两种图像校正算法在实际应用中的比较

doi:10.3778/j.issn.1002-8331.2009.13.056

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (13): 191-193.DOI: 10.3778/j.issn.1002-8331.2009.13.056

• 图形、图像、模式识别 • 上一篇下一篇

两种图像校正算法在实际应用中的比较

胡东红^1,2,汪浩¹,艾君¹,张玲¹,张胜兰¹

1.湖北大学物理学与电子技术学院，武汉430062
2.华中科技大学机械学院，武汉 430074

收稿日期:2008-03-12 修回日期:2008-06-05 出版日期:2009-05-01 发布日期:2009-05-01
通讯作者: 胡东红

Comparisons of two kinds of image rectification algorithms

HU Dong-hong^1,2,WANG Hao¹,AI Jun¹,ZHANG Ling¹,ZHANG Sheng-lan¹

1.School of Physics and Electronic Technology，Hubei University，Wuhan 430062，China
2.School of Mechanical Science and Engineering，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2008-03-12 Revised:2008-06-05 Online:2009-05-01 Published:2009-05-01
Contact: HU Dong-hong

摘要/Abstract

摘要： 介绍了图像校正的两种算法：透视变换方法和控制点变换方法（双线性插值方法），分析了这两种方法的特点和差异。并就这两种方法在二维条码图像校正中的应用进行了讨论，得到的结论是：透视变换方法在实际拍摄的条码图像校正中较控制点变换方法更精确。

关键词: 图像分割, 图像校正, 透视变换, 控制点变换

Abstract: In this essay，two ways of two-dimensional image rectifying algorithms are introduced.One is the control-point transformation；the other is the projective transformation.After analyzing these two methods from different standpoints，including specialties and differences，and discussing their application in two-dimensional barcode image rectification，the conclusion is that the projective transformation is more precise than the other one in rectification of actual shooting barcode image.

Key words: image segmentation, image rectification, projective transformation, control-point transform

胡东红^1,2,汪浩¹,艾君¹,张玲¹,张胜兰¹. 两种图像校正算法在实际应用中的比较[J]. 计算机工程与应用, 2009, 45(13): 191-193.

HU Dong-hong^1,2,WANG Hao¹,AI Jun¹,ZHANG Ling¹,ZHANG Sheng-lan¹. Comparisons of two kinds of image rectification algorithms[J]. Computer Engineering and Applications, 2009, 45(13): 191-193.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

两种图像校正算法在实际应用中的比较

Comparisons of two kinds of image rectification algorithms

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics