CN104503721A - 一种基于拟合逼近算法的融合带数学模型 - Google Patents

Abstract

本发明公开了一种基于拟合逼近算法的融合带数学模型，面向对象是一个网络计算机群，而在播放视频或其他展示项目时，多个计算机组成的是一个完整的画面。本发明采用高效的网络同步算法，将主机与各分机网络延迟动态的计算在内，进而进行补偿，从而实现了多台机子同步的播放效果，误差值小于1毫秒；能够较好的对各种形状屏幕的适应性，计算较简单，调整方便。本发明避免了羽化后的像素值经过这种非线性映射后，与预想的亮度和色彩值产生较大的偏差，采用了独创性的四色校正法。本发明最小可达到单幅画面的15％，相比同类型的其他产品至少30％的融合区域，有了很大的提高。

Description

一种基于拟合逼近算法的融合带数学模型

技术领域

本发明属于计算机应用技术领域，尤其涉及一种基于拟合逼近算法的融合带数学模型。

背景技术

在计算机进行显示画面的操作过程中，其融合区域所占整体画面比例的大小，直接影响了融合的效果，相对而言，更大的融合区域则可调节的像素点数越多，效果越好。一个优秀的融合算法需要拟合出在该融合区域由于光照的不同而产生的颜色曲线，而融合区域越小，其对算法的要求越严格。

近来飞速发展的数字化融合带算法技术，已经开始完善这种需求效果。随着大屏幕投影显示技术的不断发展与创新，而且人们的审美观念也在不断提高，这是就需要融合带的算法能够较好的对各种形状屏幕拥有适应性，本发明的一种基于拟合逼近算法的融合带数学摸型恰如其分的展现了这一功能，应时而生。

发明内容

本发明的目的在于提供一种基于拟合逼近算法的融合带数学模型，旨在解决计算机运行速度慢、几何校正误差大的问题。

本发明是这样实现的，一种基于拟合逼近算法的融合带数学模型，该基于拟合逼近算法的融合带数学模型将主机与各分机网络延迟动态的计算在内，进而进行补偿，采用四色校正法，并支持基于摄像头的自动色彩gamma曲线校正；具体包括：

步骤一：根据三色模型对所述色偏图像进行软分类，获得偏红、偏绿和偏蓝三类图像，分别计算得到每一类图像的比例系数ρ_k，k∈{1,2,3}；

步骤二：根据每一类图像的ρ_k和图像影响因子β，分别对每一类图像进行高光提取，得到每一类图像的多个高光区域；

步骤三：分别对每一类图像的多个高光区域依次进行色度聚类和空间聚类，得到每一类图像的多个参考光源；

步骤四：根据每一类图像中的所有所述参考光源与该类图像的所有像素之间的色度距离和空间距离，计算得到该类图像的校正系数，并依据该类的所述校正系数，对该类图像中的每一个像素进行校正，得到该类图像的校正图像；

步骤五：将步骤四所得到的三类校正图像进行加权整合，得到所述色偏图像的校正图像。

进一步，该基于拟合逼近算法的融合带数学模型图形图像处理与传输模块接受上游源模块的数据，对于有压缩编码过的数据流，图形图像处理模块对数据进行解码运算，解码后的数据，按照图形图像处理模块的参数，根据多项式拟合算法逼近所要校正曲面，将图像进行放大、缩小、平移、旋转、扭曲处理，使得图像投影到屏幕上后，内容分布均匀规则。

进一步，步骤一中采用广义高斯混合模型计算所述比例系数ρ_k。

进一步，偏红、偏绿和偏蓝三类图像分别对应R、G、B三个通道，步骤二中的图像影响因子β为4％～16％之间的任意数值；

高光提取的方法为：

第一步，根据公式：

分别计算得到三类图像的高光提取阈值d_k，式中，max(ρ)为最大的比例系数ρ_k；

第二步，根据所述高光提取阈值d_k以及所述通道的通道值，分别提取三类图像的多个高光像素；

第三步，根据每一类图像的全部所述高光像素，分别创建该类的新建图像；

第四步，分别对每一类新建图像进行二值化，分别得到相对应的该类图像的二值化图像；

第五步，清除每一类图像的所述二值化图像中的孤立像素和只有一个方向连通的像素，分别得到每一类图像的多个所述高光区域；图像影响因子β为8％；

进一步，将步骤二中得到的每一类图像的多个高光区域的信息r分别存入该类图像相对应的矩阵Regions＝{r₁，r₂，r₃……r_R}中，计算得到每一类图像的所述信息r的平均色度差ΔE₀₀(r_m,r_n)，分别对三类图像的平均色度差ΔE₀₀(r_m,r_n)进行以下处理，得到步骤三中每一类图像的多个参考光源，具体包括：

第一步，取任一类图像高光区域间的ΔE₀₀(r_m,r_n)，建立R×R的矩阵D，根据： $D_m=\left\{\begin{array}{c}1,\mathrm{\Δ}{E}_{00}(r_m,r_n)\≤0.5\\ 0,\mathrm{\Δ}{E}_{00}(r_m,r_n)>0.5\end{array}\right.$

对矩阵D进行赋值，将矩阵D中值大于0.5的元素赋值为0，其它元素赋值为1；

第二步，逐行或逐列地计算矩阵D的和，取值最大的行或列作为一个聚类中心，然后取该行或该列对应的高光区域和与该高光区域的相关值为1的其它高光区域组成一个新的聚类r_Δ；

第三步，从矩阵D去除该聚类r_Δ中的高光区域，对矩阵D中剩下的高光区域再次进行聚类，直至矩阵D中所有的高光区域都被聚类，完成所述色度聚类，将得到的所有色度聚类信息存储在Cregions＝{r_△1,r_△2,r_△3……r_△R△}中；

第四步，用峰值统计法计算每个色度聚类的空间距离分布，用K-means法迭代处理各个色度聚类，完成所述空间聚类，得到的空间聚类分布为该类图像的多个参考光源。

进一步，其中，根据步骤三中得到的每一类图像的参考光源，分别进行以下计算，得到每一类图像的所述校正系数，具体包括：

第一步，根据公式式中，Δ_euclid(p_i,h_j)为该类图像的每一个参考光源与该类图像的所有像素之间的欧式距离，do_j为该参考光源与该类图像的像素之间最大的欧式距离，计算得到第一个校正因子pe(i,j)，计算该参考光源的平均色度与像素之间的色度距离Δ_hue(p_i,h_j)，根据公式计算得到该参考光源的第二个校正因子qc(i,j)；

第二步，将pe(i,j)和qc(i,j)代入公式计算得到预校正系数cf(i,j)；

第三步，将cf(i,j)代入公式对预校正系数cf(i,j)进行归一化，得到最终用于计算的所述校正系数

分别依据每一类图像的对该类图像进行校正，分别得到三类图像的校正图像g₁(R,G,B)、g₂(R,G,B)和g₃(R,G,B)，

依据公式对g₁(R,G,B)、g₂(R,G,B)和所述g₃(R,G,B)进行加权整合，得到步骤四中的所述色偏图像的校正图像。

本发明提供的基于拟合逼近算法的融合带数学模型，面向对象是一个网络计算机群，而在播放视频或其他展示项目时，多个计算机组成的是一个完整的画面。本发明采用高效的网络同步算法，将主机与各分机网络延迟动态的计算在内，进而进行补偿，从而实现了多台机子同步的播放效果，其误差值小于1毫秒。本发明能够较好的对各种形状屏幕的适应性，计算较简单，调整方便。此外本发明设计了可适用于任意形状融合带的距离变换算法来计算羽化系数，不仅拼接融合质量大幅度提高，而且投影机的安装位置、投射角度、以及屏幕形状都可以在较大范围内任意设计。本发明避免了羽化后的像素值经过这种非线性映射后，与预想的亮度和色彩值产生较大的偏差，采用了独创性的四色校正法。本发明最小可达到单幅画面的15％，相比同类型的其他产品至少30％的融合区域，有了很大的提高。

附图说明

图1是本发明实施例提供的基于拟合逼近算法的融合带数学模型计算机内部执行拟合逼近算法时的数据流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

本发明实施例的基于拟合逼近算法的融合带数学模型采用高效的网络同步算法，将主机与各分机网络延迟动态的计算在内，进而进行补偿，从而实现了多台机子同步的播放效果，其误差值小于1毫秒。

设计了可适用于任意形状融合带的距离变换算法来计算羽化系数。不仅拼接融合质量大幅度提高，而且投影机的安装位置、投射角度、以及屏幕形状都可以在较大范围内任意设计采用了独创性的四色校正法，应对投影机的输入输出曲线是非线性的，以避免羽化后的像素值经过这种非线性映射后，与预想的亮度和色彩值产生较大的偏差

设计了多项式拟合算法，在投影机边缘融合系统的核心部分的图形图像处理与传输模块中，按照相应的参数，逼近所要校正曲面，将图像进行放大、缩小、平移、旋转、扭曲等处理，使得图像投影到屏幕上后，内容分布均匀规则。

采用了优秀的融合算法，拟合出在该融合区域由于光照的不同而产生的颜色曲线，其融合区域大小在不影响画面质量前提下，最小可达到单幅画面的15％。

如图1所示，一种基于拟合逼近算法的融合带数学摸型，加大融合区域，减小过渡函数使其尽量平滑，以减小几何校正的误差。

本发明实施例的基于拟合逼近算法的融合带数学模型，该基于拟合逼近算法的融合带数学模型将主机与各分机网络延迟动态的计算在内，进而进行补偿，采用四色校正法，并支持基于摄像头的自动色彩gamma曲线校正；具体包括：

步骤一：根据三色模型对所述色偏图像进行软分类，获得偏红、偏绿和偏蓝三类图像，分别计算得到每一类图像的比例系数ρ_k，k∈{1,2,3}；

步骤二：根据每一类图像的ρ_k和图像影响因子β，分别对每一类图像进行高光提取，得到每一类图像的多个高光区域；

步骤三：分别对每一类图像的多个高光区域依次进行色度聚类和空间聚类，得到每一类图像的多个参考光源；

步骤四：根据每一类图像中的所有所述参考光源与该类图像的所有像素之间的色度距离和空间距离，计算得到该类图像的校正系数，并依据该类的所述校正系数，对该类图像中的每一个像素进行校正，得到该类图像的校正图像；

步骤五：将步骤四所得到的三类校正图像进行加权整合，得到所述色偏图像的校正图像。

该基于拟合逼近算法的融合带数学模型图形图像处理与传输模块接受上游源模块的数据，对于有压缩编码过的数据流，图形图像处理模块对数据进行解码运算，解码后的数据，按照图形图像处理模块的参数，根据多项式拟合算法逼近所要校正曲面，将图像进行放大、缩小、平移、旋转、扭曲处理，使得图像投影到屏幕上后，内容分布均匀规则。

步骤一中采用广义高斯混合模型计算所述比例系数ρ_k。

偏红、偏绿和偏蓝三类图像分别对应R、G、B三个通道，步骤二中的图像影响因子β为4％～16％之间的任意数值；

高光提取的方法为：

第一步，根据公式：

分别计算得到三类图像的高光提取阈值d_k，式中，max(ρ)为最大的比例系数ρ_k；

第二步，根据所述高光提取阈值d_k以及所述通道的通道值，分别提取三类图像的多个高光像素；

第三步，根据每一类图像的全部所述高光像素，分别创建该类的新建图像；

第四步，分别对每一类新建图像进行二值化，分别得到相对应的该类图像的二值化图像；

第五步，清除每一类图像的所述二值化图像中的孤立像素和只有一个方向连通的像素，分别得到每一类图像的多个所述高光区域；图像影响因子β为8％；

将步骤二中得到的每一类图像的多个高光区域的信息r分别存入该类图像相对应的矩阵Regions＝{r₁，r₂，r₃……r_R}中，计算得到每一类图像的所述信息r的平均色度差ΔE₀₀(r_m,r_n)，分别对三类图像的平均色度差ΔE₀₀(r_m,r_n)进行以下处理，得到步骤三中每一类图像的多个参考光源，具体包括：

第一步，取任一类图像高光区域间的ΔE₀₀(r_m,r_n)，建立R×R的矩阵D，根据： $D_m=\left\{\begin{array}{c}1,\mathrm{\Δ}{E}_{00}(r_m,r_n)\≤0.5\\ 0,\mathrm{\Δ}{E}_{00}(r_m,r_n)>0.5\end{array}\right.$

对矩阵D进行赋值，将矩阵D中值大于0.5的元素赋值为0，其它元素赋值为1；

第二步，逐行或逐列地计算矩阵D的和，取值最大的行或列作为一个聚类中心，然后取该行或该列对应的高光区域和与该高光区域的相关值为1的其它高光区域组成一个新的聚类r_Δ；

第三步，从矩阵D去除该聚类r_Δ中的高光区域，对矩阵D中剩下的高光区域再次进行聚类，直至矩阵D中所有的高光区域都被聚类，完成所述色度聚类，将得到的所有色度聚类信息存储在Cregions＝{r_△1,r_△2,r_△3……r_△R△}中；

第四步，用峰值统计法计算每个色度聚类的空间距离分布，用K-means法迭代处理各个色度聚类，完成所述空间聚类，得到的空间聚类分布为该类图像的多个参考光源。

根据步骤三中得到的每一类图像的参考光源，分别进行以下计算，得到每一类图像的所述校正系数，具体包括：

第一步，根据公式式中，Δ_euclid(p_i,h_j)为该类图像的每一个参考光源与该类图像的所有像素之间的欧式距离，do_j为该参考光源与该类图像的像素之间最大的欧式距离，计算得到第一个校正因子pe(i,j)，计算该参考光源的平均色度与像素之间的色度距离Δ_hue(p_i,h_j)，根据公式计算得到该参考光源的第二个校正因子qc(i,j)；

第二步，将pe(i,j)和qc(i,j)代入公式计算得到预校正系数cf(i,j)；

第三步，将cf(i,j)代入公式对预校正系数cf(i,j)进行归一化，得到最终用于计算的所述校正系数

分别依据每一类图像的对该类图像进行校正，分别得到三类图像的校正图像g₁(R,G,B)、g₂(R,G,B)和g₃(R,G,B)，

依据公式对g₁(R,G,B)、g₂(R,G,B)和所述g₃(R,G,B)进行加权整合，得到步骤四中的所述色偏图像的校正图像。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于拟合逼近算法的融合带数学模型，其特征在于，该基于拟合逼近算法的融合带数学模型将主机与各分机网络延迟动态的计算，进行补偿，采用四色校正法，并支持基于摄像头的自动色彩gamma曲线校正；具体包括：

步骤一：根据三色模型对所述色偏图像进行软分类，获得偏红、偏绿和偏蓝三类图像，分别计算得到每一类图像的比例系数ρk，k∈{1,2,3}；

步骤二：根据每一类图像的ρk和图像影响因子β，分别对每一类图像进行高光提取，得到每一类图像的多个高光区域；

步骤三：分别对每一类图像的多个高光区域依次进行色度聚类和空间聚类，得到每一类图像的多个参考光源；

步骤四：根据每一类图像中的所有所述参考光源与该类图像的所有像素之间的色度距离和空间距离，计算得到该类图像的校正系数，并依据该类的所述校正系数，对该类图像中的每一个像素进行校正，得到该类图像的校正图像；

步骤五：将步骤四所得到的三类校正图像进行加权整合，得到色偏图像的校正图像。

2.如权利要求1所述的基于拟合逼近算法的融合带数学模型，其特征在于，该基于拟合逼近算法的融合带数学模型图形图像处理与传输模块接受上游源模块的数据，对于有压缩编码过的数据流，图形图像处理模块对数据进行解码运算，解码后的数据，按照图形图像处理模块的参数，根据多项式拟合算法逼近所要校正曲面，将图像进行放大、缩小、平移、旋转、扭曲处理，使得图像投影到屏幕上后，内容分布均匀规则。

3.如权利要求1所述的基于拟合逼近算法的融合带数学模型，其特征在于，步骤一中采用广义高斯混合模型计算所述比例系数ρk。

4.如权利要求1所述的基于拟合逼近算法的融合带数学模型，其特征在于， 偏红、偏绿和偏蓝三类图像分别对应R、G、B三个通道，步骤二中的图像影响因子β为4％～16％之间的任意数值；

高光提取的方法为：

第一步，根据公式：；

分别计算得到三类图像的高光提取阈值dk，式中，max(ρ)为最大的比例系数ρk；

第二步，根据所述高光提取阈值dk以及所述通道的通道值，分别提取三类图像的多个高光像素；

第三步，根据每一类图像的全部所述高光像素，分别创建该类的新建图像；

第四步，分别对每一类新建图像进行二值化，分别得到相对应的该类图像的二值化图像；

第五步，清除每一类图像的所述二值化图像中的孤立像素和只有一个方向连通的像素，分别得到每一类图像的多个所述高光区域；图像影响因子β为8％。

5.如权利要求1所述的基于拟合逼近算法的融合带数学模型，其特征在于，将步骤二中得到的每一类图像的多个高光区域的信息r分别存入该类图像相对应的矩阵Regions＝{r1，r2，r3……rR}中，计算得到每一类图像的所述信息r的平均色度差ΔE00(rm,rn)，分别对三类图像的平均色度差ΔE00(rm,rn)进行以下处理，得到步骤三中每一类图像的多个参考光源，具体包括：

第一步，取任一类图像高光区域间的ΔE00(rm,rn)，建立R×R的矩阵D，根据：

对矩阵D进行赋值，将矩阵D中值大于0.5的元素赋值为0，其它元素赋值为1；

第二步，逐行或逐列地计算矩阵D的和，取值最大的行或列作为一个聚类 中心，然后取该行或该列对应的高光区域和与该高光区域的相关值为1的其它高光区域组成一个新的聚类rΔ；

第三步，从矩阵D去除该聚类rΔ中的高光区域，对矩阵D中剩下的高光区域再次进行聚类，直至矩阵D中所有的高光区域都被聚类，完成所述色度聚类，将得到的所有色度聚类信息存储在中；

第四步，用峰值统计法计算每个色度聚类的空间距离分布，用K-means法迭代处理各个色度聚类，完成所述空间聚类，得到的空间聚类分布为该类图像的多个参考光源。

6.如权利要求1所述的基于拟合逼近算法的融合带数学模型，其特征在于，其中，根据步骤三中得到的每一类图像的参考光源，分别进行以下计算，得到每一类图像的所述校正系数，具体包括：

第一步，根据公式式中，Δeuclid(pi,hj)为该类图像的每一个参考光源与该类图像的所有像素之间的欧式距离，doj为该参考光源与该类图像的像素之间最大的欧式距离，计算得到第一个校正因子pe(i,j)，计算该参考光源的平均色度与像素之间的色度距离Δhue(pi,hj)，根据公式计算得到该参考光源的第二个校正因子qc(i,j)；

第二步，将pe(i,j)和qc(i,j)代入公式，计算得到预校正系数cf(i,j)；

第三步，将cf(i,j)代入公式对预校正系数cf(i,j)进行归一化，得到最终用于计算的所述校正系数；

分别依据每一类图像的对该类图像进行校正，分别得到三类图像的校正图像g1(R,G,B)、g2(R,G,B)和g3(R,G,B)，

依据公式对g1(R,G,B)、g2(R,G,B)和g3(R,G,B)进行加权整合，得到步骤四中的所述色偏图像的校正图像。