【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种图像矫正方法、装置、计算机设备和计算机可读存储介质。
技术介绍
1、通过图像检测识别图像中的一定形状目标物时，由于拍摄角度不同会导致识别出的目标物发生不同程度的变形，或者存在遮挡，因此需要对图像进行矫正。
2、传统技术中图像矫正的方法是通过边缘检测算法对包含目标物的图像进行处理，获得目标物边缘，并使用目标物边缘对图像进行矫正。但由于包含目标物的图像发生了变形或者遮挡，会导致得到的目标物边缘不完整不清晰，使用该不完整不清晰的目标物边缘对图像进行矫正，会存在图像矫正不准确的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高图像矫正准确度的图像矫正方法、装置、计算机设备和计算机可读存储介质。
2、第一方面，本申请提供了一种图像矫正方法。所述方法包括：
3、获取待处理图像；
4、通过预先训练获得的目标检测模型对所述待处理图像进行处理，获得图像检测结果，所述图像检测结果包括：识别出的目标区域的区域类型，所述目标区域的区域位置，以及所述目标区域的各边缘角点的偏移量；
5、若所述目标区域的区域类型为目标类型，根据所述区域位置和各所述边缘角点的偏移量，对所述目标区域进行矫正，得到矫正后的目标图像。
6、在其中一个实施例中，所述根据各所述边缘角点的偏移量，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
7、获取所述区域位置对应的预设检测框的中心点；>
8、根据所述中心点对各所述边缘角点的偏移量进行解码，获得各所述边缘角点的角点坐标；
9、根据各所述边缘角点的角点坐标，对所述目标区域进行矫正，得到矫正后的目标图像。
10、在其中一个实施例中，所述根据所述中心点对各所述边缘角点的偏移量进行解码，获得各所述边缘角点的角点坐标，包括：
11、所述预设检测框为矩形，将各所述边缘角点的偏移量乘以所述预设检测框的宽或所述预设检测框的高得到的乘积分别与所述中心点的位置坐标相加，获得各所述边缘角点的角点坐标。
12、在其中一个实施例中，所述根据各所述边缘角点的角点坐标，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
13、确定所述目标区域的目标形状顶点坐标；
14、计算将各所述边缘角点的角点坐标，变换至所述目标形状顶点坐标的投影变换矩阵；
15、基于所述投影变换矩阵，对所述目标区域的区域位置进行透视变换，获得图像矫正后的目标图像。
16、在其中一个实施例中，训练获得所述目标检测模型的方式，包括：
17、获取样本数据集，所述样本数据集中的各样本数据包括样本图像，以及各样本图像对应的目标区域的区域类型的区域类型标签、标注的所述目标区域的区域位置、以及标注的所述目标区域的各边缘角点的位置坐标；
18、通过初始目标检测模型对所述样本图像进行处理，获得预测区域类型、预测区域位置、以及预测各边缘角点偏移量；
19、根据所述预测各边缘角点偏移量计算各边缘角点的预测位置坐标，并确定模型损失，所述模型损失包括所述区域类型标签与所述预测区域类型之间的损失、所述区域位置与所述预测区域位置之间的损失、以及所述位置坐标与所述预测位置坐标之间的损失，并根据所述模型损失对所述初始目标检测模型进行更新，直至达到训练结束条件，获得训练后的所述目标检测模型。
20、在其中一个实施例中，在所述获取样本数据集之后，采用所述样本数据集对初始目标检测模型进行训练之前，还包括：
21、对所述样本图像进行数据扩增处理，获得数据扩增处理后的样本图像；
22、标记所述数据扩增处理后的样本图像中的目标区域、目标区域的位置区域、以及区域类型为目标类型的目标区域的各边缘角点的位置坐标，获得数据扩增后的样本数据；
23、所述采用所述样本数据集对初始目标检测模型进行训练，获得训练后的所述目标检测模型，包括：
24、采用所述样本数据集和所述数据扩增后的样本数据，对初始目标检测模型进行训练，获得训练后的所述目标检测模型。
25、在其中一个实施例中，所述目标检测模型包括依次连接的特征提取网络、特征融合增强网络和预测分支网络，所述预测分支网络包括分类分支网络、目标区域预测分支网络和偏移量预测分支网络，且所述目标区域预测分支网络和所述偏移量预测分支网络共享部分网络参数；
26、所述特征提取网络，用于提取所述待处理图像的图像特征；
27、所述特征融合增强网络，用于对所述图像特征进行特征融合与增强处理，获得特征图；
28、所述分类分支网络，用于基于所述特征图确定识别出的目标区域的区域类型；
29、所述目标区域预测分支网络，用于基于所述特征图获得所述目标区域的区域位置；
30、所述偏移量预测分支网络，用于基于所述特征图获得所述目标区域的各边缘角点的偏移量。
31、第二方面，本申请还提供了一种图像矫正装置。所述装置包括：
32、图像获取模块，用于获取待处理图像；
33、图像处理模块，用于通过预先训练获得的目标检测模型对所述待处理图像进行处理，获得图像检测结果，所述图像检测结果包括：识别出的目标区域的区域类型，所述目标区域的区域位置，以及所述目标区域的各边缘角点的偏移量；
34、图像矫正模块，用于若所述目标区域的区域类型为目标类型，根据所述区域位置和各所述边缘角点的偏移量，对所述目标区域进行矫正，得到矫正后的目标图像。
35、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
36、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
37、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法的步骤。
38、上述图像矫正方法、装置、计算机设备和计算机可读存储介质，通过获取待处理图像，利用预先训练获得的目标检测模型对待处理图像进行处理，获得图像检测结果，图像检测结果包括识别出的目标区域的区域类型、目标区域的区域位置以及目标区域的各角点的偏移量，当目标区域的区域类型为目标类型时，根据区域位置和各角点的偏移量进行图像矫正。相对于传统技术中利用边缘检测算法对图像进行处理得到边缘不清晰导致对图像进行矫正不准确而言，本实施例中通过目标检测模型对待处理图像进行处理，可以获得准确的目标区域的区域位置以及目标区域的各角点的偏移量，从而在此基础上根据区域位置和各角点的偏移量进行图像矫正，可以获得准确的图像矫正的结果，避免了因检测到的边缘不清晰导致图像矫正不准确的问题本文档来自技高网...
【技术保护点】
1.一种图像矫正方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述边缘角点的偏移量，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述中心点对各所述边缘角点的偏移量进行解码，获得各所述边缘角点的角点坐标，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据各所述边缘角点的角点坐标，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
5.根据权利要求1所述的方法，其特征在于，训练获得所述目标检测模型的方式，包括：
6.根据权利要求5所述的方法，其特征在于，在所述获取样本数据集之后，采用所述样本数据集对初始目标检测模型进行训练之前，还包括：
7.根据权利要求1所述的方法，其特征在于，所述目标检测模型包括依次连接的特征提取网络、特征融合增强网络和预测分支网络，所述预测分支网络包括分类分支网络、目标区域预测分支网络和偏移量预测分支网络，且所述目标区域预测分支网络和所述偏移量预测分支网络共享部分网络参数；
<...【技术特征摘要】
1.一种图像矫正方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述边缘角点的偏移量，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述中心点对各所述边缘角点的偏移量进行解码，获得各所述边缘角点的角点坐标，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据各所述边缘角点的角点坐标，对所述目标区域进行矫正，得到矫正后的目标图像，包括：
5.根据权利要求1所述的方法，其特征在于，训练获得所述目标检测模型的方式，包括：
6.根据权利要求5所述的方法，其特征在于，在所述获取样本数据集之后，采用所述样本数据集对初始目标检测...
【专利技术属性】
技术研发人员：侯俊，张伟俊，林晓帆，
申请(专利权)人：影石创新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。