一种图像畸变矫正的方法、装置、系统及存储介质与流程

本技术实施例涉及显示屏检测领域，尤其涉及一种图像畸变矫正的方法、装置、系统及存储介质。

背景技术：

1、随着电子产品的更新迭代，显示屏的使用越发频繁，消费者对产品的品质有了更高的要求。这就使得对显示屏的检测内容不断增加，检测的精度也在不断上升。显示屏的检测随着显示屏的精密度和功能性的提高而增加，越是精密的显示屏，像素点在未矫正前通常容易出现畸变的情况，为此，需要使用对不同的灰阶、不同的图像、不同的模版对特定的显示屏进行点亮，并根据拍摄到的采集图像进行畸变矫正，相对于一般图像的畸变矫正，显示屏图像的畸变矫正更为复杂。

2、畸变矫正是显示屏检测是一项关键步骤，旨在修正由特定镜头引起的几何失真，确保显示屏图像的几何精确性与视觉一致性。径向畸变通常由特定镜头对光线产生的不同弯曲程度引起，表现为桶形或枕形畸变；切向畸变则源于摄像系统成像平面与物体平面不平行，通常由透镜组装误差导致。尽管某些畸变对视觉效果影响较小，但在需要高精度几何测量的应用中，失真可能引起严重误差，影响显示屏图像分析的精确性和可靠性。当前传统的显示屏图像畸变矫正方法可分为硬件矫正和软件矫正。硬件矫正通常通过改进镜头设计，例如加入特殊镜片以矫正投影光线，但该方法对制造精度要求极高，成本昂贵，效果亦有限。软件矫正中的线性畸变矫正算法通过选取参考物体并结合相机参数进行还原，对线性畸变矫正效果较好，但在处理非线性畸变时效果显著下降，尤其是在高精度测量领域表现不佳。畸变矫正过程中通常需要进行显示屏图像的变换重采样操作，然而由于显示屏图像的离散性和带宽的限制，重采样过程不可避免地会产生混叠现象。

3、现有技术中，通常使用多项式的畸变矫正模型对显示屏图像进行一次畸变矫正，通过该模型对显示屏图像进行矫正后，尽管显示屏图像中心的畸变得到有效控制，但图像四角区域通常会出现显著的畸变，这种畸变引发的不良效果不仅包括几何形变，还表现出明显的混叠和模糊现象，尤其在畸变显著的图像边缘区域，常见到波纹状的伪影，严重影响图像的视觉质量。为了解决上述问题，通常需要再一个构造卷积滤波器，这种卷积滤波器属于抗混叠矫正模型，可以在一定程度上实现自适应的畸变图像抗混叠矫正，实现对畸变图像整体的高精度矫正。但是这种方式中只针对显示屏图像整体，难以考虑到局部畸变情况的差异，使得显示屏图像的混叠消除的效果下降。

技术实现思路

1、本技术公开了一种图像畸变矫正的方法、装置、系统及存储介质，用于提高显示屏图像的混叠消除的效果。

2、本技术第一方面公开了一种图像畸变矫正的方法，包括：

3、将待矫正的显示屏图像进行分块，生成若干个图像子块集合；

4、将若干个图像子块输入尺度不变畸变矫正模型中进行畸变矫正，并生成若干个变换矩阵，变换矩阵为矫正前后的像素点坐标的变换系数集合；

5、根据若干个变换矩阵构造自适应卷积滤波器；

6、将畸变矫正后的若干个图像子块输入到自适应卷积滤波器进行抗混叠卷积与插值计算，输出像素点优化矫正后的若干个图像子块；

7、将矫正后的若干个图像子块的边缘区域进行多尺度抗混矫正；

8、将若干个图像子块进行拼接，生成完整的目标矫正图像。

9、可选的，根据若干个变换矩阵构造自适应卷积滤波器，包括：

10、计算每个图像子块上的像素点的雅克比值，并对雅克比值进行逆映射，生成逆映射后的雅克比值；

11、为每个图像子块生成空间高斯核和强度高斯核；

12、根据空间高斯核和强度高斯核生成双边滤波核；

13、根据逆映射后的雅克比值、双边滤波核计算各像素点自适应形变卷积核；

14、根据若干个变换矩阵、自适应形变卷积核和预设的插值方式构造自适应卷积滤波器。

15、可选的，将矫正后的若干个图像子块的边缘区域进行多尺度抗混矫正，包括：

16、将矫正后的若干个图像子块进行多尺度分解，每一个图像子块生成至少两个尺度；

17、根据每一个图像子块的对比度和纹理复杂度生成对应的综合特征函数；

18、根据综合特征函数为每一个图像子块的不同尺度计算对应的自适应权重；

19、根据不同尺度的自适应权重为每一个图像子块的边缘区域进行多尺度融合。

20、可选的，根据每一个图像子块的对比度和纹理复杂度生成对应的综合特征函数，包括：

21、计算每一个图像子块的对比度特征函数；

22、计算每一个图像子块的纹理复杂度特征函数；

23、确定每一个图像子块的对比度权重、纹理复杂度权重；

24、根据对比度权重、纹理复杂度权重、对比度特征函数和纹理复杂度特征函数计算每一个图像子块的综合特征函数。

25、可选的，计算每一个图像子块的纹理复杂度特征函数，包括：

26、根据每一个图像子块的梯度赋值和局部熵计算纹理复杂度特征函数。

27、可选的，确定每一个图像子块的对比度权重、纹理复杂度权重，包括：

28、计算每一个图像子块的灰度均值；

29、根据每一个图像子块自身的灰度均值和相邻图像子块的灰度均值计算自身的对比度系数；

30、在每一个图像子块的每一个边缘均绘制一条平行该边缘参考线；

31、取边缘参考线上的像素点进行边缘灰度等级分析，生成每一个图像子块的纹理复杂度系数；

32、根据对比度系数和纹理复杂度系数计算每一个图像子块的对比度权重、纹理复杂度权重。

33、可选的，相邻的图像子块存在重叠区域；

34、将若干个图像子块进行拼接，生成完整的目标矫正图像，包括：

35、确定相邻的图像子块之间的重叠区域；

36、根据相邻的图像子块和多余的重叠区域计算各自的对比度特征和纹理复杂度特征；

37、根据相邻的图像子块的对比度特征和纹理复杂度特征计算各自的自适应权重；

38、根据相邻的图像子块之间的重叠区域、自适应权重计算拼接像素值；

39、根据拼接像素值对相邻的图像子块进行拼接，以使得若干个图像子块完成拼接，生成完整的目标矫正图像。

40、本技术第二方面公开了一种图像畸变矫正的装置，包括：

41、第一生成单元，用于将待矫正的显示屏图像进行分块，生成若干个图像子块集合；

42、第二生成单元，用于将若干个图像子块输入尺度不变畸变矫正模型中进行畸变矫正，并生成若干个变换矩阵，变换矩阵为矫正前后的像素点坐标的变换系数集合；

43、构造单元，用于根据若干个变换矩阵构造自适应卷积滤波器；

44、输出单元，用于将畸变矫正后的若干个图像子块输入到自适应卷积滤波器进行抗混叠卷积与插值计算，输出像素点优化矫正后的若干个图像子块；

45、矫正单元，用于将矫正后的若干个图像子块的边缘区域进行多尺度抗混矫正；

46、第三生成单元，用于将若干个图像子块进行拼接，生成完整的目标矫正图像。

47、可选的，构造单元，包括：

48、计算每个图像子块上的像素点的雅克比值，并对雅克比值进行逆映射，生成逆映射后的雅克比值；

49、为每个图像子块生成空间高斯核和强度高斯核；

50、根据空间高斯核和强度高斯核生成双边滤波核；

51、根据逆映射后的雅克比值、双边滤波核计算各像素点自适应形变卷积核；

52、根据若干个变换矩阵、自适应形变卷积核和预设的插值方式构造自适应卷积滤波器。

53、可选的，矫正单元，包括：

54、分解模块，用于将矫正后的若干个图像子块进行多尺度分解，每一个图像子块生成至少两个尺度；

55、生成模块，用于根据每一个图像子块的对比度和纹理复杂度生成对应的综合特征函数；

56、计算模块，用于根据综合特征函数为每一个图像子块的不同尺度计算对应的自适应权重；

57、融合模块，用于根据不同尺度的自适应权重为每一个图像子块的边缘区域进行多尺度融合。

58、可选的，生成模块，包括：

59、第一计算子模块，用于计算每一个图像子块的对比度特征函数；

60、第二计算子模块，用于计算每一个图像子块的纹理复杂度特征函数；

61、确定子模块，用于确定每一个图像子块的对比度权重、纹理复杂度权重；

62、第三计算子模块，用于根据对比度权重、纹理复杂度权重、对比度特征函数和纹理复杂度特征函数计算每一个图像子块的综合特征函数。

63、可选的，第二计算子模块，包括：

64、根据每一个图像子块的梯度赋值和局部熵计算纹理复杂度特征函数。

65、可选的，确定子模块，包括：

66、计算每一个图像子块的灰度均值；

67、根据每一个图像子块自身的灰度均值和相邻图像子块的灰度均值计算自身的对比度系数；

68、在每一个图像子块的每一个边缘均绘制一条平行该边缘参考线；

69、取边缘参考线上的像素点进行边缘灰度等级分析，生成每一个图像子块的纹理复杂度系数；

70、根据对比度系数和纹理复杂度系数计算每一个图像子块的对比度权重、纹理复杂度权重。

71、可选的，相邻的图像子块存在重叠区域；

72、第三生成单元，包括：

73、确定相邻的图像子块之间的重叠区域；

74、根据相邻的图像子块和多余的重叠区域计算各自的对比度特征和纹理复杂度特征；

75、根据相邻的图像子块的对比度特征和纹理复杂度特征计算各自的自适应权重；

76、根据相邻的图像子块之间的重叠区域、自适应权重计算拼接像素值；

77、根据拼接像素值对相邻的图像子块进行拼接，以使得若干个图像子块完成拼接，生成完整的目标矫正图像。

78、本技术第三方面提供了一种图像畸变矫正的系统，包括：

79、处理器、存储器、输入输出单元以及总线；

80、处理器与存储器、输入输出单元以及总线相连；

81、存储器保存有程序，处理器调用程序以执行如第一方面以及第一方面的任意可选的方法。

82、本技术第四方面提供了一种计算机可读存储介质，计算机可读存储介质上保存有程序，程序在计算机上执行时执行如第一方面以及第一方面的任意可选的方法。

83、从以上技术方案可以看出，本技术实施例具有以下优点：

84、本技术中，首先对需要进行畸变矫正的图像进行分块，根据每个分块的畸变程度对其进行矫正，有针对性的对每个分块的具体畸变情况进行矫正。对于畸变严重的分块，让每个图像区域都能根据其特定的畸变程度进行独立校正，可以采用更精细的矫正参数或算法，从而提高局部的矫正精度，还可以避免在不必要的区域进行复杂计算，从而提高整体的计算效率以及整体校正效果。

85、其次对每个图像块的边缘区域进行多尺度分解，得到多个尺度层次，每个尺度层次分别处理不同级别的细节信息。通过多尺度分解，每个尺度层次可以专门处理与其相适应的细节类型，将细节分散到不同层次进行处理，从而避免在某个尺度下过度处理导致的伪影，提高图像质量。

86、最后在拼接校正后的图像块时，边缘区域可能会出现不平滑的过渡，采用多尺度抗混叠矫正模型对图像块进行处理。多尺度抗混叠矫正模型通过构造卷积滤波器，可以在多个尺度上对边缘区域进行处理，使纹理的过渡更加自然，整个边缘区域的过渡更加平滑，减少突兀感。多尺度抗混叠矫正模型可以有效地消除图像块拼接导致的边缘不匹配的瑕疵，从而改善边缘过渡效果，提升图像的视觉连贯性。