图像变换之矫正---鱼眼图像的矫正简介

概论:

  

ZD鱼眼图像变形校正算法,理论上相对比较简单,各种具体典型算法也
存在一定的不足。球面坐标定位展开算法是一种粗略的校正方法,最终的处理效
果不够理想。多项式坐标变换算法是一种典型的校正算法,针对鱼眼镜头,往往
需要5次多项式,同时需要N个控制点,计算量非常巨大,难于用于实时系统。而
且控制点的合理选取也是一个很难把握的地方.极半径映射算法的缺点也类似于
多项式坐标变换算法,需要手动地去选取控制点。
3D鱼眼图像变形校正算法,相对计算比较精确。其中,投影转换算法
将鱼眼图像转换成透视投影的图像,具体是在球面模型的基础上根据不同的投影
来实现转换。由于恢复的区域往往是原来鱼眼图像上部分区域,因此该类算法常
常用于全景漫游等技术。鱼眼镜头标定算法,是一类精确恢复的方法。但要通过
烦琐的实验与函数计算,而且该类算法求解的参数与鱼眼镜头的类型也密切相
关。

(1)鱼眼圆心定位

http://cdmd.cnki.com.cn/Article/CDMD-10212-1014313133.htm

(2)多种矫正模型

1.几何模型

http://www.codeforge.cn/read/225555/ScanningMethod.cpp__html

2.球面坐标定位法校正鱼眼图像畸变

http://download.csdn.net/detail/zhima159/3107299

3.柱面法,球面法,立体法

4.

function FisheyeImCorr(filename,DirFlag,scale)
% 鱼眼图像校正(FisheyeImageCorrection)
% FisheyeImCorr(filename,DirFlag) 对俯视或仰视拍摄的鱼眼图像进行校正,将圆形
% 失真图像转为校正后的矩形图像。输入参数filename可以是字符串或
% 数值型矩阵,当是字符串时,用来指定图片文件的文件名和文件路径,
% 当是数值型矩阵时,用来指定平面图片的灰度值矩阵。DirFlag为标量,
% 用来指定拍摄角度,其默认值为0,表示俯视拍摄,当设为非0值时表
% 示仰视拍摄。scale为[0,1]上的标量,用来指定内圆半径与外圆半径
% 的比值。
% 注:运行程序后,需手动选取椭圆(或圆)形的校正区域,双击所选区域开始校正转换。
%
% Example:
% FisheyeImCorr(‘testpat1.png‘);
% FisheyeImCorr(‘testpat1.png‘,1,0.3);
%
% CopyRight:xiezhh(谢中华)
% 2011.12.08

http://www.matlabsky.com/thread-21697-1-1.html

(3)多种插值算法

http://www.pudn.com/downloads479/ebook/detail2002994.html

http://www.codeforge.cn/read/225555/ScanningMethod.cpp__html coder

http://www.matlabsky.com/thread-21697-1-1.html

http://www.pudn.com/downloads109/sourcecode/graph/text_recognize/detail451610.html

http://www.pudn.com/downloads166/doc/project/detail757688.html pdf

http://blog.csdn.net/guerrillax/article/details/4866810 图像拼接

http://blog.sina.com.cn/s/blog_a98e39a201017q2f.html 矫正

http://q.cnblogs.com/q/51059/

http://www.innovision-elec.com/product_wide_fisheye_gb.htm 广角镜头

http://blog.csdn.net/sbx19850629/article/details/7174615 矫正和生成

http://media.cs.tsinghua.edu.cn/~ahz/digitalimageprocess/chapter06/chapt06_ahz.htm 清华

http://www.cctv-cbo.com/ 365 视讯

时间: 2024-10-10 02:19:31

图像变换之矫正---鱼眼图像的矫正简介的相关文章

图像倾斜矫正方程基本的图像变换

图像倾斜矫正方程基本的图像变换   三个基本图像变换矩阵为 1 平移变换矩阵   2 缩放矩阵             3 旋转变换矩阵   采用矩阵的方式来表达矩阵旋转的好处是表达更简洁,在进行进一步的变换时更方便.比如一个变换即有平移变换,又有缩放变换,又有旋转变换,那么用矩阵表示这些变换组合,相当于做矩阵相乘的组合动作,最后可以组成成一个矩阵. 旋转变换矩阵是怎么来的呢? 证明如下 (x, y)  原图中的一点 (x', y') 旋转后图的一点 a 旋转的角度   将x ,y 变为正弦余弦

摄像机模型,畸变模型及畸变图像的矫正

有任何问题,请联系:[email protected] 摄像机模型,畸变模型及畸变图像的矫正 [email protected] 注1:文中所有图的符号标注并不统一,一切以正文部分公式为准. l  摄像机模型: 分若干步骤实现: 1)     小孔成像映射: 类似如上的小孔成像模型,重置一下摄像机坐标系位置,得如下小孔成像模型: 上图中,小孔成像模型把空间坐标点(齐次坐标形式,最后多一项记为1)映射为距距摄像机坐标系平面位置为(单位为距离)的新平面上的点,其坐标描述为(齐次坐标形式,单位为距离)

鱼眼图像的经纬度展开

鱼眼图像由视场角接近180度甚至大于180度的镜头拍摄得到,图像周围畸变严重,通过经纬法将鱼眼图像展开是一个不错的方法.鱼眼镜头可以视为一个半球,经纬法按照球面贴图的类似思想将图像以球面形式展开. 以下面这幅鱼眼图像为例: 视场角假设为180度,如果按照球的北极点(南极点)为图像的中心,展开后会是这个样子: 图像中心为北极点 图像中心为南极点 当然这样做是不行的,所以需要把球绕x轴旋转90度后展开,这样球的北极点就是图像的边缘,赤道就是图像的中心,结果如下,球的另一面填充为0: 如果把视场角设置

【opencv】鱼眼图像畸变校正——标定校正

参考: http://docs.opencv.org/3.0.0/db/d58/group__calib3d__fisheye.html#gga91b6a47d784dd47ea2c76ef656d7c3dca0899eaa2f96d6eed9927c4b4f4464e05 http://docs.opencv.org/master/modules/calib3d/doc/calib3d.html opencv2.4.9 Fisheye camera model reference Kannal

opencv 图像变换原理详解 图像平移 图像旋转 图像缩放

常见的2D图像变换从原理上讲主要包括基于2×3矩阵的仿射变换和基于3×3矩阵透视变换. 仿射变换 原理 基本的图像变换就是二维坐标的变换:从一种二维坐标(x,y)到另一种二维坐标(u,v)的线性变换: 如果写成矩阵的形式,就是: 作如下定义: 矩阵T(2×3)就称为仿射变换的变换矩阵,R为线性变换矩阵,t为平移矩阵,简单来说,仿射变换就是线性变换+平移.变换后直线依然是直线,平行线依然是平行线,直线间的相对位置关系不变,因此非共线的三个对应点便可确定唯一的一个仿射变换,线性变换4个自由度+平移2

图像处理之基础---图像的特征简介

常用的图像特征有颜色特征.纹理特征.形状特征.空间关系特征. 一 颜色特征 (一)特点:颜色特征是一种全局特征,描 述了图像或图像区域所对应的景物的表面性质.一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献.由于颜色对图像或图像区 域的方向.大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征.另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也 检索出来.颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一

图像处理URL

随笔分类 - 图像处理/图像增强等 图像增强: 图像复原: 图像重建: 图像分割: 图像特效: 图像匹配: 图像形态学处理: 图像几何处理: 图像正交变换: 人工智能: 跟踪: 图像处理之增强---图像模糊检测 摘要: 这种检测可以做宽动态的检测,也可应用稳像算法我们实现了拉普拉斯方差算法,该算法提供给我们一个浮点数来代表具体图像的"模糊度".该算法快速,简单且易于使用--用拉普拉斯算子与输入图像做卷积然后计算方差即可.如果方差低于预定义阈值,图像就被标记为"模糊"

基于EmguCV的摄像机标定及矫正

标签: EmguCV摄像头标定C# 2015-05-03 14:55 501人阅读 评论(6) 收藏 举报  分类: C# 版权声明:本文为博主原创文章,未经博主允许不得转载. 目录(?)[+] 前言 之前用OpenCV做过摄像机标定及矫正,现在平台换了,改用C#,就用EmguCV做一下,其实就是OpenCV的C#版. 在EmguCV中有两类摄像机标定的类,一个是CvInvoke类,一个是CameraCalibration类,两种标定效果差不多,只不过CvInvoke涉及的函数大多都是指针类型的

双摄像头立体成像(三)-畸变矫正与立体校正

畸变矫正是上一篇博文的遗留问题,当畸变系数和内外参数矩阵标定完成后,就应该进行畸变的矫正,以达到消除畸变的目的,此其一. 在该系列第一部分的博文中介绍的立体成像原理中提到,要通过两幅图像估计物点的深度信息,就必须在两幅图像中准确的匹配到同一物点,这样才能根据该物点在两幅图像中的位置关系,计算物体深度.为了降低匹配的计算量,两个摄像头的成像平面应处于同一平面.但是,单单依靠严格的摆放摄像头来达到这个目的显然有些困难.立体校正就是利用几何图形变换(Geometric Image Transforma