【技术实现步骤摘要】
一种投影图像模糊消除方法
本专利技术涉及一种在会议(讲稿演示)和娱乐(电影放映)、科研教育领域(科学可视化)、各类仿真领域(虚拟现实)、以及气象交通的大屏幕监控展示等领域中应用的一种基于多尺度卷积核的投影图像模糊消除方法。
技术介绍
传统投影设备需要在使用前根据投影仪与投影显示表面之间的距离等因素进行校正,其中一个需要解决的重要难题就是投影仪的光学聚焦校正。但是,目前对于投影聚焦校正必须使用人工手动进行机械聚焦,同时受限于手动聚焦不完全以及投影仪和投影显示表面的位置不固定等原因,投影图像很难进行精确对焦获得具有最适宜清晰度的投影图像。对于投影图像模糊消除技术的研究,目前仅限于国外少数几所大学研究所机构。其中,Bimber等人提出一种多投影仪组成的多焦距投影系统,该硬件系统克服了传统投影仪单一投影焦距的问题,但在使用中该硬件系统安装和配置复杂、成本大幅提升,不能满足日常生活中的实际使用需要。哥伦比亚大学的Zhang和Nayar等人从软件开发的角度进行研究,他们将投影聚焦模型进行参数模拟,并使用多次计算的方法进行精确度提升,但是该方法的计算效率很低,不能在实时投影过程中进行使用。日本的YujiOyamada等人提出了另一种方法将投影图像的模糊程度进行分布式分析,针对不同投影区域计算出不同的投影图像模糊消除模型,但是该方法没有解决投影环境的光照、投影表面的反射率等干扰因素,同时仍然不能实现实时模糊校正。
技术实现思路
本专利技术的目的在于针对现有技术的不足,提供一种基于多尺度卷积核的投影模糊消除方法。该方法首先使用离散集合映射方法进行几何校正,并提出一种改进的Sob ...
【技术保护点】
一种投影图像模糊消除方法,其特征是,包括以下步骤:(1)使用计算机视觉方法结合安装在投影仪上的摄像头完成系统标定。(2)使用计算机视觉方法对摄像头采集的图像数据进行分析和计算,确定投影仪与摄像头之间像素点对应关系,建立对应像素点坐标映射。(3)使用计算机视觉方法并结合摄像头采集的图像数据,首先计算投影仪的投影图像锐利度评价指数,然后对摄像头采集的原始聚焦参考图像进行亮度均衡。(4)使用计算机视觉方法并结合摄像头采集的图像数据和图像锐利度评价指数,对投影图像进行多尺度卷积模板计算。(5)使用投影图像的多尺度卷积核模板计算结果并基于GPU图形渲染方法,对经过计算的投影模糊消除图像进行绘制,最终完成投影图像模糊消除。
【技术特征摘要】
1.一种投影图像模糊消除方法,其特征是,包括以下步骤:(1)使用计算机视觉方法结合安装在投影仪上的摄像头完成系统标定;(2)使用计算机视觉方法对摄像头采集的图像数据进行分析和计算,确定投影仪与摄像头之间像素点对应关系,建立对应像素点坐标映射;(3)使用计算机视觉方法并结合摄像头采集的图像数据,首先计算投影仪的投影图像锐利度评价指数,然后对摄像头采集的原始聚焦参考图像进行亮度均衡;该步骤包括以下子步骤:(3.1)计算投影图像模糊模型:首先,对于应用DLP技术的投影设备,如公式(1)所示,将投影模糊理想化估计为某种单一模糊核进行卷积滤波计算的结果;投影成像过程是从投影机内部成像单元的图像空间中单个子像素经过投影透镜投射到投影屏幕,经过对平面、弧幕投影环境多次实验,如公式(2)所示,将投影系统的模糊核近似为高斯模糊模型;投影表面的投影图像是原始图像经过高斯模糊模型h卷积计算得到的退化图像;公式(1)中,Iblur表示模糊退化图像,Iori表示原始图像,hσ表示模糊卷积核;公式(2)中,hσ(x,y)表示在点象素(x,y)处的高斯卷积计算;对投影模糊图像进行模糊消除,在数学模型上是使用估计得到的模糊核对模糊图像进行反卷积,在实际投影系统的模糊消除中是对原始投影图像在成像空间应用公式(3)所示的模糊消除函数,最终可以投射到投影表面在视觉上呈现出锐利度增强的清晰图像;Ideblur=Fdeblur(Iori)(3)公式(3)中,Ideblur表示模糊消除图像,Fdeblur表示模糊消除函数,Iori表示原始图像;(3.2)计算投影模糊图像锐利度:首先,对捕获的投影特征图像进行均匀分割,得到以特征点为中心的子图像区域并组建成一个特征子图像集合,所述特征点的个数为N;然后通过基于Sobel-Tenengrad函数的聚焦评价方法分别计算出每个子图像区域的图像锐利度;所述通过基于Sobel-Tenengrad函数的聚焦评价方法分别计算出每个子图像区域的图像锐利度具体为:首先采用3x3和5x5两种Sobel梯度算子扩展核对子图像集合在空间域进行分析:设置Tx和Ty分别表示子图像中每一个像素点在水平方向和垂直方向使用Sobel算子计算求梯度,在图像空间域中参数化为如公式(4)和公式(5)所示使用Sobel算子进行卷积滤波计算,其中,表示卷积滤波;公式(4)和公式(5)中,Tx和Ty分别表示x方向和y方向的Sobel算子梯度计算,Sx和Sy表示x方向和y方向的Sobel算子,Isub(x,y)表示子图像集合中某一图像区域;然后,使用改进Tenengrad评价函数对Tx和Ty进行聚焦评估;将经典公式(6)进行改进近似等价为公式(7),对公式(7)拆分为x方向和y方向两部分,得到公式(8)和公式(9),按公式(8)和公式(9)分别计算投影模糊捕捉图像区域得到聚焦评估值;找到子图像集合中图像锐利值最大的子图像区域,标记为Iref,作为聚焦参考模板;公式(6)中,Fst表示经典Tenengrad评价函数计算,Tx和Ty分别表示x方向和y方向的Sobel算子梯度计算;公式(7)中,Fst-abs表示简化的经典Tenengrad评价函数计算;公式(8)中,Fst-x表示x方向的改进Tenengrad评价函数计算;公式(9)中,Fst-y表示y方向的改进Tenengrad评价函数计算;(3.3)基于改进的Sobel-Tenengrad图像锐利评价函数的亮度均衡:(3.3.1),公式(10)将聚焦参考模板Iref使用快速傅立叶变换,从空间域转换到频域图像IFFT-ref进行分析:IFFT-ref=FFT(Iref)(10)公式(10)中,IFFT-ref为聚焦参考模板的频域图像计算,Iref为聚焦参考模板,FFT为快速傅里叶变换函数;(3.3.2),由于图像在空间域和频域进行转换时具有频率谱的“直流数据”即图像原点像素值数值不变的性质,将高斯滤波函数公式(11)推导出公式(12)所示的当u和v为0即在图像原点位置时的该原点的频域...
【专利技术属性】
技术研发人员:解利军,朱博,陈建军,郑耀,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
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。