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：

如果把视场角设置的大于180度，大概会是这样

利用反向映射+双线性插值得到最终经纬度图像。代码在此：https://git.oschina.net/rxdj/DewarpFisheye.git

时间： 2024-08-02 10:57:51

鱼眼图像的经纬度展开的相关文章

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,投影转换算法是将鱼眼图像转换成透视投影的图像,具体是

【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

鱼眼拼接实验

原始鱼眼图像(两幅各180°鱼眼图像): 校正后效果: 拼接后图像: 存在的问题: 1.可以看到拼接图像接缝处上面的灯,还出现多余的部分 2.还有一些黑点需要处理 3.矫正的算法还需要再研究

关于鱼眼镜头展图开的一些研究

前言:前段时间在做鱼眼展开的的程序,本来以为超简单,毕竟好多人都已经做过了不是,肯定有许多资料和参考.然而,做什么事情之前都不能眼高手低.我做了好久,还得不出想要的结果,是很烦.前两天导师没办法了给我安排了其他的工作,但我这个还没有得出想要的结果,强迫症的我心里好难受.花两天时间把能想到的全部整理如下,理一理思路,看能不能有所突破. 鱼眼镜头参数是:f=1.5mm,fov=240度 1.常见的三种鱼眼图像 (1)圆形鱼眼图                                    

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"

ORB-SLAM2:一种开源的VSLAM方案（译文）

摘要: ORB-SLAM2是基于单目,双目和RGB-D相机的一套完整的SLAM方案.它能够实现地图重用,回环检测和重新定位的功能.无论是在室内的小型手持设备,还是到工厂环境的无人机和城市里驾驶的汽车,ORB-SLAM2都能够在标准的CPU上进行实时工作.ORB-SLAM2在后端上采用的是基于单目和双目的光束法平差优化(BA)的方式,这个方法允许米制比例尺的轨迹精确度评估.此外,ORB-SLAM2包含一个轻量级的定位模式,该模式能够在允许零点漂移的条件下,利用视觉里程计来追踪未建图的区域并且匹配特

怎么样拍摄360度全景？

360全景不是凭空生成的,要制作一个360全景,我们需要有原始的图像素材,原始图像素材的来源可以是: A.在现实的场景中,使用相机的全景拍摄功能得到的鱼眼图像 B.通过建模渲染得到的虚拟图像 下文中的表格对比了在不同的设备.拍摄机位.拼合模式.拍摄难度下所能获得到的鱼眼图像 要拍摄全景素材我们需要用到一些专业设备,如下: 数码单反相机 360全景拍摄硬件配备-数码单反相机 首先让我们来认识一下什么是数码单反相机.说白了,数码单反相机就是使用了单反新技术的数码相机.作为专业级的数码相机,用其拍摄出

神经网络：卷积神经网络CNN

一.前言 这篇卷积神经网络是前面介绍的多层神经网络的进一步深入,它将深度学习的思想引入到了神经网络当中,通过卷积运算来由浅入深的提取图像的不同层次的特征,而利用神经网络的训练过程让整个网络自动调节卷积核的参数,从而无监督的产生了最适合的分类特征.这个概括可能有点抽象,我尽量在下面描述细致一些,但如果要更深入了解整个过程的原理,需要去了解DeepLearning. 这篇文章会涉及到卷积的原理与图像特征提取的一般概念,并详细描述卷积神经网络的实现.但是由于精力有限,没有对人类视觉的分层以及机器学习等

瓦片切图工具gdal2tiles.py改写为纯c++版本

gdal2tiles.py是GDAL库中用于生成TMS瓦片的python代码,支持谷歌墨卡托EPSG:3857与经纬度EPSG:4326两种瓦片,输出png格式图像. gdal2tiles.py More info at: http://wiki.osgeo.org/wiki/Tile_Map_Service_Specificationhttp://wiki.osgeo.org/wiki/WMS_Tiling_Client_Recommendationhttp://msdn.microsoft.