图像处理方法、装置、车辆及存储介质制造方法及图纸

本申请提供了一种图像处理方法、装置、车辆及存储介质。实施该方法，电子设备在对包含棋盘格的图像进行二值化处理时，可以结合图像中不同区域图像的特性使用不同的算法对图像的不同区域进行处理。这样，电子设备可以更精确地检测出图像中的棋盘格的具体位置，进而准确地对相机进行标定。确地对相机进行标定。确地对相机进行标定。

【技术实现步骤摘要】
图像处理方法、装置、车辆及存储介质


[0001]本申请涉及图像数据处理
，尤其涉及图像处理方法、装置、车辆及存储介质。

技术介绍

[0002]摄像机标定是机器视觉的最为基础和重要的技术之一，而棋盘格经常用来作为相机标定的标定物。棋盘格检测精度依赖于图片二值形态学处理的效果。但是，实际的检测场景中可能会存在多种干扰，例如地面喷漆非哑光时，黑色棋盘格会存在高亮区域；或者当墙面与黑色棋盘格相连时，棋盘格与墙面阴影也会连接在一起。
[0003]目前传统二值形态学处理方法在对包含棋盘格的图像进行二值化处理时，难以识别高亮区域并进行抑制，也无法分离墙面阴影与棋盘格区域，因此很可能导致对棋盘格的检测结果不精确。因此，需要研究更为精确的图像处理方法。

技术实现思路

[0004]本申请的目的在于提供一种图像处理方法、装置、车辆及存储介质。实施该方法，电子设备在对包含棋盘格的图像进行二值化处理时，可以结合图像中不同区域图像的特性使用不同的算法对图像的不同区域进行处理。这样，电子设备可以更精确地检测出图像中的棋盘格的具体位置，进而更准确的对相机进行标定。
[0005]上述目标和其他目标将通过独立权利要求中的特征来达成。进一步的实现方式在从属权利要求、说明书和附图中体现。
[0006]第一方面，本申请提供了一种图像处理方法，所述方法包括：对初始图像进行拆分，得到上区域图像和下区域图像，所述上区域图像包括棋盘格的上边界，所述下区域图像包含棋盘格的下边界；采用大津法对所述上区域图像进行处理，得到第一图像；采用自适应局部均值阈值法对所述下区域图像进行处理，得到第二图像；将所述第一图像以及所述第二图像融合，得到目标图像。
[0007]可以理解的，在进行相机标定时，相机的取景区域中的物体可能非常繁杂，而棋盘格经常用来作为相机标定的标定物，则对图像中的棋盘格进行精确的检测通常会更加困难。例如，当地面喷漆非哑光时，黑色棋盘格会存在高亮区域；或者当墙面与黑色棋盘格相连时，棋盘格与墙面阴影也会连接在一起，目前传统二值形态学处理方法在对包含棋盘格的图像进行二值化处理时，难以识别高亮区域并进行抑制，也无法分离墙面阴影与棋盘格区域，因此很可能导致对棋盘格的检测结果不精确。
[0008]可以理解的，由于墙面和地面的相对位置关系，在进行相机标定时，墙面以及墙面阴影一般会显示于图像的上半部分，而地面一般会显示于图像的下半部分。因此，在本方法中，电子设备可以根据棋盘格在所述初始图像中的具体位置将所述初始图像分为上下两部分，其中，上部分即为所述上区域图像，而下部分即所述下区域图像。需要理解的是，这里所说的“上”和“下”均以图像中的物体正立显示为前提而言的。
[0009]而对于两种二值化算法，即自适应局部均值算法和大津法算法的特性而言，自适应局部均值算法能够有效抑制图像中的反光区域，但是无法分割上半部分的黑色棋盘格以及墙面阴影，因此其对下半部分棋盘格处理效果较好，而OTSU算法可以有效分离物体阴影和感兴趣区域，但是其对反光区域的处理效果较差(有大量白色污染)，故其对上半棋盘格处理较好。
[0010]因此，在本方法中，电子设备可以采用大津法对所述上区域图像进行二值化处理，得到所述第一图像，并采用自适应局部均值阈值法对所述下区域图像进行二值化处理，得到所述第二图像。这样，可以让所得到的所述第一图像和所述第二图像中棋盘格以及棋盘格中各个黑白格的边界更为完整清晰，以便于更精确地检测出图像中的棋盘格的具体位置，进而更好的对相机进行标定。
[0011]结合第一方面，在一种可能的实施方式中，所述基于所述第一图像以及所述第二图像，得到目标图像，包括：将所述第一图像和所述第二图像进行融合，得到第三图像；当所述第三图像中棋盘格被遮挡时，基于所述第三图像中棋盘格的第一内角点以及第二内角点确定所述第三图像中被遮挡部分的棋盘格的边界的斜率；根据所述第三图像中被遮挡部分的棋盘格的边界的斜率确定第一直线和第二直线，所述第一直线以及所述第二直线用于将所述第三图像划分为所述目标图像以及第四图像，所述第四图像包含所述第三图像中棋盘格被遮挡的区域。
[0012]需理解，在实际的相机标定场景中，物体可能会非常的繁杂，这也意味着在所述第一图像和所述第二图像中的棋盘格可能会被其他物体遮挡(例如，在对车载设备的摄像头进行标定的时，所拍图像中的棋盘格就很可能被车辆的车胎遮挡)，这种遮挡无疑会降低对棋盘格的检测精度。
[0013]因此，在本实施方式中，当所述第三图像中棋盘格被遮挡时，可以基于中棋盘格被遮挡部分所包含的边界，在棋盘格未被遮挡的部分选择两个内角点，即所述第一内角点和所述第二内角点来确定所述边界的斜率，并基于该斜率确定两根直线来将所述第三图像划分为两个图像，即所述目标图像和所述第四图像。
[0014]具体的，所述第三图像中的棋盘格是否被遮挡可以由检测人员进行判断，并将判断结果输入负责进行执行本方法的电子设备；或者，电子设备可以基于相应的视觉算法检测棋盘格是否被遮挡。此外，所述两个内角点(即所述第一内角点和所述第二内角点)可以是距离被遮挡部分最近且处于未被遮挡部分中的两个内角点。其中，所述第四图像即包含原先所述第三图像中棋盘格被遮挡的部分，所述目标图像中的棋盘格即为边界清晰棋盘格。这样可以进一步提升棋盘格的检测精度，且在后续的标定过程中，所述第四图像实际上将被舍弃，只利用所述目标图像进行标定即可。
[0015]结合第一方面，在一种可能的实施方式中，所述采用大津法对初始图像的第一区域进行处理，得到第一图像包括：使用第一步长遍历第一区间，得到次优阈值，所述第一区间为[min，max]，所述min≥0，所述max≤255；基于所述次优阈值确定第二区间，所述第二区间包含所述次优阈值，所述第二区间包含于所述第一区间；使用第二步长遍历所述第二区间，得到最优阈值，所述第二步长小于所述第一步长；基于所述最优阈值对所述第一区域中的图像进行二值化处理，得到所述第一图像。
[0016]具体的，所述第一区间可以是[0，255]，所述第二区间可以是所述第一区间的子区
间，且所述第二区间包含所述次优阈值。
[0017]在传统的大津法算法中，通常以步长为1遍历整个灰度区间[0，255]来准确寻找最优阈值，也就是说需要进行256次系统的运算过程才能得到所述最优阈值，因此也需要耗费大量的算力和时间。这无疑增加了设备的功耗，算法的效率也较低。
[0018]在本实施方式中，通过将步长优化为所述第一步长，其中d为奇数，先依照步长d遍历寻找次优阈值temp，再以所述第二步长在以所述次优阈值为中心的领域中寻找最优阈值，可以极大的减少设备的计算次数，降低设备的功耗，并提升算法的效率。
[0019]结合第一方面，在一种可能的实施方式中，所述第一区间为[min，max]，所述min大于0，所述max小于255，所述第一步长的值为距离(max
‑
min)的算数平方根最近的奇整数，所述第二步长的值为1。
[0020]需理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：对初始图像进行拆分，得到上区域图像和下区域图像，所述上区域图像包括棋盘格的上边界，所述下区域图像包含棋盘格的下边界；采用大津法对所述上区域图像进行处理，得到第一图像；采用自适应局部均值阈值法对所述下区域图像进行处理，得到第二图像；将所述第一图像以及所述第二图像融合，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像以及所述第二图像融合，得到目标图像，包括：将所述第一图像和所述第二图像进行融合，得到第三图像；当所述第三图像中棋盘格被遮挡时，基于所述第三图像中棋盘格的第一内角点以及第二内角点确定所述第三图像中被遮挡部分的棋盘格的边界的斜率；根据所述第三图像中被遮挡部分的棋盘格的边界的斜率确定第一直线和第二直线，所述第一直线以及所述第二直线用于将所述第三图像划分为所述目标图像以及第四图像，所述第四图像包含所述第三图像中棋盘格被遮挡的区域。3.根据权利要求1或2所述的方法，其特征在于，所述采用大津法对初始图像的第一区域进行处理，得到第一图像包括：使用第一步长遍历第一区间，得到次优阈值，所述第一区间为[min，max]，所述min≥0，所述max≤255；基于所述次优阈值确定第二区间，所述第二区间包含所述次优阈值，所述第二区间包含于所述第一区间；使用第二步长遍历所述第二区间，得到最优阈值，所述第二步长小于所述第一步长；基于所述最优阈值对所述第一区域中的图像进行二值化处理，得到所述第一图像。4.根据权利要求3所述的方法，其特征在于，所述第一区间为[min，max]，所述min大于0，所述max小于255，所述第一步长的值为距离(max
‑
min)的算数平方根最近的奇整数，所述第二步长的值为1。5.根据权利要求3所述的方法，其特征在于，所述次优阈值为temp，所述第一步长的值为d，所述第二区间为[temp
‑
(d
‑
1)/2，temp+(d
‑
1)...

【专利技术属性】
技术研发人员：方长磊，张伟，
申请(专利权)人：上海欧菲智能车联科技有限公司，
类型：发明
国别省市：