一种测量特定高度相机分辨率的方法

摘要

一种测试特定高度相机分辨率的方法，包括以下步骤：获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；提取测绘图片中与靶标对应的靶标图像中的条纹组图像；计算各条纹组图像的可视条纹数量；选择可视条纹数量与对应条纹组的条纹数量相同、且对应条纹组的条纹宽度最小的条纹组图像为目标条纹组图像；获取目标条纹组图像沿条纹排布方向在遥感测绘相机图像传感器中的像素个数；根据目标条纹组图像的可视条纹数量、所述像素个数和单个像素尺寸计算相机的分辨率。采用这样的方法可实现相机在设定高度分辨率的确定。

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种测量特定高度相机分辨率的方法。

背景技术

遥感测绘技术是在高空拍照，以获取地面图像信息的技术。随着技术的发展，遥感测绘技术已广泛应用于军事、民用技术领域。遥感测绘领域中，遥感测绘用相机的性能影响拍摄地面图片的质量。

分辨率可用于评价遥感测绘用相机的质量。根据CIPA的标准定义，分辨率指的是可分辨精细图案的极限，通常以单位距离内能分辨黑白相间的线条对数来描述。根据测量条件的不同，相机的分辨率分为标准分辨率和实际分辨率。标准分辨率是在标准距离条件的分辨率，一般由相机制造商测试得到，可用于比较不同相机的质量。实际分辨率为实际拍摄距离时的分辨率，因拍摄距离远近而发生变化。

为使遥感测绘图片达到特定要求，相机的实际分辨率需达到一定要求，因此需要在实际应用条件下测试相机。为测试遥感测绘用相机的实际分辨率，遥感测绘领域设置了专用测试靶标。图1是遥感测绘用测试靶标示例。该靶标具有15级条纹组，每一级条纹组均具有多个黑白相间的条纹，同一条纹组中条纹宽度相同，不同条纹组的条纹宽度不同；其中，宽度最大的条纹组为第1级，宽度最小的条纹组为第15级。遥感测绘用相机在设定高度下拍摄专用测试靶标、得到测试靶标图片后，再由相关人员观察测试靶标图片、主观判断确定测试靶标图片中可分辨的最大条纹组级数。但是这种测试方法仅是通过条纹级数判断相机的分辨能力，并没有转换标准定义的分辨率，因此并不利于客观评价；另外，这样的测试方法采用主观判断，因此具有较大的随意性。

为此，如何确定一种客观的遥感相机实际分辨率测试方法是本领域技术人员需要考虑的问题。

发明内容

为解决现有技术中无法客观确定遥感测绘用相机在设定高度的实际分辨率的问题，本发明提供一种测试特定高度相机分辨率的方法。

本发明提供的测试特定高度相机分辨率的方法，包括以下步骤：

获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

提取测绘图片中与靶标对应的靶标图像的条纹组图像；

初始化i＝1，计算第i级条纹组图像的可视条纹数量；

判断第i级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；

若第i级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则计算第i+1级条纹组图像的可视条纹数量；

判断第i+1级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；若第i+1级条纹组图像的可视条纹数量小于对应条纹组的条纹数量，则选择第i级条纹组图像为目标条纹组图像；若第i+1级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则i＝i+1并返回计算第i+1级条纹组图像的可视条纹数量；

获取目标条纹组图像沿条纹排布方向在相机的图像传感器中的像素个数；

根据目标条纹组图像的可视条纹数量、所述像素个数计和单个像素尺寸计算相机的分辨率。

可选的，按照下述步骤计算条纹组图像的可视条纹数量：

获取条纹组图像中条纹的边缘像素；

根据边缘像素确定组成各条纹的像素；

分别根据各条纹的像素灰度值计算各条纹的灰度均值；

根据相邻条纹的灰度均值计算相邻条纹的实际对比度；

根据所有相邻条纹的实际对比度和对比度阈值计算条纹组图像的可视条纹数量。

可选的，按照下述步骤获取条纹组图像中条纹的边缘像素：

沿垂直于条纹排布方向计算条纹组图像中位于同一直线上像素的灰度均值；

沿条纹排布方向计算相邻直线灰度均值的差值；

比较差值和灰度阈值的大小；

若差值大于灰度阈值，则判定两相邻直线上的像素为边缘像素；

若差值小于或等于灰度阈值，则判定两相邻直线上的像素不是边缘像素。

可选的，实际对比度为相邻条纹的灰度均值之差与相邻条纹的灰度均值之和的比值。

可选的，按照下述步骤提取测绘图片中与靶标对应的靶标图像中的各条纹组图像：

提取测绘图片中的靶标图像；

测量靶标图像的倾斜角度；

按照倾斜角度校正所靶标图像；

提取靶标图像中的条纹组图像。

可选的，按照下述步骤提取测绘图片中与靶标对应的靶标图像中的各条纹组图像：

提取测绘图片中的第一中间图像；

测量靶标图像的倾斜角度；

按照倾斜角度校正所第一中间图像；

提取第一中间图像中的靶标图像；

提取靶标图像中的条纹组图像。

可选的，按照条纹组在靶标中的比例范围确定条纹组图像在靶标图像中的范围，提取条纹组图像。

可选的，按照第二中间区域条纹组在靶标中的比例范围确定第二中间图像在靶标图像中的范围，提取第二中间图像；

在第二中间图像中提取条纹组图像。

可选的，按照下述步骤在第二中间图像中提取条纹组图像：

二值化第二中间图像；

逐行、逐列统计g(x',y')＝255的像素数量；

选择满足g(x',y')＝255的像素数量大于设定阈值的第一行作为开始行，选择满足g(x',y')＝255的像素数量大于设定阈值的最后一行作为结束行，选择满足g(x',y')＝255的像素数量大于设定阈值的第一列作为开始列，选择满足g(x',y')＝255的像素数量大于设定阈值的最后一列作为结束列；

提取开始行、结束行、开始列、结束列确定的像素区域为条纹组图像。

可选的，按照下述步骤提取测绘图片中的靶标图像：

获取测绘图片中与三个靶标顶角对应的三个顶角像素；

根据三个顶角像素的坐标提取第一中间图像。

可选的，在提取测绘图片中与靶标对应的靶标图像中的各条纹组图像前，判断测绘图片是否为彩色图像；

若测绘图片为彩色图像，则将测绘图片转换为灰度图像。

可选的，按照下述步骤计算相机的分辨率：

计算一对条纹沿条纹排布方向的子像素数；

根据子像素数和单个像素尺寸计算一对条纹在条纹排布方向的长度；

根据一对条纹在条纹排布方向的长度计算相机的分辨率

本发明提供一种测试特定高度相机分辨率的方法，包括以下步骤：

获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

提取测绘图片中与靶标对应的靶标图像中的条纹组图像；

计算各条纹组图像的可视条纹数量；

选择可视条纹数量与对应条纹组的条纹数量相同、且对应条纹组的条纹宽度最小的条纹组图像为目标条纹组图像；

获取目标条纹组图像沿条纹排布方向在遥感测绘相机图像传感器中的像素个数；

根据目标条纹组图像的可视条纹数量、所述像素个数和单个像素尺寸计算相机的分辨率。

本发明提供一种测试特定高度相机分辨率的方法，包括以下步骤：

获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

提取测绘图片中与靶标对应的靶标图像中的各条纹组图像；

初始化i为最大条纹级数，计算第i级条纹组图像的可视条纹数量；

判断第i级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；

若第i级条纹组图像的可视条纹数量与对应条纹组的条纹数量不同，则提取第i-1级条纹组图像的可视条纹数量；

判断第i-1级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；若第i-1级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则选择第i-1级条纹组图像为目标条纹组图像；若第i-1级条纹组图像的视觉条纹小于对应条纹组的条纹数量，则i＝i-1并返回提取第i-1级条纹组图像的可视条纹数量；

获取目标条纹组图像沿条纹排布方向在相机的图像传感器中的像素个数；

根据目标条纹组图像的可视条纹数量、所述像素个数和单个像素尺寸计算相机的分辨率。

本发明提供的测试特定高度相机分辨率的方法，从预定高度拍摄靶标所在区域的测绘图像中提取条纹宽度最小，且条纹数量与对应条纹组的条纹数量相同的条纹组图像为目标条纹组图像；随后统计目标条纹组图像沿条纹排布方向在相机的图像传感器的像素个数，并根据像素个数、可视条纹数量和单个像素尺寸计算相机的分辨率，实现相机在设定高度分辨率的确定。

附图说明

为更清楚地说明背景技术或本发明的技术方案，下面对现有技术或具体实施方式中结合使用的附图作简单地介绍；显而易见地，以下结合具体实施方式的附图仅是用于方便理解本发明实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；

图1是遥感测绘用测试靶标示例；

图2是第一实施例测量特定高度相机分辨率方法的流程图；

图3是第一实施例提取测绘图片中条纹组图像的流程图；

图4是第一实施例拍摄得到的测绘图片示意图；

图5是第一实施例中利用三个顶角像素确定靶标图像边缘的原理示意图；

图6是靶标图像倾斜校正原理示意图；

图7是条纹组在靶标中位置示意图；

图8是第一实施例中从第二中间图像中提取条纹组图像的流程图；

图9是第一实施例中计算条纹组图像中可视条纹数量的流程图；

图10是第一实施例中获取条纹组图像边缘像素的流程图；

图11是第二实施例测量特定高度相机分辨率方法的流程图；

图12是第三实施例测量特定高度相机分辨率方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细说明。

第一实施例

图2是第一实施例测量特定高度相机分辨率方法的流程图。如图2，第一实施例中测量特定高度相机分辨率方法包括以下步骤：

S101：获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

S102：提测绘图片中与靶标对应的靶标图像的条纹组图像；

S103：初始化i＝1，计算第i级条纹组图像的可视条纹数量；

S104：判断第i级条纹组图像的可视条纹数量是否与对应条纹组的条纹数量相同：若第i级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则进行步骤S105；若第i级条纹组图像的可视条纹数量小于对应条纹组的条纹数量，则进行步骤S110；

S105：计算第i+1级条纹组图像的可视条纹数量；

S106：判断第i+1级条纹组图像的可视条纹数量是否与对应条纹组的条纹数量相同：若第i+1级条纹组图像的可视条纹数量小于对应条纹组的条纹数量，则进行步骤S107；若第i+1级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则使i＝i+1并返回步骤S 105；

S107：选择第i级条纹组图像为目标条纹组图像；

S108：获取目标条纹组图像沿条纹排布方向在相机的图像传感器中的像素个数；

S109：根据目标条纹组图像的可视条纹数量、像素个数和单个像素尺寸计算相机的分辨率；

S110：判定无法计算相机分辨率。

在第一实施例中，相机拍摄的靶标为附图1所示的靶标。如附图1，靶标中具有15级条纹组区域，每一级条纹组区域均具有横条纹和竖条纹。在实际应用中，可单独采用横条纹或竖条纹计算相机的分辨率，也可同时采用横条纹和竖条纹计算相机的分辨率。为方便描述，以下仅针对竖条纹讲解本实施例方法。本实施例拍摄的靶标有15级条纹组区域，在其他实施例中也可根据测试需求更改条纹组的数量。

为了方便后续步骤说明，此处简要定义后续使用的条纹组和条纹组图像。本实施例中的条纹组指的是如图1中所示的竖条纹，具体包括三条白色竖条纹和位于三条白色竖条纹间的两条黑色竖条纹。条纹组图像指前述条纹组在测绘图片中相应位置的图像。

在航拍时，为保证靶标所有区域均被拍摄到测绘图片中，相机的拍摄区域大于靶标区域。因为用于计算分辨率的区域仅为靶标图像中的各个条纹组图像，所以需要从测绘图片中提取出各个条纹组图像。另外，因为相机载体的运行方向可能与靶标的边缘方向不平行，造成靶标图像在测绘图片中倾斜、不方便后续的图像处理计算，所以还需要倾斜校正靶标图像。

图3是第一实施例方法中提取测绘图片中条纹组图像的流程图。如图3，从测绘图片中提取条纹组图像包括以下步骤：

S201：提取测绘图片中的靶标图像；

S202：测量靶标图像的倾斜角度；

S203：按照倾斜角度校正所靶标图像；

S204：提取靶标图像中的条纹组图像。

图4是第一实施例方法拍摄得到的测绘图片示意图。如图4，第一实施例拍摄的测绘图片中既包括靶标区域，也包括用于反衬靶标区域的背景区域。

因为背景区域和靶标区域的颜色或亮度反差很大，所以本实施例直接由人工确定靶标的边缘像素，然后再提取测绘图片中的靶标图像。当然，在其他实施例中也可采用像素灰度差别计算的方法选取靶标图像。因为靶标为矩形，所以本实施例中的方法通过选取测绘图片中对应靶标顶角的三个顶角像素坐标确定靶标图像边缘。

图5是第一实施例中利用三个顶角像素确定靶标图像边缘的原理示意图。如图5，靶标图像的边缘像素分别位于两个顶角像素的连线上。因为靶标图像的四个边中AB＝CD、AD＝BC，所以根据三个顶角像素的坐标就可以确定第四个顶角像素的坐标，进而可以根据四个顶角像素的坐标确定靶标图像的边缘像素。

在本实施例中，已知A、B、C三个顶角像素的坐标分别为(x₁,y₁)、(x₂,y₂)、(x₃,y₃)，确定D点的坐标如公式一。

在第一实施例中，提取靶标图像并没有直接采用四个顶角像素计算像靶标图像的边缘像素，而是先采用四个点的坐标截取包含靶标图像的第一中间图像，倾斜校正第一中间图像后再从第一中间图像中提取靶标图像。第一中间图像为测绘图片中第min(x₁,x₂,x₃,x₄)行至第max(x₁,x₂,x₃,x₄)行、第min(y₁,y₂,y₃,y₄)列至第max(y₁,y₂,y₃,y₄)列内像素确定区域。

提取第一中间图像后倾斜校正所需靶标图像。倾斜校正靶标图像前，需要确定靶标图像的倾斜角度。根据三角函数关系，靶标图像的倾斜角度可根据两个顶角像素的坐标计算，以A、B两顶角像素的坐标计算倾斜角度θ的方法如公式二。

图6是靶标图像倾斜校正原理示意图。如图6，倾斜校正前像素坐标为(x₀,y₀)，倾斜校正后像素坐标为(x,y)。校正前像素坐标如公式三，校正后像素坐标如公式四，根据公式三、公式四可得到(x,y)和(x₀,y₀)的转换关系如公式五。

倾斜校正后，第一中间图像中A、B、C、D四个顶角像素的坐标分别为(x₁′,y₁′)、(x₂′,y₂′)、(x₃′,y₃′)、(x₄′,y₄′)，靶标图像为第min(x₁′,x₂′,x₃′,x₄′)行至第max(x₁′,x₂′,x₃′,x₄′)行、第min(y₁′,y₂′,y₃′,y₄′)列至第max(y₁′,y₂′,y₃′,y₄′)列像素区域，所以可直接根据前述四条边确定靶标图像。

除前述方法外，在其他实施例中也可以根据四个顶角像素的坐标直接计算靶标图像的边缘像素坐标、根据边缘像素截取靶标图像后再倾斜校正靶标图像。

因为条纹组在靶标中的位置范围是确定的，所以第一实施例的分辨率计算方法根据条纹组在靶标中的比例范围确定条纹组图像在靶标图像中的范围、提取条纹组图像。

图7是条纹组在靶标中位置示意图。如图7，假设靶标的长为L、宽为W、第i级条纹组的开始行为start_L_i、结束行为final_L_i、开始列为start_W_i、结束列为final_W_i，则第i级条纹组在靶标中的位置区域如公式六。

其中start_ratio_row是起始行比例、final_ratio_row是结束行比例、start_ratio_col是起始列比例、final_ratio_col是结束列比例。根据公式六和靶标图像的具体尺寸就可确定各级条纹组图像的范围，如公式七。

其中是第i级条纹组图像开始行的水平坐标、是第i级条纹组图像结束行的水平坐标，是第i级条纹组图像开始列的垂直坐标、是第i级条纹组图像结束列垂直坐标、表示向下取整。

理想情况下，采用条纹组在靶标的区域范围就可确定条纹组图像在靶标图像中的范围。但是在实际拍摄时，由于拍摄角度、噪声影响，直接采用条纹组在靶标中的区域范围提取条纹组图像会使条纹组图像边缘缺失，影响S104和S108计算的准确性。所以在第一实施例中采用比条纹组范围稍大的第二中间区域作为比例计算区域，先截取对应第二中间区域的第二中间图像，再提取第二中间图像中的条纹组图像。图8是第一实施例从第二中间图像中提取条纹组图像的流程图。如图8，提取过程包括以下步骤：

S301：二值化第二中间图像。

首先设定亮度阈值Threshold_Light，依次比较第二中间图像区域中各像素灰度值g(x',y')和亮度阈值Threshold_Light的大小；若g(x',y')＞Threshold_Light，则使g(x',y')＝255；若g(x',y')≤Threshold，则使g(x',y')＝0。

S302：逐行、逐列统计g(x',y')＝255的像素数量。

S301中对第二中间图像进行二值化处理目的是简化后续统计计算量，在其他实施例中也可以不采用二值化处理，直接逐行、逐列统计g(x',y')＞Threshold的像素数量。

S303：选择满足g(x',y')＝255的像素数量大于设定阈值的第一行作为开始行，选择满足g(x',y')＝255的像素数量大于设定阈值的最后一行作为结束行，选择满足g(x',y')＝255的像素数量大于设定阈值的第一列作为开始列，选择满足g(x',y')＝255的像素数量大于设定阈值的最后一列作为结束列；

在本实施例中，因为靶标背景为黑色、条纹为白色，所以统计到含有白色条纹行或列时，则g(x',y')＝255的数量必然大于设定阈值，因此也就判断此行或此列为条纹组图像中的行或列。在其他实施例中，若靶标背景颜色为黑色，则判断g(x',y')＝0数量是否大于设定阈值。

S304：提取开始行、结束行、开始列、结束列确定的像素区域为条纹组图像。

在图2所示的流程中，步骤S103至步骤107用于确定所有条纹组图像中的目标条纹组图像，目标条纹组图像为对应的条纹组条纹宽度最小且可视条纹数量与条纹组中条纹数量相同的条纹组图像。

在本实施例中，从第1级条纹组(也就是条纹宽度最大的条纹组)开始计算可视条纹的数量。随着条纹组级数的增大，条纹宽度逐步减小；因为条纹宽度逐步减小，当达到一定的宽度极限，相邻的条纹无法被人眼识别，所以可视条纹数量小于对应条纹组的数量。如此可确定目标条纹组图像。

图9是第一实施例中计算条纹组图像中可视条纹数量的流程图。如图9，第一实施例中计算条纹组图像中可视条纹的数量步骤如下：

S401：获取条纹组图像中条纹的边缘像素；

S402：根据边缘像素确定组成各条纹的像素；

S403：分别根据各条纹的像素灰度值计算各条纹的灰度均值；

S404：根据相邻条纹的灰度均值计算相邻条纹的实际对比度；

S405：根据所有相邻条纹的实际对比度和对比度阈值计算条纹组图像的可视条纹数量。

因为条纹组图像中黑白条纹交接处的边缘像素灰度值差值发生剧烈变化，所以可以通过获取边缘像素确定组成每个条纹的所有像素，以用于确定每个条纹的灰度均值。

图10是第一实施例中获取条纹组图像边缘像素的流程图。如图10，按照下述步骤获取条纹组图像中条纹的边缘像素：

S501：沿垂直于条纹排布方向计算条纹组图像中位于同一直线上像素的灰度均值；

S502：沿条纹排布方向计算相邻直线灰度均值的差值；

S503：判断差值是否大于灰度阈值；若差值大于灰度阈值，进行步骤S504；若差值小于或等于灰度阈值，则进行步骤S505；

S504：判定两相邻直线上的像素为边缘像素；

S505：判定两相邻直线上的像素不是边缘像素。

为提高计算效率，在本实施例中，确定边缘像素和计算各条纹的灰度均值在同一迭代程序中进行，具体如下步骤。

S601:设置灰度阈值Threshold_Contrast，初始化列计数器count1＝0，实际条纹数量计数器count2＝1，第count2条纹像素均值为mean_level(count2)，列均值总和sum_col＝0。

S602：按照公式八从左至右逐列计算竖条纹区域的各列的灰度均值。

其中mean_col(n)为第n列的像素的灰度均值，是第n列最下侧像素点的横坐标，是第n列最上侧像素点的横坐标，g(m,n)是第m行第n列像素的灰度值。

S603：比较相邻列像素的灰度均值。

若|mean_col(n+1)-mean_col(n)|＜Threshold_Contrast，则判定第n列和第n+1列不是条纹的边缘像素列，sum_col＝sum_col+mean_col(n+1)，count1＝count1+1，n＝n+1，并继续比较至达到最右侧列；

若|mean_col(n+1)-mean_col(n)|≥Threshold_Contrast，则判定第n列和第n+1列为条纹的边缘像素列，mean_level(count2)＝sum_col/count1，count1＝0，count2＝count2+1，并继续比较至达到最右侧列。

此处应当注意，采用前述步骤获得的实际条纹数量只是根据条纹边界像素间的灰度差值确定的条纹数量，并不一定是人眼可分辨的视觉条纹数量。

确定实际条纹数量和各个条纹的灰度均值后，根据灰度均值确定相邻实际条纹的实际对比度；继而根据相邻条纹的实际对比度确定条纹组图像中的可视条纹数量。具体步骤如下。

S701：初始化可视条纹数量level_col＝0，确定对比度阈值T_contrast。

S702：计算相邻条纹的实际对比度ratio_contrast。

在本实施例中，实际对比度采用公式九求算，即实际对比度为相邻条纹的灰度均值之差与相邻条纹的灰度均值之和的比值。

当然，在其他实施例中也可采用其他方法计算实际对比度。

S703：比较实际对比度ratio_contrast和对比度阈值T_contrast的大小；

若实际对比度小于或等于对比度阈值，则相邻条纹在视觉上不可分辨；

若实际对比度大于对比度阈值，则相邻条纹在视觉上可分辨，level_col＝level_col+1。

本实施例中，对比度阈值为0.05、稍大于人眼的可分辨对比度，以保证可视条纹数量计算的准确性。

在步骤S107确定目标条纹图像后，随后进行步骤S108：确定目标条纹组图像条纹排布方向在相机的图像传感器的像素个数。为提高计算效率，在步骤S701-S703中还可统计目标条纹组图像在条纹排布方向的像素个数。

在本实施例中，实现S109的具体步骤如下：

S801：计算一对条纹沿条纹排布方向的子像素数；

在本实施例中，目标条纹组图像中可视条纹数量为5，图标条纹组图像在条纹排布方向的像素个数为length，因此计算得到一对条纹沿条纹排布方向的子像素数num_pixel＝0.4*length。

S802：根据子像素数和单个像素尺寸计算一对条纹在条纹排布方向的长度；

因为已知单个像素的像素尺寸pixel_size，所以根据子像素数num_pixel和单个像素尺寸pixel_size可确定一对条纹在条纹排布方向的长度为pixel_size*num_pixel。

S803：根据一对条纹在条纹排布方向的长度计算相机的分辨率。

实际使用中，分辨率为1mm图像中可分辨线条纹对数，而像素尺寸多以um为单位，所以分辨率为

以上为第一实施例中实现分辨率计算的主要步骤。另外，因为实际采用的测绘相机为彩色相机，而对彩色测绘图片进行后续处理计算量非常大，所以在步骤S101和步骤S102间还具有步骤S111：判断测绘图片是否为彩色图像；

若测绘图片为彩色图像，则将测绘图片转换为灰度图像再执行S102；若测绘图片为黑白图像，则直接进行S102。

当然，在其他采用如图1的靶标进行分辨率测试的实施例中，也可按照前述方法同时计算横条纹和竖条纹在同一级的目标条纹组图像，再根据目标条纹组图像中的像素点计算相机的分辨率。

第二实施例

图11是第二实施例测量特定高度相机分辨率方法的流程图。如图11，这一测量特定高度相机分辨率方法包括以下步骤：

S901：获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

S902：提测绘图片中与靶标对应的靶标图像的条纹组图像；

S903：计算各条纹组图像的可视条纹数量；

S904：选择可视条纹数量与对应条纹组的条纹数量相同、且对应条纹组的条纹宽度最小的条纹组图像为目标条纹组图像；

S905：获取目标条纹组图像沿条纹排布方向在遥感测绘相机图像传感器中的像素个数；

S906：根据目标条纹组图像的可视条纹数量、所述像素个数和单个像素尺寸计算相机的分辨率。

第二实施例中各步骤具体实现方法可沿用第一实施例中的方法，在此不再复述。

第三实施例

图12是第三实施例测量特定高度相机分辨率方法的流程图。如图12，这一测量特定高度相机分辨率方法包括以下步骤：

S1001：获取相机在预设高度拍摄标准靶标所在区域得到的测绘图片；

S1002：提测绘图片中与靶标对应的靶标图像的条纹组图像；

S1003：初始化i为最大条纹级数，计算第i级条纹组图像的可视条纹数量；

S1004：判断第i级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；

若第i级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则执行S1010；若第i级条纹组图像的可视条纹数量小于对应条纹组的条纹数量，则执行S1005

S1005：提取第i-1级条纹组图像的可视条纹数量；

S1006：判断第i-1级条纹组图像的可视条纹数量是否等于对应条纹组的条纹数量；

若第i-1级条纹组图像的可视条纹数量等于对应条纹组的条纹数量，则执行S1007；若第i-1级条纹组图像的可视条纹数量小于对应条纹组的条纹数量，则i＝i-1并返回执行S1005；

S1007：提取第i-1级条纹组图像的可视条纹数量；

S1008：获取目标条纹组图像沿条纹排布方向在相机的图像传感器中的成像长度；

S1009：根据目标条纹组图像的可视条纹数量、成像长度计算相机的分辨率；

S1010：选择第i级条纹组图像为目标条纹组图像并执行S1008。

第三实施例中各步骤具体实现方法可沿用第一实施例中的方法，在此不再复述。

以上采用具体实施例对测量特定高度相机分辨率的方法进行了详细介绍。本部分采用具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想，在不脱离本发明原理的情况下，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。