CN110717942A - 图像处理方法和装置、电子设备、计算机可读存储介质 - Google Patents
图像处理方法和装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN110717942A CN110717942A CN201810758592.1A CN201810758592A CN110717942A CN 110717942 A CN110717942 A CN 110717942A CN 201810758592 A CN201810758592 A CN 201810758592A CN 110717942 A CN110717942 A CN 110717942A
- Authority
- CN
- China
- Prior art keywords
- calibration
- transfer function
- image
- modulus transfer
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012546 transfer Methods 0.000 claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims description 120
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 34
- 238000010586 diagram Methods 0.000 description 18
- 238000013519 translation Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000005316 response function Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000003705 background correction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法和装置、电子设备、计算机可读存储介质。所述方法包括：获取标定图像；对所述标定图像进行检测得到斜边区域；获取所述斜边区域的第一模量传递函数；读取所述标定图像的中心区域的第二模量传递函数；获取所述第一模量传递函数与第二模量传递函数的比值；当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件。可以筛选出了清晰度符合条件的标定图像，后续进行标定，能够提高标定精度。
Description
技术领域
本申请涉及影像领域，特别是涉及一种图像处理方法和装置、电子设备、计算机可读存储介质。
背景技术
随着电子设备和影像技术的发展，越来越多的用户使用电子设备的摄像头采集图像。摄像头在出厂前需要进行参数标定，在标定过程中需要采集标定图像。
发明内容
本申请实施例提供一种图像处理方法和装置、电子设备、计算机可读存储介质，可以检测满足要求的图像，提高后续标定的精度。
一种图像处理方法，包括：
获取标定图像；
对所述标定图像进行检测得到斜边区域；
获取所述斜边区域的第一模量传递函数；
读取所述标定图像的中心区域的第二模量传递函数；
获取所述第一模量传递函数与第二模量传递函数的比值；
当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件。
一种标定板，包括
承载体；
预设图案，设置在所述承载体上；
所述预设图案包括标定图案和斜边图案，所述斜边图案位于所述标定图案的四个侧边，且所述斜边图案与所述标定图案之间存在间隙。
一种图像处理装置，包括：
图像获取模块，用于获取标定图像；
检测模块，用于对所述标定图像进行检测得到斜边区域；
参数获取模块，用于获取所述斜边区域的第一模量传递函数；
读取模块，用于读取所述标定图像的中心区域的第二模量传递函数；
比值获取模块，用于获取所述第一模量传递函数与第二模量传递函数的比值；
确定模块，用于当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的图像处理方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的图像处理方法的步骤。
本申请实施例的图像处理方法和装置、电子设备、计算机可读存储介质，通过对标定图像进行检测得到斜边区域，求取斜边区域的第一模量传递函数，再获取标定图像的中心区域的第二模量传递函数，当第一模量传递函数与第二模量传递函数的比值超过阈值，则表示标定图像的清晰度满足预设条件，如此筛选出了清晰度符合条件的标定图像，后续进行标定，能够提高标定精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中双摄像标定的应用环境示意图。
图2为一个实施例中传统的标定板的chart图的示意图。
图3为一个实施例中拍摄的标定图像全部模糊不清的流程图。
图4为一个实施例中拍摄的标定图像部分模糊不清的示意图。
图5为对图2中的图检测得到的特征点。
图6为对图3中模糊图检测得到的特征点。
图7为对图5和图6中特征点的像素差的示意图。
图8为一个实施例中标定板的预设图案的示意图。
图9为一个实施例中图像处理方法的流程图。
图10为一个实施例中斜边区域划分多个子区域示意图。
图11为另一个实施例中图像处理方法的流程图。
图12为一个实施例中图像处理装置的结构框图。
图13为另一个实施例中图像处理装置的结构框图。
图14为一个实施例中电子设备的内部结构示意图。
图15为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一标定图像称为第二标定图像，且类似地，可将第二标定图像称为第一标定图像。第一标定图像和第二标定图像两者都是标定图像，但其不是同一标定图像。
图1为一个实施例中双摄像头标定的应用环境示意图。如图1所示，该应用环境包括双摄治具110和标定板120。双摄治具110用于放置带有双摄像头模组或者带有双摄像头模组的电子设备。标定板120(chart)上带有chart图案。标定板120可进行旋转，保持不同角度的位姿。双摄治具110上的双摄像头模组或带有双摄像头模组的电子设备在不同距离、不同角度拍摄标定板120上chart图案，通常拍摄图像至少3个角度，如图1中双摄像头模组光轴垂直于标定板旋转轴，标定板120绕Y轴旋转三个角度，其中一个角度为0度，另外两个旋转角度为±θ度，θ大于15，以保证姿态间解耦。通过双摄像头模组拍摄不同角度的标定板得到不同角度的标定图像，通过检测得到标定图像中的斜边区域，求取斜边区域的第一模量传递函数，再获取标定图像的中心区域的第二模量传递函数，当第一模量传递函数与第二模量传递函数的比值在预设范围内，则确定标定图像满足预设条件，再根据标定图像对单摄像头的内参和外参进行标定，并根据单摄像头的内参和外参求取该双摄像头模组的外参。如此，提高了单摄像头的内参和外参的标定精度，也提高了双摄像头模组外参的标定精度。
图2为一个实施例中传统的标定板的chart图。如图2所示，该chart图为棋盘格图，由黑色方格和白色方格交错排布组成。其中，棋盘格长宽角点个数可以相等，也可以不等，实际的物理距离可为5至30厘米。在其他实施例中，chart图也可为圆形图。由于摄像头对焦差或镜头有损坏会导致图像模糊，如图3所示，拍摄的标定图像全部模糊不清，图4为拍摄的标定图像部分模糊不清。
图5为对图2中的图检测得到的特征点，图6为对图3中模糊图检测得到的特征点，图7为对图5和图6中特征点的像素差。图7中，白色点状区域为图5中的特征点与图6中的特征点的连线，出现的点知识一个像素差。
图8为本申请实施例中的标定板的预设图案的示意图。如图8所示，该预设图案包括标定图案810和斜边图案820。标定图案810以黑白交错的方格组成。斜边图案820位于标定图案810的四个侧边。斜边图案820包括左斜边图案、右斜边图案、上斜边图案、下斜边图案。上、下、左、右以标定图案810为中心，斜边图案820相对标定图案810分为上、下、左、右四个斜边。斜边图案820与标定图案810之间存在间隙。斜边图案820与标定图案810之间间隙的最近距离为标定图案810中两个相邻特征点之间的距离的0.1至1倍之间。斜边的倾斜角度控制在2至10度内。
图9为一个实施例中图像处理方法的流程图。如图9所示，在一个实施例中，一种图像处理方法，包括步骤902至步骤912。
步骤902，获取标定图像。
通过摄像头拍摄包含预设图案的标定板得到标定图像。
步骤904，对标定图像进行检测得到斜边区域。
通过边缘和轮廓检测对标定图像进行检测得到斜边区域。边缘和轮廓检测可通过滤波函数实现，滤波函数包括Laplacian()、Sobel()以及Scharr()等。在其他实施例中，可以采用Canny边缘检测算法实现边缘检测得到斜边区域或者连通域算法检测得到斜边区域。
步骤906，获取斜边区域的第一模量传递函数。
MTF(Modulation Transfer Function，模量传递函数)是衡量镜头性能的一个重要指标。将镜头把被拍摄物体所具有的对比度再现到像面上的忠诚度以空间频率特性进行表示，便绘制成了MTF曲线图。曲线图的横轴表示像高(与成像中心的距离，单位为毫米)，纵轴表示对比度值，对比度值最大为1。
斜边区域的第一模量传递函数可通过倾斜边缘法(Slanted Edge Method，SEM)或者空间频率响应(Spatial Frequency Response，SFR)。
倾斜边缘法检测斜边区域包括：获取倾斜边缘的边缘扩散函数(Edge SpreadFunction，ESF)，然后求导得到对应的线扩散函数(Line Spread Function，LSF)，最后经过傅里叶变换得到MTF。
倾斜边缘的响应函数可以由一个冲激函数表示：
当边缘响应函数由完善的(没有像差)的光学系统成像时，系统的成像质量不会被劣化。因此边缘函数被线性不变的光学系统成像时，系统的输出O(x)等于线传递函数LSF与系统的响应函数S(x)的卷积：
当x-α<0时，阶跃函数S(x)＝0，其他情况下S(x)＝1，所以ESF(x)可以表示为：
因此，ESF(x)的导数可以写为：
所以可以将MTF写作LSF的如下函数：
通常，MTF会对零频率幅值归一化，同时由卷积定义及傅里叶变换理论可以推导得出级联系统的MTF：
MTFopticalsystem＝MTFlens×MTFcamera×MTFdisplay 公式(6)
采用STR曲线求取MTF包括：获取倾斜边缘的边缘扩散函数(Edge SpreadFunction，ESF)，然后求导得到对应的线扩散函数(Line Spread Function，LSF)，最后经过傅里叶变换得到MTF。
MTF可为最大亮度与最小亮度的差与最大亮度与最小亮度的和的比值，即MTF＝(最大亮度-最小亮度)/(最大亮度+最小亮度)。
步骤908，读取标定图像的中心区域的第二模量传递函数。
标定图像的中心区域可为以标定图像的中心点为中心占整个标定图像面积达到预设比例的区域。预设比例可根据需要设定，该预设比例可为30％至50％。标定图像的中区域的第二模量传递函数可通过实际模组规格数据来统计获取。
步骤910，获取第一模量传递函数与第二模量传递函数的比值。
计算第一模量传递函数与第二模量传输函数的比值，计算公式为ratio＝MTFborder/MTFcenter，其中，ratio为第一模量传递函数与第二模量传输函数的比值，MTFborder为第一模量传递函数，MTFcenter为第二模量传递函数。
步骤912，当比值超过阈值，则确定标定图像的清晰度满足预设条件。
阈值可根据摄像头模组的规格来设定，如阈值可为[0.3，0.5]内的值。
当比值在[0，r]范围内，则认为标定图像的清晰度未达到预设条件。其中，r为阈值。预设条件是指清晰度达到预设标准。
上述实施例中的图像处理方法，通过对标定图像进行检测得到斜边区域，求取斜边区域的第一模量传递函数，再获取标定图像的中心区域的第二模量传递函数，当第一模量传递函数与第二模量传递函数的比值超过阈值，则表示标定图像的清晰度满足预设条件，如此筛选出了清晰度符合条件的标定图像，后续进行标定，能够提高标定精度。
在一个实施例中，获取标定图像包括：获取拍摄包含预设图案的标定板得到标定图像，其中，该预设图案包括标定图案和斜边图案，该斜边图案位于该标定图案的四个侧边,且该斜边图案与该标定图案之间存在间隙。该斜边图案与该标定图案之间间隙的最近距离为该标定图案中两个相邻特征点之间的距离的0.1至1倍。
斜边图案位于标定图案的四个侧边，则拍摄得到的标定图像，对标定图像进行检测得到四个斜边区域，求取四个斜边区域各自的第一模量传递函数，再分别计算四个第一模量传递函数与第二模量传递函数的比值，当四个比值都超过阈值时，确定该标定图像的清晰度满足预设条件。
标定图案中的两个相邻特征点是指在标定图案的同一行或同一列上相邻两个特征点。
在一个实施例中，通过连通域算法检测得到斜边区域。连通域是指图像中具有相同像素值且位置相邻的像素点组成的图像区域。连通域算法是指将图像中的各个连通区域找出并标记。连通域算法可为通过matlab中连通区域标记函数bwlabel中的算法，一次遍历图像，并记下每一行的等价对，然后通过等价对对原来的图像进行重新标记。也可以通过开源库cvBlob中使用的标记算法，通过定位连通区域的内外轮廓来标记整个图像。
连通区域标记函数算法的具体过程包括：逐行扫描标定图像，把每一行中连续的白色像素组成一个序列称为一个团，并记下它的起点和终点以及它所在的行号，对于除了第一行外的所有行里的团，如果它与前一行中的所有团都没有重合区域，则给它一个新的标号；如果它仅与上一行中一个团有重合区域，则将上一行的那个团的标号赋给它；如果它与上一行的2个以上的团有重叠区域，则给当前团赋一个相连团的最小标号，并将上一行的这几个团的标记写入等价对，说明它们属于一类。将等价对转换为等价序列，每一个序列需要给一相同的标号。从1开始，给每个等价序列一个标号。遍历开始团的标记，查找等价序列，给与它们新的标记。将每个团的标号填入标定图像中。
在一个实施例中，获取斜边区域的第一模量传递函数，包括：获取斜边区域，将该斜边区域分成第一数量的子区域；获取该第一数量的子区域的模量传递函数；根据该第一数量的子区域的模量传递函数得到该斜边区域的第一模量传递函数。
处理器可将斜边区域分成第一数量的子区域，第一数量可根据需要设定，如1、2、3、5、10等。可将斜边区域的斜边分成大小相同的第一数量的线段，也可以将斜边区域的斜边分成大小不同的第一数量的线段。
如图10所示，斜边区域为左斜边区域，识别出左斜边区域的顶点A、顶点B和顶点C，选取顶点A和顶点C的边来计算该左斜边区域的第一模量传递函数MTF，将顶点A和顶点C的边选择水平均分为N个部分，求取每个部分的模量传递函数，再求取N个部分的模量传递函数的平均值得到该斜边区域的第一模量传递函数。也可以从第一数量的子区域中选取部分的子区域的模量传递函数，求加权平均得到该斜边区域的第一模量传递函数。
通过将斜边区域分成多个子区域，再求取子区域的模量传递函数，根据子区域的模量传递函数求取斜边区域的第一模量传递函数，计算更加精确。
在一个实施例中，根据该第一数量的子区域的模量传递函数得到该斜边区域的第一模量传递函数，包括：获取第二数量的子区域的模量传递函数，该第二数量的子区域是从该第一数量的子区域中选取的；将该第二数量的子区域的模量传递函数取平均得到该斜边区域的第一模量传递函数。
第二数量小于第一数量。第二数量可以根据需要设定。将第一数量的子区域按照划分顺序排序得到子区域序列，选取子区域序列中处于中间位置的第二数量的子区域，计算第二数量的子区域的模量传递函数，然后求取平均得到斜边区域的第一模量传递函数。
选取处于中间位置的第二数量的子区域，计算得到的结果更加准确。
图11为另一个实施例中的图像处理方法的流程图。如图11所示，该图像处理方法包括：
步骤1102，获取双摄像头模组中第一摄像头和第二摄像头分别拍摄的标定图像。
通过双摄像头模组中的第一摄像头和第二摄像头分别对标定板进行拍摄得到标定图像。
步骤1104，对各个标定图像进行检测得到对应的斜边区域。
通过边缘和轮廓检测对标定图像进行检测得到斜边区域。或者通过连通域算法检测得到斜边区域。
步骤1106，获取该斜边区域的第一模量传递函数。
步骤1108，读取该标定图像的中心区域的第二模量传递函数。
步骤1110，获取该第一模量传递函数与第二模量传递函数的比值。
步骤1112，当该比值超过阈值，则确定该标定图像的清晰度满足预设条件。
步骤1114，根据满足预设条件的标定图像获取双摄像头模组中第一摄像头的内参和外参以及第二摄像头的内参和外参。
单摄像头的内参可包括fx、fy、cx、cy，其中，fx表示焦距在图像坐标系x轴方向上单位像元大小，fy表示焦距在图像坐标系y轴方向上单位像元大小，cx、cy表示图像平面的主点坐标，主点是光轴与图像平面的交点。fx＝f/dx，fy＝f/dy，其中，f为单摄像头的焦距，dx表示图像坐标系x轴方向上一个像素的宽度，dy表示图像坐标系y轴方向上一个像素的宽度。图像坐标系是以摄像头拍摄的二维图像为基准建立的坐标系，用于指定物体在拍摄图像中的位置。图像坐标系中的(x,y)坐标系的原点位于摄像头光轴与成像平面的焦点(cx，cy)上，单位为长度单位，即米，像素坐标系中的(u，v)坐标系的原点在图像的左上角，单位为数量单位，即个。(x,y)用于表征物体从摄像头坐标系向图像坐标系的透视投影关系，(u，v)用于表征像素坐标。(x,y)与(u，v)之间的转换关系如公式(1)：
透视投影是指用中心投影法将形体投射到投影面上，从而获得的一种较为接近视觉效果的单面投影图。
单摄像头的外参包括世界坐标系下的坐标转换到摄像头坐标系下的坐标的旋转矩阵和平移矩阵。世界坐标系通过刚体变换到达摄像头坐标系，摄像头坐标系通过透视投影变换到达图像坐标系。刚体变换是指三维空间中，当物体不发生形变时，对一个几何物体做旋转、平移的运动，即为刚体变换。刚体变换如公式(8)。
Xc＝RX+T，
其中，Xc代表摄像头坐标系，X代表世界坐标系，R代表世界坐标系到摄像头坐标系的旋转矩阵，T代表世界坐标系到摄像头坐标系的平移矩阵。世界坐标系原点和摄像头坐标系原点之间的距离受x、y、z三个轴方向上的分量共同控制，具有三个自由度，R为分别绕X、Y、Z轴旋转的效果之和。tx表示x轴方向的平移量，ty表示y轴方向的平移量，tz表示z轴方向的平移量。
世界坐标系是客观三维空间的绝对坐标系，可以建立在任意位置。例如对于每张标定图像，世界坐标系可以建立在以标定板的左上角角点为原点，以标定板平面为XY平面，Z轴垂直标定板平面向上。摄像头坐标系是以摄像头光心为坐标系的原点，以摄像头的光轴作为Z轴，X轴、Y轴分别平行于图像坐标系的X轴Y轴。图像坐标系的主点是光轴与图像平面的交点。图像坐标系以主点为原点。像素坐标系是指原点定义在图像平面的左上角位置。
通过单个摄像头拍摄不同角度的标定板得到标定图像，从标定图像中提取特征点，计算无畸变情况下，单个摄像头的5个内参和2个外参，应用最小二乘法计算得到畸变系数，再通过极大似然法进行优化，得到单个摄像头最终的内参和外参。
首先建立摄像头模型，得到公式(9)。
其中，
的齐次坐标表示图像平面的像素坐标(u,v,1)，
的齐次坐标表示世界坐标系的坐标点(X,Y,Z,1)，A表示内参矩阵，R表示世界坐标系转换到摄像头坐标系的旋转矩阵，T表示世界坐标系转换到摄像头坐标系的平移矩阵。
其中，α＝f/dx，β＝f/dy，f为单摄像头的焦距，dx表示图像坐标系x轴方向上一个像素的宽度，dy表示图像坐标系y轴方向上一个像素的宽度。γ代表像素点在x,y方向上尺度的偏差。u0、v0表示图像平面的主点坐标，主点是光轴与图像平面的交点。
将世界坐标系构造在Z＝0的平面上，再进行单应性计算，令Z＝0则将上述转换为公式(11)。
单应性是指在计算机视觉中被定义为一个平面到另一个平面的投影映射。令H＝A[r1 r2 t]，H为单应性矩阵。H是一个3*3的矩阵，并且有一个元素作为齐次坐标，因此，H有8个未知量待解。将单应性矩阵写成三个列向量的形式，即H＝[h1 h2 h3]，从而得到公式(12)。
[h1 h2 h3]＝λA[r 1r2 t] 公式(12)
对于公式(14)，采用两个约束条件，第一，r1,r2正交，得r1r2＝0，r1,r2分别绕x,y轴旋转。第二，旋转向量的模为1，即|r1|＝|r2|＝1。通过两个约束条件，将r1,r2代换为h1,h2与A的组合进行表达。即r1＝h1A-1，r2＝h2A-1。根据两个约束条件，可以得到公式(15)：
令
B为一个对称阵，故B的有效元素为6个，6个元素构成向量b。
b＝[B11,B12,B22,B13,B23,B33]T
可以计算得到Vij＝[hi1hj1,hi1hj2+hi2hj1,hi2hj2,hi3hj1+hi1hj3,hi3hj2+hi2hj3,hi3hj3]T
利用约束条件得到方程组：
通过至少三幅图像，应用公式(16)估算出B，对B进行分解得到摄像头的内参矩阵A的初始值。
基于内参矩阵计算外参矩阵，得到外参矩阵的初始值。
其中，λ＝1/||A-1h1||＝1/||A-1h2||。
摄像头完整几何模型采用公式(16)
其中，公式(16)是将世界坐标系构造在Z为0平面上得到的几何模型，X,Y为平面标定板上特征点的世界坐标，x,y,z为标定板上特征点在摄像头坐标系的物理坐标。
R为标定板的世界坐标系到摄像头坐标系的旋转矩阵，T为标定板的世界坐标系到摄像头坐标系的平移矩阵。
对标定板上特征点在摄像头坐标系的物理坐标[x,y,z]进行归一化处理，得到目标坐标点(x',y')。
利用畸变模型对摄像头坐标系像点进行畸变变形处理。
利用内参将物理坐标转换为图像坐标。
将内参矩阵的初始值和外参矩阵的初始值导入到极大似然公式得到最终的内参矩阵和外参矩阵。极大似然公式为
求取最小值。
双摄像头模组包括第一摄像头和第二摄像头。第一摄像头和第二摄像头可均为彩色摄像头，或者一个为黑白摄像头，一个为彩色摄像头，或者两个黑白摄像头。
步骤1116，根据该第一摄像头的内参和外参以及第二摄像头的内参和外参获取双摄像头模组的外参。
双摄像头标定是指确定双摄像头模组的外参值。双摄像头模组的外参包括双摄像头间的旋转矩阵和双摄像头间的平移矩阵。双摄像头之间的旋转矩阵和平移矩阵可以有公式(20)求取。
其中，R'为双摄像头间的旋转矩阵，T'为双摄像头间的平移矩阵，Rr为第一摄像头经过标定得到的相对标定物的旋转矩阵(即标定物在世界坐标系的坐标转换到第一摄像头的摄像头坐标系的坐标的旋转矩阵)，Tr为第一摄像头经过标定得到的相对标定物的平移矩阵(即标定物在世界坐标系的坐标转换到第一摄像头的摄像头坐标系的坐标的平移矩阵)。Rl为第二摄像头经过标定得到的相对标定物的旋转矩阵(即标定物在世界坐标系的坐标转换到第二摄像头的摄像头坐标系的坐标的旋转矩阵)，Tl为第二摄像头经过标定得到的相对标定物的平移矩阵(即标定物在世界坐标系的坐标转换到第二摄像头的摄像头坐标系的坐标的平移矩阵)。
本实施例中通过对双摄像头模组采集的标定图像计算标定图像中斜边区域的第一模量传递函数和中心区域的第二模量传递函数，计算两者的比值，根据比值与阈值的比较，确定标定图像的清晰度是否符合预设条件，符合预设条件，则采用清晰度符合预设条件的标定图像进行单摄像头和双摄像头模组标定，提高了标定的精度。
本申请实施例还提供了一种标定板。该标定板包括承载体；预设图案，设置在该承载体上；该预设图案包括标定图案和斜边图案，该斜边图案位于该标定图案的四个侧边,且该斜边图案与该标定图案之间存在间隙。该斜边图案与该标定图案之间间隙的最近距离为该标定图案中两个相邻特征点之间的距离的0.1至1倍。
斜边图案位于标定图案的四个侧边，则拍摄得到的标定图像，对标定图像进行检测得到四个斜边区域，求取四个斜边区域各自的第一模量传递函数，再分别计算四个第一模量传递函数与第二模量传递函数的比值，当四个比值都超过阈值时，确定该标定图像的清晰度满足预设条件。标定图案中的两个相邻特征点是指在标定图案的同一行或同一列上相邻两个特征点。
在一个实施例中，斜边图案中的斜边的倾斜角度控制在2至10度内。
图12为一个实施例中图像处理装置的结构框图。如图12所示，该图像处理装置，包括图像获取模块1202、检测模块1204、参数获取模块1206、读取模块1208、比值获取模块1210和确定模块1212。其中：
图像获取模块1202用于获取标定图像。
检测模块1204用于对该标定图像进行检测得到斜边区域。
参数获取模块1206用于获取该斜边区域的第一模量传递函数。
读取模块1208用于读取该标定图像的中心区域的第二模量传递函数。
比值获取模块1210用于获取该第一模量传递函数与第二模量传递函数的比值。
确定模块1212用于当该比值超过阈值，则确定该标定图像的清晰度满足预设条件。
上述实施例中的图像处理装置，通过对标定图像进行检测得到斜边区域，求取斜边区域的第一模量传递函数，再获取标定图像的中心区域的第二模量传递函数，当第一模量传递函数与第二模量传递函数的比值超过阈值，则表示标定图像的清晰度满足预设条件，如此筛选出了清晰度符合条件的标定图像，后续进行标定，能够提高标定精度。
在一个实施例中，图像获取模块1202还用于获取拍摄包含预设图案的标定板得到标定图像，其中，该预设图案包括标定图案和斜边图案，该斜边图案位于该标定图案的四个侧边；该斜边图案与该标定图案之间最近距离为该标定图案中两个相邻特征点之间的距离的0.1至1倍之间。
在一个实施例中，参数获取模块1206还用于获取该斜边区域，将该斜边区域分成第一数量的子区域；获取该第一数量的子区域的模量传递函数；根据该第一数量的子区域的模量传递函数得到该斜边区域的第一模量传递函数。
在一个实施例中，参数获取模块1206还用于获取第二数量的子区域的模量传递函数，该第二数量的子区域是从该第一数量的子区域中选取的；将该第二数量的子区域的模量传递函数取平均得到该斜边区域的第一模量传递函数。
在一个实施例中，参数获取模块1206还用于通过倾斜边缘法或空间频域响应曲线获取该斜边区域的第一模量传递函数。
图13为另一个实施例中图像处理装置的结构框图。如图13所示，该图像处理装置，包括图像获取模块1202、检测模块1204、参数获取模块1206、读取模块1208、比值获取模块1210和确定模块1212，还包括标定模块1214。其中：图像获取模块1202还用于获取双摄像头模组中第一摄像头和第二摄像头分别拍摄的标定图像。检测模块1204还用于对各个标定图像进行检测得到对应的斜边区域。参数获取模块1206还用于获取该斜边区域的第一模量传递函数。读取模块1208还用于读取该标定图像的中心区域的第二模量传递函数。比值获取模块1210还用于获取该第一模量传递函数与第二模量传递函数的比值。确定模块1212还用于当该比值超过阈值，则确定该标定图像的清晰度满足预设条件。标定模块1214用于根据满足预设条件的标定图像获取双摄像头模组中第一摄像头的内参和外参以及第二摄像头的内参和外参；根据该第一摄像头的内参和外参以及第二摄像头的内参和外参获取双摄像头模组的外参。
本申请实施例还提供了一种电子设备。该电子设备，包括存储器及处理器，该存储器中储存有计算机程序，该计算机程序被该处理器执行时，使得该处理器执行图像处理方法中的操作。
本申请实施例提供了一种非易失性计算机可读存储介质。一种非易失性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下图像处理方法中的操作。
图14为一个实施例中电子设备的内部结构示意图。如图14所示，该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的无线网络通信方法。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行图像处理方法。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图15为一个实施例中图像处理电路的示意图。如图15所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图15所示，图像处理电路包括第一ISP处理器1530、第二ISP处理器1540和控制逻辑器1550。第一摄像头1510包括一个或多个第一透镜1512和第一图像传感器1514。第一图像传感器1514可包括色彩滤镜阵列(如Bayer滤镜)，第一图像传感器1514可获取用第一图像传感器1514的每个成像像素捕捉的光强度和波长信息，并提供可由第一ISP处理器1530处理的一组图像数据。第二摄像头1520包括一个或多个第二透镜1522和第二图像传感器1524。第二图像传感器1524可包括色彩滤镜阵列(如Bayer滤镜)，第二图像传感器1524可获取用第二图像传感器1524的每个成像像素捕捉的光强度和波长信息，并提供可由第二ISP处理器1540处理的一组图像数据。
第一摄像头1510采集的第一图像传输给第一ISP处理器1530进行处理，第一ISP处理器1530处理第一图像后，可将第一图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器1550，控制逻辑器1550可根据统计数据确定第一摄像头1510的控制参数，从而第一摄像头1515可根据控制参数进行自动对焦、自动曝光等操作。第一图像经过第一ISP处理器1530进行处理后可存储至图像存储器1560中，第一ISP处理器1530也可以读取图像存储器1560中存储的图像以对进行处理。另外，第一图像经过ISP处理器1530进行处理后可直接发送至显示器1570进行显示，显示器1570也可以读取图像存储器1560中的图像以进行显示。
其中，第一ISP处理器1530按多种格式逐个像素地处理图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，第一ISP处理器1530可对图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度计算精度进行。
图像存储器1560可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。
当接收到来自第一图像传感器1514接口时，第一ISP处理器1530可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器1560，以便在被显示之前进行另外的处理。第一ISP处理器1530从图像存储器1560接收处理数据，并对所述处理数据进行RGB和YCbCr颜色空间中的图像数据处理。第一ISP处理器1530处理后的图像数据可输出给显示器1570，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，第一ISP处理器1530的输出还可发送给图像存储器1560，且显示器1570可从图像存储器1560读取图像数据。在一个实施例中，图像存储器1560可被配置为实现一个或多个帧缓冲器。
第一ISP处理器1530确定的统计数据可发送给控制逻辑器1550。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、第一透镜1512阴影校正等第一图像传感器1514统计信息。控制逻辑器1550可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定第一摄像头1510的控制参数及第一ISP处理器1530的控制参数。例如，第一摄像头1510的控制参数可包括增益、曝光控制的积分时间、防抖参数、闪光控制参数、第一透镜1512控制参数(例如聚焦或变焦用焦距)、或这些参数的组合等。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及第一透镜1512阴影校正参数。
同样地，第二摄像头1520采集的第二图像传输给第二ISP处理器1540进行处理，第二ISP处理器1540处理第一图像后，可将第二图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器1550，控制逻辑器1550可根据统计数据确定第二摄像头1520的控制参数，从而第二摄像头1520可根据控制参数进行自动对焦、自动曝光等操作。第二图像经过第二ISP处理器1540进行处理后可存储至图像存储器1560中，第二ISP处理器1540也可以读取图像存储器1560中存储的图像以对进行处理。另外，第二图像经过ISP处理器1540进行处理后可直接发送至显示器1570进行显示，显示器1570也可以读取图像存储器1560中的图像以进行显示。第二摄像头1520和第二ISP处理器1540也可以实现如第一摄像头1510和第一ISP处理器1530所描述的处理过程。
以下为运用图15中图像处理技术实现图像处理方法的步骤。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取标定图像；
对所述标定图像进行检测得到斜边区域；
获取所述斜边区域的第一模量传递函数；
读取所述标定图像的中心区域的第二模量传递函数；
获取所述第一模量传递函数与第二模量传递函数的比值；
当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件。
2.根据权利要求1所述的方法，其特征在于，所述获取标定图像，包括：
获取拍摄包含预设图案的标定板得到标定图像，其中，所述预设图案包括标定图案和斜边图案，所述斜边图案位于所述标定图案的四个侧边，且所述斜边图案与所述标定图案之间存在间隙。
3.根据权利要求1所述的方法，其特征在于，所述获取所述斜边区域的第一模量传递函数，包括：
获取所述斜边区域，将所述斜边区域分成第一数量的子区域；
获取所述第一数量的子区域的模量传递函数；
根据所述第一数量的子区域的模量传递函数得到所述斜边区域的第一模量传递函数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一数量的子区域的模量传递函数得到所述斜边区域的第一模量传递函数，包括：
获取第二数量的子区域的模量传递函数，所述第二数量的子区域是从所述第一数量的子区域中选取的；
将所述第二数量的子区域的模量传递函数取平均得到所述斜边区域的第一模量传递函数。
5.根据权利要求1至4中任一项所述的方法，其特征在于，包括：
通过倾斜边缘法或空间频域响应曲线获取所述斜边区域的第一模量传递函数。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取双摄像头模组中第一摄像头和第二摄像头分别拍摄的标定图像；
对各个标定图像进行检测得到对应的斜边区域；
获取所述斜边区域的第一模量传递函数；
读取所述标定图像的中心区域的第二模量传递函数；
获取所述第一模量传递函数与第二模量传递函数的比值；
当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件；
根据满足预设条件的标定图像获取双摄像头模组中第一摄像头的内参和外参以及第二摄像头的内参和外参；
根据所述第一摄像头的内参和外参以及第二摄像头的内参和外参获取双摄像头模组的外参。
7.一种标定板，其特征在于，包括
承载体；
预设图案，设置在所述承载体上；
所述预设图案包括标定图案和斜边图案，所述斜边图案位于所述标定图案的四个侧边，且所述斜边图案与所述标定图案之间存在间隙。
8.一种图像处理装置，其特征在于，包括：
图像获取模块，用于获取标定图像；
检测模块，用于对所述标定图像进行检测得到斜边区域；
参数获取模块，用于获取所述斜边区域的第一模量传递函数；
读取模块，用于读取所述标定图像的中心区域的第二模量传递函数；
比值获取模块，用于获取所述第一模量传递函数与第二模量传递函数的比值；
确定模块，用于当所述比值超过阈值，则确定所述标定图像的清晰度满足预设条件。
9.一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述的图像处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的图像处理方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810758592.1A CN110717942B (zh) | 2018-07-11 | 2018-07-11 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| PCT/CN2019/088882 WO2020010945A1 (zh) | 2018-07-11 | 2019-05-28 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810758592.1A CN110717942B (zh) | 2018-07-11 | 2018-07-11 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110717942A true CN110717942A (zh) | 2020-01-21 |
| CN110717942B CN110717942B (zh) | 2022-06-10 |
Family
ID=69143229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810758592.1A Expired - Fee Related CN110717942B (zh) | 2018-07-11 | 2018-07-11 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110717942B (zh) |
| WO (1) | WO2020010945A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111427752A (zh) * | 2020-06-09 | 2020-07-17 | 北京东方通科技股份有限公司 | 一种基于边缘计算的区域异常监测方法 |
| CN114782587A (zh) * | 2022-06-16 | 2022-07-22 | 深圳市国人光速科技有限公司 | 解决喷印直线台阶像素的喷印图像处理方法以及喷印系统 |
| WO2022252970A1 (zh) * | 2021-05-31 | 2022-12-08 | 影石创新科技股份有限公司 | 镜头参数转换方法、装置、计算机设备和存储介质 |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113330487A (zh) * | 2019-12-30 | 2021-08-31 | 华为技术有限公司 | 参数标定方法及装置 |
| CN113256727B (zh) * | 2020-02-13 | 2024-10-01 | 纳恩博（北京）科技有限公司 | 移动装置及图像传感系统参数在线标定和检查方法及装置 |
| CN111612852B (zh) * | 2020-05-20 | 2023-06-09 | 阿波罗智联(北京)科技有限公司 | 用于验证相机参数的方法和装置 |
| CN112184723B (zh) * | 2020-09-16 | 2024-03-26 | 杭州三坛医疗科技有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN112435290B (zh) * | 2020-09-29 | 2024-09-27 | 南京林业大学 | 基于饱和度分割的叶面积图像测量方法 |
| CN114445501A (zh) * | 2020-10-30 | 2022-05-06 | 北京小米移动软件有限公司 | 多摄像头标定方法、多摄像头标定装置及存储介质 |
| CN112232279B (zh) * | 2020-11-04 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种人员间距检测方法和装置 |
| CN114494279A (zh) * | 2020-11-13 | 2022-05-13 | 深圳开阳电子股份有限公司 | 一种标定板角点检测方法、装置及计算机存储介质 |
| CN112581546B (zh) * | 2020-12-30 | 2024-07-16 | 深圳市杉川机器人有限公司 | 摄像头标定方法、装置、计算机设备和存储介质 |
| CN113240752B (zh) * | 2021-05-21 | 2024-03-22 | 中科创达软件股份有限公司 | 一种内参和外参协同标定方法和装置 |
| CN113706632B (zh) * | 2021-08-31 | 2024-01-16 | 上海景吾智能科技有限公司 | 基于三维视觉标定板的标定方法和系统 |
| CN114387347B (zh) * | 2021-10-26 | 2023-09-19 | 浙江视觉智能创新中心有限公司 | 确定外参标定的方法、装置、电子设备及介质 |
| CN114782549B (zh) * | 2022-04-22 | 2023-11-24 | 南京新远见智能科技有限公司 | 基于定点标识的相机标定方法及系统 |
| CN117593422B (zh) * | 2024-01-19 | 2024-08-20 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
| CN117911542B (zh) * | 2024-03-19 | 2024-06-11 | 杭州灵西机器人智能科技有限公司 | 一种标定板、标定板识别方法、系统、设备及介质 |
| CN118351036B (zh) * | 2024-06-17 | 2024-10-18 | 浙江托普云农科技股份有限公司 | 基于容器成像畸变的图像校正方法、系统及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050280803A1 (en) * | 2004-06-17 | 2005-12-22 | The Boeing Company | Method for calibration and certifying laser projection beam accuracy |
| US20100283872A1 (en) * | 2009-05-08 | 2010-11-11 | Qualcomm Incorporated | Systems, methods, and apparatus for generation of reinforcement pattern and systems, methods, and apparatus for artifact evaluation |
| US20110081076A1 (en) * | 2009-10-06 | 2011-04-07 | Canon Kabushiki Kaisha | Apparatus for automatically determining color/monochrome of document image, method of controlling same, program of same and image processing apparatus with same |
| US20130170719A1 (en) * | 2011-12-30 | 2013-07-04 | Mckesson Financial Holdings | Methods, apparatuses, and computer program products for determining a modulation transfer function of an imaging system |
| CN103873740A (zh) * | 2012-12-07 | 2014-06-18 | 富士通株式会社 | 图像处理装置及信息处理方法 |
| US20150109613A1 (en) * | 2013-10-18 | 2015-04-23 | Point Grey Research Inc. | Apparatus and methods for characterizing lenses |
| CN106101697A (zh) * | 2016-06-21 | 2016-11-09 | 深圳市辰卓科技有限公司 | 图像清晰度检测方法、装置及测试设备 |
| US20170090461A1 (en) * | 2015-09-30 | 2017-03-30 | Canon Kabushiki Kaisha | Calibration marker for 3d printer calibration |
| CN107948531A (zh) * | 2017-12-29 | 2018-04-20 | 努比亚技术有限公司 | 一种图像处理方法、终端和计算机可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100491903C (zh) * | 2007-09-05 | 2009-05-27 | 北京航空航天大学 | 一种结构光视觉传感器结构参数标定方法 |
| CN101586943B (zh) * | 2009-07-15 | 2011-03-09 | 北京航空航天大学 | 基于一维靶标的结构光视觉传感器标定方法 |
| CN105424731B (zh) * | 2015-11-04 | 2018-03-13 | 中国人民解放军第四军医大学 | 一种锥束ct的分辨率性能测量装置及标定方法 |
-
2018
- 2018-07-11 CN CN201810758592.1A patent/CN110717942B/zh not_active Expired - Fee Related
-
2019
- 2019-05-28 WO PCT/CN2019/088882 patent/WO2020010945A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050280803A1 (en) * | 2004-06-17 | 2005-12-22 | The Boeing Company | Method for calibration and certifying laser projection beam accuracy |
| US20100283872A1 (en) * | 2009-05-08 | 2010-11-11 | Qualcomm Incorporated | Systems, methods, and apparatus for generation of reinforcement pattern and systems, methods, and apparatus for artifact evaluation |
| US20110081076A1 (en) * | 2009-10-06 | 2011-04-07 | Canon Kabushiki Kaisha | Apparatus for automatically determining color/monochrome of document image, method of controlling same, program of same and image processing apparatus with same |
| US20130170719A1 (en) * | 2011-12-30 | 2013-07-04 | Mckesson Financial Holdings | Methods, apparatuses, and computer program products for determining a modulation transfer function of an imaging system |
| CN103873740A (zh) * | 2012-12-07 | 2014-06-18 | 富士通株式会社 | 图像处理装置及信息处理方法 |
| US20150109613A1 (en) * | 2013-10-18 | 2015-04-23 | Point Grey Research Inc. | Apparatus and methods for characterizing lenses |
| US20170090461A1 (en) * | 2015-09-30 | 2017-03-30 | Canon Kabushiki Kaisha | Calibration marker for 3d printer calibration |
| CN106101697A (zh) * | 2016-06-21 | 2016-11-09 | 深圳市辰卓科技有限公司 | 图像清晰度检测方法、装置及测试设备 |
| CN107948531A (zh) * | 2017-12-29 | 2018-04-20 | 努比亚技术有限公司 | 一种图像处理方法、终端和计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| MIGUEL E. BRAVO等: "Use of the Modulation Transfer Function to Measure Quality of Digital Cameras", 《 THE 16TH IEEE INTERNATIONAL CONFERENCE ON ELECTRONICS》 * |
| 何祯鑫等: "基于MTF辅助正焦判断的自动调焦搜索算法", 《光子学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111427752A (zh) * | 2020-06-09 | 2020-07-17 | 北京东方通科技股份有限公司 | 一种基于边缘计算的区域异常监测方法 |
| WO2022252970A1 (zh) * | 2021-05-31 | 2022-12-08 | 影石创新科技股份有限公司 | 镜头参数转换方法、装置、计算机设备和存储介质 |
| CN114782587A (zh) * | 2022-06-16 | 2022-07-22 | 深圳市国人光速科技有限公司 | 解决喷印直线台阶像素的喷印图像处理方法以及喷印系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110717942B (zh) | 2022-06-10 |
| WO2020010945A1 (zh) | 2020-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN110689581B (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
| US11570423B2 (en) | System and methods for calibration of an array camera | |
| CN110889829B (zh) | 一种基于鱼眼镜头的单目测距方法 | |
| WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
| CN109479082B (zh) | 图象处理方法及装置 | |
| CN109712192B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
| CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
| US9781412B2 (en) | Calibration methods for thick lens model | |
| CN109559353B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
| US12039767B2 (en) | Subject detection method and apparatus, electronic device, and computer-readable storage medium | |
| CN106815869A (zh) | 鱼眼相机的光心确定方法及装置 | |
| CN103824303A (zh) | 基于被摄物的位置、方向调整图像透视畸变的方法和装置 | |
| CN110490196A (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
| JP7156624B2 (ja) | デプスマップフィルタ処理装置、デプスマップフィルタ処理方法及びプログラム | |
| CN116051652A (zh) | 一种参数标定方法及电子设备、存储介质 | |
| CN107527323B (zh) | 镜头畸变的标定方法及装置 | |
| CN115661258A (zh) | 标定方法及装置、畸变校正方法及装置、存储介质、终端 | |
| CN115631245A (zh) | 一种校正方法、终端设备及存储介质 | |
| KR102242202B1 (ko) | 카메라 캘리브레이션 방법 및 이를 이용하는 캘리브레이션 장치 | |
| CN110728714B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
| CN113034553A (zh) | 图像配准算法的评估方法、终端及存储介质 | |
| CN116485842A (zh) | 自动目标识别的方法、装置及存储介质 | |
| JP2017010555A (ja) | 画像処理方法及び画像処理装置 | |
| CN118941646A (zh) | 红外双目相机标定方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220610 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |