图像校正方法、图像校正装置、计算机设备及存储介质与流程

本发明涉及图像处理技术领域，具体而言，涉及一种图像校正方法、图像校正装置、计算机设备及存储介质。

背景技术：

证件ocr(opticalcharacterrecognition，光学字符识别)即自动识别出证件中的文字，要进行证件ocr，首先需要拍摄证件图片，然后对证件图片中的文字进行识别。由于拍摄者拍摄证件时，无法保证证件水平放置，可能会存在倾斜，甚至是倒立放置的情况。直接对这些非水平的证件进行识别，识别准确率低，甚至无法识别。

相关技术中的证件ocr方法，通常采用两种方法来解决证件摆放不正的问题：

1.证件拍摄时应用程序上显示一个证件区域框，拍摄者需要保证证件的边界与应用程序上的提示框准确对应，这样拍摄出来的证件就是水平状态。此方法对拍摄者要求较高，如果证件对齐不准确则无法正常拍摄，用户体验较差。

2.拍摄者可以随意拍摄，不对证件的摆放方向进行限制，由算法对证件进行校正。通常是根据文字的倾斜方向计算证件的旋转角度，但是会存在两个问题：(1)旋转角度计算不准确，导致校正不充分；(2)拍摄时手机与证件并不平行，存在透视问题，这种情况下，不能用单一的角度来描述证件的倾斜状态，进行校正必然不准确。

技术实现要素：

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个方面在于提出了一种图像校正方法。

本发明的另一个方面在于提出了一种图像校正装置。

本发明的再一个方面在于提出了一种计算机设备。

本发明的又一个方面在于提出了一种计算机可读存储介质。

有鉴于此，根据本发明的一个方面，提出了一种图像校正方法，包括：获取待校正图像，并获取待校正图像的角点坐标；根据角点坐标和目标角点坐标，计算透视校正矩阵；利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像。

本发明提供的图像校正方法，获取待校正图像，该待校正图像即为非水平、倾斜的图像，利用模型(例如深度学习模型)获取待校正图像的四个角点坐标，根据角点坐标与目标角点坐标得到透视校正矩阵，目标角点坐标是期望的水平图像的角点坐标。进一步地，利用透视校正矩阵将待校正图像中的每个像素点数值映射为水平状态下对应像素点数值，也就是得到校正后的水平的图像。采用本发明的技术方案能够解决相关技术中根据文字的倾斜方向计算证件的旋转角度出现的不准确和透视拍摄无法校正的问题，提高图像校正的精准性。

需要说明的是，待校正图像是需要校正的证件或者名片的图像，可以直接为用户拍摄的图片，也可以是在用户拍摄的图片中提取得到。例如，在进行身份审核需要上传证件图像时，用户将摄像头直接对准证件拍摄，此时拍摄到的图片中仅有证件图像而不包含其它图像。或者，用户不将摄像头直接对准证件拍摄，拍摄到的图片中除了证件图像还包含其它图像(如，放置证件的桌面)，此时需要在图片中提取出证件图像，也就是待校正图像。

根据本发明的上述图像校正方法，还可以具有以下技术特征：

在上述技术方案中，还包括：检测校正后的图像，获取文字区域；对文字区域进行光学字符识别，获取文字信息。

在该技术方案中，进行图像校正之后，检测校正后的图像，获取文字区域，进而对文字区域进行识别获取文字信息，实现快速准确地提取图片中的文字，以避免人工输入带来的效率低、错误率高的问题。

在上述任一技术方案中，还包括：获取角点坐标的置信度；在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵。

在该技术方案中，获取角点坐标的置信度，也就是角点坐标的准确度，在置信度大于或等于置信度阈值的情况下，再根据角点坐标和目标角点坐标计算透视校正矩阵，避免由于角点坐标的不准确导致图像校正有误，提高校正准确性。

在上述任一技术方案中，还包括：获取训练图像，并标注训练图像的角点坐标；对训练图像进行任意角度的旋转，利用训练图像和训练图像的角点坐标，建立用于获取待校正图像的角点坐标和置信度的模型。

在该技术方案中，建立一个用于获取待校正图像的角点坐标和置信度的模型，具体为准备训练图像的四个角点标注数据，人工标注出四个角点的坐标，采用深度学习模型进行四个角点的回归训练，训练过程中对训练图像随机旋转任意角度。在校正图像时直接利用该模型获取角点坐标和置信度，以提高图像校正的效率。

在上述任一技术方案中，获取待校正图像中证件的四角点坐标的步骤，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

在该技术方案中，定义目标角点，也就是校正之后证件的左上、右上、右下、左下角点分别为1号、2号、3号和4号，利用模型获取待校正图像的四个角点坐标，以及四个角点所属的编号，无论待校正图像如何旋转，其1号角点对应校正后证件的左上角点，2号角点对应校正号证件的右上角点，3号角点对应校正后证件的右下角点，4号角点对应校正后证件的左下角点。角点编号信息能够确保校正后的图像是水平且正向的。

根据本发明的另一个方面，提出了一种图像校正装置，包括：信息获取单元，用于获取待校正图像，并获取待校正图像的角点坐标；计算单元，用于根据角点坐标和目标角点坐标，计算透视校正矩阵；校正单元，用于利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像。

本发明提供的图像校正装置，信息获取单元拍摄得到待校正图像，该待校正图像即为非水平、倾斜的图像，利用模型(例如深度学习模型)获取待校正图像的四个角点坐标，计算单元根据角点坐标与目标角点坐标得到透视校正矩阵，目标角点坐标是期望的水平图像的角点坐标。进一步地，校正单元利用透视校正矩阵将待校正图像中的每个像素点数值映射为水平状态下对应像素点数值，也就是得到校正后的水平的图像。采用本发明的技术方案能够解决相关技术中根据文字的倾斜方向计算证件的旋转角度出现的不准确和透视拍摄无法校正的问题，提高图像校正的精准性。

需要说明的是，待校正图像是需要校正的证件或者名片的图像，可以直接为用户拍摄的图片，也可以是在用户拍摄的图片中提取得到。例如，在进行身份审核需要上传证件图像时，用户将摄像头直接对准证件拍摄，此时拍摄到的图片中仅有证件图像而不包含其它图像。或者，用户不将摄像头直接对准证件拍摄，拍摄到的图片中除了证件图像还包含其它图像(如，放置证件的桌面)，此时需要在图片中提取出证件图像，也就是待校正图像。

根据本发明的上述图像校正装置，还可以具有以下技术特征：

在上述技术方案中，还包括：检测单元，用于检测校正后的图像，获取文字区域；信息识别单元，用于对文字区域进行光学字符识别，获取文字信息。

在该技术方案中，进行图像校正之后，检测单元检测校正后的图像，获取文字区域，进而通过信息识别单元对文字区域进行识别获取文字信息，实现快速准确地提取图片中的文字，以避免人工输入带来的效率低、错误率高的问题。

在上述任一技术方案中，信息获取单元，还用于获取角点坐标的置信度；计算单元，具体用于在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵。

在该技术方案中，信息获取单元获取角点坐标的置信度，也就是角点坐标的准确度，计算单元在置信度大于或等于置信度阈值的情况下，再根据角点坐标和目标角点坐标计算透视校正矩阵，避免由于角点坐标的不准确导致图像校正有误，提高校正准确性。

在上述任一技术方案中，还包括：模型建立单元，用于获取训练图像，并标注训练图像的角点坐标；以及对训练图像进行任意角度的旋转，利用训练图像和训练图像的角点坐标，建立用于获取待校正图像的角点坐标和置信度的模型。

在该技术方案中，模型建立单元建立一个用于获取待校正图像的角点坐标和置信度的模型，具体为准备训练图像的四个角点标注数据，人工标注出四个角点的坐标，采用深度学习模型进行四个角点的回归训练，训练过程中对训练图像随机旋转任意角度。在校正图像时直接利用该模型获取角点坐标和置信度，以提高图像校正的效率。

在上述任一技术方案中，信息获取单元获取待校正图像中证件的四角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

在该技术方案中，定义目标角点，也就是校正之后证件的左上、右上、右下、左下角点分别为1号、2号、3号和4号，利用模型获取待校正图像的四个角点坐标，以及四个角点所属的编号，无论待校正图像如何旋转，其1号角点对应校正后证件的左上角点，2号角点对应校正号证件的右上角点，3号角点对应校正后证件的右下角点，4号角点对应校正后证件的左下角点。角点编号信息能够确保校正后的图像是水平且正向的。

根据本发明的再一个方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一技术方案的图像校正方法的步骤。

本发明提供的计算机设备，处理器执行计算机程序时实现如上述任一技术方案的图像校正方法的步骤，因此该计算机设备包括上述任一技术方案的图像校正方法的全部有益效果。

根据本发明的又一个方面，提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一技术方案的图像校正方法的步骤。

本发明提供的计算机可读存储介质，计算机程序被处理器执行时实现如上述任一技术方案的图像校正方法的步骤，因此该计算机可读存储介质包括上述任一技术方案的图像校正方法的全部有益效果。

本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了本发明的第一个实施例的图像校正方法的流程示意图；

图2示出了本发明实施例的角点坐标和目标角点坐标的示意图；

图3示出了本发明的第二个实施例的图像校正方法的流程示意图；

图4示出了本发明的第三个实施例的图像校正方法的流程示意图；

图5示出了本发明的第四个实施例的图像校正方法的流程示意图；

图6示出了本发明的第五个实施例的基于深度学习模型的证件校正方法的示意图；

图7示出了本发明的第一个实施例的图像校正装置的示意框图；

图8示出了本发明的第二个实施例的图像校正装置的示意框图；

图9示出了本发明的第三个实施例的图像校正装置的示意框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。

本发明第一方面的实施例，提出一种图像校正方法，通过以下实施例进行详细说明。

实施例一，图1示出了本发明的第一个实施例的图像校正方法的流程示意图。其中，该方法包括：

步骤102，获取待校正图像，并获取待校正图像的角点坐标；

步骤104，根据角点坐标和目标角点坐标，计算透视校正矩阵；

步骤106，利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像。

本发明提供的图像校正方法，拍摄得到待校正图像，该待校正图像即为非水平、倾斜的图像，利用模型(例如深度学习模型)获取待校正图像的四个角点坐标，根据角点坐标与目标角点坐标得到透视校正矩阵，目标角点坐标是期望的水平图像的角点坐标，例如，如图2所示，待校正图像的四个角点为a、b、c、d，目标角点为a’、b’、c’、d’。角点a的坐标为[u,v,w]，角点为a’的坐标为[x',y',w']，角点a的坐标与目标角点a’的坐标的关系如公式(1)所示，由此能够根据角点坐标与目标角点坐标计算出透视校正矩阵。进一步地，利用透视校正矩阵将待校正图像中的每个像素点数值映射为水平状态下图像对应像素点数值，也就是得到校正后的水平的图像。采用本发明的实施例能够解决相关技术中根据文字的倾斜方向计算证件的旋转角度出现的不准确和透视拍摄无法校正的问题，提高图像校正的精准性。

其中，为透视校正矩阵。

需要说明的是，待校正图像是需要校正的证件或者名片的图像，可以直接为用户拍摄的图片，也可以是在用户拍摄的图片中提取得到。例如，在进行身份审核需要上传证件图像时，用户将摄像头直接对准证件拍摄，此时拍摄到的图片中仅有证件图像而不包含其它图像。或者，用户不将摄像头直接对准证件拍摄，拍摄到的图片中除了证件图像还包含其它图像(如，放置证件的桌面)，此时需要在图片中提取出证件图像，也就是待校正图像。

进一步地，步骤102，获取待校正图像，并获取待校正图像的角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。定义目标角点，也就是校正之后证件的左上、右上、右下、左下角点分别为1号、2号、3号和4号，利用模型获取待校正图像的四个角点坐标，以及四个角点所属的编号，无论待校正图像如何旋转，其1号角点对应校正后证件的左上角点，2号角点对应校正号证件的右上角点，3号角点对应校正后证件的右下角点，4号角点对应校正后证件的左下角点。角点编号信息能够确保校正后的图像是水平且正向的。

实施例二，图3示出了本发明的第二个实施例的图像校正方法的流程示意图。其中，该方法包括：

步骤302，获取待校正图像，并获取待校正图像的角点坐标；

步骤304，根据角点坐标和目标角点坐标，计算透视校正矩阵；

步骤306，利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像；

步骤308，检测校正后的图像，获取文字区域；对文字区域进行光学字符识别，获取文字信息。

在该实施例中，进行图像校正之后，检测校正后的图像，获取文字区域，进而对文字区域进行识别获取文字信息，实现快速准确地提取图片中的文字，以避免人工输入带来的效率低、错误率高的问题。

例如，利用该方法可以进行证件或名片等识别，证件可包括身份证、行驶证、驾驶证和银行卡等。在银行进行身份信息提交、网约车司机注册信息上传审核等场景中，用户拍摄证件图像，该图像可为倾斜、非水平图像，也就是说对用户的拍摄水平不进行要求，获取该证件图像的四个角点坐标以及每个角点坐标的置信度。在角点置信度均大于置信度阈值时，根据角点坐标和目标角点坐标计算透视校正矩阵，利用透视校正矩阵对证件图像的每个像素点进行转换，得到水平的证件图像，进而利用ocr快速准确地提取该水平的证件图像中的文字，以避免人工输入效率低，错误率高的问题。

进一步地，步骤302，获取待校正图像，并获取待校正图像的角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

实施例三，图4示出了本发明的第三个实施例的图像校正方法的流程示意图。其中，该方法包括：

步骤402，获取待校正图像，并获取待校正图像的角点坐标以及角点坐标的置信度；

步骤404，在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵；

步骤406，利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像；

步骤408，检测校正后的图像，获取文字区域；对文字区域进行光学字符识别，获取文字信息。

在该实施例中，获取角点坐标的置信度，也就是角点坐标的准确度，在置信度大于或等于置信度阈值的情况下，再根据角点坐标和目标角点坐标计算透视校正矩阵，避免由于角点坐标的不准确导致图像校正有误，提高校正准确性。

进一步地，步骤402，获取待校正图像，并获取待校正图像的角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

实施例四，图5示出了本发明的第四个实施例的图像校正方法的流程示意图。其中，该方法包括：

步骤502，获取训练图像，并标注训练图像的角点坐标；对训练图像进行任意角度的旋转，利用训练图像和训练图像角点坐标，建立用于获取待校正图像的角点坐标和置信度的模型；

步骤504，获取待校正图像，并利用模型获取待校正图像的角点坐标以及角点坐标的置信度；

步骤506，在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵；

步骤508，利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像；

步骤510，检测校正后的图像，获取文字区域；对文字区域进行光学字符识别，获取文字信息。

在该实施例中，建立一个用于获取待校正图像的角点坐标和置信度的模型，具体为准备训练图像的四个角点标注数据，人工标注出四个角点的坐标，采用深度学习模型进行四个角点的回归训练，训练过程中对训练图像随机旋转任意角度。在校正图像时直接利用该模型获取角点坐标和置信度，以提高图像校正的效率。

进一步地，步骤504，获取待校正图像，并获取待校正图像的角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

实施例五，提出一种基于深度学习模型的证件校正方法，该方法并不直接计算证件的旋转角度，而是用深度学习方法去定位证件的四个角点，根据证件的四个角点坐标，可以计算出一个变换矩阵，利用这个变换矩阵，可以对原始倾斜图像进行透视变换，变换之后即可得到水平状态的证件。图6示出了本发明的第五个实施例的基于深度学习模型的证件校正方法的示意图。其中，该方法包括：

模型准备：准备证件四角点标注数据，标注出证件的四个角点坐标。采用深度学习进行四角点回归训练，训练过程中对证件随机旋转任意角度。

图像采样：拍摄证件图像。

角点检测：利用模型，输入拍摄的证件图像，输出图像区域内存在角点的置信度和角点的坐标。

矩阵变换：根据四角点坐标计算出透视变换矩阵。利用透视变换矩阵对原始非水平图像进行透视变化，得到水平的证件图像。

字段检测：检测水平证件的文字区域。

复制文字进行ocr：对文字区域进行识别。

本发明第二方面的实施例，提出一种图像校正装置，通过以下实施例进行详细说明。

实施例一，图7示出了本发明的第一个实施例的图像校正装置700的示意框图。其中，该图像校正装置700包括：

信息获取单元702，用于获取待校正图像，并获取待校正图像的角点坐标；

计算单元704，用于根据角点坐标和目标角点坐标，计算透视校正矩阵；

校正单元706，用于利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像。

本发明提供的图像校正装置700，信息获取单元702拍摄得到待校正图像，该待校正图像即为非水平、倾斜的图像，利用模型(例如深度学习模型)获取待校正图像的四个角点坐标，计算单元704根据角点坐标与目标角点坐标得到透视校正矩阵，目标角点坐标是期望的水平图像的角点坐标。进一步地，校正单元706利用透视校正矩阵将待校正图像中的每个像素值映射为水平状态下图像对应像素点数值，也就是得到校正后的水平的图像。采用本发明的实施例能够解决相关技术中根据文字的倾斜方向计算证件的旋转角度出现的不准确和透视拍摄无法校正的问题，提高图像校正的精准性。

需要说明的是，待校正图像是需要校正的证件或者名片的图像，可以直接为用户拍摄的图片，也可以是在用户拍摄的图片中提取得到。例如，在进行身份审核需要上传证件图像时，用户将摄像头直接对准证件拍摄，此时拍摄到的图片中仅有证件图像而不包含其它图像。或者，用户不将摄像头直接对准证件拍摄，拍摄到的图片中除了证件图像还包含其它图像(如，放置证件的桌面)，此时需要在图片中提取出证件图像，也就是待校正图像。

在该实施例中，信息获取单元702还用于获取角点坐标的置信度；计算单元704具体用于在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵。信息获取单元702获取角点坐标的置信度，也就是角点坐标的准确度，计算单元704在置信度大于或等于置信度阈值的情况下，再根据角点坐标和目标角点坐标计算透视校正矩阵，避免由于角点坐标的不准确导致图像校正有误，提高校正准确性。

信息获取单元702获取待校正图像中证件的四角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。定义目标角点，也就是校正之后证件的左上、右上、右下、左下角点分别为1号、2号、3号和4号，利用模型获取待校正图像的四个角点坐标，以及四个角点所属的编号，无论待校正图像如何旋转，其1号角点对应校正后证件的左上角点，2号角点对应校正号证件的右上角点，3号角点对应校正后证件的右下角点，4号角点对应校正后证件的左下角点。角点编号信息能够确保校正后的图像是水平且正向的。

实施例二，图8示出了本发明的第二个实施例的图像校正装置700的示意框图。其中，该图像校正装置700包括：

信息获取单元702，用于获取待校正图像，并获取待校正图像的角点坐标；

计算单元704，用于根据角点坐标和目标角点坐标，计算透视校正矩阵；

校正单元706，用于利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像；

检测单元708，用于检测校正后的图像，获取文字区域；

信息识别单元710，用于对文字区域进行光学字符识别，获取文字信息。

在该实施例中，进行图像校正之后，检测单元708检测校正后的图像，获取文字区域，进而通过信息识别单元710对文字区域进行识别获取文字信息，实现快速准确地提取图片中的文字，以避免人工输入带来的效率低、错误率高的问题。

在该实施例中，信息获取单元702还用于获取角点坐标的置信度；计算单元704具体用于在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵。

信息获取单元702获取待校正图像中证件的四角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

实施例三，图9示出了本发明的第三个实施例的图像校正装置700的示意框图。其中，该图像校正装置700包括：

信息获取单元702，用于获取待校正图像，并获取待校正图像的角点坐标；

计算单元704，用于根据角点坐标和目标角点坐标，计算透视校正矩阵；

校正单元706，用于利用透视校正矩阵对待校正图像进行透视变换，得到校正后的图像；

检测单元708，用于检测校正后的图像，获取文字区域；

信息识别单元710，用于对文字区域进行光学字符识别，获取文字信息；

模型建立单元712，用于获取训练图像，并标注训练图像的角点坐标；以及对训练图像进行任意角度的旋转，利用练图像和练图像的角点坐标，建立用于获取待校正图像的角点坐标和置信度的模型。

在该实施例中，模型建立单元712建立一个用于获取待校正图像的角点坐标和置信度的模型，具体为准备训练图像的四个角点标注数据，人工标注出四个角点的坐标，采用深度学习模型进行四个角点的回归训练，训练过程中对训练图像随机旋转任意角度。在校正图像时直接利用该模型获取角点坐标和置信度，以提高图像校正的效率。

在该实施例中，信息获取单元702还用于获取角点坐标的置信度；计算单元704具体用于在置信度大于或等于置信度阈值的情况下，根据角点坐标和目标角点坐标，计算透视校正矩阵。

信息获取单元702获取待校正图像中证件的四角点坐标，具体包括：定义目标角点的左上角点、右上角点、右下角点、左下角点的编号分别为1号、2号、3号和4号；利用模型，获取待校正图像的四个角点坐标以及四个角点所属的编号。

本发明第三方面的实施例，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一实施例的图像校正方法的步骤。

本发明提供的计算机设备，处理器执行计算机程序时实现如上述任一实施例的图像校正方法的步骤，因此该计算机设备包括上述任一实施例的图像校正方法的全部有益效果。

本发明第四方面的实施例，提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的图像校正方法的步骤。

本发明提供的计算机可读存储介质，计算机程序被处理器执行时实现如上述任一实施例的图像校正方法的步骤，因此该计算机可读存储介质包括上述任一实施例的图像校正方法的全部有益效果。

在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。