CN106296570B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN106296570B CN106296570B CN201610608914.5A CN201610608914A CN106296570B CN 106296570 B CN106296570 B CN 106296570B CN 201610608914 A CN201610608914 A CN 201610608914A CN 106296570 B CN106296570 B CN 106296570B
- Authority
- CN
- China
- Prior art keywords
- image
- mapping
- registered
- feature point
- sift
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 149
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000009466 transformation Effects 0.000 claims description 30
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G06T3/14—
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法及装置，属于图像处理技术领域。方法包括：对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，第一特征点对集合包括基准图像和待配准图像中匹配成功的第一特征点对；基于第一特征点对集合，对待配准图像进行映射处理，得到第一映射图像；对基准图像和第一映射图像进行第二图像处理，获取第二特征点对集合；基于第二特征点对集合，对第一映射图像进行映射处理，得到第二映射图像；将第二映射图像与基准图像进行拼接，得到拼接图像。本公开通过使用不同的图像特征对待配准图像进行两次映射处理，再在此基础上进行图像拼接，能够提高图像配准精度，改善图像拼接效果。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。
背景技术
图像配准技术是图像处理领域的重要技术之一，该图像配准技术是指将不同时间、不同传感器(成像设备)或不同条件下(照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。
通过图像配准技术将两幅或多幅图像进行拼接，实现在拼接后的图像中显示该两幅或多幅图像中的信息，以更完整地显示图像中的目标，图像配准技术是图像拼接过程的技术关键点和技术难点，且该图像配准技术对于航拍图像的拼接、日常拍摄全景图像、临床医学图像拼接等都有很大的应用价值，因此，如何快速准确地进行图像配准以提高图像拼接效果受到越来越多的关注。
发明内容
为克服相关技术中存在的问题，本公开提供一种图像处理方法及装置。
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
在本公开的第一方面的第一种可能实现方式中，所述对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合包括：
提取所述基准图像的尺度不变特征转换SIFT特征和所述待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取所述第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内。
在本公开的第一方面的第二种可能实现方式中，所述对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合包括：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
在本公开的第一方面的第三种可能实现方式中，所述基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像包括：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
在本公开的第一方面的第四种可能实现方式中，所述基于所述第一特征点对集合，获取单应变换矩阵包括：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
第一图像处理模块，用于对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
第一映射处理模块，用于基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
第二图像处理模块，用于对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
第二映射处理模块，用于基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
拼接模块，用于将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
在本公开的第二方面的第一种可能实现方式中，所述第一图像处理模块用于：
提取所述基准图像的尺度不变特征转换SIFT特征和所述待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取所述第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内。
在本公开的第二方面的第二种可能实现方式中，所述第二图像处理模块用于：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
在本公开的第二方面的第三种可能实现方式中，所述第一映射处理模块用于：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
在本公开的第二方面的第四种可能实现方式中，所述第一映射处理模块用于：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
第三方面，还提供了一种图像处理装置，包括：
处理器；
用于存储处理器可执行的指令的存储器；
其中，该处理器被配置为：
对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
本公开实施例提供的技术方案带来的有益效果是：
本公开通过使用不同的图像特征对待配准图像进行两次映射处理，再在此基础上进行图像拼接，能够提高图像配准精度，改善图像拼接效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程图；
图2A是根据一示例性实施例示出的一种图像处理方法的流程图；
图2B是根据一示例性实施例示出的一种效果图；
图3是根据一示例性实施例示出的一种图像处理装置框图；
图4是根据一示例性实施例示出的一种图像处理装置400的框图；
图5是根据一示例性实施例示出的一种图像处理装置500的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像处理方法的流程图，如图1所示，包括以下步骤。
在步骤101中，对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对。
在步骤102中，基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像。
在步骤103中，对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对。
在步骤104中，基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像。
在步骤105中，将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
其中，该第一图像处理和该第二图像处理可以是基于不同算法进行的特征点提取和特征匹配的处理过程，本公开实施例提供的方法，通过使用不同的图像特征对待配准图像进行两次映射处理，再在此基础上进行图像拼接，能够提高图像配准精度，避免在图像拼接过程中出现缝隙或错位的情况，进而能够改善图像拼接效果。
在本公开的第一种可能实现方式中，所述对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合包括：
提取所述基准图像的尺度不变特征转换SIFT特征和所述待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取所述第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内。
在本公开的第二种可能实现方式中，所述对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合包括：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
在本公开的第三种可能实现方式中，所述基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像包括：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
在本公开的第四种可能实现方式中，所述基于所述第一特征点对集合，获取单应变换矩阵包括：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图2A是根据一示例性实施例示出的一种图像处理方法的流程图。该实施例的执行主体可以为服务器，也可以为终端，参照图2A，该实施例具体包括：
在步骤201中，提取基准图像的SIFT(Scale-Invariant Feature Transform，尺度不变特征转换)特征和待配准图像的SIFT特征，得到该基准图像的SIFT特征点集合和该待配准图像的SIFT特征点集合。
在本公开实施例中，该基准图像和该待配准图像为图像采集装置以不同角度对同一目标物拍摄到的两幅图像，也即是，该基准图像和该待配准图像中包含同一目标物相同部分的图像，也包含该目标物的不同部分的图像，如图2B所示，在图2B第一行中，左图为基准图像，右图为待配准图像，在该基准图像和该待配准图像的矩形框中的图像为该基准图像和该待配准图像同一目标相同部位的图像，该矩形框以外的图像为该基准图像和该待配准图像同一目标不同部位的图像。
SIFT特征是图像的局部特征，由于该特征对旋转、尺度缩放、亮度变化均保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；对基准图像的SIFT特征的提取方法与对待配准图像的SIFT特征的提取方法相同，关于对该基准图像和该待配准图像的SIFT特征提取涉及SIFT算法的具体实现，本公开实施例对此不作赘述。
在步骤202中，根据该基准图像的SIFT特征点集合和该待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子。
以提取该基准图像的任一SIFT特征点对应的SIFT特征描述子为例，对提取该SIFT特征描述子的方法进行具体说明：以该SIFT特征点为中心，选取16*16像素大小的窗口，将该窗口分为4*4个大小相同的子区域，对每个子区域计算8个方向的梯度方向直方图，将4*4个子区域的梯度方向直方图按位置顺序排列，形成一个128维(4*4*8)的SIFT特征向量，该SIFT特征向量即为该SIFT特征点对应的SIFT特征描述子；当然，提取该SIFT特征描述子的过程也可以通过其他方法实现，本公开实施例对此不作限定。
在步骤203中，通过匹配该基准图像和该待配准图像对应SIFT特征点的SIFT特征描述子，获取该第一特征点对集合，该第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内。
该第一特征点对集合包括该基准图像和该待配准图像中匹配成功的第一特征点对，也即是，在该第一特征点对集合为SIFT特征点对集合时，如果该基准图像的任一SIFT特征点对应的SIFT特征描述子，与该待配准图像的任一SIFT特征点对应的SIFT特征描述子之间的差值在预设范围内，确定该基准图像的该SIFT特征点与该待配准图像的该SIFT特征点为匹配成功的第一特征点对。其中，该预设范围可以由开发人员设置，本公开实施例对该预设范围的设置方法和具体数值均不作限定。
当该SIFT特征描述子为128维的SIFT特征向量时，获取该第一特征点对集合的方法可以为：将该基准图像的SIFT特征向量和该待配准图像的SIFT特征向量进行匹配，对于该基准图像的任一SIFT特征点对应的SIFT特征向量，如果在该待配准图像中存在与该SIFT特征向量匹配成功的SIFT特征向量，则该待配准图像的SIFT特征向量对应的SIFT特征点与该基准图像的该SIFT特征点构成一对特征点；获取该第一特征点对集合的过程也可以通过其他方法实现，本公开实施例对此不作限定。
上述步骤201至步骤203为对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合的过程，通过获取该第一特征点对集合，使得能够根据该第一特征点对集合对该待配准图像实现初始配准，为提高配准精确度奠定基础。
在步骤204中，基于该第一特征点对集合，对该待配准图像进行映射处理，得到第一映射图像。
基于该第一特征点对集合，获取该第一映射图像的方法可以为：基于该第一特征点对集合，获取单应变换矩阵；基于该单应变换矩阵对该待配准图像进行映射处理，得到该第一映射图像。
其中，获取该单应变换矩阵的方法可以为：采用RANSAC(RANdomSAmpleConsensus，随机抽样一致性)算法，获取该单应变换矩阵。当然，也可以采用其他算法获取该单应变换矩阵，如ICP(Iterative Closest Point，迭代最近点)算法，本公开实施例对此不作限定。
通过该单应变换矩阵对该待配准图像进行映射处理的方法可以为：通过该该第一单应变化矩阵对该待配准图像中的每一个像素点进行处理，得到对应的映射像素点，进而得到该第一映射图像。例如，当该单应变换矩阵为3*3的矩阵时，可以利用下述公式(1)对每个像素点进行处理。
其中，(x’，y’)为映射后的像素点坐标，(x，y)为映射前的像素点坐标，式(1)中的3*3矩阵即为单应变换矩阵。
由于SIFT特征对旋转、尺度缩放、亮度变化均保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，通过SIFT特征匹配获取该第一映射图像，能够实现对该待配准图像的初步配准，为进一步地精确配准以得到效果更好的拼接图像奠定基础。
在步骤205中，对该基准图像和该第一映射图像进行第二图像处理，获取第二特征点对集合，该第二特征点对集合包括该基准图像和该第一映射图像中匹配成功的第二特征点对。
该第二图像处理过程为：提取该第一映射图像的Harris特征点；基于该第一映射图像的Harris特征点，通过KLT(Kanade-Lucas-Tomasi)跟踪算法获取该基准图像的Harris特征点；获取由该第一映射图像的Harris特征点和该基准图像的Harris特征点构成的第二特征点对集合。其中，采用Harris角点检测算法提取该第一映射图像的Harris特征点；KLT算法是一种以待跟踪窗口在图像间的灰度差平方和(Sum of Squared intensityDifferences，SSD)作为度量的跟踪算法。
如果仅通过SIFT特征点进行图像配准，当从图像中提取到的SIFT特征点较少时，尤其对纹理比较简单的图像，由于提取到的SIFT特征点较少，导致配准效果差，进而影响拼接效果，导致拼接图像无法实现无缝拼接或无错位拼接；而在本公开实施例中，通过先采用SIFT特征对该基准图像和该待配准图像进行初步配准，得到第一映射图像，再对该第一映射图像进行Harris角点检测，以基于该第一映射图像的Harris特征，通过KTL跟踪算法获取第二特征点对集合，以实现根据该第二特征点对集合，对图像进行精确配准。
在步骤206中，基于该第二特征点对集合，对该第一映射图像进行映射处理，得到第二映射图像。
基于该第二特征点对集合，对该第一映射图像进行映射处理的方法，与步骤204中基于第一特征点对集合，对该待配准图像进行映射处理的方法同理，此处不作赘述。
在步骤207中，将该第二映射图像与该基准图像进行拼接，得到拼接图像。
在本公开实施例中，采用图像融合技术拼接该第二映射图像和该基准图像，该图像融合技术是指将关于同一目标的图像经过一定的图像处理，以拼接成一幅图像。
例如，在图2B第一行的左右两幅图像分别为基准图像和待配准图像，对该基准图像和该待配准图像进行SIFT特征提取后，得到第二行的附有SIFT特征点标识的基准图像和待配准图像，通过步骤203中匹配对应SIFT特征点的SIFT特征描述子，获取该第一特征点对集合，如图中第三行所示，再通过步骤204至步骤207的第二图像处理及拼接，得到第四行所示的拼接图像。
上述图像处理过程可以应用在计算机视觉、医学图像处理领域以及遥感图像处理领域等，也可以应用于其他图像处理领域，本公开实施例对该图像处理方法的应用领域不作限定。
本公开实施例提供的方法，通过使用不同的图像特征对待配准图像进行两次映射处理，再在此基础上进行图像拼接，能够提高图像配准精度，避免在图像拼接过程中出现缝隙或者错位的情况，从而达到改善图像拼接效果的目的；进一步地，通过同时利用SIFT特征点的稳定性和Harris特征点的丰富性，即先采用SIFT特征对该基准图像和该待配准图像进行初步配准，得到第一映射图像，再对该第一映射图像进行Harris角点检测，以基于该第一映射图像的Harris特征，通过KTL跟踪算法获取第二特征点对集合，以实现根据该第二特征点对集合，对图像进行精确配准，能够实现图像的无缝拼接，进一步提高图像配准精度，改善图像拼接效果。
图3是根据一示例性实施例示出的一种图像处理装置框图。参照图3，该装置包括第一图像处理模块301，第一映射处理模块302，第二图像处理模块303，第二映射处理模块304和拼接模块305。
第一图像处理模块301，用于对基准图像和待配准图像进行第一图像处理，获取第一特征点对集合，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
第一映射处理模块302，用于基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
第二图像处理模块303，用于对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
第二映射处理模块304，用于基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
拼接模块305，用于将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
在本公开提供的第一种可能实现方式中，所述第一图像处理模块301用于：
提取所述基准图像的尺度不变特征转换SIFT特征和所述待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取所述第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内。
在本公开提供的第二种可能实现方式中，所述第二图像处理模块303用于：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
在本公开提供的第三种可能实现方式中，所述第一映射处理模块302用于：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
在本公开提供的第四种可能实现方式中，所述第一映射处理模块302用于：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种图像处理装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等具有图像处理功能的终端。
参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图像处理方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行上述图像处理方法。
图5是根据一示例性实施例示出的一种图像处理装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理部件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述图像处理方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种图像处理方法，其特征在于，所述方法包括：
提取基准图像的尺度不变特征转换SIFT特征和待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内，所述基准图像和所述待配准图像为图像采集装置以不同角度对同一目标物拍摄的两幅图像，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合包括：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像包括：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一特征点对集合，获取单应变换矩阵包括：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
5.一种图像处理装置，其特征在于，所述装置包括：
第一图像处理模块，用于提取基准图像的尺度不变特征转换SIFT特征和待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内，所述基准图像和所述待配准图像为图像采集装置以不同角度对同一目标物拍摄的两幅图像，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
第一映射处理模块，用于基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
第二图像处理模块，用于对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
第二映射处理模块，用于基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
拼接模块，用于将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
6.根据权利要求5所述的装置，其特征在于，所述第二图像处理模块用于：
提取所述第一映射图像的Harris特征点；
基于所述第一映射图像的Harris特征点，通过KLT跟踪算法获取所述基准图像的Harris特征点；
获取由所述第一映射图像的Harris特征点和所述基准图像的Harris特征点构成的第二特征点对集合。
7.根据权利要求5所述的装置，其特征在于，所述第一映射处理模块用于：
基于所述第一特征点对集合，获取单应变换矩阵；
基于所述单应变换矩阵对所述待配准图像进行映射处理，得到所述第一映射图像。
8.根据权利要求7所述的装置，其特征在于，所述第一映射处理模块用于：
采用随机抽样一致性RANSAC算法，获取所述单应变换矩阵。
9.一种图像处理装置，其特征在于，包括：
处理器；
用于存储处理器可执行的指令的存储器；
其中，所述处理器被配置为：
提取基准图像的尺度不变特征转换SIFT特征和待配准图像的SIFT特征，得到所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合；
根据所述基准图像的SIFT特征点集合和所述待配准图像的SIFT特征点集合，分别提取每个SIFT特征点对应的SIFT特征描述子；
通过匹配所述基准图像和所述待配准图像对应SIFT特征点的SIFT特征描述子，获取第一特征点对集合，所述第一特征点对集合中每对特征点对应的SIFT特征描述子之间的差值在预设范围内，所述基准图像和所述待配准图像为图像采集装置以不同角度对同一目标物拍摄的两幅图像，所述第一特征点对集合包括所述基准图像和所述待配准图像中匹配成功的第一特征点对；
基于所述第一特征点对集合，对所述待配准图像进行映射处理，得到第一映射图像；
对所述基准图像和所述第一映射图像进行第二图像处理，获取第二特征点对集合，所述第二特征点对集合包括所述基准图像和所述第一映射图像中匹配成功的第二特征点对；
基于所述第二特征点对集合，对所述第一映射图像进行映射处理，得到第二映射图像；
将所述第二映射图像与所述基准图像进行拼接，得到拼接图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610608914.5A CN106296570B (zh) | 2016-07-28 | 2016-07-28 | 图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610608914.5A CN106296570B (zh) | 2016-07-28 | 2016-07-28 | 图像处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106296570A CN106296570A (zh) | 2017-01-04 |
| CN106296570B true CN106296570B (zh) | 2020-01-10 |
Family
ID=57662611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610608914.5A Active CN106296570B (zh) | 2016-07-28 | 2016-07-28 | 图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106296570B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107610164B (zh) * | 2017-09-11 | 2020-07-14 | 北京空间飞行器总体设计部 | 一种基于多特征混合的高分四号影像配准方法 |
| CN108230245B (zh) * | 2017-12-26 | 2021-06-11 | 中国科学院深圳先进技术研究院 | 图像拼接方法、图像拼接装置及电子设备 |
| CN109064504B (zh) * | 2018-08-24 | 2022-07-15 | 深圳市商汤科技有限公司 | 图像处理方法、装置和计算机存储介质 |
| CN110070569B (zh) * | 2019-04-29 | 2023-11-10 | 西藏兆讯科技工程有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
| CN110070490B (zh) * | 2019-05-05 | 2023-10-03 | 京东方科技集团股份有限公司 | 图像拼接方法和装置 |
| CN110189368B (zh) * | 2019-05-31 | 2023-09-19 | 努比亚技术有限公司 | 图像配准方法、移动终端及计算机可读存储介质 |
| CN111429354B (zh) * | 2020-03-27 | 2022-01-21 | 贝壳找房(北京)科技有限公司 | 图像拼接及全景图拼接方法和装置、存储介质、电子设备 |
| WO2021190655A1 (en) * | 2020-03-27 | 2021-09-30 | Ke.Com (Beijing) Technology Co., Ltd. | Method for merging multiple images and post-processing of panorama |
| CN112862676A (zh) * | 2021-01-08 | 2021-05-28 | 广州朗国电子科技有限公司 | 一种图像拼接方法、设备、存储介质 |
| CN114888805B (zh) * | 2022-05-23 | 2024-02-27 | 广东工业大学 | 轮胎模具字符图案的机器人视觉自动获取方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1952592A (zh) * | 2006-11-14 | 2007-04-25 | 同济大学 | 一种光学测量方法 |
| CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
| CN103871036A (zh) * | 2012-12-12 | 2014-06-18 | 上海联影医疗科技有限公司 | 用于三维数字减影血管造影图像的快速配准和拼接方法 |
| CN103871056A (zh) * | 2014-03-11 | 2014-06-18 | 南京信息工程大学 | 基于各向异性光流场与去偏移场的脑部mr图像配准方法 |
| CN104331891A (zh) * | 2014-11-04 | 2015-02-04 | 杭州电子科技大学 | 一种融合显性度量和隐性度量的多模图像配准方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101214536B1 (ko) * | 2010-01-12 | 2013-01-10 | 삼성전자주식회사 | 뎁스 정보를 이용한 아웃 포커스 수행 방법 및 이를 적용한 카메라 |
-
2016
- 2016-07-28 CN CN201610608914.5A patent/CN106296570B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1952592A (zh) * | 2006-11-14 | 2007-04-25 | 同济大学 | 一种光学测量方法 |
| CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
| CN103871036A (zh) * | 2012-12-12 | 2014-06-18 | 上海联影医疗科技有限公司 | 用于三维数字减影血管造影图像的快速配准和拼接方法 |
| CN103871056A (zh) * | 2014-03-11 | 2014-06-18 | 南京信息工程大学 | 基于各向异性光流场与去偏移场的脑部mr图像配准方法 |
| CN104331891A (zh) * | 2014-11-04 | 2015-02-04 | 杭州电子科技大学 | 一种融合显性度量和隐性度量的多模图像配准方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106296570A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106296570B (zh) | 图像处理方法及装置 | |
| US11176687B2 (en) | Method and apparatus for detecting moving target, and electronic equipment | |
| US9674395B2 (en) | Methods and apparatuses for generating photograph | |
| WO2016192325A1 (zh) | 视频文件的标识处理方法及装置 | |
| CN109360222B (zh) | 图像分割方法、装置及存储介质 | |
| CN107944367B (zh) | 人脸关键点检测方法及装置 | |
| CN108124102B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| CN106503682B (zh) | 视频数据中的关键点定位方法及装置 | |
| WO2023103377A1 (zh) | 标定方法及装置、电子设备、存储介质及计算机程序产品 | |
| CN108776822B (zh) | 目标区域检测方法、装置、终端及存储介质 | |
| CN114170302A (zh) | 相机外参标定方法、装置、电子设备及存储介质 | |
| CN113643356A (zh) | 相机位姿确定、虚拟物体显示方法、装置及电子设备 | |
| KR20220043004A (ko) | 차폐된 이미지 검출 방법, 장치 및 매체 | |
| CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
| CN114298902A (zh) | 一种图像对齐方法、装置、电子设备和存储介质 | |
| CN114581525A (zh) | 姿态确定方法及装置、电子设备和存储介质 | |
| CN107292901B (zh) | 边缘检测方法及装置 | |
| CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
| US20230048952A1 (en) | Image registration method and electronic device | |
| CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
| CN111325674A (zh) | 图像处理方法、装置及设备 | |
| CN113920083A (zh) | 基于图像的尺寸测量方法、装置、电子设备及存储介质 | |
| CN115760585A (zh) | 图像矫正方法、装置、存储介质及电子设备 | |
| CN115147466A (zh) | 图像配准方法及装置、图像处理方法及装置以及存储介质 | |
| CN110012208B (zh) | 拍照对焦方法、装置、存储介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |