[发明专利]一种基于图像评价和超分辨率插值的3D扫描方法

权利要求书

1.一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于，包括以下步骤：

S1、拍照并进行清晰度评价

通过相机拍照获得图像，对所拍的图像进行清晰度评价，并获得评价分数；如果评价分数低于所设置的分数，则由扫描仪上位机软件发出指令重新拍摄该图像，直到所拍摄的图像的清晰度高于所设置的分数，才能进行下一角度的图像拍摄；

S2、图像超分辨率插值

对通过清晰度评价的图像宽度放大m倍，高度扩大n，m,n为奇数，即将原来的1个像素拆分成m*n，将原来的像素值作为相应放大后的m*n像素块中的((m+1)/2，(n+1)/2)处的像素值，其余的空白像素点利用周围的4个已知的像素点双线性插值得到；经过这一步，在插值后的图像进行特征点提取为(x，y),x,y为像素坐标，在原图上即为(x/m,y/n)，即在对拍摄图像特征点提取时宽度方向上精度由原来的1个像素提升为1/m个像素，图像高度方向上精度由原来的1个像素提升为1/n个像素；S3、图像处理，获得特征点；

S4、重建三维点云

根据双目测量原理恢复出三维点云，且在多个角度上都进行这样的操作；

S5、点云拼接

将多个角度的点云拼接成大的点云，然后将点云网格化；

S6、纹理贴图

对网格进行纹理贴图，最终获得和具有和实体三维物件相同表面的数字化三维模型。

2.根据权利要求1所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：所述步骤S1中，图像清晰度评价流程为：

第一步、对整个图像进行灰度化处理，利用式子Gray(i,j)＝a*R(i,j)+b*G(i,j)+c*B(i,j)；0＝a＝1；0＝b＝1；0＝c＝1；a+b+c＝1进行灰度化；

第二步、计算每个像素点的梯度值，

第三步，在所有的梯度值去平均，然后这个平均值除以255，即进行归一化处理，得到归一化平均梯度，将平均梯度值作为图像清晰度分数，如果这个归一化平均梯度大于所设置的阈值(0阈值1)，则表明图像是清晰的，可进行下一步操作如果归一化平均梯度小于这个阈值则说明图像模糊，需要重新拍照。

3.根据权利要求2所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：第一步中，取a＝0.299；b＝0.587，c＝0.144；即利用式Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)进行灰度化。

4.根据权利要求2所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：第三步中，阈值取为0.5左右，阈值越接近0表明清晰度评价要求越低，即会把模糊图像也认为是清晰的图像；阈值越接近1表明清晰度评价可要求越高，会导致已经很清晰的图像也通过不了这个清晰度评价算法，一直需要重新拍照。

5.根据权利要求1所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：所述步骤S2中，图像超分辨率插值流程具体为：

第一步，对整个图像进行灰度化处理，利用式子Gray(i,j)＝a*R(i,j)+b*G(i,j)+c*B(i,j)；0＝a＝1；0＝b＝1；0＝c＝1；a+b+c＝1；一般来说可取a＝0.299；b＝0.587，c＝0.144；

第二步，将原图(宽为scale_m像素,高度为scale_n像素)像放大宽度放大m倍,高度放大n倍，m，n为奇数，即将原来的1个像素拆分成m*n，

第三步，将原来的像素值作为相应放大后的m*n像素块中的((m+1)/2，(n+1)/2)处的像素值即将原图像(i,j)处的像素赋值到放大后新图的(i*(m+1)/2，j*(n+1)/2)处；

第四步，新图其余的空白像素点利用周围的4个已知的像素点双线性插值得到。

6.根据权利要求5所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：若图像为灰度图像，那么(i，j)点的灰度值的数学计算模型是：f(x,y)＝b1+b2x+b3y+b4xy；

其中b1,b2,b3,b4是相关的系数。

7.根据权利要求5所述的一种基于图像评价和超分辨率插值的3D扫描方法，其特征在于：取a＝0.299；b＝0.587，c＝0.144，即利用式Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j)进行灰度化。