DOI: https://doi.org/10.20998/2522-9052.2019.1.06

Метод колірної корекції web-камер стереопари та його практична реалізація

Kostiantyn Dergachov, Leonid Krasnov, Oleksandr Cheliadin, Oleksandr Plakhotnyi

Анотація


Предмет вивчення. У статті запропоновано нові методи і засоби колірної корекції web-камер в системах стереозору з метою підвищення якості їх роботи. Метою є порівняльний аналіз показників якості відомих методів корекції кольору і розробка нової методики і робочих алгоритмів спільної процедури колірної корекції та ректифікації фреймів відеопотоку лівої і правої камер. Завдання. Ставилося завдання провести теоретичний аналіз показників якості відомих алгоритмів корекції кольору, розробити нові робочі алгоритми, програмні коди цих алгоритмів написати на мові Python c використанням необхідних функцій OpenCV. Провести експериментальні дослідження цих алгоритмів. Оцінити ефективність роботи стереосистеми в лабораторних умовах, а достовірність отриманих результатів перевірити методами статистичного аналізу. Використовувані методи: порівняльний аналіз відомих методів і алгоритмів шляхом статистичного моделювання, синтез нових алгоритмів і оцінка ефективності їх роботи шляхом проведення лабораторних натурних випробувань. Отримані результати: проведено порівняльний аналіз ефективності роботи відомих методів колірної корекції камер стереосистеми, запропоновані нові більш ефективні алгоритми для вирішення цього завдання. Висновки. Наукова новизна отриманих результатів: створено нові алгоритми корекції колірного балансу web-камер, використовуваних в стереоскопічних системах технічного зору, що відрізняються високою точністю колірної корекції і працюють в реальному масштабі часу з застосуванням функцій бібліотеки OpenCV в програмному середовищі Python.

Предмет вивчення. У статті запропоновано нові методи і засоби колірної корекції web-камер в системах стереозору з метою підвищення якості їх роботи. Метою є порівняльний аналіз показників якості відомих методів корекції кольору і розробка нової методики і робочих алгоритмів спільної процедури колірної корекції та ректифікації фреймів відеопотоку лівої і правої камер. Завдання. Ставилося завдання провести теоретичний аналіз показників якості відомих алгоритмів корекції кольору, розробити нові робочі алгоритми, програмні коди цих алгоритмів написати на мові Python c використанням необхідних функцій OpenCV. Провести експериментальні дослідження цих алгоритмів. Оцінити ефективність роботи стереосистеми в лабораторних умовах, а достовірність отриманих результатів перевірити методами статистичного аналізу. Використовувані методи: порівняльний аналіз відомих методів і алгоритмів шляхом статистичного моделювання, синтез нових алгоритмів і оцінка ефективності їх роботи шляхом проведення лабораторних натурних випробувань. Отримані результати: проведено порівняльний аналіз ефективності роботи відомих методів колірної корекції камер стереосистеми, запропоновані нові більш ефективні алгоритми для вирішення цього завдання. Висновки. Наукова новизна отриманих результатів: створено нові алгоритми корекції колірного балансу web-камер, використовуваних в стереоскопічних системах технічного зору, що відрізняються високою точністю колірної корекції і працюють в реальному масштабі часу з застосуванням функцій бібліотеки OpenCV в програмному середовищі Python.

Ключові слова


стереоскопічні системи технічного зору; колірна корекція зображень відеопотоку web-камер стереосистеми; спільна ректифікація і колірний баланс лівої і правої камери

Повний текст:

PDF (English)

Посилання


Protasov, S.I., Kurgalin, S.D. and Krylovetsky, A.A. (2011), “Using webcams as a source of stereo pairs”, Vestnik VSU, Se-ries: system analysis and information technologies, No. 2, Voronezh, pp. 80–86.

Kruchinin А. (2018), Digital image processing as signals. Computer graphics, available at : http://www.myshared.ru/slide/529382/.

Lyudvichenko, V. (2018), Stereo video color correction methods, Video Group CS MSU Graphics & Media Lab (Video Group), available at : www.compression.ru/video/.

(2018), Calibrate the camera in the Camera program “Calibration Toolbox for Matlab”, available at : http://www.vision.caltech.edu/bouguetj/calib_doc/.

Linda G., Shapiro and George C., Stockman, (2001), Computer Vision, Prentice Hall, 580 p.

Konushin, A. (2008), Stereoreconstruction, MSU, Moscow, available at : http://courses.graphicon.ru/main/vision2008.

Kruchinin А. (2018), Stereo functions in OpenCV, available at : https://docplayer.ru/53282398-Funkcii-stereozreniya-v-opencv.html.

Chafonov, V.G. and Gazeeva I.V. (2014), “Methods of imaging a stereo pair with a given parallax value”, Scientific and Tech-nical Journal of Information Technologies, Mechanics and Optics, No. 6 (94), St. Petersburg, pp. 41–49.

Joseph, Howse and Joe, Minichino (2015), Learning OpenCV 3 Computer Vision with Python - Second Edition, September 2015, Packt Publishing, ISBN: 9781785289774.

Saurabh, Kapur (2017), Computer Vision with Python 3, Packt Publishing, August 2017, ISBN: 978-1-78829-976-3.

Prateek, Joshi (2015), OpenCV with Python By Example, Packt Publishing, September 2015, ISBN: 978-1-78528-393-2.

Computer vision library OpenCV available at : http://docs.opencv.org/trunk/doc/py_tututoria/py_objdetect/py_face_detec-tion/py_face_detection.html.

Sivaram, M., Porkodi, V., Mohammed A.S. and Manikandan V. (2019), “Detection of Accurate Facial Detection Using Hybrid Deep Convolutional Recurrent Neural Network”, ICTACT Journal on Soft Computing, Vol. 09, Issue 02, pp.1844-1850, DOI: https://doi.org/10.21917/ijsc.2019.0256

Ruban, I., Kuchuk, H., Kovalenko, A. (2017), “Redistribution of base stations load in mobile communication networks”, Inno-vative Technologies and Scientific Solutions for Industries, No. 1 (1), P. 75–81, DOI: https://doi.org/10.30837/2522-9818.2017.1.075

Bovykin A.V. (2016), Development of multimedia applications using OpenCV and IPP libraries, INTUIT, Moscow, 515 p., available at : http://www.iprbooksshop.ru/39564/.

Evsegneev, O. (2018), OpenCV on python: search for a color object, available at : http://robotclass.ru/tutorials/opencv-moments-color-object-search/.

Qaru S. (2018), Drawing histogram in OpenCV with Python, available at : http://qaru.site/questions/371882/drawing-histogram-in-opencv-python.

Hyubel, D. (1990), Eye, Brain, Vision, Mir, Moscow, 172 p.




Copyright (c) 2020 Kostiantyn Dergachov, Leonid Krasnov, Oleksandr Cheliadin, Oleksandr Plakhotnyi