[发明专利]景深时空三维图像的像素级对准方法

说明书

本发明公开了景深时空三维图像的像素级对准方法，包括以下步骤：采集任意场景下的一张景深时空图像和两张彩色图像、二值化处理、每隔10个像素点进行一次采样、将采样的像素点和计算出的像素点绘制在一张空白图像、特征提取以及选择四个特征像素点、提取空白图像上的像素点以及按照特征像素点进行移动；本发明通过利用KNN算法和随机抽样一致算法进行提取特征以及特征像素点，能够有效提高特征像素点的提取准确性，为基于像素级对准提供了稳定的基础，通过进行畸变校正有效解决图像对准前的边界误差较大而影响对准精度的问题，能够有效提高景深时空三维图像的像素级对准精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及景深时空三维图像的像素级对准方法。

背景技术

景深(场景深度)是计算机视觉领域一个非常重要的概念，表示场景中物体与摄像机之间的距离，它为传统的二维图像增加了三维信息，在人机交互、虚拟现实、3D打印等领域具有广泛应用；景深时空三维图像可增强画面的空间感，使人们的视线从前景移向中景，并挤向背景，使观赏者视线注意到中景有不同的区域，背景也有不同的区域，随着这些区域从前后的逐渐缩小，景深使得了很好的表现，使图像画面具有纵深感，立体感和空间感；

现有的景深时空三维图像在进行对准时，对准精度仍会受到很多外界因素的影响，由于选择的对准方法不准确容易出现对准精度低下的问题，直接影响景深时空三维图像的质量，如何提高深时空三维图像的像素级对准精度具体十分重要的研究意义，因此，本发明提出景深时空三维图像的像素级对准方法，以解决现有技术中的不足之处。

发明内容

针对上述问题，本发明提出景深时空三维图像的像素级对准方法，通过利用KNN算法和随机抽样一致算法进行提取特征以及特征像素点，能够有效提高特征像素点的提取准确性，为基于像素级对准提供了稳定的基础，通过进行畸变校正有效解决图像对准前的边界误差较大而影响对准精度的问题，能够有效提高景深时空三维图像的像素级对准精度。

本发明提出景深时空三维图像的像素级对准方法，包括以下步骤：

步骤一：采集任意场景下的一张景深时空图像和两张彩色图像，两张彩色图像分别标记为第一彩色图像和第二彩色图像，并对景深时空图像、第一彩色图像和第二彩色图像分别进行图像滤波处理；

步骤二：对图像滤波处理后的景深时空图像、第一彩色图像和第二彩色图像进行二值化处理；

步骤三：对二值化处理后的景深时空图像和第二彩色图像每隔10个像素点进行一次采样，并将计算出景深时空图像上的每个10个像素点进行采样后的像素点在第一彩色图像的坐标；

步骤四：将景深时空图像采样后的像素点和第一彩色图像上计算出的坐标像素点共同绘制在一张空白图像上，分别用不两种不同的颜色进行标记；

步骤五：利用KNN算法对第二彩色图像采样后的像素点进行特征提取，并通过利用随机抽样一致算法选择四个特征像素点；

步骤六：在空白图像上提取与四个特征像素点完全重合的景深时空图像采样后的像素点和第一彩色图像上计算出的坐标像素点；

步骤七：将第一彩色图像和第二彩色图像按照四个特征像素点进行移动，移动至景深时空图像上对应的四个特征像素点。

进一步改进在于：所述步骤一中图像滤波处理时采用小核值相似区算法和多帧均值滤波算法共同对景深时空图像、第一彩色图像和第二彩色图像进行滤波处理。

进一步改进在于：所述步骤二中二值化处理前需要分别对景深时空图像、第一彩色图像和第二彩色图像进行灰度化，在灰度化的景深时空图像、第一彩色图像和第二彩色图像基础上进行二值化处理。

进一步改进在于：所述步骤三中对二值化处理后的景深时空图像和第二彩色图像每隔10个像素点进行一次采样前，需要先对第二彩色图像进行畸变校正，首先确定畸变模型，畸变模型如公式(1)、(2)和(3)所示：