一种消除图像畸变校正后黑色边界的方法与流程

本发明涉及图像识别技术领域，更具体地说，涉及一种消除图像畸变校正后黑色边界的方法。

背景技术：

在机器视觉中，经常采用相机镜头对目标物进行拍摄，从而获取图像用于后续的图像处理。由于通过相机镜头获取的图像含有严重的几何畸变，所以必须进行必要的几何畸变校正来消除相机镜头带来的畸变，最终获得一幅无畸变的图像。然而通过畸变校正后的图像会在图像四周产生黑色边界，这是因为图像的几何畸变被校正回原来位置而产生的。

由于校正后图像出现了黑色边界，不美观而且给后续的图像处理带来不必要的麻烦。如今普遍的做法是将图像按原来图像的尺寸比例进行裁剪，但是对于目标物布满图像且几何畸变较大的情况，直接对图像进行裁剪会裁掉需要处理的目标物。若直接使用带有黑色边界的图像进行处理会产生很多误检测，如直接对图像进行轮廓提取，则计算机会将黑色边界也识别为轮廓，得到错误的轮廓提取结果。

技术实现要素：

本发明的目的在于克服现有技术中的缺点与不足，提供一种消除图像畸变校正后黑色边界的方法，该方法在不损失图像目标物的情况下，将图像中的黑色边界消除，为后续的图像处理带来便利。

为了达到上述目的，本发明通过下述技术方案予以实现：一种消除图像畸变校正后黑色边界的方法，其特征在于：

首先，搭建图像采集系统，并对采集系统进行标定，得到标定参数；

其次，通过采集系统获取无目标物的背景图像或目标物的图像，利用标定参数对无目标物的背景图像或目标物的图像进行几何畸变的校正；并对几何畸变校正后的无目标物的背景图像或目标物的图像进行预处理，生成图像模板；

然后，通过采集系统获取目标物的图像，利用标定参数对目标物的图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界；并对几何畸变校正后的目标物的图像依次进行预处理和边缘检测，得到边缘二值图；

最后，将图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图。

在上述方案中，通过本发明方法的目的是要准确地消除畸变矫正后的黑色边界，故利用采集到的无目标的背景图获取组成这些黑色边界的点集，再利用滤波操作的思想，利用掩膜与这些点做乘法，去除黑色边界。当在图像几何畸变较大(即黑色边界较宽且连续)的情况下可以不需要采集无目标的背景图像生成模板，可以直接利用目标物的图像制作模板。

其中，第一种方案包括以下步骤：

第一步，搭建图像采集系统，将棋盘标定板置于背景区域，获取14张不同角度的标定板照片，并采用张正友标定法对采集系统的相机进行标定，并获取标定的结果，得到标定参数；

第二步，通过采集系统获取无目标物的背景图像，利用标定参数对无目标物的背景图像进行几何畸变的校正，该几何畸变校正后的无目标物的背景图像带有黑色边界，该黑色边界是由曲线和图像边界组成的黑色区域；再以灰度图形式导入，对灰度图依次进行滤波和阈值分割的预处理，其中，阈值分割为图像二值化阈值分割方法，阈值设置为80；然后，通过图像形态学-腐蚀操作处理，最后像素点转换生成图像模板；

第三步，通过采集系统获取目标物的图像，利用标定参数对目标物的图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界，其中，黑色边界是由曲线和图像边界组成的黑色区域；并对几何畸变校正后的目标物的图像依次进行滤波、灰度化和阈值分割预处理，再用canny算子对图像进行边缘检测，得到边缘二值图；

第四步，将第二步生成的图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图。

其中，第二种方案(针对畸变校正后黑色边界较宽的情况)包括以下步骤：

第一步，搭建图像采集系统，将棋盘标定板置于背景区域，获取14张不同角度的标定板照片，并采用张正友标定法对采集系统的相机进行标定，并获取标定的结果，得到标定参数；

第二步，通过采集系统获取目标物的图像，利用标定参数对目标物的图像进行几何畸变的校正，再以灰度图形式导入，对灰度图依次进行滤波和阈值分割的预处理，其中，阈值分割为图像二值化阈值分割方法，阈值设置为2；然后，通过图像形态学-腐蚀操作处理，最后像素点转换生成图像模板；

第三步，利用标定参数对第二步获取的目标物图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界，其中，黑色边界较宽且连续；并对几何畸变校正后的目标物的图像二依次进行滤波、灰度化和阈值分割预处理，再用canny算子对图像进行边缘检测，得到边缘二值图；

第四步，将第二步生成的图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图。

所述图像模板中黑色边界的灰度值为0，非黑色边界的灰度值为1。

与现有技术相比，本发明具有如下优点与有益效果：本发明消除图像畸变校正后黑色边界的方法在不损失图像目标物的情况下，将图像中的黑色边界消除，为后续的图像处理带来便利。

附图说明

图1是实施例一中消除图像畸变校正后黑色边界的方法的流程示意图；

图2(a)是实施例一中无目标物的背景图像；

图2(b)是实施例一中图像模板示意图；

图3(a)是实施例一中目标物的图像示意图；

图3(b)是实施例一中目标物的图像几何畸变校正后的示意图；

图3(c)是对图3(b)预处理后的示意图；

图3(d)是对图3(c)边缘检测后的示意图；

图3(e)是黑色边界消除后效果图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细的描述。

实施例一

如图1所示，本发明消除图像畸变校正后黑色边界的方法是这样的：

首先，搭建图像采集系统，并对采集系统进行标定，得到标定参数；

其次，通过采集系统获取无目标物的背景图像，利用标定参数对无目标物的背景图像进行几何畸变的校正；并对几何畸变校正后的无目标物的背景图像进行预处理，生成图像模板；

然后，通过采集系统获取目标物的图像，利用标定参数对目标物的图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界；并对几何畸变校正后的目标物的图像依次进行预处理和边缘检测，得到边缘二值图；

最后，将图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图。

具体步骤是这样的：

第一步，搭建图像采集系统，将棋盘标定板置于背景区域，获取14张不同角度的标定板照片，并采用张正友标定法对采集系统的相机进行标定，并获取标定的结果，得到标定参数；

第二步，通过采集系统获取无目标物的背景图像，如图2(a)所示，利用标定参数对无目标物的背景图像进行几何畸变的校正，该几何畸变校正后的无目标物的背景图像带有黑色边界，该黑色边界是由曲线和图像边界组成的黑色区域；再以灰度图形式导入，对灰度图依次进行滤波和阈值分割的预处理，其中，阈值分割为图像二值化阈值分割方法，阈值设置为80；然后，通过图像形态学-腐蚀操作处理，最后像素点转换生成图像模板，如图2(b)所示，该图像模板中黑色边界的灰度值为0，非黑色边界的灰度值为1；

第三步，通过采集系统获取目标物的图像，如图3(a)所示，利用标定参数对目标物的图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界，其中，黑色边界是由曲线和图像边界组成的黑色区域；并对几何畸变校正后的目标物的图像(如图3(b)所示)依次进行滤波、灰度化和阈值分割预处理(如图3(c)所示)，再用canny算子对图像进行边缘检测，得到边缘二值图，如图3(d)所示；

第四步，将第二步生成的图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图，如图3(e)所示。

通过本发明方法的目的是要准确地消除畸变矫正后的黑色边界，故利用采集到的无目标的背景图获取组成这些黑色边界的点集，再利用滤波操作的思想，利用掩膜与这些点做乘法，去除黑色边界，为后续的图像处理带来便利。

实施例二

当在图像几何畸变较大(即黑色边界较宽且连续)的情况下可以不需要采集无目标的背景图像生成模板，可以直接利用目标物的图像制作模板。

方法具体步骤包括：

第一步，搭建图像采集系统，将棋盘标定板置于背景区域，获取14张不同角度的标定板照片，并采用张正友标定法对采集系统的相机进行标定，并获取标定的结果，得到标定参数；

第二步，通过采集系统获取目标物的图像，利用标定参数对目标物的图像进行几何畸变的校正，再以灰度图形式导入，对灰度图依次进行滤波和阈值分割的预处理，其中，阈值分割为图像二值化阈值分割方法，阈值设置为2；然后，通过图像形态学-腐蚀操作处理，最后像素点转换生成图像模板；该图像模板中黑色边界的灰度值为0，非黑色边界的灰度值为1；

第三步，利用标定参数对第二步获取的目标物的图像进行几何畸变的校正，该几何畸变校正后的目标物的图像带有黑色边界，其中，黑色边界较宽且连续；并对几何畸变校正后的目标物的图像依次进行滤波、灰度化和阈值分割预处理，再用canny算子对图像进行边缘检测，得到边缘二值图；

第四步，将第二步生成的图像模板和边缘二值图进行矩阵相乘，得到消除了黑色边界的目标物轮廓图。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。