CN115147389A - 图像处理方法、设备以及计算机可读存储介质 - Google Patents
图像处理方法、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115147389A CN115147389A CN202210846898.9A CN202210846898A CN115147389A CN 115147389 A CN115147389 A CN 115147389A CN 202210846898 A CN202210846898 A CN 202210846898A CN 115147389 A CN115147389 A CN 115147389A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- coordinates
- point
- convex hull
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 72
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000001788 irregular Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数字图像处理技术领域,尤其涉及一种图像处理方法、设备以及计算机可读存储介质,其中,所述方法包括:确定原始图像中的各个目标连通区域的像素坐标,并根据像素坐标确定凸包点;根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量;根据第一向量和第二向量之间的夹角,确定图卡角点;基于图卡角点的坐标,确定原始图像的仿射变换逆矩阵,并根据仿射变换逆矩阵和原始图像生成目标图像。通过对原始图像做凸包提取,并从凸包中筛选出图卡角点,基于图卡角点对原始图像做仿射逆变换,生成消除了仿射变换的目标图像,提升了图像处理效率,解决了如何还原发生仿射变换的标定图卡图像的问题。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种图像处理方法、设备以及计算机可读存储介质。
背景技术
相机标定是图像处理技术中的一种常见手段,相机标定通常是为了建立物体从三维世界到成像平面上各坐标点的对应关系。
在相机标定过程中,由于采集的相机和图卡之间可能存在一定角度,会导致图卡在采集过程中出现仿射变换,即原本是标准矩形的图卡在相机采集到的图片中形变成了不规则的四边形,这种变换会影响到后续相机标定的准确性。
传统的仿射变换的还原方式是将每个标定图卡图像的点和实际的标定图卡上的点一一对应,再对图像进行仿射逆变换,从而还原出与实际的标定图卡形状一致的图像,在实际的工业应用中存在计算过程繁琐,耗时多等问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种图像处理方法,旨在解决如何还原发生仿射变换的标定图卡图像的问题。
为实现上述目的,本发明提供的一种图像处理方法,所述图像处理方法包括:
确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点;
根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,所述第二凸包点与所述第三凸包点为所述第一凸包点的相邻凸包点;
根据所述第一向量和所述第二向量之间的夹角,确定图卡角点;
基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像。
可选地,所述根据所述像素坐标确定凸包点包括:
确定所述目标连通区域对应的像素点对应的像素坐标;
确定所述目标连通区域中的所述像素坐标对应的坐标均值,并将所述坐标均值作为所述目标连通区域对应的中心坐标;
将所述目标连通区域的所述中心坐标对应的像素点,作为所述凸包点。
可选地,所述根据所述第一向量和所述第二向量之间的夹角,确定图卡角点的步骤包括:
获取预设角度阈值;
根据所述第一向量和所述第二向量之间的夹角,确定所述凸包点的角度;
根据所述凸包点的角度以及所述预设角度阈值,确定所述图卡角点。
可选地,所述根据所述第一向量和所述第二向量之间的夹角,确定图卡角点的步骤之后,还包括:
根据所述图卡角点的坐标确定所述图卡角点的排序规则;
根据所述图卡角点排序规则,对所述图卡角点进行排序。
可选地,所述基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像的步骤之前,还包括:
获取所述标定图卡的坐标,所述标定图卡的坐标为所述标定图卡在实际场景中的坐标;
计算所述图卡角点的坐标对应的齐次坐标矩阵;
将所述齐次坐标矩阵做归一化处理,得到所述图卡角点的横轴坐标方程和纵轴坐标方程;
根据每一所述图卡角点的坐标、所述标定图卡的坐标以及每一所述图卡角点对应的所述横轴坐标方程和所述纵轴坐标方程,确定所述仿射变换矩阵。
可选地,所述基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像的步骤包括:
通过矩阵逆变换,确定所述仿射变换矩阵对应的所述仿射变换逆矩阵;
根据所述仿射变换逆矩阵和所述图卡角点的坐标,确定目标图卡角点的坐标,所述目标图卡角点的坐标为所述标定图卡的坐标在所述原始图像中的映射坐标;
基于所述目标图卡角点的坐标,确定所述目标图像。
可选地,所述确定原始图像中的各个目标连通区域的像素坐标包括:
获取所述原始图像中每一像素点的像素值,以及获取预设像素阈值;
根据每一所述像素点的像素值和所述预设像素阈值,确定所述目标连通区域;
获取所述目标连通区域的所述像素坐标。
可选地,所述确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点的步骤之前,还包括:
将采集到的标定图卡图像进行二值化处理,得到所述标定图卡图像对应的二值化图像;
提取所述二值化图像中连通区域的坐标,长宽比和/或面积;
获取参考坐标、参考长宽比和/或参考面积;
将所述二值化图像中与所述参考坐标、所述参考长宽比和/或所述参考面积不匹配的所述连通区域,作为形状不规则的连通区域;
剔除所述形状不规则的连通区域,得到所述原始图像。
此外,为实现上述目的,本发明还提供一种图像处理设备,所述图像处理设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像处理程序,所述图像处理程序被所述处理器执行时实现如上所述的图像处理方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像处理程序,所述图像处理程序被所述处理器执行时实现如上所述的图像处理方法的步骤。
本发明实施例提供一种图像处理方法、设备以及计算机可读存储介质,所述方法包括:确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点;根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,所述第二凸包点与所述第三凸包点为所述第一凸包点的相邻凸包点;根据所述第一向量和所述第二向量之间的夹角,确定图卡角点;基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像。通过对原始图像中的目标连通区域做凸包提取,并从凸包中筛选出需要的图卡角点,对图卡角点做仿射逆变换,得到消除了仿射变换的目标图卡角点,最后根据目标图卡角点的坐标生成消除了仿射变换的目标图像,提升了图像处理效率,解决了如何还原发生仿射变换的标定图卡图像的问题。
附图说明
图1为本发明实施例涉及的图像处理设备的硬件架构示意图;
图2为本发明图像处理方法的第一实施例的流程示意图;
图3为本发明一具体实施方式中原始图像的示意图;
图4为本发明一具体实施方式中标定图卡图像的凸包提取的示意图;
图5为本发明一具体实施方式中目标图像的示意图;
图6为本发明图像处理方法的第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,本发明的附图中显示了本发明的示例性实施例,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
作为一种实现方案,图像处理设备可以如图1所示。
本发明实施例方案涉及的是图像处理设备,所述图像处理设备包括:处理器101,例如CPU,存储器102,通信总线103。其中,通信总线103用于实现这些组件之间的连接通信。
存储器102可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。如图1所示,作为一种计算机可读存储介质的存储器102中可以包括图像处理程序;而处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点;
根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,所述第二凸包点与所述第三凸包点为所述第一凸包点的相邻凸包点;
根据所述第一向量和所述第二向量之间的夹角,确定图卡角点;
基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
确定所述目标连通区域对应的像素点对应的像素坐标;
确定所述目标连通区域中的所述像素坐标对应的坐标均值,并将所述坐标均值作为所述目标连通区域对应的中心坐标;
将所述目标连通区域的所述中心坐标对应的像素点,作为所述凸包点。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
获取预设角度阈值;
根据所述第一向量和所述第二向量之间的夹角,确定所述凸包点的角度;
根据所述凸包点的角度以及所述预设角度阈值,确定所述图卡角点。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
根据所述图卡角点的坐标确定所述图卡角点的排序规则;
根据所述图卡角点排序规则,对所述图卡角点进行排序。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
获取所述标定图卡的坐标,所述标定图卡的坐标为所述标定图卡在实际场景中的坐标;
计算所述图卡角点的坐标对应的齐次坐标矩阵;
将所述齐次坐标矩阵做归一化处理,得到所述图卡角点的横轴坐标方程和纵轴坐标方程;
根据每一所述图卡角点的坐标、所述标定图卡的坐标以及每一所述图卡角点对应的所述横轴坐标方程和所述纵轴坐标方程,确定所述仿射变换矩阵。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
通过矩阵逆变换,确定所述仿射变换矩阵对应的所述仿射变换逆矩阵;
根据所述仿射变换逆矩阵和所述图卡角点的坐标,确定目标图卡角点的坐标,所述目标图卡角点的坐标为所述标定图卡的坐标在所述原始图像中的映射坐标;
基于所述目标图卡角点的坐标,确定所述目标图像。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
获取所述原始图像中每一像素点的像素值,以及获取预设像素阈值;
根据每一所述像素点的像素值和所述预设像素阈值,确定所述目标连通区域;
获取所述目标连通区域的所述像素坐标。
在一实施例中,处理器101可以用于调用存储器102中存储的图像处理程序,并执行以下操作:
将采集到的标定图卡图像进行二值化处理,得到所述标定图卡图像对应的二值化图像;
提取所述二值化图像中连通区域的坐标,长宽比和/或面积;
获取参考坐标、参考长宽比和/或参考面积;
将所述二值化图像中与所述参考坐标、所述参考长宽比和/或所述参考面积不匹配的所述连通区域,作为形状不规则的连通区域;
剔除所述形状不规则的连通区域,得到所述原始图像。
基于上述基于数字图像处理技术的图像处理设备的硬件架构,提出本发明图像处理方法的实施例。
在相机标定过程,需要识别图像上的标定图卡图像,但是由于拍摄的标定图卡图像和实际的标定图卡之间存在一定的偏移角度,会导致图卡在拍摄后发生了仿射变换,造成原本是标准矩形的标定图卡在标定图卡图像中变形,因此需要对拍摄图片进行批量仿射变换还原。
参照图2,在第一实施例中,所述图像处理方法包括以下步骤:
步骤S10,确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点;
在本实施例中,首先确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点。连通区域(Connected Component)一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。原始图像为采集到的标定图卡图像进行预处理后,剔除了干扰区域的图像。
参照图3,图3为一具体实施方式中原始图像示意图,原始图像中的连通区域包括白色圆点和黑色区域,对于机器而言,不仅每一个白色圆点都会被机器识别为连通区域,黑色的区域也会被识别为连通区域,然而,在本实施例中需要处理的部分为9*12的白色圆点构成的圆点矩阵,对于圆点矩阵以外的连通区域不做处理,因此,在这一步骤中,还需要从原始图像中选取需要处理的连通区域,作为目标连通区域。
由于原始图像为二值化图像,图像中的像素值只包含255(即白色)和0(黑色)两个值,因此,可以通过设定一个像素阈值,只选取连通区域中符合该像素阈值的区域作为目标连通区域。示例性地,可以设定像素阈值为255,将连通区域中像素值为255的区域,作为目标连通区域,如图3所示,每个白色圆点即为一个目标连通区域。
在确定出目标连通区域之后,调用OpenCV库中获取坐标的相关函数,获取到目标连通区域中各个像素点的像素坐标,并根据像素坐标确定出原始图像中的凸包点。凸包点是原始图像中的各个目标连通区域构成的最小凸包上的点,凸包(Convex Hull)是一种几何图形的概念,定义为将图形最外层的点连接起来构成的凸多边形,它能包含点集中所有的点。凸包点位于凸多边形的最***,而标定图卡的整体形状通常都为凸多边形(如矩形)。因此在本实施例中,通过确定出凸包点的方式,使机器可以识别出所有目标连通区域构成的最小凸多边形的边界,即标定图卡图像的边界。
可选地,将每个目标连通区域中的所有像素坐标中的横坐标、纵坐标分别对应相加再求均值,即可得到一个目标连通区域的中心坐标,中心坐标即可作为一个凸包点。
示例性地,调用OpenCV库函数中的cv2.connectedComponentsWithStats函数,获取到每一目标连通区域的中心坐标,再调用cv2.convexHull函数,将每一目标连通区域的中心坐标作为输入量,输出得到各个目标连通区域构成的最小凸包,即标定图卡图像的边界,参照图4,图4为基于图3进行凸包提取后得到的标定图卡图像的边界示意图。
步骤S20,根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,所述第二凸包点与所述第三凸包点为所述第一凸包点的相邻凸包点;
步骤S30,根据所述第一向量和所述第二向量之间的夹角,确定图卡角点;
在确定出凸包之后,需要针对凸包上的凸包点进行筛选。对于存在仿射变换的标定图卡图像(即本实施例中的标定图卡图像),通过提取出标定图卡图像中的四个图卡角点,将四个图卡角点作为相机标定过程中相机采集到的标定图卡图像的特征信息,与实际的标定图卡的特征信息之间进行关联,得到一个能够反映标定图卡图像和标定图卡之间的映射关系,从而基于该映射关系完成相机标定。仿射变换是将一个平面的点映射到另一个平面内的二维投影。仿射变换保持了二维图形的“平直性”,即原来是直线的地方还是直线。仿射变换具有很强的实用性,比如图像配准、图像纠正和纹理纠正,以及创建全景图像等。需要说明的是,传统的相机标定方式中,对于存在仿射变换的图像,需要将每个标定图卡图像的点和实际的标定图卡上的点一一对应,再对图像进行仿射逆变换,从而还原出与实际的标定图卡形状一致的图像,相较于传统的仿射变换还原方式,本实施例中只需找到4对变换前和变换后的点,即可完成仿射变换还原,且其他需要进行仿射变换还原的场景也可适用。
针对原始图像上的凸包,设定一个凸包点作为第一凸包点,其相邻的两个点分别为第二凸包点和第三凸包点,根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,再根据第一向量和第二向量之间的夹角,筛选出原始图像中的图卡角点。
示例性地,设定第一凸包点为P0,第二凸包点为P1,第三凸包点为P2,第一向量V1=P1-P0,第二向量V2=P2-P0,计算V1和V2之间的夹角d0;
d0即作为P0的角度。
基于此,依次计算凸包中每一个凸包点的角度dn=1,2,3,4...;
将每一个凸包点的角度和预设的角度区间进行对比,以矩形图卡为例,图卡有四个角,每个角为90度,因此在凸包的点上,仅有四个点的角度接近90度,其余点都在边上,角度接近180度,即角度阈值设为90度。
考虑到实际图像处理过程中的误差值,可以在角度阈值上加上一个K值,将角度值小于90-K以及大于90+K的凸包点剔除,得到的点即为最接近90度的四个点,作为图卡角点。
可选的,在确定图卡角点之后,还要对图卡角点进行排序。由于得到图卡角点之后,仅根据图卡角点的坐标不能直接还原出与标定图卡的形状一致的图像,因此,可以根据标定图卡的形状设定图卡角点的排序规则,根据排序规则来对图卡角点进行排序,使得机器能够根据图卡角点排序顺序,以及图卡角点的坐标,连接生成与标定图卡形状一致的图像。
示例性地,假设标定图卡为矩形,获取到的图卡角点的坐标分别为[400,1600],[400,1000],[1600,1000],[1600,1600],四个坐标对应的排序顺序分别为1、2、3、4,机器在后续的图像生成中,即按照1、2、3、4的顺序,逆时针连接四个图卡角点,得到的图像也为一个矩形。
步骤S40,基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换矩阵和所述原始图像生成目标图像;
进一步的,基于图卡角点的坐标确定原始图像的仿射变换逆矩阵,并根据仿射变换逆矩阵和原始图像生成目标图像。
仿射变换逆矩阵是将仿射变换矩阵通过逆求解得到的仿射变换矩阵对应的逆矩阵。仿射变换矩阵将图卡角点的坐标通过线性变换,生成齐次坐标矩阵,再通过归一化的方式,得到图卡角点的横轴坐标方程和纵轴坐标方程;然后,将每一图卡角点的坐标、标定图卡的坐标以及每一图卡角点对应的横轴坐标方程和纵轴坐标方程,确定所述标定图卡和所述标定图卡图像之间的仿射变换矩阵H,再将仿射变换矩阵H做一次矩阵逆变换,得到仿射变换逆矩阵H-1,根据H-1建立标定图卡和原始图像之间的映射关系函数:
X=H-1*X′
其中,X′为原始图像上的图卡角点坐标,X为仿射变换还原后的坐标(即表征为实际场景中的标定图卡的坐标在原始图像中的坐标系中的映射坐标)。
根据仿射变换还原后的坐标X,生成目标图像,目标图像为将初始图像进行仿射变换还原处理后得到的图像,参照图5,图5为一具体实施方式中,基于图4中的图像得到的目标图像的示意图。
在本实施例提供的技术方案中,通过对原始图像中的目标连通区域做凸包提取,并从凸包中筛选出需要的图卡角点,对图卡角点做仿射逆变换,得到消除了仿射变换的目标图卡角点,最后根据目标图卡角点的坐标生成消除了仿射变换的目标图像,整个图像处理过程中,只需要用到较为简单的线性运算和几何运算,提升了图像处理效率。
参照图6,在第二实施例中,基于第一实施例,所述步骤S10之前,还包括:
步骤S50,将采集到的标定图卡图像进行二值化处理,得到所述标定图卡图像对应的二值化图像;
步骤S60,提取所述二值化图像中连通区域的坐标,长宽比和/或面积;
步骤S70,获取参考坐标、参考长宽比和/或参考面积;
步骤S80,将所述二值化图像中与所述参考坐标、所述参考长宽比和/或所述参考面积不匹配的所述连通区域,作为形状不规则的连通区域;
步骤S90,剔除所述形状不规则的连通区域,得到所述原始图像。
可选地,本实施例提供一种确定原始图像的方式。在本实施例中,对拍摄到的标定图卡图像进行预处理,以获取到标定图卡图像中的特征信息,特征信息包括但不限于标定图卡图像中的连通区域信息,连通区域(Connected Component)一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域,连通区域信息包括但不限于连通区域的坐标、长宽比以及面积。可选地,标定图卡图像可以是彩色图像,也可以是进行像素处理后的灰度图像。需要说明的是,采集到的标定图卡图像,是与实际的标定图卡之间存在一定角度偏差的图像。
预处理可以是剔除标定图卡图像中的不规则区域。在一些实施方式中,首先对标定图卡图像进行二值化处理,示例性地,二值化处理可以通过OpenCV(一个开源的计算机视觉框架软件)中的cv2.threshold函数对图像进行二值化处理,得到标定图卡图像对应的二值化图像;接着,提取二值化图像的连通区域,示例性地,连通区域可以通过连通域分析算法来确定,可以通过两次遍历(Two-Pass)法或者种子填充(Seed-Filling)法等常见算法来得到;然后,从连通区域中提取连通区域坐标,长宽比和/或面积,示例性地,通过将图像输入OpenCV中,使用OpenCV自带的API软件包,来确定出连通区域,并获取到连通区域的特征信息,包括但不限于坐标、长、宽以及面积等信息;再然后,获取作为规则区域的特征信息的参考坐标、参考长宽比和/或参考面积的等参考特征信息。需要说明的是,规则区域可以是预先由开发人员确定出的区域,也可以是通过输出一连通区域的选择界面,通过所述选择界面选择标定图卡图像中的特定连通区域作为目标连通区域;再下一步,将二值化图像中与参考坐标、参考长宽比和/或参考面积与每一连通区域进行遍历匹配操作,将与前述的参考特征信息不匹配的连通区域,作为形状不规则的连通区域;最后,剔除形状不规则的连通区域,即可得到保留规则形状的连通区域的原始图像。
在本实施例提供的技术方案中,通过对采集到的标定图卡图像做预处理,得到仅保留规则形状的连通区域的原始图像,便于后续的仿射变换还原处理,提升了图像处理效率。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有图像处理程序,所述图像处理程序被处理器执行时实现如上实施例所述的图像处理方法的各个步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点;
根据第一凸包点与第二凸包点的坐标确定第一向量,以及根据第一凸包点与第三凸包点确定第二向量,所述第二凸包点与所述第三凸包点为所述第一凸包点的相邻凸包点;
根据所述第一向量和所述第二向量之间的夹角,确定图卡角点;
基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述根据所述像素坐标确定凸包点包括:
确定所述目标连通区域对应的像素点对应的像素坐标;
确定所述目标连通区域中的所述像素坐标对应的坐标均值,并将所述坐标均值作为所述目标连通区域对应的中心坐标;
将所述目标连通区域的所述中心坐标对应的像素点,作为所述凸包点。
3.如权利要求1所述的图像处理方法,其特征在于,所述根据所述第一向量和所述第二向量之间的夹角,确定图卡角点的步骤包括:
获取预设角度阈值;
根据所述第一向量和所述第二向量之间的夹角,确定所述凸包点的角度;
根据所述凸包点的角度以及所述预设角度阈值,确定所述图卡角点。
4.如权利要求1所述的图像处理方法,其特征在于,所述根据所述第一向量和所述第二向量之间的夹角,确定图卡角点的步骤之后,还包括:
根据所述图卡角点的坐标确定所述图卡角点的排序规则;
根据所述图卡角点排序规则,对所述图卡角点进行排序。
5.如权利要求1所述的图像处理方法,其特征在于,所述基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像的步骤之前,还包括:
获取标定图卡的坐标,所述标定图卡的坐标为所述标定图卡在实际场景中的坐标;
计算所述图卡角点的坐标对应的齐次坐标矩阵;
将所述齐次坐标矩阵做归一化处理,得到所述图卡角点的横轴坐标方程和纵轴坐标方程;
根据每一所述图卡角点的坐标、所述标定图卡的坐标以及每一所述图卡角点对应的所述横轴坐标方程和所述纵轴坐标方程,确定所述仿射变换矩阵。
6.如权利要求5所述的图像处理方法,其特征在于,所述基于所述图卡角点的坐标,确定所述原始图像的仿射变换逆矩阵,并根据所述仿射变换逆矩阵和所述原始图像生成目标图像的步骤包括:
通过矩阵逆变换,确定所述仿射变换矩阵对应的所述仿射变换逆矩阵;
根据所述仿射变换逆矩阵和所述图卡角点的坐标,确定目标图卡角点的坐标,所述目标图卡角点的坐标为所述标定图卡的坐标在所述原始图像中的映射坐标;
基于所述目标图卡角点的坐标,确定所述目标图像。
7.如权利要求1所述的图像处理方法,其特征在于,所述确定原始图像中的各个目标连通区域的像素坐标包括:
获取所述原始图像中每一像素点的像素值,以及获取预设像素阈值;
根据每一所述像素点的像素值和所述预设像素阈值,确定所述目标连通区域;
获取所述目标连通区域的所述像素坐标。
8.如权利要求1所述的图像处理方法,其特征在于,所述确定原始图像中的各个目标连通区域的像素坐标,并根据所述像素坐标确定凸包点的步骤之前,还包括:
将采集到的标定图卡图像进行二值化处理,得到所述标定图卡图像对应的二值化图像;
提取所述二值化图像中连通区域的坐标,长宽比和/或面积;
获取参考坐标、参考长宽比和/或参考面积;
将所述二值化图像中与所述参考坐标、所述参考长宽比和/或所述参考面积不匹配的所述连通区域,作为形状不规则的连通区域;
剔除所述形状不规则的连通区域,得到所述原始图像。
9.一种图像处理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像处理程序,所述图像处理程序被所述处理器执行时实现如权利要求1至8中任一项所述的图像处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像处理程序,所述图像处理程序被处理器执行时实现如权利要求1至8中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846898.9A CN115147389A (zh) | 2022-07-19 | 2022-07-19 | 图像处理方法、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846898.9A CN115147389A (zh) | 2022-07-19 | 2022-07-19 | 图像处理方法、设备以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147389A true CN115147389A (zh) | 2022-10-04 |
Family
ID=83411831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210846898.9A Pending CN115147389A (zh) | 2022-07-19 | 2022-07-19 | 图像处理方法、设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147389A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及*** |
CN108920992A (zh) * | 2018-08-08 | 2018-11-30 | 长沙理工大学 | 一种基于深度学习的医药标签条码的定位与识别方法 |
CN112614194A (zh) * | 2021-01-29 | 2021-04-06 | 北京经纬恒润科技股份有限公司 | 一种图像采集设备的数据处理方法、***及装置 |
CN112866689A (zh) * | 2021-02-18 | 2021-05-28 | 歌尔科技有限公司 | 一种基于sfr算法的光学调焦方法 |
-
2022
- 2022-07-19 CN CN202210846898.9A patent/CN115147389A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及*** |
CN108920992A (zh) * | 2018-08-08 | 2018-11-30 | 长沙理工大学 | 一种基于深度学习的医药标签条码的定位与识别方法 |
CN112614194A (zh) * | 2021-01-29 | 2021-04-06 | 北京经纬恒润科技股份有限公司 | 一种图像采集设备的数据处理方法、***及装置 |
CN112866689A (zh) * | 2021-02-18 | 2021-05-28 | 歌尔科技有限公司 | 一种基于sfr算法的光学调焦方法 |
Non-Patent Citations (1)
Title |
---|
周斌: "智能辅助驾驶***中路牌汉字识别算法的研究和安卓端实现", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, no. 7, 15 July 2018 (2018-07-15), pages 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114971A (zh) * | 2023-08-01 | 2023-11-24 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
CN117114971B (zh) * | 2023-08-01 | 2024-03-08 | 北京城建设计发展集团股份有限公司 | 一种像素图向矢量图转换方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1843294B1 (en) | Motion vector calculation method, hand-movement correction device using the method, imaging device, and motion picture generation device | |
US8494297B2 (en) | Automatic detection and mapping of symmetries in an image | |
US8526731B2 (en) | Hough transform method for linear ribbon and circular ring detection in the gradient domain | |
JP2016513320A (ja) | 少なくとも1つの追加イメージを用いたイメージ改善及びエッジ検証のための方法及び装置 | |
EP3067858B1 (en) | Image noise reduction | |
US9767383B2 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
EP3067863B1 (en) | Image noise reduction | |
CN113744142B (zh) | 图像修复方法、电子设备及存储介质 | |
CN114143528A (zh) | 多视频流融合方法、电子设备、存储介质 | |
CN111681160B (zh) | 曲面图像的还原方法、装置、设备及可读存储介质 | |
CN110443245A (zh) | 一种非限制场景下的车牌区域的定位方法、装置及设备 | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
CN115147389A (zh) | 图像处理方法、设备以及计算机可读存储介质 | |
US20120038785A1 (en) | Method for producing high resolution image | |
CN113298187A (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN110298797B (zh) | 一种基于卷积神经网络的毫米波图像处理方法 | |
CN112435283A (zh) | 图像的配准方法、电子设备以及计算机可读存储介质 | |
CN116777769A (zh) | 畸变图像的校正方法及装置、电子设备、存储介质 | |
CN111753573B (zh) | 二维码图像识别方法、装置、电子设备以及可读存储介质 | |
CN115034988A (zh) | 一种基于rgbd相机的两阶段主体点云滤波方法 | |
CN113850100A (zh) | 一种校正二维码的方法和装置 | |
CN115115606A (zh) | 图像坐标匹配方法、终端以及计算机可读存储介质 | |
CN110310235B (zh) | 眼底图像处理方法、装置及设备和存储介质 | |
CN113628142B (zh) | 一种基于相似模拟的图片清晰化处理*** |
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 |