一种低延时图像去畸变和桶形映射的融合算法制造技术

本发明专利技术提供了一种低延时图像去畸变和桶形映射的融合算法，通过sensor采集一张测试图，将测试图沿着水平中线和垂直中线分割为4个区域；分别在每一部分中建立坐标系，分析图像内容，采用ransac进行模型拟合，并根据拟合结果，选择合适的映射模型；根据映射模型生成图像变换时候需要的映射系数表；根据映射系数表，采用线性插值的方法，对每一个区域的每一行像素进行逆向映射，同步完成去畸变和桶形映射变换。本发明专利技术解决了图像去畸变和桶形映射在实现时候对外部存储吞吐率要求高的问题，并大大降低了运算量，减少运算时间，简化了实现方法，整个过程不需要外部存储参与，尤其适用于硬件实现的图像拼接系。

【技术实现步骤摘要】
一种低延时图像去畸变和桶形映射的融合算法
本专利技术属于图像拼接
，涉及一种低延时图像去畸变和桶形映射的融合算法，尤其涉及一种实时图像拼接的低延时图像去畸变和桶形映射算法的实现方法。
技术介绍
近年来，随着相机的不断发展，运动相机和行车记录仪等设备的使用随处可见，其便利性越来越得到人们的认可。类似这种应用，一般都需要有一个很大角度的视野，希望和获取更多的信息。随着科技的不断进步，单镜头的视角已经逐渐无法满足人们的使用需求，随即出现了一种采用多摄像头拍摄后，拼接成一幅大图的技术，该技术被称为全景拼接技术。全景拼接技术的出现，为某些应用场景带来了极大的便利，比如车载全景拼接倒车影像系统和全景运动相机，在不需要人为接入的情况下，同时观测到360°所有方向的景物。但目前，拼接算法由于运算量大，复杂度高，无法满足低延时实时拼接的需求。很多应用场景对图像的实时性要求都有着很高的要求，尤其是倒车影像、实施无线图传的应用场景，延时的大小有着至关重要的意义。但是目前的图像拼接算法，都是将畸变校准和桶形映射分开做，由于两个算法本身就是行间的像素运算，且换行频繁，导致实现起来运算速度跟不上，或者对硬件要求极高。同时先做畸变校准，后做桶形映射，极大的浪费了时间。因此，研究一种延时低，运算量低的畸变校准和桶形映射算法成为了一种迫切需求。需要注意的是，本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
技术实现思路
本专利技术目的在于提供了一种低延时图像去畸变和桶形映射的融合算法，实现了同时去畸变和桶形映射的工作。为实现上述目的本专利技术采用如下技术方案：该低延时图像去畸变和桶形映射的融合算法，包括以下步骤：S1：采集测试图将特定序列图像通过摄像头采集并缓存起来，取一张画有两条平行竖线的白纸放在在摄像头镜头前，用摄像头对准两条竖线的正中间从近向远移动，直到两个竖线即将超出摄像头视野，保存当前摄像头采集到的图像作为测试图；S2：分割测试图将采集到的测试图沿着水平中线和垂直中线分割为四个区域，并以两个中线的交点作为原点建立直角坐标系；S3：区域模型拟合对每个区域进行模型拟合，采用ransac算法进行拟合，确定a、b、c参数，拟合结束；S4：逆向映射根据拟合结果，对每个区域进行行内逆向映射，选择线性插值算法，得到图像的最终映射结果。进一步地，上述步骤S3具体是：提取每个区域图在水平方向的边缘信息，ΔY＝Y(x，y)-Y(x+1,y),如果ΔY大于阈值T,则将当前位置标记为边缘点；采用拟合函数一元二次方程p(x)＝ax2+bx+c或者一元三次方程p(x)＝ax3_bx2+cx+d作为拟合模型，采用ransac算法进行拟合，当模型匹配度达到百分之95以上时，完成拟合。进一步地，上述步骤S3中区域图像水平方向的边缘信息通过灰度值计算，计算公式如下：Edge(x,y)＝(Y(x,y)-Y(x-1,y))>T其中，Y(x,y)表示坐标为(x,y)的像素的灰度值，Edge(x,y)表示当前点是否为边缘点，T为灰度差值的阈值。进一步地，上述步骤S3中模型拟合的拟合函数采用一元二次方程p(x)＝ax2+bx+c或者一元三次方程p(x)＝ax3_bx2+cx+d；其中，a、b、c、d为模型参数，x表示当前区域的第x行，p(x)表示当前区域第x行的像素对应的x轴的缩放比例。本专利技术的有益效果：1)本专利技术公开一种低延时图像去畸变和桶形映射的融合算法，将图像分为4个区域，分别对每个区域通过RANSAC算法进行建模，然后拟合各个区域的模型系数，根据不同的模型系数对各个区域做相应的像素映射，同时完成了去畸变和桶形映射的工作；2)本专利技术公开一种低延时图像去畸变和桶形映射的融合算法，将去畸变和桶形映射算法相互融合，大大的降低了运算量，采用行内映射，有利于硬件的实时运算，尤其是具有低延时要求的图像拼接的应用场景，比如倒车影像和无线全景图传等。附图说明图1是本专利技术的流程示意图；图2是本专利技术的映射算法的执行流程示意图；图3是本专利技术的采集测试图的示意图；图4是本专利技术的图像分割的示意图；图5是本专利技术的行边缘缩放倍数计算的示意图；图6是本专利技术的ransac法拟合模型的示意图；图7是本专利技术的逆向映射的示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本专利技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征或特性可以以任何合适的方式结合在一个或更多实施方式中。如图1所示，该融合算法包括如下步骤：步骤1：采集测试图，测试图内容为两条竖线，经过畸变后变为两条曲线。步骤2：将测试图分割为4个区域，分割线分别为水平中线和垂直中线。步骤3：对每个区域进行模型拟合，其中采用一元二次方程p＝ax2+bx+c作为拟合模型，采用ransac算法进行拟合，当模型匹配度达到百分之95以上时，确定a、b、c参数，拟合结束。步骤4：根据拟合结果，对每个区域进行行内逆向映射，选择线性插值算法，得到图像的最终映射结果。其中，步骤1，取一张a4纸打印两个相互平行的竖线，a4纸固定在一个平板上，用目标摄像头对准两个竖线的正中间从近向远移动，直到两个竖线即将超出摄像头视野，保存当前摄像头采集到的图像作为测试图。其中，步骤2，将测试图沿着水平中线和垂直中线分割为4个区域，并以两个中线的交点为原点建立直角坐标系。其中，步骤3，对于每个区域内每一行像素，采用相邻像素的灰度值直接相减的形式来快速计算水平方向的边缘信息。相邻像素的灰度值如果大于T，则认为该点在水平方向为一个边缘点。阈值T取值为100。遍历每一行的边缘点，寻找距离y轴最远的边缘点，将其x轴坐标记录为Xmax。取随机3行，计算这几行的缩放倍数，即p＝Xmax/x_old,其中x_old为该区域中该行的边缘像素的x轴坐标。知道了行数x和缩放比例p，然后求解a、b、c。遍历该区域每一行的边缘像素坐标，判断该边缘像素是否满足当前系数的模型，即通过模型计算获得的x轴坐标和真实的x轴坐标差值小于1，如果满足，counter加一,当counter大于等于当前区域行数乘以百分之95时候，完成拟合，确认a、b、c的值；否则随机取3行，重复之前操作，直到出现满足条件。其中，步骤4，确定该区域模型后，可以通过行数推算出当前行的所有像素x坐标的缩放比例。然后采用逆向映射和线性插值的方法对当前行像素进行映射。其中，线性插值的精确度为4位小数。本实施例，通过将去畸变和桶形映射算法融合，简化了运算模型，有利于硬件的低延时运算和实现，在实现成本和性能上都有很大的提升。本领本文档来自技高网...

【技术保护点】
1.一种低延时图像去畸变和桶形映射的融合算法，其特征在于，包括以下步骤：/nS1：采集测试图/n将特定序列图像通过摄像头采集并缓存起来，取一张画有两条平行竖线的白纸放在在摄像头镜头前，用摄像头对准两条竖线的正中间从近向远移动，直到两个竖线即将超出摄像头视野，保存当前摄像头采集到的图像作为测试图；/nS2：分割测试图/n将采集到的测试图沿着水平中线和垂直中线分割为四个区域，并以两个中线的交点作为原点建立直角坐标系；/nS3：区域模型拟合/n对每个区域进行模型拟合，采用ransac算法进行拟合，确定a、b、c参数，拟合结束；/nS4：逆向映射/n根据拟合结果，对每个区域进行行内逆向映射，选择线性插值算法，得到图像的最终映射结果。/n

【技术特征摘要】
1.一种低延时图像去畸变和桶形映射的融合算法，其特征在于，包括以下步骤：
S1：采集测试图
将特定序列图像通过摄像头采集并缓存起来，取一张画有两条平行竖线的白纸放在在摄像头镜头前，用摄像头对准两条竖线的正中间从近向远移动，直到两个竖线即将超出摄像头视野，保存当前摄像头采集到的图像作为测试图；
S2：分割测试图
将采集到的测试图沿着水平中线和垂直中线分割为四个区域，并以两个中线的交点作为原点建立直角坐标系；
S3：区域模型拟合
对每个区域进行模型拟合，采用ransac算法进行拟合，确定a、b、c参数，拟合结束；
S4：逆向映射
根据拟合结果，对每个区域进行行内逆向映射，选择线性插值算法，得到图像的最终映射结果。


2.根据权利要求1所述的低延时图像去畸变和桶形映射的融合算法，其特征在于，所述步骤S3具体是：
提取每个区域图在水平方向的边缘信息，ΔY＝Y(x，y)-Y(x+1,y),如果ΔY大于阈值T,则将当前位置标记为...

【专利技术属性】
技术研发人员：李焕青，周彩章，李根，
申请(专利权)人：西安迪威码半导体有限公司，
类型：发明
国别省市：陕西;61