一种超广角图像快速畸变矫正方法与流程

本发明属于图像处理
技术领域：
，具体涉及一种超广角图像畸变矫正方法。
背景技术：
：普通镜头的视角大约在30度，而广角镜头的视角一般都在90度至120度，超广角图像甚至达到150度。广角镜头具有比普通镜头更宽的视场，可以在一幅图像中包含更多的信息量，因此在安防监控、工业医疗、智能交通等领域得到了广泛应用。但采用广角镜头的成像系统在提供大范围成像的同时，也带来了比较严重的图像畸变，使得拍摄图像存在某种程度的变形扭曲。这种图像的几何畸变，造成拍摄出的图像与实物不能很好的吻合，不仅影响了图像的视觉效果，更影响着对图像中目标的定位、跟踪、识别等后续处理。因此对广角图像进行畸变矫正，是计算机视觉领域一个重要的研究课题。镜头畸变的矫正方法可从硬件和软件两个角度进行考虑。从硬件角度出发主要是应用性能更好的镜头，以便获得好的感光图像，提高机械加工精度，并且改善装配的质量。但这类方法制造成本较高，操作困难，因而较少采用。从软件角度出发也即采用数字图像处理的方法，利用矫正算法修正畸变图像，是目前常见的矫正方法。这类方法目前基本可分为两种：模板标定法和数学模型法。模板标定法是使用特定的模板，代表理想图像跟畸变图像的映射，这种方法矫正效果精准，但需要标定设备及模板，对于硬件装置要求较高，实现也比较复杂。数学模型法是通过建立成像模型，根据投影不变性原理，将空间曲线映射为图像平面的直线，包括多项式迭代拟合、球面投影模型等。现有的畸变矫正方法大都需要准确的标定设备，针对特定的一个镜头，获得变形的纠正公式，而且使用迭代优化方法，计算量较大。而在应用的商业系统中，可能遇到的问题是：不同的照片来自不同的广角或超广角镜头；不具备对照相机参数进行标定的条件；同时又需要较高的实时处理能力，不能耗费较多的资源，目前的图像畸变矫正方法无法解决这个问题。技术实现要素：本发明针对现有图像畸变矫正方法的不足，提出一种面向超广角图像的快速畸变矫正方法，在原始经度矫正方法上进行改进，对每一个像素点赋予不同的半径值，然后通过半径值进行矫正。一种超广角图像快速畸变矫正方法，其特征在于包括如下步骤：(1)读入原始图像；设原始图像P(x,y)是一个大小为M×N的二维图像，矫正后图像依然是一幅M×N的二维图像，记为Q(x,y)；(2)根据原始图像的大小，确立矫正图像的大小和畸变中心、初始半径；原始图像P(x,y)中心点记为o，设图像中心为畸变中心，以图像中心点o为中心建立直角坐标系，并设置初始半径R0；(3)计算矫正图像的每个像素在原始图像的位置；设矫正图像Q(x,y)的一点为q(xq,yq)，然后计算矫正点q(xq,yq)到中心点o的距离，记为当距离较近时，半径值R略微增大，而当距离较大时，半径值R略微减少，对每一点赋予不同的半径值R；设矫正点q(xq,yq)在原始图像上的对应点为p(xp,yp)，根据经度矫正算法可以得到点p(xp,yp)和q(xq,yq)的对应关系：xp=R2-yp2Rxqyp=yq---(1)]]>(4)通过双线性插值获取该点的颜色信息；通过公式(1)，计算得到在原始图像p(xp,yp)上的坐标，选择该点周围的4个最近整数像素点(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)，通过对这4个点的颜色值加权平均，得到坐标(xp,yp)的颜色值，也即得到矫正图像在点(xq,yq)的颜色值：rgb(xq,yq)=rgb(xp,yp)=[(1-ϵ1)(1-ϵ2)ϵ1(1-ϵ2)(1-ϵ1)ϵ2ϵ1ϵ2]rgb(i,j)rgb(i+1,j)rgb(i,j+1)rgb(i+1,j+1)---(2)]]>其中ε1＝|xp-i|；ε2＝|yp-j|。(5)遍历矫正图像Q(x,y)上的每个坐标，按照步骤(3)和(4)计算其对应的颜色值，得到整幅图像的颜色值，也即得到整个矫正图像Q(x,y)。优选的，所述步骤(2)中的初始半径为图像宽度的1.8倍，即R0＝1.8×N。优选的，所述步骤(3)中的半径值R通过以下公式计算：R＝R0×0.9k(3)其中，表示矫正点q(xq,yq)到中心点o的距离关系，根据这个距离关系对半径值进行微调。本发明提出的面向超广角图像的畸变矫正方法能够以较低的运算复杂度实现对超广角图像进行快速畸变矫正，并得到较好的矫正效果，比较适合各种消费级商业系统的使用。附图说明：图1是球面坐标经度定位的示意图；图2是原始图像和矫正图像的坐标变换示意图；图3是本发明方法的流程图。具体实施方式：下面结合附图对本发明做进一步说明。经度矫正算法由Mundhenk首先提出，是典型的2D图像校正算法，该算法主要根据鱼眼镜头的成像特征，以球面的经线近似表示鱼眼图像的扭曲变形。经度越大的经线，其扭曲程度越大。其扭曲的场景可以用图1中经度来表示，即一条经度上的所有像素点在扭曲校正过的图像中具有相同的列坐标值，如图1(a)中a(xa,ya)和b(xb,yb)在同一经度曲线上，该经度曲线上的点对应的矫正点都在直线L上，记a(xa,ya)和b(xb,yb)点对应的矫正点分别为a′(x′,ya)和b′(x′,yb)，可以看到，点a(xa,ya)和其矫正点a′(x′,ya)拥有相同的行坐标，且两个矫正点a′(x′,ya)和b′(x′,yb)有相同的列坐标。如图1(b)所示，对于图中垂直方向上任意一点像素坐标，从球面的左边界到右边界的角度差都是相等的，且与之对应的线段在x轴方向上均匀分割经度，使得不同的经度间x方向上的距离相等。根据坐标比例关系由b(xb,yb)点可求得a(xa,ya)点的横坐标，公式如下：其中R表示球面的半径，D表示过点b与x轴平行的线段的长度，原始的经矫正算法复杂度较低，只适用于确定圆形区域的鱼眼图像，超广角镜头视角低于鱼眼镜头的视角，并不满足圆形成像的条件。但是超广角图像的畸变和鱼眼图像有相似之处，都满足以光心为中心的对称畸变，畸变程度只与该点和中心的距离有关，像点距中心越远，形变越大。针对这种情况，本发明提出一种改进的矫正方法，设原始图像P(x,y)是一个大小为M×N的二维图像，矫正后图像依然是一幅M×N的二维图像，记为Q(x,y)。原始图像P(x,y)中心点记为o，我们假设图像中心与光学中心重合，也即图像中心为畸变中心。如图2所示，以图像中心点o为中心建立直角坐标系，任取原始图像P(x,y)上的一点p(xp,yp)，过该点的经度曲线与x轴相交于点r(xr,yr)，过点p与x轴平行的直线1和过点r与x轴平行的直线2相交于一点，即点p对应的矫正点，记为q(xq,yq)，因此，点r(xr,yr)和q(xq,yq)有以下关系：点p(xp,yp)和q(xq,yq)有以下关系：yp＝yq(公式3)根据公式1，点r(xr,yr)和p(xp,yp)有以下关系：对公式2、3、4联合求解，可以得到点p(xp,yp)和q(xq,yq)的对应关系：可以看到，原始点和矫正点的对应关系和半径R有关，原始的经度矫正算法采用一个固定的半径R，所有点都采用这个R，为了更好的适应不同位置的畸变程度，本发明采用一种改进的经度矫正算法，根据每个矫正点所处的位置不同，给它们分配不同的半径值，首先确定畸变中心和初始半径，根据畸变程度以图像中心点对称分布，确定图像中心为畸变中心。初始半径的大小,通过实验验证，初始半径为图像宽度的1.8倍较为合适，也即R0＝1.8×N。然后计算矫正点q(xq,yq)到中心点o的距离，记为通过以下公式计算新的半径值：R＝R0×0.9k(公式6)其中，表示矫正点q(xq,yq)到中心点o的距离关系，根据这个距离关系对半径值进行微调，当距离较近时，半径值略微增大，而当距离较大时，半径值略微减小，这种微调方式能够更好的拟合图像的畸变程度，使的矫正达到更好的效果。根据公式5和公式6，我们可以计算矫正图像Q(x,y)的所有像素点在原始图像P(x,y)上对应的位置，然而计算出的位置可能会得到非整数值。因为原始图像P(x,y)是数字图像，它的像素值仅仅定义在整数坐标，也即在非整数值没有灰度定义。所以需要基于整数位置坐标的灰度值去推断那些位置的灰度值。考虑时间和效果的平衡，本发明采用双线性插值方法来解决这个问题。具体步骤如下：设矫正图像Q(x,y)的一点坐标为(xq,yq)，通过公式5和公式6，计算得到在原始图像P(x,y)上的坐标为(xp,yp)，该坐标(xp,yp)可能不是整数值，选择该点周围的4个最近整数像素点(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)，通过对这4个点的颜色值加权平均，得到坐标(xp,yp)的颜色值，也即得到矫正图像在点(xq,yq)的颜色值：其中ε1＝|xp-i|；ε2＝|yp-j|。本发明提出的面向超广角图像的畸变矫正方法，如图3所示，整个流程如下：1、根据原始图像的大小，确立矫正图像的大小、畸变中心和初始半径；2、任取矫正图像上一点，通过公式6计算对应的半径值，然后通过公式5计算在原始图像上的坐标，最后对坐标进行双线性插值，得到该点的颜色值；3、遍历矫正图像上的每个点，按照步骤2计算其对应的颜色值，得到整幅图像的颜色值，也即得到整个矫正图像。以上对本发明提供的一种带超广角图像快速畸变矫正方法进行了详细介绍，以上的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，还可做出若干简单推演或替换，都应当视为属于本发明提交的权利要求书确定的保护范围。当前第1页1 2 3