
另外,通过该方法可以使校正后的图像即为标准图像,省去了人工旋转以及裁剪的操作,并且处理精度比人工操作有很大的提高,所以***应用范围的得到较大扩展,从而提升了***的实用性。
进一步,对应本发明实施例所提供的方法,本发明实施例中还提供了一种图像校正***,如图5所示为本发明实施例中一种图像校正***的结构示意图,该***包括:
图像预处理模块501,用于在获取终端上传的原始图像时,按照预设缩放条件对所述原始图像进行缩放处理,得到输入图像;
定位模块502,用于确定所述输入图像的各个边界线,并根据所述边界线确定所述输入图像顶点;
校正模块503,用于根据原始图像中的顶点坐标以及所述输入图像的顶点坐标,确定原始图像与所述输入图像之间的校正参数;判定所述输入图像的尺寸是否大于预设尺寸;若是,则根据所述校正参数,对所述输入图像进行正向校正,若否,则根据所述校正参数,对所述输入图像进行逆向校正。
进一步,在本发明实施例中,所述定位模块502,具体用于确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点;根据所述边缘点以及霍夫算法,对处于同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值;若是,则所述直线标记为边界线;若否,则丢弃所述直线。
进一步,在本发明实施例中,所述定位模块502,具体用于以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和;判定差值的绝对值之和是否大于预设阈值;若是,则将所述第一像素点作为边缘点。
进一步,在本发明实施例中,所述定位模块502,具体用于在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,根据确定出的J条边界线,生成对应的边框组合;在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合;在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将所述边框组合确定为标签边框;将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标。
进一步,在本发明实施例中,所述校正模块503,具体用于建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
尽管已描述了本申请的优选实施例,但本领域内的普通技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改,包括采用特定符号、标记确定顶点等变更方式。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种图像校正方法,其特征在于,所述方法包括:
在获取终端上传的原始图像时,按照预设缩放条件对所述原始图像进行缩放处理,得到输入图像;
确定所述输入图像的各个边界线,并根据所述边界线确定所述输入图像顶点;其中,确定所述输入图像的各个边界线,包括:
确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点;
根据所述边缘点以及霍夫算法,对处于同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值;
若是,则所述直线标记为边界线;
若否,则丢弃所述直线;
根据所述边界确定所述输入图像顶点,包括:
在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,其中,J为大于等于2的正整数;
根据确定出的J条边界线,生成对应的边框组合;
在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合;
在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将所述边框组合确定为标签边框;
将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标;
根据原始图像中的顶点坐标以及所述输入图像的顶点坐标,确定原始图像与所述输入图像之间的校正参数;
判定所述输入图像的尺寸是否大于预设尺寸;
若是,则根据所述校正参数,对所述输入图像进行正向校正;
若否,则根据所述校正参数,对所述输入图像进行逆向校正。
2.如权利要求1所述的方法,其特征在于,确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点,包括:
以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和;
判定差值的绝对值之和是否大于预设阈值;
若是,则将所述第一像素点作为边缘点。
3.如权利要求1所述的方法,其特征在于,对所述输入图像进行正向校正,包括:
建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;
在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
4.一种图像校正***,其特征在于,所述***包括:
图像预处理模块,用于在获取终端上传的原始图像时,按照预设缩放条件对所述原始图像进行缩放处理,得到输入图像;
定位模块,用于确定所述输入图像的各个边界线,并根据所述边界线确定所述输入图像顶点;具体用于确定所述输入图像的中心点,并确定所述中心点的四个正方向上的边缘点;根据所述边缘点以及霍夫算法,对处于同一直线上的像素点进行统计,并判断统计的像素点总数是否大于预设阈值;若是,则所述直线标记为边界线;若否,则丢弃所述直线;具体用于在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线,根据确定出的J条边界线,生成对应的边框组合;在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合;在符合预设条件的边框组合中确定出闭合程度最大的边框组合,并将所述边框组合确定为标签边框;将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标;
校正模块,用于根据原始图像中的顶点坐标以及所述输入图像的顶点坐标,确定原始图像与所述输入图像之间的校正参数;判定所述输入图像的尺寸是否大于预设尺寸;若是,则根据所述校正参数,对所述输入图像进行正向校正,若否,则根据所述校正参数,对所述输入图像进行逆向校正。
5.如权利要求4所述的***,其特征在于,所述定位模块,具体用于以确定的中心点向正方向遍历,获取第一像素点与第二像素点之间的RGB差值的绝对值之和;判定差值的绝对值之和是否大于预设阈值;若是,则将所述第一像素点作为边缘点。
6.如权利要求5所述的***,其特征在于,所述校正模块,具体用于建立与原始图像尺寸一致的第一矩阵以及第二矩阵,其中,所述第一矩阵用于累计映射到原始图像中的每个点的像素值之和,所述第二矩阵用于累计对应点的映射数量;在将像素值之和统计到第一矩阵,将像素点统计到第二矩阵时,将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量,得到正向校正的每个像素点的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711043165.7A CN107909544B (zh) | 2017-10-31 | 2017-10-31 | 一种图像校正方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711043165.7A CN107909544B (zh) | 2017-10-31 | 2017-10-31 | 一种图像校正方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107909544A CN107909544A (zh) | 2018-04-13 |
CN107909544B true CN107909544B (zh) | 2021-08-10 |
Family
ID=61842288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711043165.7A Active CN107909544B (zh) | 2017-10-31 | 2017-10-31 | 一种图像校正方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107909544B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805124B (zh) * | 2018-04-18 | 2019-10-18 | 北京嘀嘀无限科技发展有限公司 | 图片处理方法及装置、计算机可读存储介质 |
CN109949249B (zh) * | 2019-03-29 | 2022-11-08 | 珠海丹德图像技术有限公司 | 一种柱面图像校正方法及*** |
CN110356151B (zh) * | 2019-05-28 | 2024-06-25 | 合肥晌玥科技有限公司 | 一种玉石雕刻路径的自动生成方法及装置 |
CN110390339B (zh) * | 2019-07-16 | 2021-11-19 | 北京市计算中心有限公司 | 一种图像校正方法、装置及存储介质 |
CN110764764B (zh) * | 2019-09-16 | 2024-03-01 | 平安科技(深圳)有限公司 | 网页端图像固定拉伸方法、装置、计算机设备及存储介质 |
CN115018868A (zh) * | 2022-05-26 | 2022-09-06 | 贵州大学 | 一种计算机图像边缘检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197004A (zh) * | 2007-12-25 | 2008-06-11 | 深圳矽感科技有限公司 | 一种二维条码及其编解码方法 |
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
CN201741188U (zh) * | 2010-05-05 | 2011-02-09 | 深圳市优视技术有限公司 | 一种保持边缘平滑度的图像自适应缩放的装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4565396B2 (ja) * | 2006-06-29 | 2010-10-20 | 富士ゼロックス株式会社 | 画像処理装置および画像処理プログラム |
US9672510B2 (en) * | 2008-01-18 | 2017-06-06 | Mitek Systems, Inc. | Systems and methods for automatic image capture and processing of documents on a mobile device |
JP6057660B2 (ja) * | 2012-10-19 | 2017-01-11 | アルパイン株式会社 | 車線監視システム及び車線監視方法 |
CN107240064B (zh) * | 2016-03-28 | 2021-04-06 | 展讯通信(天津)有限公司 | 图像校正方法、装置及终端 |
-
2017
- 2017-10-31 CN CN201711043165.7A patent/CN107909544B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197004A (zh) * | 2007-12-25 | 2008-06-11 | 深圳矽感科技有限公司 | 一种二维条码及其编解码方法 |
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
CN201741188U (zh) * | 2010-05-05 | 2011-02-09 | 深圳市优视技术有限公司 | 一种保持边缘平滑度的图像自适应缩放的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107909544A (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909544B (zh) | 一种图像校正方法及*** | |
US10540806B2 (en) | Systems and methods for depth-assisted perspective distortion correction | |
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
CA2867365C (en) | Method, system and computer storage medium for face detection | |
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
CN109474780B (zh) | 一种用于图像处理的方法和装置 | |
US8199202B2 (en) | Image processing device, storage medium storing image processing program, and image pickup apparatus | |
US8953900B2 (en) | Increased quality of image objects based on depth in scene | |
CN110400278B (zh) | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 | |
CN110136083B (zh) | 一种结合交互式的底图更新方法及装置 | |
CN108596837B (zh) | 图像拼接方法、装置、设备和计算机介质 | |
CN106934806B (zh) | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 | |
WO2016009421A1 (en) | Automatic image composition | |
CN111307039A (zh) | 一种物体长度识别方法、装置、终端设备和存储介质 | |
CN109479082A (zh) | 图象处理方法及装置 | |
CN109190617B (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN111292413A (zh) | 图像模型的处理方法及装置、存储介质、电子装置 | |
CN112470192A (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
US20210118104A1 (en) | Image processing | |
CN111932462B (zh) | 图像降质模型的训练方法、装置和电子设备、存储介质 | |
CN111383254A (zh) | 一种深度信息获取方法、***及终端设备 | |
CN109427040B (zh) | 图像处理装置及方法 | |
CN109949249B (zh) | 一种柱面图像校正方法及*** | |
CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
CN112836726B (zh) | 一种基于视频信息的指针类仪表示数读取方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |