基于畸变参数的曲面屏生成方法、矫正方法技术

本发明专利技术特别涉及一种基于畸变参数的曲面屏生成方法、矫正方法。其中，曲面屏生成方法包括如下步骤：获取待畸变的平面图；设定畸变参数f和r的值，其中r大于等于平面图宽度的一半；根据畸变参数以及公式构建平面图像素点(x,y)和生成的曲面屏图片像素点(x',y')之间的映射关系：根据上述映射关系以及平面图各像素点的像素值生成曲面屏图片，其中具有映射关系的两个像素点像素值一致。通过构建曲面屏投影模型，引入畸变参数f和r，使得利用畸变参数f和r可以联合控制曲面的畸变程度，这样不仅可以生成多种参数的曲面屏图片，还能将畸变参数作为该曲面屏图片的标签来生成样本，从而自动实现样本集的制作。样本集的制作。样本集的制作。

【技术实现步骤摘要】
基于畸变参数的曲面屏生成方法、矫正方法


[0001]本专利技术涉及图像矫正
，特别涉及一种基于畸变参数的曲面屏生成方法、矫正方法。

技术介绍

[0002]畸变矫正是计算机视觉领域的一个重要课题，传统方法通过从不同的视角寻找对应的特征点来完成标定，这种方法需要特殊的棋盘和人工干预，因此，自动矫正方法受到了研究人员的广泛关注。在畸变矫正不同的子领域，这些自动矫正的方法也截然不同。例如在鱼眼图像矫正领域中，研究人员根据直线必须是直的原则，利用特殊的检测方法来检测特征曲线，然后通过计算曲线的曲率来获得失真参数。但由于特征数量的不稳定导致它很容易受到攻击。在文档形变矫正领域，研究人员从造成文档扭曲的因素出发，包括文档及其摆放角度、光源方向、图像获取设备特征等因素，通过对文档进行3D建模，并利用已有的数学知识对扭曲进行矫正，该方案仅能针对文档进行矫正，因此面临着矫正对象比较单一的缺点。
[0003]深度学习方法解决了传统自动矫正方法中存在的问题。根据不同的网络，我们将基于深度学习的图像矫正方法分为两类，即基于回归的方法和基于生成的方法。其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于畸变参数的曲面屏生成方法，其特征在于：包括如下步骤：获取待畸变的平面图；设定畸变参数f和r的值，其中r大于等于平面图宽度的一半；根据畸变参数以及如下公式构建平面图像素点(x,y)和生成的曲面屏图片像素点(x',y')之间的映射关系：，根据上述映射关系以及平面图各像素点的像素值生成曲面屏图片，其中具有映射关系的两个像素点像素值一致。2.如权利要求1所述的基于畸变参数的曲面屏生成方法，其特征在于：所述的设定畸变参数f和r的值的步骤中，还设定畸变参数β的值，β的取值范围是[
‑
90
°
,90
°
]；所述的映射关系采用如下公式构建：。3.如权利要求2所述的基于畸变参数的曲面屏生成方法，其特征在于：所述f的取值范围是[1000,1300]，r的取值范围是[500,700]，畸变参数β的取值范围是[
‑
45
°
,45
°
]。4.一种基于畸变参数的曲面屏矫正方法，其特征在于：包括如下步骤：根据权利要求1中所述的基于畸变参数的曲面屏生成方法,生成平面图对应的曲面屏图片，该曲面屏图片及其畸变参数构成一个样本；构建基于参数回归的神经网络模型并利用生成的样本对神经网络模型进行训练得到训练好的神经网络模型，该神经网络模型的输入为曲面屏图片、输出为畸变参数；将待矫正的曲面屏图片输入到训练好的神经网络模型中进行预测得到预测畸变参数；根据曲面屏图片各像素点的像素值、预测畸变参数以及映射关系生成矫正后的平面图，其中具有映射关系的两个像素点像素值一致。5.如权利要求4所述的基于畸变参数的曲面屏矫正方法，其特征在于：所述的设定畸变参数f和r的值的步骤中，还设定畸变参数β的值，β的取值范...

【专利技术属性】
技术研发人员：刘斌，田辉，储琪，刘章平，郭玉刚，张志翔，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：