[发明专利]一种基于霍夫变换的鱼眼镜头有效区域提取方法

说明书

本发明涉及一种基于霍夫变换的鱼眼镜头有效区域提取方法，包括以下步骤：图像预处理：将彩色图像转换为灰度图，并对图像进行边缘检测；轮廓提取：提取近似圆形的边缘点集合，初步确定图像轮廓；半径累加：记录有可能为有效区域圆形的半径值及圆心坐标，同时进行第一次累加器峰值检测；进行第二次累加器峰值检测，最终确定圆形轮廓的圆心坐标及半径。本发明能够减少计算的复杂度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于霍夫变换的鱼眼镜头有效区域提取方法。

背景技术

随着计算机视觉技术的不断发展，通过单目相机获得更广的视场角和更多视界信息的需求越来越迫切，即虑到安装相机的成本和图像处理算法上的复杂性，在一定范围内，安装摄像机的数量越少，获取的信息越多越好。普通相机的视角一般在30度至40度之间，而鱼眼镜头可以获得180度左右的图像信息，部分广角鱼眼镜头通过光学结构的改进，镜头的视场角可以达到240-270度。因其独特的光学设计和短焦距、大视角便于获取更多图像信息的优点，在医疗、交通、机器导航、视频监控和识别等各个领域具有广泛应用。例如在医疗行业，口腔内窥镜、血管内窥镜的应用，就在狭窄空间内获得了相对传统镜头更多的信息。在交通行业，全景视觉系统的应用越来越成熟，能够实时提供驾驶员泊车所需要的汽车全景图像，消除了车四周的视觉盲区。

但是与此同时，鱼眼镜头由于实现了对透视模型中信息的压缩，引入了径向畸变、切向畸变等、桶形畸变等图像畸变。其成像图片，除在特定场景、艺术或者摄影风格需要外，不符合人们直观感受，不便于直接观察获取图片信息。图像识别和处理技术的应用基本上都是基于平面透视模型进行的，如果不对鱼眼镜头畸变的图像进行预处理和校正，无法进行后续的研究，所获得的广视角、更多的信息量便毫无用处。基于以上原因，对鱼眼镜头畸变的图像进行校正，使其符合线性投影模型就十分必要且有更广阔的应用价值。

目前各类畸变校正算法的实现，均依赖于鱼眼镜头图像轮廓的确定。提取鱼眼镜头的有效区域，或者称提取鱼眼镜头的图像轮廓，主要是指获得畸变图形的圆形区域圆心坐标及半径。目前有以下方法实现了成像区域的提取：面积统计法，速度快但是在画面中黑色像素占比大时会产生严重误差；扫描线法及其改进算法，容易受成像区域边缘噪声影响且无法实现对成像区域外有光晕或成像区域边缘有大面积黑色图案的图像轮廓提取；邻域权值二值化、区域生长法等算法基于灰度在轮廓边界突变的特点获得边缘点集合坐标后，采用最小二乘法拟合圆心半径和坐标，精度较高，但是对于不同的图像，需要多次手动调节灰度值的阈值。

此外，由于鱼眼镜头有效区间呈圆形，可以使用霍夫变换检测圆的方法来确定图像圆形轮廓的圆心坐标及半径。标准霍夫变换的基本思想是：首先，通过空间域变换，将图像空间转化成参数空间；然后，采用某种大多数边界点满足的参数形式，描述图像中的区域边界；最后，通过设置累加器进行累加，即求得峰值对应的点就是所需要的信息。

以上各类算法虽然均能实现轮廓的提取，但是实时性较差。在一些对实时性要求较高的场合，例如无人驾驶或无人机自主编队飞行，对通过鱼眼镜头获得的图像的处理速度要求非常高，因此针对轮廓提取算法作为校正算法实现的前提条件，其实时性的优先级非常高。

发明内容

本发明所要解决的技术问题是提供一种基于霍夫变换的鱼眼镜头有效区域提取方法，减少计算的复杂度。

本发明解决其技术问题所采用的技术方案是：提供一种基于霍夫变换的鱼眼镜头有效区域提取方法，包括以下步骤：

(1)图像预处理：将彩色图像转换为灰度图，并对图像进行边缘检测；

(2)轮廓提取：提取近似圆形的边缘点集合，初步确定图像轮廓；

(3)半径累加：记录有可能为有效区域圆形的半径值及圆心坐标，同时进行第一次累加器峰值检测；

(4)进行第二次累加器峰值检测，最终确定圆形轮廓的圆心坐标及半径。