本發(fā)明涉及圖像處理
技術(shù)領(lǐng)域：
。更具體地，涉及一種圖像徑向畸變的自動矯正方法及系統(tǒng)。
背景技術(shù)：
：隨著人類社會的進(jìn)步和科技的發(fā)展，計(jì)算機(jī)視覺成為目前計(jì)算機(jī)領(lǐng)域中最熱門的課題之一。尤其是隨著道路監(jiān)控?cái)z像機(jī)和車載攝像機(jī)在日常生活中的廣泛應(yīng)用，人們對攝像機(jī)能夠監(jiān)控到的范圍提出了更高的要求，因此廣角鏡頭也必將越來越多的出現(xiàn)在實(shí)際生活中。然而廣角鏡頭獲取到的圖像會產(chǎn)生明顯的畸變，不符合人們的視覺習(xí)慣，并且畸變會對依賴圖像相關(guān)信息進(jìn)行的空間定位、目標(biāo)跟蹤等的算法產(chǎn)生十分嚴(yán)重的影響，計(jì)算機(jī)視覺領(lǐng)域的算法大部分都依賴于針孔相機(jī)模型，但是畸變卻嚴(yán)重違背了這一基礎(chǔ)。因此圖像畸變矯正技術(shù)的研究是計(jì)算機(jī)視覺領(lǐng)域的一個重要研究課題。圖像畸變矯正就是對相機(jī)獲取到的畸變圖像采用適當(dāng)?shù)幕兡Ｐ?，通過一些方法計(jì)算出模型的參數(shù)，然后利用模型去除相機(jī)成像過程中產(chǎn)生的畸變，便于計(jì)算機(jī)視覺領(lǐng)域后續(xù)的處理。這一技術(shù)在視頻監(jiān)控、虛擬現(xiàn)實(shí)、機(jī)器人導(dǎo)航、軍事瞄準(zhǔn)、電視編輯、醫(yī)學(xué)圖像分析等許多領(lǐng)域都有了廣泛的應(yīng)用，因此具有重要的使用價值和廣闊的發(fā)展前景。隨著獲取圖像的相機(jī)應(yīng)用的場合不盡相同，比如航拍、道路監(jiān)控和車載監(jiān)控等，且拍攝環(huán)境和背景千變?nèi)f化，這對圖像畸變矯正算法快速適應(yīng)性和魯棒性提出了更高的要求。尤其在很多情況下，僅僅能夠獲取到發(fā)生畸變的圖像，無法獲取相機(jī)、鏡頭等設(shè)備的相關(guān)信息，那么畸變圖像的自動矯正則顯得尤為重要。因此，需要提供一種僅需要單幅或多幅畸變圖像，而不需要畸變圖像相關(guān)的來源信息、不需要特定的模板且不需要人工的干預(yù)的圖像徑向畸變的自動矯正方法及系統(tǒng)，以解決圖像的徑向畸變問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明針對相機(jī)拍攝圖像存在徑向畸變的問題，以畸變產(chǎn)生的原因和畸變矯正現(xiàn)階段存在的困難為核心，提出了一種對圖像在獲取過程中產(chǎn)生的徑向畸變進(jìn)行自動矯正的圖像徑向畸變的自動矯正方法及系統(tǒng)。為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：一種圖像徑向畸變的自動矯正方法，該方法包括如下步驟：S1、對畸變圖像進(jìn)行邊緣檢測，得到畸變圖像的邊緣圖像，并將所述邊緣圖像中相鄰的邊緣連接，得到畸變圖像的各邊緣輪廓；S2、對畸變圖像的各邊緣輪廓分別利用快速圓弧提取方法進(jìn)行圓弧提取，得到各邊緣輪廓對應(yīng)的圓弧，并分別計(jì)算各圓弧的參數(shù)；S3、以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域，基于圓的一般方程并根據(jù)各圓弧的參數(shù)計(jì)算以畸變中心預(yù)選區(qū)域中的各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)的取值集中區(qū)間并統(tǒng)計(jì)各取值集中區(qū)間中的畸變系數(shù)數(shù)量，計(jì)算以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中所有畸變系數(shù)的均值，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間對應(yīng)的像素點(diǎn)作為實(shí)際畸變中心，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)的均值作為實(shí)際畸變系數(shù)；S4、根據(jù)所述實(shí)際畸變中心和實(shí)際畸變系數(shù)對畸變圖像進(jìn)行自動矯正，得到矯正后的圖像。優(yōu)選地，步驟S1進(jìn)一步包括如下子步驟：S1.1、利用高斯濾波器對畸變圖像進(jìn)行平滑處理，得到去噪的畸變圖像；S1.2、利用一階偏導(dǎo)的有限差分計(jì)算去噪的畸變圖像的梯度幅值，得到畸變圖像的幅值圖像；S1.3、對所述梯度幅值進(jìn)行非極大值抑制處理，細(xì)化所述幅值圖像中的屋脊帶，生成細(xì)化的邊緣，得到畸變圖像的邊緣圖像；S1.4、利用雙閾值算法對邊緣圖像進(jìn)行檢測，并將所述邊緣圖像中相鄰的邊緣連接，得到畸變圖像的各邊緣輪廓。優(yōu)選地，步驟S1中在步驟S1.4之后還包括如下子步驟：S1.5、分別統(tǒng)計(jì)各邊緣輪廓所含的像素點(diǎn)個數(shù)，只將所含像素點(diǎn)個數(shù)大于設(shè)定的邊緣輪廓長度閾值的邊緣輪廓作為邊緣輪廓。優(yōu)選地，所述邊緣輪廓長度閾值的取值范圍為100至200。優(yōu)選地，步驟S2進(jìn)一步包括如下子步驟：S2.1、將每一個邊緣輪廓均等分成N段，第a個邊緣輪廓的每一段均有La個像素點(diǎn)，計(jì)算各段的代表點(diǎn)的坐標(biāo)，公式如下：(xQa,i,yQa,i)xQa,i=(Σj=1Laxi,j/La+xi,La/2)/2yQa,i=(Σj=1Layi,j/La+yi,La/2)/2]]>公式中，為第a個邊緣輪廓的第i段的代表點(diǎn)Qa,i的坐標(biāo)；S2.2、將第a個邊緣輪廓中各段的代表點(diǎn)分別依次連接得到N-1個首尾連接的向量并計(jì)算相鄰向量的內(nèi)積和相鄰內(nèi)積的差值Δa,i,i＝1,2,...,N-3，當(dāng)存在連續(xù)的b個差值Δa,i小于設(shè)定的內(nèi)積差值閾值TΔ時將計(jì)算b個差值所用到的連續(xù)的像素點(diǎn)作為一段圓弧，b滿足條件：(b+2)×La≥Tmin，Tmin為圓弧包含的像素個數(shù)的最小值；將大于設(shè)定內(nèi)積差值閾值TΔ的起始和終止的分組代表點(diǎn)作為圓弧端點(diǎn)，根據(jù)各圓弧端點(diǎn)對第a個邊緣輪廓進(jìn)行圓弧提取，得到第a個邊緣輪廓對應(yīng)的圓弧，并計(jì)算出第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)。優(yōu)選地，所述內(nèi)積差值閾值TΔ的取值范圍為0至20。優(yōu)選地，所述圓弧包含的像素個數(shù)的最小值Tmin的取值為30。S2.3、利用LM算法對第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)；S2.4、重復(fù)執(zhí)行步驟S2.2至S2.3，直至對每一個邊緣輪廓均進(jìn)行圓弧提取，得到每一個邊緣輪廓對應(yīng)的圓弧，并得到優(yōu)化后的每一個邊緣輪廓對應(yīng)的圓弧的參數(shù)。優(yōu)選地，步驟S2.2中所述根據(jù)各圓弧端點(diǎn)對第a個邊緣輪廓進(jìn)行圓弧提取之后且所述得到第a個邊緣輪廓對應(yīng)的圓弧之前還包括步驟：統(tǒng)計(jì)第a個邊緣輪廓對應(yīng)的圓弧所含的像素點(diǎn)個數(shù)，只將所含像素點(diǎn)個數(shù)大于設(shè)定的圓弧長度閾值的圓弧作為第a個邊緣輪廓對應(yīng)的圓弧。優(yōu)選地，所述圓弧長度閾值的取值范圍為20至30。優(yōu)選地，步驟S3進(jìn)一步包括如下子步驟：S3.1、基于徑向畸變圖像的單參數(shù)除法模型和圓的一般方程建立畸變中心坐標(biāo)、圓弧的參數(shù)和畸變系數(shù)的關(guān)系方程：其中，D、E和F分別為圓弧的參數(shù)，(x0,y0)為畸變中心坐標(biāo)，λ為畸變系數(shù)；S3.2、以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域，基于畸變中心坐標(biāo)、圓弧的參數(shù)和畸變系數(shù)的關(guān)系方程計(jì)算以畸變中心預(yù)選區(qū)域中的各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)λk,m,k＝1,2,...,K,m＝1,2,...M，K為畸變中心預(yù)選區(qū)域所含像素點(diǎn)的數(shù)量，M為圓弧的數(shù)量；S3.3、設(shè)且將[-15,+15]的數(shù)值范圍以1為間隔劃分為多個數(shù)值區(qū)間，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)特征值Clg所在的數(shù)值區(qū)間；S3.4、將以各像素點(diǎn)作為畸變中心對應(yīng)的包含畸變系數(shù)特征值最多的數(shù)值區(qū)間作為該像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中的畸變系數(shù)特征值數(shù)量，并計(jì)算以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中所有畸變系數(shù)特征值的均值；S3.5、以畸變系數(shù)特征值數(shù)量最多的取值集中區(qū)間對應(yīng)的像素點(diǎn)作為實(shí)際畸變中心，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)特征值的均值對應(yīng)的畸變系數(shù)作為實(shí)際畸變系數(shù)。優(yōu)選地，步驟S3.2中以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域的方法為：將以畸變圖像的中心為正方形區(qū)域中心，且在X軸和Y軸的長均為R個像素點(diǎn)的正方形區(qū)域劃定為畸變中心預(yù)選區(qū)域，所述R為取值為61至101之間的奇數(shù)。優(yōu)選地，步驟S3中在步驟S3.5之后還包括如下子步驟：S3.6、利用LM算法對實(shí)際畸變中心的坐標(biāo)和實(shí)際畸變系數(shù)進(jìn)行優(yōu)化。優(yōu)選地，步驟S4進(jìn)一步包括如下子步驟：S4.1、建立實(shí)際畸變中心的坐標(biāo)、實(shí)際畸變系數(shù)、畸變圖像的像素點(diǎn)坐標(biāo)和矯正后圖像的像素點(diǎn)坐標(biāo)的關(guān)系方程：其中，(xd,yd)和(xu,yu)分別為畸變圖像和矯正后圖像的像素點(diǎn)坐標(biāo)，(x0,y0)為實(shí)際畸變中心的坐標(biāo)，rd和ru分別為畸變圖像和矯正后圖像的像素點(diǎn)到實(shí)際畸變中心的距離，S4.2、利用畸變中心的坐標(biāo)、實(shí)際畸變系數(shù)、畸變圖像的像素點(diǎn)坐標(biāo)和矯正后圖像的像素點(diǎn)坐標(biāo)的關(guān)系方程計(jì)算畸變圖像中每一個像素點(diǎn)在矯正后的圖像中的坐標(biāo)，實(shí)現(xiàn)對畸變圖像的自動矯正，得到矯正后的圖像。一種圖像徑向畸變的自動矯正系統(tǒng)，該系統(tǒng)包括：畸變圖像輪廓提取模塊，對畸變圖像進(jìn)行邊緣檢測，得到畸變圖像的邊緣圖像，并將所述邊緣圖像中相鄰的邊緣連接，得到畸變圖像的各邊緣輪廓；邊緣輪廓圓弧提取模塊，對畸變圖像的各邊緣輪廓分別進(jìn)行圓弧提取，得到各邊緣輪廓對應(yīng)的圓弧，并分別計(jì)算各圓弧的參數(shù)；畸變中心選取和畸變系數(shù)計(jì)算模塊，以畸變圖像的中心為區(qū)域中心劃定畸變中心預(yù)選區(qū)域，基于圓的一般方程并根據(jù)各圓弧的參數(shù)計(jì)算以畸變中心預(yù)選區(qū)域中的各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)的取值集中區(qū)間并統(tǒng)計(jì)各取值集中區(qū)間中的畸變系數(shù)數(shù)量，計(jì)算以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中所有畸變系數(shù)的均值，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間對應(yīng)的像素點(diǎn)作為實(shí)際畸變中心，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)的均值作為實(shí)際畸變系數(shù)；畸變圖像矯正模塊，根據(jù)所述實(shí)際畸變中心和實(shí)際畸變系數(shù)對畸變圖像進(jìn)行自動矯正，得到矯正后的圖像。本發(fā)明的有益效果如下：本發(fā)明所述技術(shù)方案針對相機(jī)拍攝圖像產(chǎn)生徑向畸變的問題，以畸變產(chǎn)生的原因和畸變矯正存在的困難為核心，提出一種可以對圖像獲取過程中產(chǎn)生的徑向畸變進(jìn)行矯正的方法及系統(tǒng)。本發(fā)明所述技術(shù)方案基于畸變圖像中的畸變直線實(shí)現(xiàn)圖像徑向畸變的自動矯正，不需要畸變圖像相關(guān)的來源信息、不需要特定的模板且不需要人工的干預(yù)，因此，具有極強(qiáng)的魯棒性且更加具有實(shí)際應(yīng)用的價值。附圖說明下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說明。圖1示出圖像徑向畸變的自動矯正方法的流程圖；圖2示出徑向畸變圖像的示意圖；圖3示出邊緣連接后的邊緣輪廓的示意圖；圖4示出對邊緣輪廓進(jìn)行圓弧提取后的圓弧示意圖；圖5示出圓弧等價劃分的示意圖；圖6示出畸變參數(shù)估計(jì)前的具有固有量的圓弧圖像示意圖；圖7示出矯正后的圖像的示意圖；圖8示出圖像徑向畸變的自動矯正系統(tǒng)的示意圖。具體實(shí)施方式為了更清楚地說明本發(fā)明，下面結(jié)合優(yōu)選實(shí)施例和附圖對本發(fā)明做進(jìn)一步的說明。附圖中相似的部件以相同的附圖標(biāo)記進(jìn)行表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下面所具體描述的內(nèi)容是說明性的而非限制性的，不應(yīng)以此限制本發(fā)明的保護(hù)范圍。實(shí)施例1如圖1所示，本實(shí)施例提供的圖像徑向畸變的自動矯正方法，包括如下步驟：S1、對畸變圖像進(jìn)行邊緣檢測，得到畸變圖像的邊緣圖像，并將所述邊緣圖像中相鄰的邊緣連接，得到畸變圖像的各邊緣輪廓，本實(shí)施例中用Canny算子實(shí)現(xiàn)對畸變圖像的邊緣圖像提??；S2、對畸變圖像的各邊緣輪廓分別利用快速圓弧提取方法進(jìn)行圓弧提取，得到各邊緣輪廓對應(yīng)的圓弧，并分別計(jì)算各圓弧的參數(shù)；S3、以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域，基于圓的一般方程并根據(jù)各圓弧的參數(shù)計(jì)算以畸變中心預(yù)選區(qū)域中的各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)的取值集中區(qū)間并統(tǒng)計(jì)各取值集中區(qū)間中的畸變系數(shù)數(shù)量，計(jì)算以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中所有畸變系數(shù)的均值，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間對應(yīng)的像素點(diǎn)作為實(shí)際畸變中心，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)的均值作為實(shí)際畸變系數(shù)；S4、根據(jù)所述實(shí)際畸變中心和實(shí)際畸變系數(shù)對畸變圖像進(jìn)行自動矯正，得到矯正后的圖像。其中，步驟S1進(jìn)一步包括如下子步驟：S1.1、利用高斯濾波器對畸變圖像進(jìn)行平滑處理，得到去噪的畸變圖像；S1.2、利用一階偏導(dǎo)的有限差分計(jì)算去噪的畸變圖像的梯度幅值，得到畸變圖像的幅值圖像；S1.3、對梯度幅值進(jìn)行非極大值抑制處理，細(xì)化所述幅值圖像中的屋脊帶，生成細(xì)化的邊緣，得到畸變圖像的邊緣圖像；S1.4、利用雙閾值算法對邊緣圖像進(jìn)行檢測，并將邊緣圖像中相鄰的邊緣連接，得到畸變圖像的各邊緣輪廓；S1.5、分別統(tǒng)計(jì)各邊緣輪廓所含的像素點(diǎn)個數(shù)，只將所含像素點(diǎn)個數(shù)大于設(shè)定的邊緣輪廓長度閾值的邊緣輪廓作為邊緣輪廓。優(yōu)選地，邊緣輪廓長度閾值的取值范圍為100至200。步驟S2進(jìn)一步包括如下子步驟：S2.1、將每一個邊緣輪廓均等分成N段，第a個邊緣輪廓的每一段均有La個像素點(diǎn)，計(jì)算各段的代表點(diǎn)的坐標(biāo)，公式如下：(xQa,i,yQa,i)xQa,i=(Σj=1Laxi,j/La+xi,La/2)/2yQa,i=(Σj=1Layi,j/La+yi,La/2)/2]]>公式中，為第a個邊緣輪廓的第i段的代表點(diǎn)Qa,i的坐標(biāo)；S2.2、將第a個邊緣輪廓中各段的代表點(diǎn)分別依次連接得到N-1個首尾連接的向量并計(jì)算相鄰向量的內(nèi)積和相鄰內(nèi)積的差值Δa,i,i＝1,2,...,N-3，當(dāng)存在連續(xù)的b個差值Δa,i小于設(shè)定的內(nèi)積差值閾值TΔ時將計(jì)算b個差值所用到的連續(xù)的像素點(diǎn)作為一段圓弧，b滿足條件：(b+2)×La≥Tmin，Tmin為圓弧包含的像素個數(shù)的最小值；將大于設(shè)定內(nèi)積差值閾值TΔ的起始和終止的分組代表點(diǎn)作為圓弧端點(diǎn)，根據(jù)各圓弧端點(diǎn)對第a個邊緣輪廓進(jìn)行圓弧提取。統(tǒng)計(jì)從第a個邊緣輪廓提取出的圓弧所含的像素點(diǎn)個數(shù)，只將所含像素點(diǎn)個數(shù)大于設(shè)定的圓弧長度閾值的圓弧作為第a個邊緣輪廓對應(yīng)的圓弧。本實(shí)施例中，圓弧長度閾值的取值范圍為20至30。在進(jìn)行對圓弧基于長度的篩選后，得到第a個邊緣輪廓對應(yīng)的圓弧(一個邊緣輪廓可能會提取出多個與其對應(yīng)的圓弧)，并計(jì)算出第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)。TΔ的取值與分組包含的像素點(diǎn)個數(shù)La有關(guān)，本實(shí)施例中，內(nèi)積差值閾值TΔ的取值范圍為0至20。本實(shí)施例中，圓弧包含的像素個數(shù)的最小值Tmin的取值為30。S2.3、利用LM(Levenberg-Marquardt)算法對第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的第a個邊緣輪廓對應(yīng)的圓弧的參數(shù)；S2.4、重復(fù)執(zhí)行步驟S2.2至S2.3，直至對每一個邊緣輪廓均進(jìn)行圓弧提取，得到每一個邊緣輪廓對應(yīng)的圓弧，并得到優(yōu)化后的每一個邊緣輪廓對應(yīng)的圓弧的參數(shù)。步驟S3進(jìn)一步包括如下子步驟：S3.1、基于徑向畸變圖像的單參數(shù)除法模型和圓的一般方程建立畸變中心坐標(biāo)、圓弧的參數(shù)和畸變系數(shù)的關(guān)系方程：其中，D、E和F分別為圓弧的參數(shù)，(x0,y0)為畸變中心坐標(biāo)，λ為畸變系數(shù)；S3.2、以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域，基于畸變中心坐標(biāo)、圓弧的參數(shù)和畸變系數(shù)的關(guān)系方程計(jì)算以畸變中心預(yù)選區(qū)域中的各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)λk,m,k＝1,2,...,K,m＝1,2,...M，K為畸變中心預(yù)選區(qū)域所含像素點(diǎn)的數(shù)量，M為圓弧的數(shù)量(不管以哪個像素點(diǎn)作為畸變中心，圓弧的數(shù)量是相同的)；S3.3、設(shè)且將[-15,+15](通常來說，此數(shù)值范圍涵蓋了絕大多數(shù)的畸變圖像的實(shí)際畸變系數(shù)的上述轉(zhuǎn)換后的特征值Clg)的數(shù)值范圍以1為間隔劃分為多個數(shù)值區(qū)間，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的各圓弧的畸變系數(shù)對應(yīng)的Clg所在的數(shù)值區(qū)間；S3.4、將以各像素點(diǎn)作為畸變中心對應(yīng)的包含畸變系數(shù)特征值最多的數(shù)值區(qū)間作為該像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間，統(tǒng)計(jì)以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中的畸變系數(shù)特征值數(shù)量，并計(jì)算以各像素點(diǎn)作為畸變中心對應(yīng)的取值集中區(qū)間中所有畸變系數(shù)特征值的均值；S3.5、以畸變系數(shù)特征值數(shù)量最多的取值集中區(qū)間對應(yīng)的像素點(diǎn)作為實(shí)際畸變中心，以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)特征值的均值對應(yīng)的畸變系數(shù)作為實(shí)際畸變系數(shù)；S3.6、利用LM算法對實(shí)際畸變中心的坐標(biāo)和實(shí)際畸變系數(shù)進(jìn)行優(yōu)化。步驟S3.2中以畸變圖像的中心作為區(qū)域中心劃定畸變中心預(yù)選區(qū)域的方法為：將以畸變圖像的中心為正方形區(qū)域中心，且在X軸和Y軸的長均為R個像素點(diǎn)的正方形區(qū)域劃定為畸變中心預(yù)選區(qū)域，所述R為取值為61至101之間的奇數(shù)。步驟S4的具體過程為：S4.1、建立實(shí)際畸變中心的坐標(biāo)、實(shí)際畸變系數(shù)、畸變圖像的像素點(diǎn)坐標(biāo)和矯正后圖像的像素點(diǎn)坐標(biāo)的關(guān)系方程：其中，(xd,yd)和(xu,yu)分別為畸變圖像和矯正后圖像的像素點(diǎn)坐標(biāo)，(x0,y0)為實(shí)際畸變中心的坐標(biāo)，rd和ru分別為畸變圖像和矯正后圖像的像素點(diǎn)到實(shí)際畸變中心的距離，S4.2、利用畸變中心的坐標(biāo)、實(shí)際畸變系數(shù)、畸變圖像的像素點(diǎn)坐標(biāo)和矯正后圖像的像素點(diǎn)坐標(biāo)的關(guān)系方程計(jì)算畸變圖像中每一個像素點(diǎn)在矯正后的圖像中的坐標(biāo)，實(shí)現(xiàn)對畸變圖像的自動矯正，得到矯正后的圖像。下面通過代入具體圖像對本實(shí)施例提供的圖像徑向畸變的自動矯正方法做進(jìn)一步說明：如圖1所示，該方法包括如下步驟：S1、邊緣輪廓提取步驟：為了獲得圖像的邊緣輪廓，首先，對如圖2所示的原始畸變圖像，進(jìn)行邊緣提??；本發(fā)明采用Canny算子對圖像進(jìn)行邊緣提取，然后對鄰近的邊緣通過標(biāo)記進(jìn)行連接，得到邊緣輪廓，其結(jié)果如圖3所示；Canny算子求邊緣的具體步驟如下：11)用高斯濾波器平滑圖像；12)用一階偏導(dǎo)數(shù)有限差分計(jì)算梯度幅值和方向；13)對梯度幅值進(jìn)行非極大值抑制；14)用雙閾值算法檢測和連接邊緣。S2、圓弧提取步驟：為了得到邊緣輪廓中所有可能的圓弧結(jié)構(gòu)，首先對邊緣輪廓的像素個數(shù)進(jìn)行限制，取一個合適的閾值，一般為100，排除小于閾值的邊緣輪廓，然后對剩余的邊緣輪廓采用基于圓弧性質(zhì)的快速圓弧提取算法對輪廓進(jìn)行擬合得到圓弧參數(shù)和圓弧所包含的像素點(diǎn)，并且對圓弧參數(shù)采用LM算法進(jìn)行優(yōu)化，結(jié)果如圖4所示；基于圓弧性質(zhì)的快速提取算法中的圓弧性質(zhì)包含(如圖5所示的等分圓為例)：相鄰等分點(diǎn)依次相連形成的首尾相連八個向量的模相等，即:所有相鄰向量之間的夾角均相等，即θ0＝θ1＝,...,＝θ7；所有首尾相連的兩個向量的內(nèi)積均相等，即具體的圓弧提取步驟如下：21)遍歷步驟S1得到的每一個邊緣輪廓，對于每一個輪廓，首先是將其分成N個段，每段有La個像素點(diǎn)(a表示第a個邊緣輪廓)，接著用如下公式計(jì)算每組的代表點(diǎn)Qa,i的位置:(xQa,i,yQa,i)xQa,i=(Σj=1Laxi,j/La+xi,La/2)/2yQa,i=(Σj=1Layi,j/La+yi,La/2)/2]]>公式中，為第a個邊緣輪廓的第i段的代表點(diǎn)Qa,i的坐標(biāo)；22)將第a個邊緣輪廓的第i段的代表點(diǎn)Qa,i依次連接得到N-1個首尾相連的向量并計(jì)算相鄰向量的內(nèi)積接著計(jì)算相鄰內(nèi)積的差值Δa,i,i＝1,2,...,N-3，如果這個差值小于等于設(shè)定的內(nèi)積差值閾值，則認(rèn)為可以忽略，否則，就代表一個圓弧提取結(jié)束；當(dāng)存在連續(xù)的b個差值Δa,i小于設(shè)定的內(nèi)積差值閾值TΔ時將計(jì)算b個差值所用到的連續(xù)的像素點(diǎn)作為一段圓弧，b滿足條件：(b+2)×La≥Tmin，Tmin為圓弧包含的像素個數(shù)的最小值；將大于設(shè)定內(nèi)積差值閾值TΔ的起始和終止的分組代表點(diǎn)作為圓弧端點(diǎn)，根據(jù)各圓弧端點(diǎn)對第a個邊緣輪廓進(jìn)行圓弧提取，統(tǒng)計(jì)從第a個邊緣輪廓提取出的圓弧所含的像素點(diǎn)個數(shù)，只將所含像素點(diǎn)個數(shù)大于設(shè)定的圓弧長度閾值的圓弧作為第a個邊緣輪廓對應(yīng)的圓弧。其中，圓弧長度閾值的取值范圍為20至30。將這個像素點(diǎn)子序列加入集合中，并計(jì)算出圓弧的參數(shù)。其中，內(nèi)積差值閾值的取值范圍為0至20。23)利用LM(Levenberg-Marquardt)算法對圓弧的參數(shù)進(jìn)行優(yōu)化；24)重復(fù)步驟22)和23)，直至每個輪廓的像素點(diǎn)都能正確分類，停止循環(huán)，最終會得到一個所有圓弧提取結(jié)果的集合。S3、參數(shù)估計(jì)步驟：對一個基于圖像中心附近的區(qū)域的每一個位置進(jìn)行遍歷，基于每個圓弧的圓弧參數(shù)，計(jì)算對應(yīng)圓弧的不變量，劃分多個間隔，并對所有圓弧的不變量在間隔上進(jìn)行統(tǒng)計(jì)，采用投票機(jī)制(本質(zhì)為統(tǒng)計(jì)方法)，首先選取出特定位置為畸變中心的具有最多投票的間隔，最終選出一個具有最多投票的畸變中心。圓弧參數(shù)與畸變圖像的圖像中心之間的距離關(guān)系可由方程(1)、(2)描述：x02+y02+Dx0+Ey0+F-1λ=0C=1λ---(1)]]>Clg=lg(C)if,C>00if,C=0-lg(-C)if,C<0---(2)]]>其中，Clg為畸變系數(shù)λ的特征值，Clg的物理意義是一個距離特征值；(x0,y0)是畸變圖像的圖像中心的坐標(biāo)。篩選畸變中心的具體步驟如下：31)、建立徑向畸變圖像在單參數(shù)除法模型下的特性模型：畸變圖像中的直線在單參數(shù)除法模型下滿足圓的方程：畸變中心同樣滿足圓的方程：其中，D、E和F為圓弧的參數(shù)(也是圓的標(biāo)準(zhǔn)方程的參數(shù))，(x0,y0)是圖像的畸變中心，λ為畸變系數(shù)；32)、相比較與現(xiàn)有技術(shù)中把圖像的畸變中心默認(rèn)為畸變圖像的圖像中心，本實(shí)施例則是圍繞畸變圖像中心附近的某一個區(qū)域進(jìn)行遍歷(區(qū)域的劃定方法為：將以畸變圖像的中心為正方形區(qū)域中心，且在X軸和Y軸的長均為R個像素點(diǎn)的正方形區(qū)域劃定為畸變中心預(yù)選區(qū)域，所述R為取值為61至101之間的奇數(shù)。)，區(qū)域中的每一個位置都被當(dāng)作圖像的畸變中心進(jìn)行計(jì)算過，對于特定位置的像素點(diǎn)，利用圖像畸變中心與圓弧參數(shù)D、E和F的關(guān)系：中，且計(jì)算特定位置的像素點(diǎn)作為畸變中心時各圓弧的畸變系數(shù)；33)、在一定范圍內(nèi)劃分多個區(qū)間，一般在[-15,+15]的范圍內(nèi)以1為間隔進(jìn)行區(qū)間劃分，對落在區(qū)間內(nèi)的特征值Clg的值進(jìn)行投票，投票時要注意檢查每個圓弧的長度，并不能以圓弧的個數(shù)作為統(tǒng)計(jì)標(biāo)準(zhǔn)，因?yàn)檩^長的圓弧更有利于圖像的畸變矯正，所以應(yīng)排除那些過短(包含的像素點(diǎn)過少)的圓弧，在步驟S2的子步驟22)中，已經(jīng)只將所含像素點(diǎn)個數(shù)大于設(shè)定的圓弧長度閾值的圓弧作為第a個邊緣輪廓對應(yīng)的圓弧，也就排除了像素點(diǎn)過少的圓??；34)、對各圓弧的特征值Clg進(jìn)行統(tǒng)計(jì)，選出具有最密集區(qū)間的特征值Clg并計(jì)算其密集的特征值Clg的均值；35)、畸變系數(shù)λ的特征值Clg落在[Clg-error,Clg+error]之間的圓弧即可認(rèn)為是由直線畸變產(chǎn)生的圓弧，記錄當(dāng)前作為畸變中心的像素點(diǎn)對應(yīng)的圖像畸變中心和特征值Clg的均值，error代表特征值的可允許誤差；36)、循環(huán)遍歷，重復(fù)上述步驟，直到對圖像中心附近區(qū)域全部遍歷完，最后找出一個具有最多特征值集中的區(qū)間所對應(yīng)的作為畸變中心的像素點(diǎn)，就認(rèn)為該像素點(diǎn)是圖像的實(shí)際畸變中心，而對于畸變系數(shù)λ，則是通過實(shí)際畸變中心的具有最多特征值集中的區(qū)間的畸變系數(shù)均值來體現(xiàn)的，即以畸變系數(shù)數(shù)量最多的取值集中區(qū)間中所有畸變系數(shù)特征值的均值對應(yīng)的畸變系數(shù)作為實(shí)際畸變系數(shù)，如圖6所示。實(shí)際上，步驟S3的具體過程是雙層遍歷過程，在劃定區(qū)域內(nèi)遍歷所有像素點(diǎn)時，遍歷到某個像素點(diǎn)就遍歷一次該像素點(diǎn)作為畸變中心時各圓弧的畸變系數(shù)。S4、根據(jù)所述實(shí)際畸變中心和實(shí)際畸變系數(shù)對畸變圖像進(jìn)行自動矯正：通過步驟S3，已經(jīng)計(jì)算出畸變中心的坐標(biāo)和畸變系數(shù)，由上述計(jì)算出的實(shí)際畸變系數(shù)和實(shí)際畸變中心以及單參數(shù)除法模型的逆過程，如下式所示，對圖像進(jìn)行畸變矯正。xd=x0+(rdru)(xu-x0)]]>yd=y0+(rdru)(yu-y0)]]>其中，(xd,yd)和(xu,yu)分別是畸變圖像和矯正后圖像的像素點(diǎn)坐標(biāo)，rd和ru分別是畸變圖像和矯正圖像的像素點(diǎn)到圖像的實(shí)際畸變中心的距離，ru可以由rd結(jié)合畸變系數(shù)λ計(jì)算得到：(x0,y0)為圖像的實(shí)際畸變中心的坐標(biāo)，圖7示出了矯正后圖像的示意圖，可看出，與圖2相比，圖像的畸變問題得到了根本的解決。綜上所述，本實(shí)施例提供的圖像徑向畸變的自動矯正方法對圖像中產(chǎn)生的徑向畸變能夠穩(wěn)定的去除；且相對于其他算法，能夠自動實(shí)現(xiàn)矯正，不需要人的干預(yù)且不需要特殊的模板；對各種情況下，相機(jī)獲取的圖像均可以有效的去除其產(chǎn)生的畸變。實(shí)施例2如圖8所示，本實(shí)施例提供的圖像徑向畸變的自動矯正系統(tǒng)用于執(zhí)行實(shí)施例1提供的圖像徑向畸變的自動矯正方法，該系統(tǒng)包括：畸變圖像輪廓提取模塊，對畸變圖像進(jìn)行邊緣檢測，獲得畸變圖像的邊緣圖像，并將邊緣圖像中鄰近的邊緣連接，得到畸變圖像的邊緣輪廓；邊緣輪廓中圓弧提取模塊，對畸變圖像的邊緣輪廓分別進(jìn)行基于圓弧性質(zhì)的快速圓弧提取算法，獲得邊緣輪廓中所有圓弧，并分別計(jì)算所有圓弧的圓弧參數(shù)；參數(shù)估計(jì)模塊，對一個基于圖像中心附近的區(qū)域的每一個位置進(jìn)行遍歷，基于每個圓弧的圓弧參數(shù)，計(jì)算對應(yīng)圓弧的畸變系數(shù)的特征值，對所有圓弧的畸變系數(shù)的特征值在區(qū)間上采用投票機(jī)制進(jìn)行統(tǒng)計(jì)，投票時首先要保證統(tǒng)計(jì)的圓弧大于圓弧長度閾值，因?yàn)檩^長的圓弧比短的圓弧更有利于圖像的畸變矯正。首先選取出特定位置的像素點(diǎn)作為畸變中心時的具有最多投票的區(qū)間，最終選出一個具有最多投票的實(shí)際畸變中心，并計(jì)算實(shí)際畸變系數(shù)；畸變圖像矯正模塊，基于上述得到的畸變系數(shù)和畸變中心對畸變圖像進(jìn)行自動矯正；為了方便使用者了解系統(tǒng)的矯正過程，該系統(tǒng)進(jìn)一步包括用于顯示系統(tǒng)圖像矯正過程中的所有圖像和數(shù)據(jù)的顯示模塊；上述顯示單元包括圖像顯示模塊和數(shù)據(jù)顯示模塊；以及用于存儲系統(tǒng)圖像矯正過程中的矯正圖像和圓弧提取和篩選過程中的數(shù)據(jù)的存儲模塊；上述保存單元包括圖像存儲模塊和數(shù)據(jù)存儲模塊。顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實(shí)施方式的限定，對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動，這里無法對所有的實(shí)施方式予以窮舉，凡是屬于本發(fā)明的技術(shù)方案所引伸出的顯而易見的變化或變動仍處于本發(fā)明的保護(hù)范圍之列。當(dāng)前第1頁1 2 3