[发明专利]图像校正方法及电子设备

说明书

本发明实施例提供一种图像校正的方法及电子设备，应用于通信技术领域，以解决传统畸变校正方法中存在的畸变校正准确度较低的问题。该方法包括：获取目标训练集，该目标训练集包括：多对训练样本，每对训练样本包括：在相同景深下，相同对象的畸变训练图和对应无畸变训练图；将上述畸变训练图的点云位置信息作为输入特征，将对应无畸变训练图中的点云位置信息作为输出特征进行畸变校正学习，得到畸变变换参数；采用上述畸变变换参数对待校正畸变图像进行图像校正，得到校正后的图像。

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种图像校正方法及电子设备。

背景技术

用户在使用电子设备(如智能手机)自拍时，由于人脸至电子设备的摄像头间的拍摄距离的限制，使得拍摄出的人像存在比较严重的畸变，该畸变通常表现为面部变形和脸型比例失真等。

传统的对畸变图像的校正方法通常是：对2D畸变图像中的人脸图像进行3D建模，得到该人脸图像的点云位置信息，该点云位置信息用于表征该人脸图像中各特征点的位置信息和拍摄角度，然后，采用预设的畸变校正参数对点云位置信息进行畸变校正，得到校正后的点云位置信息，最后，基于该点云位置信息得到校正后的人脸图像。

然而，由于上述畸变校正参数为固定值，因此，当使用上述畸变校正参数对畸变图像进行校正时，会导致部分畸变图像的校正准确度低。

发明内容

本发明实施例提供一种图像校正方法及电子设备，以解决传统畸变校正方法中存在的畸变校正准确度较低的问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本发明实施例提供一种图像校正方法，该方法包括：获取目标训练集，该目标训练集包括：多对训练样本，每对训练样本包括：在相同景深下，相同对象的畸变训练图和对应无畸变训练图；将上述畸变训练图的点云位置信息作为输入特征，将对应校正后的训练图中的点云位置信息作为输出特征进行畸变校正学习，得到畸变变换参数；采用上述畸变变换参数对待校正畸变图像进行图像校正，得到校正后的图像。

第二方面，本发明实施例还提供了一种电子设备，该电子设备包括：获取模块，用于获取目标训练集，该目标训练集包括：多对训练样本，每对训练样本包括：在相同景深下，相同对象的畸变训练图和对应无畸变训练图；学习模块，用于将上述畸变训练图的点云位置信息作为输入特征，将对应校正后的训练图中的点云位置信息作为输出特征进行畸变校正学习，得到畸变变换参数；校正模块，用于采用上述畸变变换参数对待校正畸变图像进行图像校正，得到校正后的图像。

第三方面，本发明实施例提供了一种电子设备，包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面所述的图像校正方法的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面所述的图像校正方法的步骤。

在本发明实施例中，电子设备通过获取目标训练集，由于该目标训练集中畸变训练图和对应无畸变训练图中包括的目标对象具有相同景深，因此，将上述畸变训练图的点云位置信息作为输入特征，将对应无畸变训练图的点云位置信息作为输出特征信息，通过对多对训练样本进行畸变校正学习，从而得到畸变变换参数。该电子设备采用上述畸变变换参数对待校正畸变图像进行图像校正，得到校正后的图像。由于畸变变换参数是通过将目标训练集中相同对象的畸变训练图和无畸变训练图的比对学习的结果，校正后的图像更加趋向于真实目标对象的特征信息，从而避免了传统畸变校正方法中存在的畸变校正准确度较低的问题。

附图说明

图1为本发明实施例提供的一种可能的安卓操作系统的架构示意图；

图2为本发明实施例提供的一种图像校正方法的方法流程示意图；