CN108322658B - 一种拍照的方法和装置 - Google Patents

Abstract

本发明实施例提供了一种拍照方法和装置，该方法包括：当执行拍照操作时，采集至少两帧候选图像数据；从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；将所述目标区域数据拼接为目标图像数据。部分区域重叠使得目标区域数据可以实现拼接，考虑了采集的候选图像数据之间的关联性，目标区域数据所处区域相匹配可保证拼接后的图像的内容完整性，通过模糊条件筛选合适的目标区域数据，保证拼接后的图像数据的清晰度，减少抵消抖动带来的影响，无需额外配置独立的器件，降低了成本，并且，拼接处理操作简单，提高了处理的速度，节省耗费的时间。

Description

一种拍照的方法和装置

技术领域

本发明涉及通信的技术领域，特别是涉及一种拍照的方法和装置。

背景技术

随着科技的发展，诸如手机、平板电脑等移动终端，在人们的工作、学习、日常交流等各方面的使用率也越来越高。

移动终端中通常配置有摄像头(Camera)，具备拍照、摄像功能，由于摄像头器件小，感光面积也小，在拍照过程中，用户的手可能会抖动，导致采集的图像数据模糊，尤其在夜晚等暗光环境中，由于光线的不足，摄像头的曝光时间会增长，手的微小抖动可能会造成采集的图像数据模糊不清。

目前，通常采用数字影像稳定(DIS)、电子影像稳定(EIS)及光学影像稳定(OIS)消除抖动的影响。

DIS和EIS均需要大量数据帧裁剪，加大处理器的负荷，且只用于录像防抖。

OIS需要增加独立的器件，用于检测移动终端的抖动，调整镜光进行补偿，从而抵消抖动带来的影响，成本较高。

发明内容

本发明实施例提出了一种拍照的方法和装置，以解决拍照防抖成本较高的问题。

依据本发明的一个方面，提供了一种拍照方法，包括：

当执行拍照操作时，采集至少两帧候选图像数据；

从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；

将所述目标区域数据拼接为目标图像数据。

可选地，所述从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据，包括：

将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据；

对每个候选区域数据计算模糊度；

查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据；

若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据。

可选地，所述查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据，包括：

针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据；

针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和；

针对所有切分方式，对所有的模糊度之和进行比较；

选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

可选地，所述切分方式包括如下的至少一种：

切分为左半部分、右半部分；

切分为上半部分、下半部分。

可选地，所述将所述目标区域数据拼接为目标图像数据，包括：

从每个目标区域数据中提取特征点；

采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点；

计算所述匹配成功的特征点之间的变换方式；

按照所述变换方式将所述目标区域数据拼接为目标图像数据。

可选地，所述采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点，包括：

对所述目标区域数据的特征点生成描述子；

计算所述描述子之间的最近邻距离与次近邻距离；

计算所述最近邻距离和所述次近邻距离之间的比值；

当所述比值小于预设的阈值时，确定所述特征点匹配成功。

可选地，在所述采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点之后，所述将所述目标区域数据拼接为目标图像数据，还包括：

采用预设的第二匹配方式从所述匹配成功的特征点中去除匹配错误的特征点。

可选地，在所述从每个区域图像数据中提取特征点之前，所述将所述目标区域数据拼接为目标图像数据，还包括：

按照预设的采样参数对所述特征区域数据进行下采样处理；

在所述按照所述变换方式将所述目标区域数据拼接为目标图像数据之前，所述将所述目标区域数据拼接为目标图像数据，还包括：

按照所述采样参数将所述变换方式进行转换处理。

根据本发明的另一方面，提供了一种拍照装置，包括：

候选图像数据采集模块，用于当执行拍照操作时，采集至少两帧候选图像数据；

目标区域数据提取模块，用于从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；

目标区域数据拼接模块，用于将所述目标区域数据拼接为目标图像数据。

可选地，所述目标区域数据提取模块包括：

候选图像数据切分子模块，用于将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据；

模糊度计算子模块，用于对每个候选区域数据计算模糊度；

特征区域数据查询子模块，用于查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据；

相异提取子模块，用于若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据。

可选地，所述特征区域数据查询子模块包括：

候选区域数据选择单元，用于针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据；

和值计算单元，用于针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和；

模糊度比较单元，用于针对所有切分方式，对所有的模糊度之和进行比较；

和值选择单元，用于选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

可选地，所述切分方式包括如下的至少一种：

切分为左半部分、右半部分；

切分为上半部分、下半部分。

可选地，所述目标区域数据拼接模块包括：

特征点提取子模块，用于从每个目标区域数据中提取特征点；

特征点匹配子模块，用于采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点；

变换方式计算子模块，用于计算所述匹配成功的特征点之间的变换方式；

变换方式拼接子模块，用于按照所述变换方式将所述目标区域数据拼接为目标图像数据。

可选地，所述特征点匹配子模块包括：

描述子生成单元，用于对所述目标区域数据的特征点生成描述子；

距离计算单元，用于计算所述描述子之间的最近邻距离与次近邻距离；

比值计算单元，用于计算所述最近邻距离和所述次近邻距离之间的比值；

匹配确定单元，用于当所述比值小于预设的阈值时，确定所述特征点匹配成功。

可选地，所述目标区域数据拼接模块还包括：

错误点去除子模块，用于采用预设的第二匹配方式从所述匹配成功的特征点中去除匹配错误的特征点。

可选地，所述目标区域数据拼接模块还包括：

下采样子模块，用于按照预设的采样参数对所述特征区域数据进行下采样处理；

变化方式转换子模块，用于按照所述采样参数将所述变换方式进行转换处理。

本发明实施例包括以下优点：

本发明实施例在执行拍照操作时，采集至少两帧候选图像数据；从至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据，将目标区域数据拼接为目标图像数据，部分区域重叠使得目标区域数据可以实现拼接，考虑了采集的候选图像数据之间的关联性，目标区域数据所处区域相匹配可保证拼接后的图像的内容完整性，通过模糊条件筛选合适的目标区域数据，保证拼接后的图像数据的清晰度，减少抵消抖动带来的影响，无需额外配置独立的器件，降低了成本，并且，拼接处理操作简单，提高了处理的速度，节省耗费的时间。

附图说明

图1是本发明一个实施例的一种拍照方法的步骤流程图；

图2是本发明一个实施例的另一种拍照方法的步骤流程图；

图3A至图3H是本发明一个实施例的一种拍照方法的示例；

图4是本发明一个实施例的一种拍照装置的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下半部分结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明一个实施例的一种拍照方法的步骤流程图，具体可以包括如下步骤：

步骤101，当执行拍照操作时，采集至少两帧候选图像数据。

步骤102，从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据。

步骤103，将所述目标区域数据拼接为目标图像数据。

在具体实现中，本发明实施例可以应用在移动终端中，例如，手机、平板电脑、可穿戴设备(如VR(Virtual Reality，虚拟现实)眼镜、VR头盔、智能手表)等等，本发明实施例对此不加以限制。

在本发明实施例中，移动终端配置有一个或多个摄像头(Camera)，用于拍照、录像，该摄像头可以是设置在移动终端的背部(又称后置摄像头)，也可以设置在移动终端的正面(又称前置摄像头)的，本发明实施例对此也不加以限制。

移动终端的操作系统包括Android(安卓)、IOS、Windows Phone、Windows等等，可以支持运行多种可调用摄像头的应用，例如，相机应用、购物应用、即时通讯应用等等。

这些应用可以通过调用摄像头进行相关的业务操作，例如，相应应用可以进行拍照进行后期处理(如滤镜、裁剪、添加图案等)并存储在图库中，存储购物应用可以调用摄像头对商品进行拍照、扫描二维码等，即时通讯应用可以调用摄像头拍照并将采集的图像数据作为即时通讯消息发送，等等。

在本发明实施例中，摄像头可以启动ZSL(Zero Second Later，0秒延时拍摄)等模式，在执行拍照操作(take photo)时，进行曝光、对焦等操作，采集至少两帧候选图像数据。

预先对模糊度设定一些条件(即预设的模糊条件)，通过比较各帧候选图像数据的模糊度，从不同的候选图像数据中提取合适的区域作为目标区域数据，遍历目标区域数据中重叠的部分，从而拼接为目标图像数据，使得各目标区域之间的图像画面连贯、完整，进行其他后期处理(如裁剪成矩形，调整统一的对比度、亮度，等等)，或者，展示给用户。

本发明实施例在执行拍照操作时，采集至少两帧候选图像数据；从至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据，将目标区域数据拼接为目标图像数据，部分区域重叠使得目标区域数据可以实现拼接，考虑了采集的候选图像数据之间的关联性，目标区域数据所处区域相匹配可保证拼接后的图像的内容完整性，通过模糊条件筛选合适的目标区域数据，保证拼接后的图像数据的清晰度，减少抵消抖动带来的影响，无需额外配置独立的器件，降低了成本，并且，拼接处理操作简单，提高了处理的速度，节省耗费的时间。

参照图2，示出了本发明一个实施例的另一种拍照方法的步骤流程图，具体可以包括如下步骤：

步骤201，当执行拍照操作时，采集至少两帧候选图像数据。

步骤202，将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据。

在本发明实施例中，可以预先设置一个或多个切分方式，按照这些切分方式对每帧候选图像数据进行切分，从而将每帧候选图像数据切分为至少两个候选区域数据。

在一个示例中，切分方式包括如下的至少一种：

切分为左半部分、右半部分；

切分为上半部分、下半部分。

在此示例中，前一种切分方式为左右切分，则可以将候选图像数据沿水平方向的中线切分左、右两个候选区域数据。

后一种切分方式为上下切分，则可以将候选图像数据沿垂直方式的中线切分为上、下两个候选区域数据。

当然，上述切分方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他切分方式，例如，将候选图像数据切分为上、中、下三个候选区域数据，候选图像数据切分为左、中、右三个候选区域数据，等等，将本发明实施例对此不加以限制。另外，除了上述切分方式外，本领域技术人员还可以根据实际需要采用其它切分方式，本发明实施例对此也不加以限制。

步骤203，对每个候选区域数据计算模糊度。

在本发明实施例中，可以针对每帧候选图像数据的每个候选区域数据计算模糊度。

所谓模糊度，可以指候选区域数据的模糊程度。

一般而言，模糊度越小，候选区域数据越清晰，反之，模糊度越大，候选区域数据越模糊。

在具体实现中，可以通过图像灰度变化、图像梯度值、图像熵等方式衡量模糊度。

模糊度与图像灰度变化、图像梯度值、图像熵负相关，即如果模糊度越大，则图像灰度变化越小、图像梯度值越小、图像熵也越小；反之，如果模糊度越小，则图像灰度变化越大、图像梯度值越大、图像熵也越大。

其中，对于图像灰度变化，可以通过频谱函数计算，频谱函数通常基于傅里叶变换得到。

对于特征距离恰当的图像数据，其包含更多的信息，人们能更好地分辨其中的细节，细节意味着图像数据有可辨的边缘，在局部中有很强的灰级变化，灰级的跃变更加剧烈。

对于梯度值，可以使用梯度函数进行计算，例如Tenengrad函数、能量梯度函数、Brenner函数、方差函数等等。

在图像处理中，梯度函数常被用于提取边缘信息。对于特征距离恰当的图像数据，具有更尖锐的边缘的图像，应有更大的梯度函数值。

对于图像熵，可以通过熵函数获得。熵函数可以是基于这样一个前提，特征距离恰当的图像数据的熵大于特征距离不恰当(过短或过长)的图像数据的熵。

步骤204，查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据。

在具体实现中，从所有候选图像数据切分的所有候选区域数据中，选择除了符合模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据。

所谓所处区域相匹配，可以指选择的候选区域数据覆盖了其所属切分方式切分的各个区域，使得选择的候选区域数据可以从逻辑上组成完整的图像数据。

例如，将候选图像数据沿垂直方式的中线切分为上、下两个候选区域数据，则选择的候选区域数据包括上半部分的候选区域数据以及下半部分的候选区域数据。

例如，将候选图像数据沿水平方向的中线切分左、右两个候选区域数据，则选择的候选区域数据包括左半部分的候选区域数据以及右半部分的候选区域数据。

在本发明的一个实施例中，步骤204可以包括如下子步骤：

子步骤S11，针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据。

子步骤S12，针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和。

子步骤S13，针对所有切分方式，对所有的模糊度之和进行比较。

子步骤S14，选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

在本发明实施例中，若应用了多种切分方式切分候选图像数据，针对每种切分方式，可以从所有候选图像数据切分出的、每个区域的候选区域数据中，选择模糊度最小的候选区域数据，计算所有区域的候选区域数据的模糊度之和，作为该切分方式的模糊度。

将所有切分方式的模糊度之和进行比较，选择模糊度之和最小的切分方式所对应的候选区域数据作为特征区域数据。

例如，将候选图像数据沿垂直方式的中线切分为上、下两个候选区域数据，以及，将候选图像数据沿水平方向的中线切分左、右两个候选区域数据，则从所有的处于上半部分的候选区域数据中选择模糊度最小的候选区域数据，从所有的处于下半部分的候选区域数据中选择模糊度最小的候选区域数据，计算两者的模糊度之和，接着，从所有处于左半部分的候选区域数据中选择模糊度最小的候选区域数据，从所有处于右半部分的候选区域数据中选择模糊度最小的候选区域数据，计算两者的模糊度之和，比较两个模糊度之和，以值最小的模糊度之和对应的候选区域数据作为特征区域数据。

步骤205，若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据。

对于选择出的特征区域数据，可以判断其所属的候选图像数据。

如果选择出的特征区域数据属于不同的候选图像数据，则可以从每个特征区域数据中所属的候选图像数据中提取至少包含该特征区域数据的目标区域数据，使得目标区域数据存在内容重复的部分，可以进行拼接。

例如，选择出的特征区域数据A为候选图像数据A中位于上半部分的候选区域数据，选择出的特征区域数据B为候选图像数据B中位于下半部分的候选区域数据，则可以从候选图像数据A提取上面包含特征区域数据A的、占总面积三分之二的数据，作为目标区域数据，从可以从候选图像数据B提取下面包含特征区域数据B的、占总面积三分之二的数据，作为目标区域数据。

如果选择出的特征区域数据属于相同的候选图像数据，则可交易直接输出该候选图像数据。

步骤206，按照预设的采样参数对所述特征区域数据进行下采样处理。

下采样(subsampled)，也可以称为缩小图像或降采样(downsampled)，按照预设的采样参数(如缩小、旋转、平移等)对特征区域数据进行下采样处理，可以降低处理量，提高处理速度。

例如，对于一幅尺寸为M*N的图像I，对其进行s倍下采样，即得到(M/s)*(N/s)尺寸的得分辨率图像，其中，s是M和N的公约数。

如果考虑的是矩阵形式的图像，就是把原始图像s*s窗口内的图像变成一个像素，这个像素点的值就是窗口内所有像素的均值：

步骤207，从每个目标区域数据中提取特征点。

在具体实现中，可以从目标区域数据中提取颜色特征、纹理特征、形状特征、空间关系特征等作为特征点。

步骤208，采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点。

提取了特征点之后，则可以采用预设的第一匹配方式对两两目标图像数据之间的特征点进行匹配。

在一个示例中，可以对目标区域数据的特征点生成描述子，如SIFT(ScaleInvariant Feature Transform，尺度不变特征转换)、ORB(Oriented FAST and RotatedBRIEF)、BRISK(Binary Robust Invariant Scalable Keypoints)，等等。

计算描述子之间的最近邻距离与次近邻距离，以及，计算最近邻距离和次近邻距离之间的比值。

当比值小于预设的阈值时，确定特征点匹配成功。

当然，上述特征点的第一匹配方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他特征点的第一匹配方式，例如，通过描述子之间的最近邻距离进行匹配，等等，将本发明实施例对此不加以限制。另外，除了上述特征点的第一匹配方式外，本领域技术人员还可以根据实际需要采用其它特征点的第一匹配方式，本发明实施例对此也不加以限制。

步骤209，采用预设的第二匹配方式从所述匹配成功的特征点中去除匹配错误的特征点。

一般情况下，匹配成功的特征点，会存在错误的匹配，因此，可以通过第二匹配方式，如RANSAC(Random Sample Consensus，随机抽样一致)算法，来去除匹配错误的特征点。

步骤210，计算所述匹配成功的特征点之间的变换方式。

两个目标区域数据之间的内容部分相同，其中一个目标区域数据的内容转换之后，与另一个目标区域数据的内容相同(如坐标系相同)，因此，在特征点匹配成功之后，可以计算出这些特征点之间的变换方式(如变换矩阵)，以此作为目标区域数据之间的变换方式(如变换矩阵)。

步骤211，按照所述采样参数将所述变换方式进行转换处理。

若在先按照采样参数对特征区域数据进行下采样处理，则变换方式为下采样处理之后的变化方式，为了对下采样处理前的目标区域数据进行变换、拼接，则可以采用采样参数将变换方式进行转换处理，使之复原为下采样处理前的变化方式。

步骤212，按照所述变换方式将所述目标区域数据拼接为目标图像数据。

对于进行拼接的两个目标区域数据，其中一个目标区域数据按照该变换方式进行变换，使之与另一个目标区域数据对齐，进而确定两个目标区域数据之间的位置关系，将两个目标区域数据拼接在一起，最终将所有的目标区域数据拼接起来之后，作为目标图像数据，目标图像数据的模糊程度小于或等于任一帧的候选图像数据。

使本领域技术人员更好地理解本发明实施例，以下通过具体的示例来说明本发明实施例中的拍照方法。

假设移动终端一次拍照缓存I_n(n为正整数)帧候选图像数据，分别为I₁、I₂、……、I_n，其中包括图3A与图3B所示的两帧候选图像数据。

这n帧候选图像数据的拍摄时间接近，虽然拍摄的内容存在差异，但是，移动终端在短时间内一般不会大幅度移动，因此，拍摄的内容差异一般不大。

将每帧候选图像数据I_i(i＝1、2、……、n)切分为上半部分I_i1与下半部分I_i2、左半部分I_i3与右半部分I_i4，即I_i1、I_i2、I_i3与I_i4均为候选区域数据。

从所有I_i的I_i1中选择模糊度最小的I_i1＇，从所有I_i的I_i2中选择模糊度最小的I_i2＇。

从所有I_i的I_i3中选择模糊度最小的I_i3＇，从所有I_i的I_i4中选择模糊度最小的I_i4＇。

计算I_i1＇与I_i2＇的模糊度之和，以及，计算I_i3＇与I_i4＇的模糊度之和。

若I_i1＇与I_i2＇的模糊度之和小于I_i3＇与I_i4＇的模糊度之和，则将I_i1＇设置为特征区域数据p_j1(j＝1、2、……、n)、将I_i2＇设置为特征区域数据特征区域数据p_k2(k＝1、2、……、n)。

p_j1属于候选图像数据I_j(j＝1、2、……、n)，p_k2属于候选图像数据I_k(k＝1、2、……、n)。

若p_j1与p_k2属于同一帧候选图像数据(即j＝k)，则可以输出该候选图像数据。

在本示例中，p_j1属于图3A所示的候选图像数据，p_k2属于图3B所示的候选图像数据，即p_j1与p_k2属于不同的候选图像数据(即j≠k)，则如图3C所示，从I_j中裁剪上面大于二分之一的部分图像

(即如图3A中的方框部分)，使

包含p_j1，即

作为目标区域数据，如图3D所示，从I_k中裁剪下面大于二分之一的部分图像

(即图3B中的方框部分)，使

包含p_k2，即

作为目标区域数据。

对

进行下采样处理，得到

对

进行下采样处理，得到

如图3E所示，从

中提取特征点D_j，如图3F所示，从

中提取特征点D_k。

如图3G所示，对D_j与D_k进行匹配。

如图3H所示，从匹配成功的D_j与D_k中去处匹配错误的D_j与D_k。

假设X＝[x,y]^T为

中的特征点D_j的集合，X＇＝[x＇,y＇]^T为

中的特征点D_j的集合，通过X＇＝HX，求得变换矩阵H：

通过计算

与

与

之间的关系，参考变换矩阵H的求解过程，将变换矩阵H转换为下采样处理之前

与

的变换矩阵H＇：

通过变换矩阵H＇对

与

进行拼接得到目标图像数据I＇，I＇的模糊度小于或等于任一帧缓存的候选图像数据I_n。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图4，示出了本发明一个实施例的一种拍照装置的结构框图，具体可以包括如下模块：

候选图像数据采集模块401，用于当执行拍照操作时，采集至少两帧候选图像数据；

目标区域数据提取模块402，用于从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；

目标区域数据拼接模块403，用于将所述目标区域数据拼接为目标图像数据。

在本发明的一个实施例中，所述目标区域数据提取模块包括：

候选图像数据切分子模块，用于将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据；

模糊度计算子模块，用于对每个候选区域数据计算模糊度；

特征区域数据查询子模块，用于查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据；

相异提取子模块，用于若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据。

在本发明的一个实施例中，所述特征区域数据查询子模块包括：

候选区域数据选择单元，用于针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据；

和值计算单元，用于针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和；

模糊度比较单元，用于针对所有切分方式，对所有的模糊度之和进行比较；

和值选择单元，用于选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

在本发明实施例的一个示例中，所述切分方式包括如下的至少一种：

切分为左半部分、右半部分；

切分为上半部分、下半部分。

在本发明的一个实施例中，所述目标区域数据拼接模块403包括：

特征点提取子模块，用于从每个目标区域数据中提取特征点；

特征点匹配子模块，用于采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点；

变换方式计算子模块，用于计算所述匹配成功的特征点之间的变换方式；

变换方式拼接子模块，用于按照所述变换方式将所述目标区域数据拼接为目标图像数据。

在本发明的一个实施例中，所述特征点匹配子模块包括：

描述子生成单元，用于对所述目标区域数据的特征点生成描述子；

距离计算单元，用于计算所述描述子之间的最近邻距离与次近邻距离；

比值计算单元，用于计算所述最近邻距离和所述次近邻距离之间的比值；

匹配确定单元，用于当所述比值小于预设的阈值时，确定所述特征点匹配成功。

在本发明的一个实施例中，所述目标区域数据拼接模块还包括：

错误点去除子模块，用于采用预设的第二匹配方式从所述匹配成功的特征点中去除匹配错误的特征点。

在本发明的一个实施例中，所述目标区域数据拼接模块还包括：

下采样子模块，用于按照预设的采样参数对所述特征区域数据进行下采样处理；

变化方式转换子模块，用于按照所述采样参数将所述变换方式进行转换处理。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明实施例在执行拍照操作时，采集至少两帧候选图像数据；从至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据，将目标区域数据拼接为目标图像数据，部分区域重叠使得目标区域数据可以实现拼接，考虑了采集的候选图像数据之间的关联性，目标区域数据所处区域相匹配可保证拼接后的图像的内容完整性，通过模糊条件筛选合适的目标区域数据，保证拼接后的图像数据的清晰度，减少抵消抖动带来的影响，无需额外配置独立的器件，降低了成本，并且，拼接处理操作简单，提高了处理的速度，节省耗费的时间。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种拍照方法和一种拍照装置，进行了详细介绍，本文中应用了具体个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方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种拍照方法，其特征在于，包括：

当执行拍照操作时，采集至少两帧候选图像数据；

从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；将所述目标区域数据拼接为目标图像数据；

所述从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据，包括：将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据；

对每个候选区域数据计算模糊度；

查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据；

若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据；

所述查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据，包括：

针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据；

针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和；

针对所有切分方式，对所有的模糊度之和进行比较；

选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

2.根据权利要求1所述的方法，其特征在于，所述切分方式包括如下的至少一种：

切分为左半部分、右半部分；

切分为上半部分、下半部分。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述将所述目标区域数据拼接为目标图像数据，包括：

从每个目标区域数据中提取特征点；

采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点；

计算所述匹配成功的特征点之间的变换方式；

按照所述变换方式将所述目标区域数据拼接为目标图像数据。

4.根据权利要求3所述的方法，其特征在于，所述采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点，包括：

对所述目标区域数据的特征点生成描述子；

计算所述描述子之间的最近邻距离与次近邻距离；

计算所述最近邻距离和所述次近邻距离之间的比值；

当所述比值小于预设的阈值时，确定所述特征点匹配成功。

5.根据权利要求3所述的方法，其特征在于，在所述采用预设的第一匹配方式对所述目标图像数据的特征点进行匹配，获得匹配成功的特征点之后，所述将所述目标区域数据拼接为目标图像数据，还包括：

采用预设的第二匹配方式从所述匹配成功的特征点中去除匹配错误的特征点。

6.根据权利要求3所述的方法，其特征在于，

在所述从每个区域图像数据中提取特征点之前，所述将所述目标区域数据拼接为目标图像数据，还包括：

按照预设的采样参数对所述特征区域数据进行下采样处理；

在所述按照所述变换方式将所述目标区域数据拼接为目标图像数据之前，所述将所述目标区域数据拼接为目标图像数据，还包括：

按照所述采样参数将所述变换方式进行转换处理。

7.一种拍照装置，其特征在于，包括：

候选图像数据采集模块，用于当执行拍照操作时，采集至少两帧候选图像数据；

目标区域数据提取模块，用于从所述至少两帧候选图像数据中分别提取模糊度符合预设的模糊条件的、部分区域重叠且所处区域相匹配的至少两个目标区域数据；目标区域数据拼接模块，用于将所述目标区域数据拼接为目标图像数据；

所述目标区域数据提取模块包括：候选图像数据切分子模块，用于将每帧候选图像数据按照预设的切分方式切分为至少两个候选区域数据；

模糊度计算子模块，用于对每个候选区域数据计算模糊度；

特征区域数据查询子模块，用于查询模糊度符合预设的模糊条件的、且所处区域相匹配的至少两个候选区域数据，作为特征区域数据；

相异提取子模块，用于若所述特征区域数据属于至少两帧候选图像数据，则从每个特征区域数据中所属的候选图像数据中提取至少包含所述特征区域数据的目标区域数据；

所述特征区域数据查询子模块包括：

候选区域数据选择单元，用于针对每种切分方式，从处于相同区域的候选区域数据中选择模糊度最小的候选区域数据；

和值计算单元，用于针对每种切分方式，计算所处区域相匹配的至少两个候选区域数据的模糊度之和；

模糊度比较单元，用于针对所有切分方式，对所有的模糊度之和进行比较；

和值选择单元，用于选择模糊度之和最小的、且所处区域相匹配的至少两个候选区域数据作为特征区域数据。

Images