DataMatrix条码的畸变校正

条码在使用过程中出现的污染、缺损、仿射变换和边缘模糊等畸变给条码识别带来困难。为提高条码码字的切割和识别的准确度,本文提出了一种矩阵式二维条码的畸变校正算法,采用凸包运算精确定位奈码图像的边界和四个顶点,并采用控制点法校正条码图像。实验表明,该方法简单、易于实现并且效果好。     

针对鱼眼图像边缘校正缺失的快速校正算法

针对鱼眼图像校正中水平方向畸变以及边缘缺失的问题,通过引入可控参数控制边缘部分的校正范围,同时融合三角计算以及参数变换,获取校正关系,使映射面与鱼眼图像达到最佳匹配结果.获取校正关系后运用双线性插值算法对校正图像进行插值运算以填充图像.实验表明,算法对视图主要区域和边缘部分畸变的校正取得较好效果,边缘部分信息流失较少,主视图区域畸变角度明显减小,校正后图像与未畸变源图像相比结构相似性高,尽可能大的保留鱼眼图像信息,算法效率提高,算法运行时间缩短近50%.该鱼眼图像校正算法在校正效率以及校正效果上都有显著提高,具有可行性和有效性.     

机器视觉系统中图像误差补偿方法

在分析和比较常用图像畸变校正算法的基础上,提出将BP神经网络原理应用于图像的畸变校正,从而在对图像进行检测和定量分析之前,消除畸变误差对测量结果的影响;利用在标准栅格样板图像上选择的控制点对神经网络进行训练,并将训练后的神经网络以动态链接库的形式提供给LabVIEW调用,在LabVIEW环境中实现了具有图像误差补偿功能的机器视觉测量系统.     

一种基于控制点自动提取的图像畸变校正算法

在机器视觉应用中,摄像机光学系统产生的图像存在不同程度的几何畸变。为了提高图像在做定量分析时的准确性,必须对这一类畸变进行修正。在基于控制点的校正方法基础之上,研究了一种将图像分片,利用模板自动提取控制点亚像素坐标,分片校正的快速算法。实际应用表明,该方法是可靠有效的。     

基于建立校正量场的鱼眼图像快速校正算法

针对鱼眼图像校正中在纵向方向校正效果不佳,中心关键区域不突出以及鱼眼有效区域提取效率低的问题,通过遍历横竖两个方向的中垂线以获得有效区域图像.在畸变点周围建立校正量场,在校正量场中建立畸变点与校正点之间的几何关系,遍历每个畸变点,并根据校正关系获得校正量,获得校正图像后,为获得光滑图像,结合hermite插值算法对校正图像进行插值运算.首先实验表明,新的提取算法效率大幅提高,并获得较准确有效区域,提取有效区域后校正算法对视图主要区域的校正和纵向方向的畸变取得较好效果.上述提取算法和校正算法提高校正速度,提高校正效果,具有较强的可行性和有效性.     

移动AR+VR支持下全景图像拼接均匀性校正方法

采用传统方法对全景拼接图像校正时,无法检测到全景图像中的重叠区域,导致全景图像结构相似度评分SSIM偏低、边缘差分谱评分DoEM低且校正误差较大.为解决上述问题,提出移动AR+ VR支持下全景图像拼接均匀性校正方法.采用相位相关算法在移动AR+ VR支持下检测全景图像重叠区域.确定全景图像的畸变中心坐标和畸变系数,将图像畸变区域投影到地图坐标中,通过亮度像素值校正镜头畸变和斜视变形,完成图像的均匀性校正.实验结果表明,所提方法的结构相似度评分SSIM均大于0.93,边缘差分谱评分DoEM最高可达0.9914,且扭曲度均低于10％,说明所提方法累计误差小,实验数据验证了所提方法具有明显应用优势.     

移动AR+VR支持下全景图像拼接均匀性校正方法

采用传统方法对全景拼接图像校正时,无法检测到全景图像中的重叠区域,导致全景图像结构相似度评分SSIM偏低、边缘差分谱评分DoEM低且校正误差较大.为解决上述问题,提出移动AR+ VR支持下全景图像拼接均匀性校正方法.采用相位相关算法在移动AR+ VR支持下检测全景图像重叠区域.确定全景图像的畸变中心坐标和畸变系数,将图像畸变区域投影到地图坐标中,通过亮度像素值校正镜头畸变和斜视变形,完成图像的均匀性校正.实验结果表明,所提方法的结构相似度评分SSIM均大于0.93,边缘差分谱评分DoEM最高可达0.9914,且扭曲度均低于10％,说明所提方法累计误差小,实验数据验证了所提方法具有明显应用优势.     

自适应复杂环境的投影图像校正算法

为实现投影仪在任意表面上的自适应投影,提出一种可以在日常环境光照条件下进行自动几何校正和色彩补偿的投影图像校正算法.该算法使用基于二进制编码结构光的离散映射集合方法,通过计算对应像素映射关系消除投影图像的几何畸变;然后应用一种优化的朗伯特反射模型构造投影表面的纹理空间,对原始投影图像进行预处理和全局亮度补偿,最终实现投影图像的颜色补偿.实验结果表明,基于文中算法在复杂环境中进行投影,可以在不规则几何表面上投影出符合视觉期望的无变形图像,并能够有效地消除投影表面固有纹理和环境光照对投影图像的干扰;将自适应复杂环境的投影图像校正算法应用于传统投影机摆脱了投影机对投影幕布的依赖,可以在任意环境中实现近似于白色平板幕布的投影效果.     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

智能玩具赛车赛道图像的畸变校正问题研究

本次图像畸变研究主要针对智能玩具赛车的赛道图像。赛道图像信息由智能玩具赛车采集,采集到的图像呈现出近宽远窄的梯形畸变。针对此梯形畸变,首先采用几种不同的边缘检测算子对图像进行边缘检测及轮廓提取,再使用连接点法对处理后的图片进行畸变校正,然后针对现有方法中出现的问题提出调整改进。最后通过MATLAB仿真实验仿真分析,该方法能够有效地实现赛道的畸变校正,为后续对赛道图像的进一步处理奠定了基础。