一种镜头畸变校正方法
【专利摘要】本发明公开了一种镜头畸变校正方法，其特征在于，包括如下步骤：提供一个校正图像，所述校正图像为一矩形网格图，用待校正的镜头读取所述校正图像，产生所述校正图像的摄影图像，在摄影图像中建立二维坐标系，在校正图像中建立二维坐标系，在摄影图像中，选取基准点，计算每个基准点的半径，在校正图像中，选取基准点，计算每个基准点的半径，根据畸变量，通过多项式函数拟合的方式得到校正系数对于摄影图像中的任意一个格点，获取其坐标，计算其到格点的半径，根据校正系数，得到格点校正后的理论半径最终得到格点校正后的坐标。本发明能够实现将镜头的切向畸变和径向畸变进行统一，从而最大限度地减小镜头图像畸变的程度。
【专利说明】一种镜头畸变校正方法
【技术领域】
[0001]本发明涉及一种校正方法，具体涉及一种镜头畸变校正方法。
【背景技术】
[0002]普通光学镜头在成像的时候一般会存在一定程度的畸变,具体表现可分为两种情况:枕形畸变及桶形畸变。由于畸变的存在，当镜头对准一个矩形进行拍摄时，成像不再是矩形，而是如附图1所示的形状。如图1中分别给出了呈矩形的正常图像、正常图像畸变后形成的呈枕形的枕形形变、正常图像畸变后形成的呈桶形的桶形形变。大多数的情况下，人脑能对其进行自动校正，基本不会影响人对事物的感知，但对于计算机及很多软件而言，这就会导致一些数据的偏差，因此有必要对畸变的图像进行适当校正。
[0003]现有的补偿图像畸变的方法，如申请日为1998年11月26日的中国专利98122712.0，都是先读取一个校正片，此校正片具有预定量的黑白相间条纹，黑条纹的精确位置为已知。校正片读取后，可得相应的预定量黑白相间条纹，经判断计算可得黑条纹位置。然后，计算该预定量黑白相间条纹的精确位置与图像读取后计算位置的插值，即得各基准点的给变量。将各基准点的畸变量存入存储器中结束校正片读取程序。每次进行图像读取时，存于存储器中的各给变量被去，以修正光学系统造成的图像畸变。
[0004]但是，现有的上述方法存在一定的问题。首先，它计算黑白条纹后得到的只是几个基准点的畸变量，然后根据这几个基准点的给变量对相应的图像信息进行校正。因此，这种校正方法并不是对图像的每个点都进行畸变校正，这种畸变校正的效果不是很准确，并不能得到完全符合要求的校正图像；其次，要解决光学系统畸变的问题，最根本的途径在于，对畸变的产生建立一个严格的数学模型，在此基础上研究其产生的原因并找到解决办法，现有技术并不不是采用建立一个严格的数学模型来解决技术问题，因此不能实现对畸变的图像的精确校正。
【发明内容】
[0005]为解决现有技术的不足，本发明的目的在于提供一种镜头畸变校正方法。
[0006]为了实现上述目标，本发明采用如下的技术方案:
[0007]一种镜头畸变校正方法，其特征在于，包括如下步骤:
[0008]步骤一:提供一个校正图像，所述校正图像为一矩形网格图，所述矩形网格图上设置有多条横向网格线以及多条纵向网格线，横向网格线和纵向网格线相互交叉的交叉点构成一个格点，格点之间均匀分布；
[0009]步骤二:用待校正的镜头读取所述校正图像，产生所述校正图像的摄影图像，所述摄影图像上具有多条横向网线以及多条纵向网线，横向网线和纵向网线相互交叉的交叉点构成一个格点，每条横向网线唯一对应于一条横向网格线，每条纵向网线唯一对应于一条纵向网格线；
[0010]步骤三:在摄影图像中，选取畸变程度最小的横向网线作为横轴X，选取畸变程度最小的纵向网线作为纵轴Y，将横轴X和纵轴Y相互交叉构成的格点P作为原点建立二维坐标系;
[0011]步骤四:在校正图像中，选取与横轴X对应的横向网格线作为横轴X，选取与纵轴Y对应的纵向网格线作为纵轴y，选取横轴X和纵轴y相互交叉构成的格点p作为原点建立二维坐标系，横轴X和横轴X的方向一致,纵轴y和纵轴Y的方向一致；
[0012]步骤五:在摄影图像中，选取i+1个格点P，Q1, Q2, Q3,…仏作为基准点，获取任一格点Qk的坐标(Xk，Yk),计算格点Qk到格点P的半径Rk，k, i为正整数，k ≤i < j ；
[0013]步骤六:在校正图像中，选取i + 1个格点p，qi, q2, q3,…Qi作为基准点，获取任一格点qk的坐标(xk, yk),计算格点qk到格点P的半径rk,格点qk和格点Qk相互对应,k, i为正整数，k≤ i < j ；
[0014]步骤七:根据畸变量(Rk，rk)，通过多项式函数拟合的方式得到校正系数K0, K1, K2,…Kn，n为自然数；
[0015]步骤八:对于摄影图像中的任意一个格点Qm，获取其坐标(Xm，Ym)，计算其到格点P的半径Rm，根据校正系数Ktl, K1, K2,…Kn，得到格点Qm校正后的理论半径Lm，Lm = KnX (Rm)n+Kn_! X (Rm) n—1+…+K2 X (Rm) 2+K: X Rm+K0, m 为正整数；
[0016]步骤九:得到格点Qm 校正后的坐标(Am，Bm), Am=XmXLm/Rm, Bm=YmXLm/Rm。
[0017]前述的一种镜头畸变校正方法，其特征在于，在所述校正图像中，所述矩形网格图的横向间距和纵向间距相等。
[0018]本发明的有益之处在于:本发明能够实现将镜头的切向畸变和径向畸变进行统一，从而最大限度地减小镜头图像畸变的程度。
【专利附图】
【附图说明】
[0019]图1是本发明的一个镜头畸变时正常图像和畸变图像的对比示意图；
[0020]图2是本发明校正图像的一个优选实施的结构示意图；
[0021]图3是本发明摄影图像的一个优选实施的结构示意图；
[0022]图4是本发明在摄影图像中选择基准点的示意图；
[0023]图5是本发明在校正图像中选择基准点的示意图；
[0024]图6是本发明的步骤示意图。
[0025]图中附图标记的含义:
[0026]1、横向网格线，2、纵向网格线，3、格点，4、横向网线，5、纵向网线，6、格点。
【具体实施方式】
[0027]以下结合附图和具体实施例对本发明作具体的介绍。
[0028]本发明原理是先建立了一个数学模型，可以通过对图像的部分点进行采样和整合，从而得到每一个点的校正点，简单又方便，并且本发明整体采用的是对角线校正法，因此能够实现将镜头的切向畸变和径向畸变进行统一，从而最大限度地减小镜头图像畸变的程度。
[0029]参照图6所示，本发明一种镜头畸变校正方法，包括如下步骤:
[0030]步骤一:提供一个校正图像，如图3所示，所述校正图像为一矩形网格图，所述矩形网格图上设置有多条横向网格线I以及多条纵向网格线2，横向网格线I和纵向网格线2相互交叉的交叉点构成一个格点3,格点3之间均勻分布；
[0031]本发明中的校正图像是作为标准图像采用的，其用来与待校正的镜头读取其后产生的摄影图像进行比较，因此校正图像中为矩形网格图。习知矩形网格图的每一个网格都是矩形，网格由横向网格线I和纵向网格线2交叉分隔而成，横向网格线I和纵向网格线2的交叉点即为本发明所谓的格点。且由于每条横向网格线I和每条纵向网格线2相互交叉，因此在校正图像中存在多个网格。本发明中的格点在整个校正方法中非常重要，因为将摄影图像与校正图像对比，可以很明显发现，摄影图像中也存在于校正图像中相同数量的格点，即使因为畸变的原因，摄影图像中格点6的位置与校正图像中相比已经发生了位置的移动，但是摄影图像中的每一个格点仍然是可以在校正图像中得到与其相对应的格点的。
[0032]步骤二:用待校正的镜头读取所述校正图像，产生所述校正图像的摄影图像，如图3所示，所述摄影图像上具有多条横向网线4以及多条纵向网线5，横向网线4和纵向网线5相互交叉的交叉点构成一个格点，每条横向网线4唯一对应于一条横向网格线I,每条纵向网线5唯一对应于一条纵向网格线2。
[0033]在图3中，为了使得本发明的摄影图像更加清晰，本发明在图3中省略了一些横向网线4和纵向网线5，只显示了各个格点，但是本领域技术人员应该明白，摄影图像上具有多条横向网线4以及多条纵向网线5，横向网线4和纵向网线5相互交叉的交叉点构成一个格点。此外，这里的每条横向网线4唯一对应于一条横向网格线I，每条纵向网线5唯一对应于一条纵向网格线2。因此，摄影图像中的每个格点均能够唯一对应于显示图像中的每一个格点。本发明的横向网线4是指与横向网格线I 一样，线的延伸方向是横向的，而类似的，纵向网线5的线的延伸方向是纵向的，与纵向网格线2—样。这一点，本领域技术人员公知。在本发明中，需要将摄影图像中的格点、横向网线4、纵向网线5分别与显示图像的格点、横向网格线1、纵向网格线2相互对应，但是本发明不限制使得的格点、横向网线4、纵向网线5分别与显示图像的格点、横向网格线1、纵向网格线2相互对应的方式，比如其可以通过算法识别等方式进行，当然也可以通过人工识别方式来获得。
[0034]步骤三:在摄影图像中，如图3所示，选取畸变程度最小的横向网线4作为横轴X，选取畸变程度最小的纵向网线5作为纵轴Y，将横轴X和纵轴Y相互交叉构成的格点P作为原点建立二维坐标系。在本步骤中，本领域技术人员均应该清楚，摄影图像中的横向网线4和纵向网线5均产生了畸变，而摄影图像中不同的横向网线4和纵向网线5的畸变程度是不同的。基于镜头原理，存在一条横向网线4,其在纵向方向几乎没有畸变,即纵向方向的畸变程度最小。也存在一条纵向网线5，其在横向方向几乎没有畸变，即横向方向的畸变程度最小。因此，可以分别作为横轴X和纵轴Y。这样获得的格点P可以确定是摄影图像所有格点中畸变量最小的，工程上可以认定没有发生畸变。这样设置是可以保证工程技术上调整的精度。本发明不限制如何选取畸变程度最小的横向网线4作为横轴X，如何选取畸变程度最小的纵向网线5作为纵轴Y。一般来说，可以通过人工从尺子等工具或者目视等手段来进行判断，当然也不排除采用识别算法来实现。但是，本发明必须取畸变程度最小的横向网线4作为横轴X，选取畸变程度最小的纵向网线5作为纵轴Y，不能选择其他横向网线4或者纵向网线5来进行。其目的是格点P是作为原点来建立坐标系的，而如果采用其他方式建立坐标系，选取的原点就不是格点P，再执行本发明下面的步骤就会出现很大的偏差，不能实现本发明的原理，即通过对图像的部分点进行采样和整合，从而得到每一个点的校正点。
[0035]步骤四:在校正图像中，选取与横轴X对应的横向网格线I作为横轴X，选取与纵轴Y对应的纵向网格线2作为纵轴y，选取横轴X和纵轴y相互交叉构成的格点p作为原点建立二维坐标系，横轴X和横轴X的方向一致，纵轴I和纵轴Y的方向一致。
[0036]本步骤和步骤二类似，其都是建立坐标系，如图2所示。本步骤应该确保横轴X和横轴X的方向一致，纵轴I和纵轴Y的方向一致，也就是说，在建立坐标系中，横轴X的正向方向应该与横轴X的正向方向一致,纵轴y的正向方向应该与纵轴Y的正向方向一致。这样设置目的是为了使得能够最终计算任何一个格点的偏差量。
[0037]步骤五:在摄影图像中，选取i+1个格点P，Q1, Q2, Q3,…仏作为基准点，获取任一格点Qk的坐标(Xk，Yk)，计算格点Qk到格点P的半径Rk，k, i为正整数，k≤i < j。本发明不限制基准点的个数，作为优选，基准点为5-15个为宜。基准点数目选多点，可以提高校正系数的精确度。
[0038]本步骤的目的是为了在摄影图像中建立坐标系后，选取多个点作为基准点，这些基准点将用于获取校正系数。通过这些基准点最终来实现校正任何一个格点。本步骤中，最终获得每个基准点到格点P的半径。
[0039]现在，举例说明，如图4所示，选取格点Q1, Q2, Q3, Q4, Q5, Q6, Q1坐标为(76，67)，图中用字母A表示，Q2坐标为(143，141)，图中用字母B表示，Q3坐标为(214，207)，图中用字母C表示，Q4坐标为(275，272)，图中用字母D表示，Q5坐标为(338，336)，图中用字母E表示，Q6坐标为(391，393)，图中用字母F表示，原点坐标(0，0)，图中用0表示。此时可以得到R!=101.3，R2=200.8，R3=297.7，R4=386.8，R5=476.6，R6=554.4。当然，此时格点 P 到格点 P 的半径为0，定义为Rtl=O。
[0040]在本步骤中，基准点的选取并不限制在二维坐标系的某一象限，也不限制所有基准点一定要处于同一象限，当然可以在实际中选择基准点全部位于某一个象限。
[0041]步骤六:在校正图像中，选取i + 1个格点p，qi, q2, q3,…Qi作为基准点，获取任一格点qk的坐标(xk, yk),计算格点qk到格点P的半径rk,格点qk和格点Qk相互对应,k, i为正整数，k≤i < j。
[0042]本步骤与上一步骤比较类似，其也是最终要获取每个基准点到格点p的半径rk。且本步骤中的基准点都要和摄影图像中的基准点相互唯一对应。继续举例说明，在如图5所示的校正图像中找出与图4中的格点Q1, Q2, Q3, Q4, Q5, Q5分别对应的格点，即Q1, q2, q3, q4, q5, Q6, I坐标为(74，74)，图中用字母a表示，q2坐标为(148，148)，图中用字母b表示，q3坐标为(222，222)，图中用字母c表示，q4坐标为(296，296)，图中用字母d表示，q5坐标为(370，370)，图中用字母e表示，q6坐标为(444，444)，图中用字母f表示，原点坐标(0，0)，图中用 O 表示。此时可以得到 6=104.7，r2=209.3，rs=314, r4=418.6，r5=523.3，r6=627.9。当然，此时格点p到格点p的半径为0，定义为rQ=0。
[0043]步骤七:根据畸变量(Rk，rk)，通过多项式函数拟合的方式得到校正系数Ktl, K1, K2，…Kn，n为自然数。这里采用多项式函数拟合的原因在于所有的函数都可以用多项式来表示，所以用多项式函数来拟合是一个比较好的方式。继续举例说明，根据坐标(101.3, 104.7), (200.8, 209.3), (297.7，314)，(386.8，418.6)，(476.6,523.3), (554.4，627.9)，再加上(Rtl, r0)，目卩(O，0)，得到建立一个多项式的函数关系式，找出R和r之间的函
数关系。
[0044]O=KnX 0n+Kn_! X Olri+…+K2 X O^K1 X 0+K0
[0045]104.7=KnX101.S^K^XIO1.3n_1+—+K2X 101.S^K1XlOl.3+K0
[0046]209.3=KnX 200.8n+Kn_! X 200.8n-1+…+K2 X 200.8? X 200.8+K0
[0047]314=KnX297.7n+Kn_! X 297.7n_1+—+K2X 297.72+!^ X 297.7+K0
[0048]418.6=KnX 386.8n+Kn_! X 386.81"1+…+K2X 386.82+!^ X 386.8+K0
[0049]523.3=KnX 476.6n+Kn_! X 476.611—1+…+K2 X 476.62+^ X 476.6+K0
[0050]627.9=KnX 554.4n+Kn_! X 554.41"1+…+K2X 554.42+K: X 554.4+K0
[0051]我们可以用excel工具、OriginPro来进行拟合,来找出最适合的多项式的次数以及各个系数。通过上述拟合，本发明能够实现将镜头的切向畸变和径向畸变进行统一，从而最大限度地减小镜头图像畸变的程度。
[0052]步骤八:对于摄影图像中的任意一个格点Qm，获取其坐标(Xm，Ym)，计算其到格点P的半径Rm，根据校正系数Ktl, K1, K2,…Kn，得到格点Qm校正后的理论半径Lm，Lm = KnX (Rm)1VKlriX (Rm)n^1+-+K2X (Rm) WK1XRJKtl,m为正整数。如通过上述7组多项式的关系，最终用excel 拟合出来的最适合的`函数应该为:Lm=4E-07Rm3-6E-05Rm2+l.0388Rm-0.1472。
[0053]步骤九:得到格点Qm 校正后的坐标(Am，Bm), Am=XmXLm/Rm，Bm=YmXLm/Rm。
[0054]本发明提供的校正图像，可以是矩形网格图的横向间距和纵向间距相等的，但是均匀分布的网格图。这里的横向间距是指两条相邻的横向网格线I之间的间距，纵向间距是指两条相邻的纵向网格线2之间的间距，当然矩形网格图的横向间距和纵向间距也可以不相等，但是格点必须均匀分布。横向间距和纵向间距是可以不等的，但是横向间距是均匀的，纵向间距也得是均匀的，即格点是均匀分布的，这样设置才能够实现本发明的技术原理。
[0055]以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
【权利要求】
1.一种镜头畸变校正方法，其特征在于，包括如下步骤: 步骤一:提供一个校正图像，所述校正图像为一矩形网格图，所述矩形网格图上设置有多条横向网格线以及多条纵向网格线，横向网格线和纵向网格线相互交叉的交叉点构成一个格点，格点之间均匀分布； 步骤二:用待校正的镜头读取所述校正图像，产生所述校正图像的摄影图像，所述摄影图像上具有多条横向网线以及多条纵向网线，横向网线和纵向网线相互交叉的交叉点构成一个格点，每条横向网线唯一对应于一条横向网格线，每条纵向网线唯一对应于一条纵向网格线； 步骤三:在摄影图像中，选取畸变程度最小的横向网线作为横轴X，选取畸变程度最小的纵向网线作为纵轴Y，将横轴X和纵轴Y相互交叉构成的格点P作为原点建立二维坐标系; 步骤四:在校正图像中，选取与横轴X对应的横向网格线作为横轴X，选取与纵轴Y对应的纵向网格线作为纵轴1，选取横轴X和纵轴y相互交叉构成的格点p作为原点建立二维坐标系，横轴X和横轴X的方向一致,纵轴y和纵轴Y的方向一致； 步骤五:在摄影图像中，选取i+1个格点P，Q1, Q2, Q3,…仏作为基准点，获取任一格点Qk的坐标(Xk，Yk),计算格点Qk到格点P的半径Rk，k, i为正整数，k ≤ i < j ； 步骤六:在校正图像中，选取i + 1个格点P，qi, q2, q3,作为基准点，获取任一格点qk的坐标(xk,yk),计算格点qk到格点p的半径rk,格点qk和格点Qk相互对应，k, i为正整数，k ≤ i < j ; 步骤七:根据畸变量(Rk，rk)，通过多项式函数拟合的方式得到校正系数Ktl, K1, K2,…Kn，n为自然数； 步骤八:对于摄影图像中的任意一个格点Qm，获取其坐标(Xm，Ym)，计算其到格点P的半径Rm，根据校正系数Ktl, K1, K2,…Kn，得到格点Qm校正后的理论半径Lm，Lm = KnX (Rm)"+Kn^1 X (Rm) n—1+…+K2 X (Rm) 2+K: X Rm+K0, m 为正整数； 步骤九:得到格点Qm校正后的坐标(Am，Bm)，Am=XmXLm/Rm, Bm=YmXLm/Rm。
2.根据权利要求1所述的一种镜头畸变校正方法，其特征在于，在所述校正图像中，所述矩形网格图的横向间距和纵向间距相等。
【文档编号】G06T5/00GK103530852SQ201310482910
【公开日】2014年1月22日 申请日期:2013年10月15日 优先权日:2013年10月15日
【发明者】张萍 申请人:南京芒冠光电科技股份有限公司