CN107545541B - 一种面向vr场景的图像拼接方法 - Google Patents

Abstract

本发明公开了一种面向VR场景的图像拼接方法，属于虚拟现实领域。通常采用六幅图像拼接成一个立方体的六个面来构造VR全景图，若直接拼接，面与面之间的拼接处常出现明显的不自然接缝。即使采用Poisson编辑等方法拼接也会有明显的拼接痕迹。本发明在光滑了接缝处的梯度的基础上，通过求解一个广义Laplacian方程得到平滑自然的拼接结果。

Description

一种面向VR场景的图像拼接方法

技术领域

本发明属于图像处理、虚拟现实领域，给出了一种VR(Virtual Reality:虚拟现实)全景图中的图像拼接方法，使得图像拼接处平滑自然，不着痕迹。

背景技术

虚拟现实领域，通常采用六幅图像拼接成一个立方体的六个面来构造VR全景图，面与面之间的拼接处常出现明显的不自然接缝，如图1所示。为消除图像拼接中恼人的拼接痕迹问题，本发明一种面向VR场景的图像拼接方法。

发明内容

本发明的目的在于解决VR全景图拼接中恼人的拼接痕迹问题，提供一种图像拼接方法。

本发明方法的输入输出是：

输入：两幅图像，分别为左图和右图，分别记为L和R，它们在VR场景中按左右方式无重叠拼接。实际应用中，L和R都是三通道的彩色图像，但在本发明中三个通道独立计算，互不干涉；因此为了表述方便，下文中的L和R都设定为单通道的灰度图像，在数学上就是二维矩阵，两个矩阵的行数相同。不失一般性，仍然为了表述方便，假定两个矩阵的列数和行数都为M。

输出：两幅图像L和R分别修改自L和R，但它们的无重叠拼接平滑自然，轻易看不出拼接痕迹。

本发明方法的具体步骤是：

步骤(1)计算L和R的梯度：

▽L＝(D_xL,D_yL)＝(L_x,L_y)

L_x(i,j)＝L(i,j+1)-L(i,j)

L_y(i,j)＝L(i+1,j)-L(i,j)

同样的方法计算R的梯度。

步骤(2)修正L和R在拼接处的梯度：设矩阵P＝[L,R]为L和R拼接而成的矩阵，修正L和R在拼接处的梯度就是修正P在M和M+1列处的梯度。先由L和R的梯度拼接得到P的梯度的初始值：

P_x＝[L_x,R_x],P_y＝[L_y,R_y]

接着采用一个3*3的模板T作为光滑响应函数对P在M和M+1列处的梯度进行光滑：

其中a＝0.176765,b＝0.073235。

步骤(3)设定权重矩阵：先设定ω₁、ω₂和ω₃，这三个矩阵的维度与P一致：

再由下式定义权重矩阵W₁、W₂和W₃：

W_kX＝X.*ω_k k＝1,2,3

其中X为任意的M*2M的矩阵，.*表示矩阵对应元素相乘。

步骤(4)求解一个广义Laplacian方程：

其中U为待求的未知数。该方程是一个广义的Laplacian方程，可以用共轭梯度方法求解。

步骤(5)输出：将步骤(4)中求得的U左半边矩阵赋给L，右半边矩阵赋给R,输出。

本发明的有益效果：本发明在光滑了接缝处的梯度的基础上，通过求解一个广义Laplacian方程得到平滑自然的拼接结果。

附图说明

图1.直接拼接结果图；

图2.是利用本发明方法处理后的图1。

具体实施方式

本发明的目的在于解决VR全景图拼接中恼人的拼接痕迹问题，提供一种图像拼接算法。

本发明方法的输入输出是：

输入：两幅图像，分别为左图和右图，分别记为L和R，它们在VR场景中按左右方式无重叠拼接。实际应用中，L和R都是三通道的彩色图像，但在本发明中三个通道独立计算，互不干涉；因此为了表述方便，下文中的L和R都设定为单通道的灰度图像，在数学上就是二维矩阵，两个矩阵的行数相同。不失一般性，仍然为了表述方便，假定两个矩阵的列数和行数都为M。

输出：两幅图像

和

分别修改自L和R，但它们的无重叠拼接平滑自然，轻易看不出拼接痕迹。

本发明方法的具体步骤是：

步骤(1)计算L和R的梯度：

▽L＝(D_xL,D_yL)＝(L_x,L_y)

L_x(i,j)＝L(i,j+1)-L(i,j)

L_y(i,j)＝L(i+1,j)-L(i,j)

其中D_x和D_y分别表示x和y方向的一阶差分算子，L_x的含义是L在x方向一阶差分后的结果，L_y类似。同样的方法计算R的梯度(R_x,R_y)。

步骤(2)修正L和R在拼接处的梯度：设矩阵P＝[L,R]为L和R拼接而成的矩阵，修正L和R在拼接处的梯度就是修正P在M和M+1列处的梯度。先由L和R的梯度拼接得到P的梯度的初始值：

P_x＝[L_x,R_x],P_y＝[L_y,R_y]

接着采用一个3*3的模板T作为光滑响应函数对P在M和M+1列处的梯度进行光滑：

其中a＝0.176765,b＝0.073235。

步骤(3)设定权重矩阵：先设定ω₁、ω₂和ω₃,这三个矩阵的维度与P一致：

再由下式定义权重矩阵W₁、W₂和W₃：

W_kX＝X.*ω_k k＝1,2,3

其中X为任意的M*2M的矩阵，.*表示矩阵对应元素相乘。

步骤(4)求解一个广义Laplacian方程：

其中U为待求的未知数，上标T表示转置。该方程是一个广义的Laplacian方程，可以用共轭梯度方法求解。

步骤(5)输出：将步骤(4)中求得的U左半边矩阵赋给

右半边矩阵赋给

输出。

利用上述方法对图1作处理后的结果见图2。

Claims (1)

1.一种面向VR场景的图像拼接方法，特征在于：

该方法的输入和输出分别是：

输入：两幅图像，分别为左图和右图，分别记为L和R，它们在VR场景中按左右方式无重叠拼接；L和R都设定为单通道的灰度图像，在数学上就是二维矩阵，假定两个二维矩阵的列数和行数都为M；

输出：两幅图像

和

分别修改自L和R，但它们的无重叠拼接处平滑自然，轻易看不出拼接痕迹；

该方法的具体步骤是：

步骤(1)计算图像L和R的梯度：

L_x(i,j)＝L(i,j+1)-L(i,j)

L_y(i,j)＝L(i+1,j)-L(i,j)

其中，其中D_x和D_y分别表示x和y方向的一阶差分算子，L_x表示L在x方向一阶差分后的结果，L_y表示L在y方向一阶差分后的结果；

同样的方法计算R的梯度；

步骤(2)修正图像L和R在拼接处的梯度：

设矩阵P＝[L,R]为图像L和R拼接而成的矩阵，修正图像L和R在拼接处的梯度就是修正P在M和M+1列处的梯度；

先由图像L和R的梯度拼接得到矩阵P的梯度的初始值：

P_x＝[L_x,R_x],P_y＝[L_y,R_y]

接着采用一个3*3的模板T作为光滑响应函数对矩阵P在M和M+1列处的梯度进行光滑：

其中a＝0.176765,b＝0.073235；

步骤(3)设定权重矩阵：

先设定ω₁、ω₂和ω₃，这三个矩阵的维度与矩阵P一致：

再由下式定义权重矩阵W₁、W₂和W₃：

W_sX＝X.*ω_s s＝1,2,3

其中X为任意的M*2M的矩阵，.*表示矩阵对应元素相乘；

步骤(4)用共轭梯度方法求解一个广义Laplacian方程：

其中U为待求的未知数，上标T表示转置；

步骤(5)输出：将步骤(4)中求得的U左半边矩阵赋给

右半边矩阵赋给

输出。

Images