摄像反馈的投影仪畸变图像的自动校正

设计了一种基于摄像反馈的投影仪畸变图像自动校正系统，根据原投影图像与摄像头反馈图像之间的对应关系，建立几何变换的对应矩阵，对原图像进行预处理来抵消投影图像可能的透视失真。实验证明：该方法能有效实现投影仪透视失真的自动校正。     

基于光纤传感器的投影图像梯形失真校正系统

针对投影仪自带校正功能普遍存在校正精度低、尺度小、操作繁琐的问题,利用光纤传感技术与格雷码结构光模型设计了一种扫描定位自动校正系统.与传统方法相比,该系统不仅能快速有效地完成空间定位,而且易操作性强.实验原型的测试结果表明:嵌入式光纤传感器能准确地检测到不同编码的结构光信号,上位机通过传感器反馈的信息可得出准确的目标点坐标,投射图像的梯形失真校正效果明显,系统达到预期设计目标.     

基于透视投影的垂直视角投影算法研究

在计算机视觉领域,透视投影变换是图像变换中最复杂的变换之一.在透视投影中的垂直投影是在实际工程应用中使用最广泛的变换方法.研究了透视变换中斜投影与正投影之间的变换关系,分析了不同角度的斜投影图像到正投影图像之间变换对参数的影响,得出了变化参数与斜投影的倾角关系.实验表明,按照所得到的参数与倾角关系矩阵,可以准确地计算出斜投影图像对应的正投影图像.     

适应多几何面投影的校正算法研究

为实现投影仪在多种常见投影面上的自适应投影,提高几何校正效率,提出了一种多几何面函数自适应校正算法。该算法利用特征点自动拟合出曲幕函数,通过自动筛选该函数对应像素映射关系并计算投影图片像素偏移量,再按修正程度对投影幕进行切割,最后利用切割纹理顶点坐标校正前后坐标关系实现几何校正。实验结果表明,该算法可以简单快速地完成柱面、球面、墙角等常见曲面以及投影仪非正投影等情况下的几何畸变校正,具有良好的实际应用价值。     

基于除法模型和核密度估计算法的镜头径向失真校正方法

针对镜头径向失真的问题,提出了一种基于除法模型(DM,division model)和核密度估计算法的校正方法.该方法利用同一场景两个不同视点的失真图像对建立DM模型.首先对失真图像对进行特征点的提取和匹配.然后根据基本方程式联立方程组,采用核密度估计算法求出最优解即为校正参数.最后根据求得的校正参数对两幅失真图像进行校正.仿真表明,核密度估计算法提高了失真校正的鲁棒性和图像校正的精度.     

基于模拟CCD传感器和图像矫正的自循迹机器人设计

设计了一种基于模拟CCD图像传感器和图像透视矫正算法的自动循迹机器人。分别完成了机器人的总体设计和软硬件设计。该循迹机器人以32位单片机MK60DN512ZVLQ10为主控制器,采用模拟CCD摄像头获取黑色引导线信息,并转化为有效的舵机和电机控制量。为提高控制精度,利用PID控制算法实现机器人的闭环控制。由于采集的图像存在梯形失真,所以利用图像透视变换对原始图像校正,实现机器人精确的循迹。测试结果表明:该循迹机器人对场地适应性强,具有低成本、低功耗等优点,在核辐射和高压电等特殊环境下有很大的使用价值。     

自动多投影仪非线性几何校正与图像边缘融合方法

为了解决多投影仪拼接系统中的几何变形与图像融合问题,提出了一种新的自动非线性几何校正和图像边缘融合方法.首先定义了屏幕空间与投影仪之间的几何关系和计算方法;然后用智能相机摄取屏幕上的激光点阵与标准网格投影图像,根据摄取的图像特征计算屏幕空间与投影仪之间的投影变换矩阵,由投影变换矩阵计算得到投影图像的双3次几何变形曲面,从而可以反算得到曲面的控制点,实现对投影图像的非线性几何变形;最后给出图像边缘亮度融合算法.实验结果表明,所提出的方法适用于多投影仪拼接的实时仿真系统.     

图像校正中颜色模型的选取方法

在全景图像的拼接中，各子图间颜色不匹配会严重影响全景图像的效果，甚至会产生错误的拼接。选取一种基于统计学的图像颜色校正方法，然后对各种不同失真情况的图像分别在RGB、YUV、HSV几个颜色模型中进行图像颜色校正，并对比所得的实验结果；讨论了针对不同的失真情况，如何选取合适的颜色模型，使图像校正取得更好的效果。结果表明选取合适的颜色空间校正图像，可以显著地提高所生成全景图像的质量。     

基于控制点鲁棒提取的视觉成像畸变校正方法

基于控制点的摄像机视觉成像畸变校正过程中,控制点自动提取困难且误差较大,因此难以实现动态图像的在线准确校正.针对目前控制点提取校正方法的局限性,提出了基于鲁棒性好的控制点匹配提取校正方法.该方法在实现控制点的自动、精确、鲁棒提取的基础上,建立畸变图像与原始图像的最优次数多项式映射模型,并结合双线性插值运算对图像进行校正.该校正算法应用结果表明:该方法在图像识别系统中实现了快速、精确的图像畸变校正,校正误差为0.037像素.     

基于图像校正技术的大豆病害自动诊断模型

为解决大豆病害无损采集的非线性失真图像与病种之间映射关系的问题,将数字图像处理技术与神经网络推理机制相结合,提出了基于图像校正技术的大豆病害自动诊断模型.通过自制标定模板无损采集大豆病害数字图像,利用双线性投影映射算法校正病害图像的几何失真,同时计算病斑区域的形状特征、颜色特征及纹理特征参数,以此多维特征指标为基础,应用神经网络的强自适应性自动取得大豆病种推理规则,建立大豆病害自动诊断模型.仿真试验表明:大豆病害的失真图像校正精度达到99%以上,其病害种类诊断准确率为98.33%,实现了大豆病害自动诊断和精确测报.