CN101551904A - 基于混合梯度场和混合边界条件的图像合成方法和装置 - Google Patents
基于混合梯度场和混合边界条件的图像合成方法和装置 Download PDFInfo
- Publication number
- CN101551904A CN101551904A CNA2009100847695A CN200910084769A CN101551904A CN 101551904 A CN101551904 A CN 101551904A CN A2009100847695 A CNA2009100847695 A CN A2009100847695A CN 200910084769 A CN200910084769 A CN 200910084769A CN 101551904 A CN101551904 A CN 101551904A
- Authority
- CN
- China
- Prior art keywords
- boundary condition
- image
- zone
- source images
- synthesized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001308 synthesis method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 10
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 10
- 230000010354 integration Effects 0.000 claims description 26
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000002156 mixing Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000005286 illumination Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
Images
Landscapes
- Image Generation (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于混合梯度场和混合边界条件的图像合成方法和装置,该方法包括:获取源图像和目标图像及源图像中物体合成到目标图像的位置;获取源图像中的待合成物体的轮廓;通过膨胀该轮廓得到融合区域;将融合区域按照源图像和目标图像在纹理和颜色上的差异分为两类;对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得中间结果;对一类区域进行中间结果和目标图像的透明度融合,其余区域采用泊松方程求解的结果,得到最终合成图像。本发明既能够利用合成物体的精确边界减少合成错误,又能够利用梯度场传递和求解泊松方程达到合成图像在光照和色彩上的一致性,通过简单的用户交互,生成具有真实感的合成图像。
Description
技术领域
本发明涉及图像合成技术领域,特别是涉及一种基于混合梯度场和混合边界条件的图像合成方法和装置。
背景技术
随着多媒体技术和网络技术的发展,互联网上丰富的图像资源得到广泛的应用,各种图像处理技术成为计算机学科研究的热门领域。其中,图像合成技术可以让用户通过多张照片拼合成一张以假乱真的照片,并且满足用户对照片内容的要求。一些图像处理相关的商业软件,如Adobe Photoshop和Pixel image editor可以通过复杂的用户交互实现这一目的。但是这些需要用户有较强的美术专业知识以及对软件的熟练掌握,既便如此,还需要用户付出长时间的枯燥劳动。近年来,由于这种技术可以广泛应用于传媒、娱乐、教育、军事国防等诸多领域,国内外研究人员都对其进行了大量深入研究。这些研究致力于在提升图像合成的真实效果的同时大大降低人工交互的复杂度。比较有代表性的工作有基于图像抠图(Matting)技术的透明度融合(alpha-blending)技术,以及基于梯度场的泊松融合(Poisson-blending)技术。前者可以抠取出精确的物体边界,但是在要合成的物体与目标背景图像光照和色彩差别较大时,合成的图像缺乏真实感。后者可以很好的保持一致的图像光照和色彩,但是在融合物体的边缘会产生纹理的错误,合成的物体有时会产生明显的色彩迁移。
发明内容
本发明实施例要解决的问题是提供一种基于混合梯度场和混合边界条件的图像合成方法和装置,以克服现有技术中不能实现既保持图像光照色彩一致,又减少图像合成错误的缺陷。
为达到上述目的,本发明实施例的技术方案提供一种基于混合梯度场和混合边界条件的图像合成方法,所述方法包括以下步骤:S1,获取源图像和目标图像,及源图像中物体合成到目标图像的位置;S2,获取源图像中的待合成物体的轮廓;S3,通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域;S4,将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域;S5,对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果;S6,对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
其中,所述步骤S2具体包括:S21,选择源图像中的待合成物体;S22,通过Grab-cut技术抠取出所述待合成物体的轮廓。
其中,所述步骤S4具体包括:S41,对融合区域上的源图像和目标图像进行超像素分割;S42,根据Gabor特征向量确定纹理差异;S43,根据LUV空间向量确定颜色差异;S44,将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于预先设定的阈值T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域。
其中,所述差异加权和为W1×ΔG+W2×ΔU,其中ΔG为Gabor特征向量确定纹理差异,ΔU为LUV空间向量确定颜色差异,W1和W2由用户预先设定。
其中,所述步骤S5具体包括:S51,对M0区域作透明度抠图,计算前景图像梯度场,并在M0区域计算合成边界,使用Neumann边界条件;S52,对M1区域和源图像物体区域,计算源图像梯度场,并在M1区域计算合成边界,使用Dirichlet边界条件;S53,根据公式
获取合成图像的中间结果f′,其中,初始梯度场为:
边界条件为: 和
其中,所述步骤S6具体为:根据公式
获取图像合成的最终结果。
本发明实施例的技术方案还提供一种基于混合梯度场和混合边界条件的图像合成装置,所述装置包括:输入单元,用于获取源图像和目标图像,及源图像中物体合成到目标图像的位置;轮廓获取单元,用于获取源图像中的待合成物体的轮廓;融合区域获取单元,用于通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域;区域分类单元,用于将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域;合成单元,用于对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果,并对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
其中,所述区域分类单元包括:超像素分割子单元,用于对融合区域上的源图像和目标图像进行超像素分割;纹理差异确定子单元,用于根据Gabor特征向量确定纹理差异;颜色差异确定子单元,用于根据LUV空间向量确定颜色差异;阈值存储子单元,用于存储预先设定的阈值T;分类子单元,用于将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域。
其中,所述合成单元包括:M0区域梯度场和边界条件选取子单元,用于对M0区域作透明度抠图,计算前景图像梯度场,并在M0区域计算合成边界,使用Neumann边界条件;M1区域梯度场和边界条件选取子单元,用于对M1区域和源图像物体区域,计算源图像梯度场,并在M1区域计算合成边界,使用Dirichlet边界条件;中间结果获取子单元,用于通过求解混合边界条件的泊松方程,求得图像合成的中间结果;图像合成子单元,用于对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
与现有技术相比,本发明的技术方案具有如下优点:
本发明既能够利用合成物体的精确边界减少合成错误,又能够利用梯度场传递和求解泊松方程达到合成图像在光照和色彩上的一致性,通过简单的用户交互,生成具有真实感的合成图像。
附图说明
图1为本发明实施例的一种基于混合梯度场和混合边界条件的图像合成方法的流程图;
图2为本发明实施例的一种建立和求解混合条件泊松方程的示意图;
图3为本发明实施例的一种基于混合梯度场和混合边界条件的图像合成装置的结构图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明实施例的一种基于混合梯度场和混合边界条件的图像合成方法如图1所示,包括以下步骤:
步骤s101,获取源图像和目标图像,及源图像中物体合成到目标图像的位置。即用户输入合成的源图像(含有待合成物体的图像,如一只熊的照片)和目标图像(待合成的背景图像,如雪山场景的照片,用户的目的是将熊合成到雪山场景中),以及源图像中物体合成到目标图像的位置。
步骤s102,获取源图像中的待合成物体的轮廓。本实施例中首先选择源图像中的待合成物体,用户可以使用鼠标框选源图像中的待合成物体;然后通过Grab-cut技术抠取出所述待合成物体的轮廓。
步骤s103,通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域。本实施例中对步骤s102中抠取出的轮廓进行形态学中的膨胀操作,一般膨胀20个像素,在膨胀区域和物体轮廓之间的区域就是融合区域。
步骤s104,将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域。本实施例中首先对融合区域上的源图像和目标图像进行超像素分割(Superpixel Segmentation)。然后,对于每一对源图像和目标图像对应的分割区域,计算纹理和颜色的差异;其中根据Gabor特征向量确定纹理差异,根据LUV空间向量确定颜色差异。最后将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于预先设定的阈值T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域。其中阈值T由用户指定,所述差异加权和为W1×ΔG+W2×ΔU,其中ΔG为Gabor特征向量确定纹理差异,ΔU为LUV空间向量确定颜色差异,W1和W2由用户预先设定。
步骤s105,对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果。本发明实施例的一种建立和求解混合条件泊松方程的示意图如图2所示。参照图2,对于M0区域(a),使用透明度抠图(alpha-matting)的方法,计算出源图像的待合成物体的前景图ff s以及前景透明度α,并计算前景图像的梯度场,梯度场的边界在M0区域即为α不等于0的区域的边界(d);对于M1区域(b)和物体区域(c),直接计算源图像的梯度场,梯度场的边界在M1区域为一条在该区域内源图像和目标图像颜色差变化最小的路径,可由动态规划算法求得该最短路径(e)。在确定了包围的求解区域Ω后,合成图像的中间结果f′可由优化下式得到:
其中p为像素。该优化过程相当于求解一个混合边界条件的泊松方程。其中初始梯度场为:
边界条件为
即在M0区域采用Neumann(第二类)边界条件,在M1区域采用Dirichlet(第一类)边界条件。求解这一混合边界条件的泊松方程后,即得到合成图像的中间结果f′。本实施例通过对两类融合区域分别采用一阶边界条件和零阶边界条件作为求解泊松方程的混合边界条件,使得泊松图像融合对物体亮度和色彩的修正传递到应用透明度抠图的区域。
步骤s106,对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。本实施例中,具体根据公式
获取图像合成的最终结果。
本发明实施例的一种基于混合梯度场和混合边界条件的图像合成装置如图3所示,包括输入单元31、轮廓获取单元32、融合区域获取单元33、区域分类单元34和合成单元35,其中轮廓获取单元32分别与输入单元31和融合区域获取单元33连接,区域分类单元34分别与融合区域获取单元33和合成单元35连接。
输入单元31用于获取源图像和目标图像,及源图像中物体合成到目标图像的位置;轮廓获取单元32用于获取源图像中的待合成物体的轮廓;融合区域获取单元33用于通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域;区域分类单元34用于将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域;合成单元35用于对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果,并对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
区域分类单元34包括超像素分割子单元341、纹理差异确定子单元342、颜色差异确定子单元343、分类子单元344和阈值存储子单元345,其中超像素分割子单元341分别与纹理差异确定子单元342和颜色差异确定子单元343连接,分类子单元344分别与纹理差异确定子单元342、颜色差异确定子单元343和阈值存储子单元345连接。
超像素分割子单元341用于对融合区域上的源图像和目标图像进行超像素分割;纹理差异确定子单元342用于根据Gabor特征向量确定纹理差异;颜色差异确定子单元343用于根据LUV空间向量确定颜色差异;分类子单元344用于将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域;阈值存储子单元345用于存储预先设定的阈值T。
合成单元35包括M0区域梯度场和边界条件选取子单元351、M1区域梯度场和边界条件选取子单元352、中间结果获取子单元353和图像合成子单元354,其中中间结果获取子单元353分别与M0区域梯度场和边界条件选取子单元351、M1区域梯度场和边界条件选取子单元352和图像合成子单元354连接。
M0区域梯度场和边界条件选取子单元351用于对M0区域作透明度抠图,计算前景图像梯度场,并在M0区域计算合成边界,使用Neumann边界条件;M1区域梯度场和边界条件选取子单元352用于对M1区域和源图像物体区域,计算源图像梯度场,并在M1区域计算合成边界,使用Dirichlet边界条件;中间结果获取子单元353用于通过求解混合边界条件的泊松方程,求得图像合成的中间结果;图像合成子单元354用于对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
本发明既能够利用合成物体的精确边界减少合成错误,又能够利用梯度场传递和求解泊松方程达到合成图像在光照和色彩上的一致性,通过简单的用户交互,生成具有真实感的合成图像。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1、一种基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述方法包括以下步骤:
S1,获取源图像和目标图像,及源图像中物体合成到目标图像的位置;
S2,获取源图像中的待合成物体的轮廓;
S3,通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域;
S4,将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域;
S5,对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果;
S6,对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
2、如权利要求1所述的基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述步骤S2具体包括:
S21,选择源图像中的待合成物体;
S22,通过Grab-cut技术抠取出所述待合成物体的轮廓。
3、如权利要求1所述的基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述步骤S4具体包括:
S41,对融合区域上的源图像和目标图像进行超像素分割;
S42,根据Gabor特征向量确定纹理差异;
S43,根据LUV空间向量确定颜色差异;
S44,将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于预先设定的阈值T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域。
4、如权利要求3所述的基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述差异加权和为W1×ΔG+W2×ΔU,其中ΔG为Gabor特征向量确定纹理差异,ΔU为LUV空间向量确定颜色差异,W1和W2由用户预先设定。
5、如权利要求1至4任一项所述的基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述步骤S5具体包括:
S51,对M0区域作透明度抠图,计算前景图像梯度场,并在M0区域计算合成边界,使用Neumann边界条件;
S52,对M1区域和源图像物体区域,计算源图像梯度场,并在M1区域计算合成边界,使用Dirichlet边界条件;
S53,根据公式
获取合成图像的中间结果f′,其中,初始梯度场为:
边界条件为: 和
6、如权利要求5所述的基于混合梯度场和混合边界条件的图像合成方法,其特征在于,所述步骤S6具体为:
根据公式
获取图像合成的最终结果。
7、一种基于混合梯度场和混合边界条件的图像合成装置,其特征在于,所述装置包括:
输入单元,用于获取源图像和目标图像,及源图像中物体合成到目标图像的位置;
轮廓获取单元,用于获取源图像中的待合成物体的轮廓;
融合区域获取单元,用于通过膨胀所述待合成物体的轮廓,得到所述待合成物体周围一圈的融合区域;
区域分类单元,用于将所述融合区域按照源图像和目标图像在纹理和颜色上的差异分为M0和M1两类区域;
合成单元,用于对两类区域选取不同的梯度场和边界条件,通过求解混合边界条件的泊松方程,求得图像合成的中间结果,并对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
8、如权利要求7所述的基于混合梯度场和混合边界条件的图像合成装置,其特征在于,所述区域分类单元包括:
超像素分割子单元,用于对融合区域上的源图像和目标图像进行超像素分割;
纹理差异确定子单元,用于根据Gabor特征向量确定纹理差异;
颜色差异确定子单元,用于根据LUV空间向量确定颜色差异;
阈值存储子单元,用于存储预先设定的阈值T;
分类子单元,用于将分割区域按照所述纹理差异和颜色差异的加权和进行分类,所述差异加权和大于T的区域为M0区域,所述差异加权和小于或等于T的区域为M1区域。
9、如权利要求7或8所述的基于混合梯度场和混合边界条件的图像合成装置,其特征在于,所述合成单元包括:
M0区域梯度场和边界条件选取子单元,用于对M0区域作透明度抠图,计算前景图像梯度场,并在M0区域计算合成边界,使用Neumann边界条件;
M1区域梯度场和边界条件选取子单元,用于对M1区域和源图像物体区域,计算源图像梯度场,并在M1区域计算合成边界,使用Dirichlet边界条件;
中间结果获取子单元,用于通过求解混合边界条件的泊松方程,求得图像合成的中间结果;
图像合成子单元,用于对M0区域进行中间结果和目标图像的透明度融合,对M1和源图像物体区域直接采用泊松方程求解的结果,得到最终合成图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100847695A CN101551904B (zh) | 2009-05-19 | 2009-05-19 | 基于混合梯度场和混合边界条件的图像合成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100847695A CN101551904B (zh) | 2009-05-19 | 2009-05-19 | 基于混合梯度场和混合边界条件的图像合成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101551904A true CN101551904A (zh) | 2009-10-07 |
CN101551904B CN101551904B (zh) | 2011-05-11 |
Family
ID=41156136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100847695A Active CN101551904B (zh) | 2009-05-19 | 2009-05-19 | 基于混合梯度场和混合边界条件的图像合成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101551904B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324093A (zh) * | 2011-09-06 | 2012-01-18 | 清华大学 | 基于成组物体混合的图像合成方法 |
CN102568352A (zh) * | 2012-02-17 | 2012-07-11 | 广东威创视讯科技股份有限公司 | 一种投影显示系统及方法 |
CN104182950A (zh) * | 2013-05-22 | 2014-12-03 | 浙江大华技术股份有限公司 | 一种图像处理方法及其装置 |
CN104537716A (zh) * | 2015-01-20 | 2015-04-22 | 湖南化身科技有限公司 | 三维数字人像与虚拟场景的合成系统 |
CN104766288A (zh) * | 2015-02-05 | 2015-07-08 | 中国矿业大学 | 一种基于泊松方程的矿物图像对比度调节方法 |
WO2015158255A1 (en) * | 2014-04-18 | 2015-10-22 | Tencent Technology (Shenzhen) Company Limited | Picture fusion method and apparatus |
CN105096287A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种改进的多次泊松图像融合方法 |
CN105976371A (zh) * | 2016-05-03 | 2016-09-28 | 成都索贝数码科技股份有限公司 | 基于轮廓的透明度渐变抠像方法 |
CN106327454A (zh) * | 2015-07-03 | 2017-01-11 | 株式会社理光 | 合成图像的方法和装置 |
CN106339997A (zh) * | 2015-07-09 | 2017-01-18 | 株式会社理光 | 图像融合方法、设备和系统 |
CN106559658A (zh) * | 2016-12-02 | 2017-04-05 | 郑州捷安高科股份有限公司 | 多通道投影融合带色彩自动平衡控制方法 |
CN106570869A (zh) * | 2016-10-17 | 2017-04-19 | 安徽慧视金瞳科技有限公司 | 一种基于泊松方程与梯度的人体图像分割方法 |
CN106651749A (zh) * | 2015-11-02 | 2017-05-10 | 福建天晴数码有限公司 | 基于线性方程的图形融合方法及系统 |
CN107408294A (zh) * | 2014-10-08 | 2017-11-28 | 微软技术许可有限责任公司 | 交叉水平的图像混合 |
CN108416768A (zh) * | 2018-03-01 | 2018-08-17 | 南开大学 | 一种基于二进制的前景图相似度评测方法 |
CN113012016A (zh) * | 2021-03-25 | 2021-06-22 | 北京有竹居网络技术有限公司 | 水印嵌入方法、装置、设备以及存储介质 |
WO2024032054A1 (zh) * | 2022-08-08 | 2024-02-15 | 深圳信息职业技术学院 | 多轴联动激光超精加工方法与设备 |
-
2009
- 2009-05-19 CN CN2009100847695A patent/CN101551904B/zh active Active
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324093A (zh) * | 2011-09-06 | 2012-01-18 | 清华大学 | 基于成组物体混合的图像合成方法 |
CN102568352A (zh) * | 2012-02-17 | 2012-07-11 | 广东威创视讯科技股份有限公司 | 一种投影显示系统及方法 |
CN104182950B (zh) * | 2013-05-22 | 2017-05-10 | 浙江大华技术股份有限公司 | 一种图像处理方法及其装置 |
CN104182950A (zh) * | 2013-05-22 | 2014-12-03 | 浙江大华技术股份有限公司 | 一种图像处理方法及其装置 |
WO2015158255A1 (en) * | 2014-04-18 | 2015-10-22 | Tencent Technology (Shenzhen) Company Limited | Picture fusion method and apparatus |
CN105023259A (zh) * | 2014-04-18 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 图片融合方法和装置 |
CN107408294A (zh) * | 2014-10-08 | 2017-11-28 | 微软技术许可有限责任公司 | 交叉水平的图像混合 |
CN104537716B (zh) * | 2015-01-20 | 2018-01-26 | 湖南化身科技有限公司 | 三维数字人像与虚拟场景的合成系统 |
CN104537716A (zh) * | 2015-01-20 | 2015-04-22 | 湖南化身科技有限公司 | 三维数字人像与虚拟场景的合成系统 |
CN104766288B (zh) * | 2015-02-05 | 2018-02-02 | 中国矿业大学 | 一种基于泊松方程的矿物图像对比度调节方法 |
CN104766288A (zh) * | 2015-02-05 | 2015-07-08 | 中国矿业大学 | 一种基于泊松方程的矿物图像对比度调节方法 |
CN106327454A (zh) * | 2015-07-03 | 2017-01-11 | 株式会社理光 | 合成图像的方法和装置 |
CN106339997A (zh) * | 2015-07-09 | 2017-01-18 | 株式会社理光 | 图像融合方法、设备和系统 |
CN106339997B (zh) * | 2015-07-09 | 2019-08-09 | 株式会社理光 | 图像融合方法、设备和系统 |
CN105096287A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种改进的多次泊松图像融合方法 |
CN106651749B (zh) * | 2015-11-02 | 2019-12-13 | 福建天晴数码有限公司 | 基于线性方程的图形融合方法及系统 |
CN106651749A (zh) * | 2015-11-02 | 2017-05-10 | 福建天晴数码有限公司 | 基于线性方程的图形融合方法及系统 |
CN105976371A (zh) * | 2016-05-03 | 2016-09-28 | 成都索贝数码科技股份有限公司 | 基于轮廓的透明度渐变抠像方法 |
CN105976371B (zh) * | 2016-05-03 | 2017-09-05 | 成都索贝数码科技股份有限公司 | 基于轮廓的透明度渐变抠像方法 |
CN106570869A (zh) * | 2016-10-17 | 2017-04-19 | 安徽慧视金瞳科技有限公司 | 一种基于泊松方程与梯度的人体图像分割方法 |
CN106559658B (zh) * | 2016-12-02 | 2017-08-04 | 郑州捷安高科股份有限公司 | 多通道投影融合带色彩自动平衡控制方法 |
CN106559658A (zh) * | 2016-12-02 | 2017-04-05 | 郑州捷安高科股份有限公司 | 多通道投影融合带色彩自动平衡控制方法 |
CN108416768A (zh) * | 2018-03-01 | 2018-08-17 | 南开大学 | 一种基于二进制的前景图相似度评测方法 |
CN108416768B (zh) * | 2018-03-01 | 2021-05-25 | 南开大学 | 一种基于二进制的前景图相似度评测方法 |
CN113012016A (zh) * | 2021-03-25 | 2021-06-22 | 北京有竹居网络技术有限公司 | 水印嵌入方法、装置、设备以及存储介质 |
WO2024032054A1 (zh) * | 2022-08-08 | 2024-02-15 | 深圳信息职业技术学院 | 多轴联动激光超精加工方法与设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101551904B (zh) | 2011-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101551904B (zh) | 基于混合梯度场和混合边界条件的图像合成方法和装置 | |
CN101981592B (zh) | 图像和视频的内容感知大小调整 | |
CN102985952B (zh) | 图像生成装置及图像生成方法 | |
Allene et al. | Seamless image-based texture atlases using multi-band blending | |
Shamir et al. | Seam carving for media retargeting | |
JP4754364B2 (ja) | 画像重ね合わせ装置 | |
KR101373020B1 (ko) | 정적 영상에서 애니메이션 아트 효과를 생성하기 위한 방법 및 시스템 | |
US20130162629A1 (en) | Method for generating depth maps from monocular images and systems using the same | |
CN105825544A (zh) | 一种图像处理方法及移动终端 | |
CN102271262B (zh) | 用于3d显示的基于多线索的视频处理方法 | |
CN104376535A (zh) | 一种基于样本的快速图像修复方法 | |
Zhang et al. | Personal photograph enhancement using internet photo collections | |
CN104063888B (zh) | 一种基于非真实感的波谱艺术风格绘制方法 | |
CN111311528B (zh) | 图像融合优化方法、装置、设备和介质 | |
CN101098475A (zh) | 一种数字视频处理中交互式时空一致的视频抠图方法 | |
AU2015252525B2 (en) | Method and device for processing coat image | |
CN111047709A (zh) | 一种双目视觉裸眼3d图像生成方法 | |
CN105488771A (zh) | 光场图像编辑方法及装置 | |
WO2020164044A1 (zh) | 一种自由视点的图像合成方法、装置及设备 | |
CN104574487B (zh) | 数据处理装置以及数据处理方法 | |
Li et al. | Interactive image/video retexturing using GPU parallelism | |
CN101577010A (zh) | 基于图像库的图像合成质量自动评测方法 | |
Shivaranjani et al. | A survey on inpainting techniques | |
Bonneel et al. | Proxy-guided texture synthesis for rendering natural scenes | |
Clark et al. | An investigation into graph cut parameter optimisation for image-fusion applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |