【技术实现步骤摘要】
本专利技术属于激光加工和实验视频处理，特别涉及一种基于单帧参考的模糊边缘视频透视畸变的矫正方法。
技术介绍
1、在激光加工和实验领域，尤其是在激光穿孔过程中，拍摄实验视频以记录和分析材料的变化过程是一项至关重要的任务。然而，由于实验条件的限制，如相机安装角度、光源强度等因素，拍摄的视频往往会存在一些问题，如透视畸变、目标物体轮廓模糊等。这些问题不仅影响了视频的质量，也限制了后续实验数据的准确性和可靠性。透视畸变是相机在拍摄过程中由于拍摄角度和焦距等因素导致的图像变形现象。在激光穿孔实验中，由于相机无法完全垂直于被测物体安装，透视畸变问题尤为突出。这种畸变不仅改变了目标物体的形状和尺寸，还可能导致重要的实验细节被忽略或误判。另外，激光穿孔实验视频通常具有高动态范围的特点，即激光出光点的亮度极高，而周围环境的亮度则相对较低。这种高动态范围导致目标物体轮廓在视频中逐渐变得模糊，甚至无法识别。这对于需要精确分析目标物体变化过程的实验来说是一个巨大的挑战。为了解决这些问题，研究人员和工程师们一直在探索各种图像处理技术和算法。然而，现有的解决方案大多存在一定的局限性，无法完全满足激光穿孔实验视频处理的需求。
2、现有最相近的实现方案主要集中在两个方面：利用相机标定进行透视畸变矫正和利用棋盘格角点标定进行矫正透视畸变矫正。
3、在透视畸变矫正方面，一种常见的方法是使用几何矫正技术。这种方法通过测量相机的内外参数，以及目标物体在图像中的位置和形状，来估计并消除透视畸变。然而，这种方法需要精确的相机标定和复杂的计算过程，且
4、另一种方法是使用机器学习或深度学习算法来预测和矫正透视畸变。这种方法通过训练模型来识别图像中的透视畸变模式，并自动应用相应的矫正策略。然而，这种方法需要大量的训练数据和计算资源，且对于不同类型的实验场景可能需要重新训练模型。
5、在轮廓识别方面，一种方法是使用局部对比度增强技术。这种方法通过分析图像中每个像素的局部对比度，并应用相应的增强策略来提高图像的清晰度。然而，这种方法可能无法完全解决目标物体轮廓模糊的问题，特别是在激光出光点亮度极高的情况下。
6、综上所述，虽然现有的实现方案在一定程度上能够解决激光穿孔实验视频处理中的一些问题，但它们都存在一定的局限性，无法满足所有实验需求。
7、公开号为cn104867113b的专利申请文件公开了图像透视畸变矫正的方法及系统，该方法主要通过两个摄像头一次性获取被摄物体的两个图像，分别生成两个图像的三维矢量息，分析重合区域，进行大量计算。然后调用透视畸变矫正算法对三维图像进行透视畸变矫正。但该专利技术在进行透视畸变矫正时需要通过两个摄像头一次性获取被摄物体的两个图像，分析其重合区域并进行大量计算。
8、公开号为cn111145111a的专利申请文件公开了一种基于红外视频的矫正方法。该专利技术主要通过制作好的棋盘格道具，使用太阳光对其照射一段时间后，通过对其拍摄15-20张红外照片，将其进行锐化处理、灰度化操作，对灰度图进行角点检测提取棋盘格的角点，获取红外摄像机的矫正参数，达到对相机进行标定的目的，从而实现对视频的矫正。但是，该方法在矫正之前必须先进行对棋盘格的制作、和提前拍摄当前场景下棋盘格的红外照片，这对于已经拍摄好的视频，无法保证在能够还原其场景的情况下达到矫正的目的。其次该方法中所提到的标定主要针对的是相机，从而达到对全场景的视频矫正。
9、现有的透视畸变矫正方法通常需要精确的相机标定和复杂的计算过程，这在实验条件下可能难以实现或耗时过长。并且对于已经拍摄完成的视频，无法实现标定过程。依赖机器学习和深度学习的方法需要大量的训练数据和计算资源，且对于不同类型的实验场景可能需要重新训练模型，限制了其灵活性和适用性。局部对比度增强技术虽然能提高图像的清晰度，但在处理激光穿孔实验视频时，特别是在激光出光点亮度极高的情况下，可能无法完全解决目标物体轮廓模糊的问题。
技术实现思路
1、为了克服上述现有技术的不足，本专利技术的目的在于提供一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，通过利用拍摄初期获得的目标轮廓清晰的图片进行透视畸变矫正，结合矫正算法，能够高效准确地实现对整个视频中目标物体轮廓的透视畸变矫正，高效、低成本的消除透视畸变对视频的影响；本专利技术提高了实验数据的准确性和可靠性，为相关领域的研究和实验提供有力的技术支持。
2、为了实现上述目的，本专利技术采取的技术方案是：
3、一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，包括以下步骤：
4、步骤1，获取视频逐帧转化的图片，并从中选择目标轮廓清晰的图片；
5、步骤2，提取步骤1获取的目标轮廓清晰的图片的轮廓信息；
6、步骤3：利用步骤2提取的轮廓信息获取透视变换矩阵；
7、步骤4：将步骤3获取的透视变换矩阵求逆，得到透视变换矩阵的逆矩阵，将透视变换矩阵的逆矩阵应用到步骤1得到的视频逐帧转化的图片上进行透视矫正，得到透视畸变矫正后的图像，提取仅包含目标区域的图像，并生成图片；
8、步骤5，将步骤4生成的透视畸变矫正后的所有图片序列化输出视频。
9、所述步骤1的具体方法为：
10、激光出光前，使用高动态相机拍摄目标物体的初期清晰轮廓视频，将视频利用软件或者编程逐帧拆解为图片，得到该视频逐帧转化的图片，并选择一张目标轮廓清晰的图片。
11、所述步骤2的具体方法为：
12、使用图像处理技术从步骤1获取的目标轮廓清晰的图片中提取出目标物体的轮廓以及层次结构信息，使用轮廓近似函数获得近似后的轮廓，对近似后的轮廓聚焦于近似的矩形形状的四个关键点，并分别对应于矩形的四个角，得到矩形轮廓信息。
13、所述步骤3的具体方法为：
14、利用步骤2获取的轮廓信息，以四个关键点定义图像中对应的四个角点，通过角点在三维空间中的位置和在图像中的坐标，利用最小二乘法求解，得到透视变换矩阵。
15、与现有技术相比，本专利技术的有益效果为：
16、1)透视畸变矫正的准确性和高效性：
17、本专利技术利用选择的目标轮廓清晰图片进行轮廓信息的提取，实现对整个视频中目标图像进行畸变矫正。这种方法相较于传统的相机标定方法更为简单和直接，同时能够更准确地反映实验条件下的透视畸变情况。能够高效地对视频中的每一帧进行透视畸变矫正，而不需要对每一帧都进行复杂的计算。这大大提高了视频处理的效率，并且保证了矫正的准确性和一致性。
18、2)对于低灰度视频，本专利技术将步骤2获取的轮廓信息，迁移至步骤1获取的视频逐帧转化的图片上，视频逐帧转化的图片中包括轮廓模糊或不清晰等难以检测边缘轮廓的图片，使得低灰度视频的图像轮廓提取更加方便、准确和可靠。结合步骤3和步骤4，将步骤4得到的单张图像的透视变换矩阵的逆矩阵应用本文档来自技高网...
【技术保护点】
1.一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，所述步骤1的具体方法为：
3.根据权利要求1或2所述的一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，所述步骤2的具体方法为：
4.根据权利要求1所述的一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，所述步骤3的具体方法为：
【技术特征摘要】
1.一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于单帧参考的模糊边缘视频透视畸变的矫正方法，其特征在于，所述步骤1的具体方法为：
3.根据权...
【专利技术属性】
技术研发人员：詹劲松，张玉，胡为，董绍峰，权星，
申请(专利权)人：西安电子科技大学，
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。