CN109993718A - 一种多通道投影图像融合方法及装置 - Google Patents
一种多通道投影图像融合方法及装置 Download PDFInfo
- Publication number
- CN109993718A CN109993718A CN201910165688.1A CN201910165688A CN109993718A CN 109993718 A CN109993718 A CN 109993718A CN 201910165688 A CN201910165688 A CN 201910165688A CN 109993718 A CN109993718 A CN 109993718A
- Authority
- CN
- China
- Prior art keywords
- image
- adjacency channel
- match
- feature point
- channel image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 61
- 238000010276 construction Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000007704 transition Effects 0.000 claims description 15
- 230000003313 weakening effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 6
- 238000005267 amalgamation Methods 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Transforming Electric Information Into Light Information (AREA)
- Projection Apparatus (AREA)
Abstract
本发明公开了一种多通道投影图像融合方法及装置,属于图像处理技术领域,方法包括:获取待投影到屏幕上的多通道图像;确定多通道图像中的相邻通道图像之间的图像重叠区域;对相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;基于相匹配的特征点集,将相邻通道图像配准至同一坐标系上;对配准后的相邻通道图像进行拼接融合,形成最终投影图像。本发明实施例通过图像拼接融合方式,实现了多通道投影的大屏幕影像输出,从而有效地减少由于物理条件限制导致的安装调试困难问题,弥补理想状态下光路设计与实际施工现场的情况有区别而造成的施工误差,大大提高了整个投影系统的效率和稳定性。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种多通道投影图像融合方法及装置。
背景技术
目前的超大分辨率多通道投影系统中,一般通过人工调节投影机安装位置、角度,或者利用投影机自带的几何校正功能等将多个投影机的画面拼接成一个完整投影区域,并通过视频矩阵或图像处理器等设备对图像进行预处理,从而使投影区域形成一个完整的投影画面。
在工程施工过程中,发明人发现现有技术存在以下几个问题:
安装设计都是在理想状态下进行光路设计进行安装点位确认,但是实际施工现场因为水平、测量误差等原因通常很难实现投影画面的完美拼接和重合,会有一定误差。同时整个安装过程和拼接校正的过程都是通过人眼来进行判断,也存在一定的误差。此外,在使用过程中,由于很多人为或非人为的因素导致投影机位置发生偏移,进而导致图像拼接重合出现问题,再次进行调整校正的工作量会非常大,难度也非常高。
发明内容
有鉴于此,本发明实施例提供了一种多通道投影图像融合方法及装置,可以有效地减少由于物理条件限制导致的安装调试困难问题,弥补理想状态下光路设计与实际施工现场的情况有区别而造成的施工误差,能够大大提高整个投影系统的效率和稳定性。
本发明实施例提供的技术方案如下:
第一方面,提供了一种多通道投影图像融合方法,包括:
获取待投影到屏幕上的多通道图像;
确定所述多通道图像中的相邻通道图像之间的图像重叠区域;
对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;
基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上;
对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像。
在一个实施例中,所述确定所述多通道图像中的相邻通道图像之间的图像重叠区域,包括:
分别提取所述相邻通道图像的多个图像块,并获取所述相邻通道图像之间相匹配的图像块集合;以及
根据所述相匹配的图像块集合,确定所述相邻通道图像之间的图像重叠区域。
在一个实施例中,所述对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集,包括:
采用ORB算法提取所述相匹配的图像块集合中的所有特征点,并对提取到的各个所述特征点分别构造特征点描述子;
根据各个所述特征点的特征点描述子,采用欧式距离算法对所述相邻通道图像的图像重叠区域进行特征点匹配,以获取所述相匹配的特征点集。
在一个实施例中,所述基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上,包括:
基于所述相匹配的特征点集,计算所述相邻通道图像之间的转换矩阵;
通过所述转换矩阵将所述相邻通道图像转换至同一坐标系下。
在一个实施例中,所述对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像,包括:
在同一坐标系下,基于所述相邻通道图像之间相匹配的特征点各自的位置关系,对所述相邻通道图像进行拼接,得到一个完整的拼接图像;
对所述拼接图像进行融合处理,生成多个融合带图像;
对所述多个融合带图像进行亮度处理,形成所述最终投影图像。
在一个实施例中,所述对所述多个融合带图像进行亮度处理,形成所述最终投影图像,包括:
获取所述拼接图像中除所述多个融合带图像之外的平均亮度;
根据所述平均亮度分别对所述多个融合带图像的亮度进行弱化处理。
第二方面,提供了一种多通道投影图像融合装置,包括:
获取模块,用于获取待投影到屏幕上的多通道图像;
确定模块,用于确定所述多通道图像中的相邻通道图像之间的图像重叠区域;
匹配模块,用于对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;
配准模块,用于基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上;
拼接融合模块,用于对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像。
在一个实施例中,所述确定模块具体用于:
分别提取所述相邻通道图像的多个图像块,并获取所述相邻通道图像之间相匹配的图像块集合;以及
根据所述相匹配的图像块集合,确定所述相邻通道图像之间的图像重叠区域。
在一个实施例中,所述匹配模块具体用于:
采用ORB算法提取所述相匹配的图像块集合中的所有特征点,并对提取到的各个所述特征点分别构造特征点描述子;
根据各个所述特征点的特征点描述子,采用欧式距离算法对所述相邻通道图像的图像重叠区域进行特征点匹配,以获取所述相匹配的特征点集。
在一个实施例中,所述配准模块具体用于:
基于所述相匹配的特征点集,计算所述相邻通道图像之间的转换矩阵;
通过所述转换矩阵将所述相邻通道图像转换至同一坐标系下。
在一个实施例中,所述拼接融合模块包括:
拼接子模块,用于在同一坐标系下,基于所述相邻通道图像之间相匹配的特征点各自的位置关系,对所述相邻通道图像进行拼接,得到一个完整的拼接图像;
融合子模块,用于对所述拼接图像进行融合处理,生成多个融合带图像;
亮度处理子模块,用于对所述多个融合带图像进行亮度处理,形成所述最终投影图像。
在一个实施例中,所述亮度处理子模块具体用于:
获取所述拼接图像中除所述多个融合带图像之外的平均亮度;
根据所述平均亮度分别对所述多个融合带图像的亮度进行弱化处理。
本发明提供的多通道投影图像融合方法及装置,由于通过对多通道图像中相邻通道图像之间的图像重叠区域进行特征点匹配,得到相邻通道图像之间相匹配的特征点集,以及基于相匹配的特征点集对相邻通道图像配准至同一坐标系上,最后对配准后的相邻通道图像进行拼接融合,形成最终投影图像,由此通过图像拼接融合方式,实现了多通道投影的大屏幕影像输出,从而有效地减少由于物理条件限制导致的安装调试困难问题,弥补理想状态下光路设计与实际施工现场的情况有区别而造成的施工误差,大大提高了整个投影系统的效率和稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种多通道投影图像融合方法的流程图;
图2为本发明实施例提供的一种多通道投影图像融合装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1为本发明实施例提供的一种多通道投影图像融合方法的流程图,该方法可以由多通道投影图像融合装置来执行,该装置可以采用软件/硬件的方式实现。如图1所示,该方法具体包括:
S1、获取待投影到屏幕上的多通道图像。
其中,多通道图像是由多个投影机进行投影得到的图像,可以是一个通道图像对应一个投影机。
S2、确定多通道图像中的相邻通道图像之间的图像重叠区域。
具体的,步骤S2的具体实现可以包括:
S21、分别提取相邻通道图像的多个图像块,并获取相邻通道图像之间相匹配的图像块集合。
具体的,该过程可以包括:
确定相邻的两个通道图像,利用K-means聚类算法对每一通道图像的像素点颜色进行聚类,把图像分成若干个互不重叠的图像区域,一个图像块对应一个图像区域;根据各个图像块的图像直方图,基于欧式距离算法对多个图像块进行匹配,以获取相匹配的图像块集合。
本发明实施例对具体的匹配过程不加以限定。
S22、根据相匹配的图像块集合,确定相邻通道图像之间的图像重叠区域。
本实施例中,通过根据相邻通道图像之间相匹配的图像块集合,确定相邻通道图像之间的图像重叠区域,便于后续只在相邻通道图像之间的图像重叠区域进行特征点匹配,从而能够减小图像特征点匹配对的误匹配率,提高了获取的图像特征点匹配对的准确性。
S3、对相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集。
其中,步骤S3的具体实现可以包括:
S31、采用ORB算法提取相匹配的图像块集合中的所有特征点,并对提取到的各个特征点分别构造特征点描述子;
具体的,可以采用ORB算法对显著性区域进行特征点检测,获取到显著性区域中的特征点。
采用ORB算法进行特征点检测,即基于特征点周围的图像灰度值,检测候选特征点周围一圈的像素值,如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大,则认为该候选点为一个特征点。利用如下公式来选取合适的特征点:
其中,I(x)为圆周上任意一点的灰度,I(p)为圆心的灰度,εd为灰度值差得阈值,如果N大于给定阈值,一般为周围圆圈点的四分之三,则认为p是一个特征点。
得到特征点后需要以某种方式描述这些特征点的属性。这些属性的输出我们称之为该特征点的特征点描述子,这里我们采用如下算法来进行构造特征点描述子。即特征点P的周围以一定模式选取N个点对,把这N个点对的比较结果组合起来作为描述。具体步骤如下:
1)、以关键点P为圆心,以d为半径做圆O。
2)、在圆O内某一模式选取N个点对。这里为方便说明,N=4,实际应用中N可以取512.假设当前选取的4个点对如上图所示分别标记为:
P1(A,B)、P2(A,B)、P3(A,B)、P4(A,B)
3)、定义操作T
其中,IA表示A点的灰度,IB表示B点的灰度。
4)、分别对步骤3)中已选取的点对进行T操作,将得到的结果进行组合。
假如:对选取的4个点对进行T操作,结果如下:
T(P1(A,B))=1;
T(P2(A,B))=0;
T(P3(A,B))=1;
T(P4(A,B))=1,则最终的描述为:1011。
S32、根据各个特征点的特征点描述子,采用欧式距离算法对相邻通道图像的图像重叠区域进行特征点匹配,以获取相匹配的特征点集。
具体的,可以通过各个特征点的特征描述子之间的欧式距离,对相邻通道图像进行特征点匹配。
更为具体的是,将相邻的两个通道图像分别标记为第一图像和第二图像,针对第一图像的显著性区域上的所有特征点,计算该待匹配的特征点的特征点描述子与第二图像上的各个特征点的特征点描述子之间的欧式距离,得到与该待匹配的特征点的欧式距离最近的特征点,如果最近的特征点的欧式小于设定阈值,则认为该最近的特征点为相匹配的特征点,以此完成特征点匹配,从而获取相邻通道图像之间相匹配的特征点集。
本发明实施例中,由于相邻通道图像之间的图像重叠区域是由相邻通道图像之间的相匹配的图像块集合确定的,因此通过在相邻通道图像之间的图像重叠区域进行特征点匹配,能够保证了相邻通道图像之间相匹配的一对特征点位于相匹配的一对图像块中,从而对相邻通道图像之间的特征点匹配对的空间位置进行限定,由此减小图像特征点匹配对的误匹配率,提高了获取的图像特征点匹配对的准确性。
S4、基于相匹配的特征点集,将相邻通道图像配准至同一坐标系上。
其中,步骤S4的具体实现可以包括:
基于相匹配的特征点集,计算相邻通道图像之间的转换矩阵,并通过转换矩阵将相邻通道图像转换至同一坐标系下。
具体的,将相匹配的特征点集转换成为Point2f类型点集,然后再用findHomography函数对特征点集进行计算获得转换矩阵,获得转换矩阵后,通过转换矩阵可以将相邻两个通道图像转换为同一坐标系下。
S5、对配准后的相邻通道图像进行拼接融合,形成最终投影图像。
其中,步骤S5的具体实现可以包括:
S51、在同一坐标系下,基于相邻通道图像之间相匹配的特征点各自的位置关系,对相邻通道图像进行拼接,得到一个完整的拼接图像。
S52、对拼接图像进行融合处理,生成多个融合带图像。
具体的,采用线性加权融合方法对拼接图像进行融合处理。
S53、对多个融合带图像进行亮度处理,形成最终投影图像。
具体的,获取拼接图像中除多个融合带图像之外的平均亮度,并根据平均亮度分别对多个融合带图像的亮度进行弱化处理。
本发明实施例中,由于融合带图像是相邻的两个通道图像融合生成的,因此融合带图像的亮度会大于其他部分,通过对多个融合带图像进行的亮带做弱化处理,能够使处理之后的融合带亮度会达到与其他部分的图像亮度一致,进而确保整个多通道画面的亮度及色彩一致性。
本发明提供的多通道投影图像融合方法及装置,由于通过对多通道图像中相邻通道图像之间的图像重叠区域进行特征点匹配,得到相邻通道图像之间相匹配的特征点集,以及基于相匹配的特征点集对相邻通道图像配准至同一坐标系上,最后对配准后的相邻通道图像进行拼接融合,形成最终投影图像,由此通过图像拼接融合方式,实现了多通道投影的大屏幕影像输出,从而有效地减少由于物理条件限制导致的安装调试困难问题,弥补理想状态下光路设计与实际施工现场的情况有区别而造成的施工误差,大大提高了整个投影系统的效率和稳定性。
实施例二
作为对实施例一中的多通道投影图像融合方法的实现,本发明实施例还提供一种多通道投影图像融合装置,参照图2所示,该装置包括:
获取模块21,用于获取待投影到屏幕上的多通道图像;
确定模块22,用于确定多通道图像中的相邻通道图像之间的图像重叠区域;
匹配模块23,用于对相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;
配准模块24,用于基于相匹配的特征点集,将相邻通道图像配准至同一坐标系上;
拼接融合模块25,用于对配准后的相邻通道图像进行拼接融合,形成最终投影图像。
在一个实施例中,确定模块22具体用于:
分别提取相邻通道图像的多个图像块,并获取相邻通道图像之间相匹配的图像块集合;以及
根据相匹配的图像块集合,确定相邻通道图像之间的图像重叠区域。
在一个实施例中,匹配模块23具体用于:
采用ORB算法提取相匹配的图像块集合中的所有特征点,并对提取到的各个特征点分别构造特征点描述子;
根据各个特征点的特征点描述子,采用欧式距离算法对相邻通道图像的图像重叠区域进行特征点匹配,以获取相匹配的特征点集。
在一个实施例中,配准模块24具体用于:
基于相匹配的特征点集,计算相邻通道图像之间的转换矩阵;
通过转换矩阵将相邻通道图像转换至同一坐标系下。
在一个实施例中,拼接融合模块25包括:
拼接子模块,用于在同一坐标系下,基于相邻通道图像之间相匹配的特征点各自的位置关系,对相邻通道图像进行拼接,得到一个完整的拼接图像;
融合子模块,用于对拼接图像进行融合处理,生成多个融合带图像;
亮度处理子模块,用于对多个融合带图像进行亮度处理,形成最终投影图像。
在一个实施例中,亮度处理子模块具体用于:
获取拼接图像中除多个融合带图像之外的平均亮度;
根据平均亮度分别对多个融合带图像的亮度进行弱化处理。
本实施例提供的多通道投影图像融合装置,与本发明实施例所提供的多通道投影图像融合方法属于同一发明构思,可执行本发明任意实施例所提供的多通道投影图像融合方法,具备执行多通道投影图像融合方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例提供的多通道投影图像融合方法,此处不再加以赘述。
此外,本发明另一实施例还提供一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如实施例一的多通道投影图像融合方法。
此外,本发明另一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如实施例一所述的多通道投影图像融合方法。
本领域内的技术人员应明白,本发明实施例中的实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例中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,本发明实施例中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。
本发明实施例中是参照根据本发明实施例中实施例的方法、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设备上,使得在计算机或其他可编程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中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作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中范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种多通道投影图像融合方法,其特征在于,包括:
获取待投影到屏幕上的多通道图像;
确定所述多通道图像中的相邻通道图像之间的图像重叠区域;
对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;
基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上;
对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述多通道图像中的相邻通道图像之间的图像重叠区域,包括:
分别提取所述相邻通道图像的多个图像块,并获取所述相邻通道图像之间相匹配的图像块集合;以及
根据所述相匹配的图像块集合,确定所述相邻通道图像之间的图像重叠区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集,包括:
采用ORB算法提取所述相匹配的图像块集合中的所有特征点,并对提取到的各个所述特征点分别构造特征点描述子;
根据各个所述特征点的特征点描述子,采用欧式距离算法对所述相邻通道图像的图像重叠区域进行特征点匹配,以获取所述相匹配的特征点集。
4.根据权利要求1所述的方法,其特征在于,所述基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上,包括:
基于所述相匹配的特征点集,计算所述相邻通道图像之间的转换矩阵;
通过所述转换矩阵将所述相邻通道图像转换至同一坐标系下。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像,包括:
在同一坐标系下,基于所述相邻通道图像之间相匹配的特征点各自的位置关系,对所述相邻通道图像进行拼接,得到一个完整的拼接图像;
对所述拼接图像进行融合处理,生成多个融合带图像;
对所述多个融合带图像进行亮度处理,形成所述最终投影图像。
6.根据权利要求5所述的方法,其特征在于,所述对所述多个融合带图像进行亮度处理,形成所述最终投影图像,包括:
获取所述拼接图像中除所述多个融合带图像之外的平均亮度;
根据所述平均亮度分别对所述多个融合带图像的亮度进行弱化处理。
7.一种多通道投影图像融合装置,其特征在于,包括:
获取模块,用于获取待投影到屏幕上的多通道图像;
确定模块,用于确定所述多通道图像中的相邻通道图像之间的图像重叠区域;
匹配模块,用于对所述相邻通道图像之间的图像重叠区域进行特征点匹配,以获取相匹配的特征点集;
配准模块,用于基于所述相匹配的特征点集,将所述相邻通道图像配准至同一坐标系上;
拼接融合模块,用于对配准后的所述相邻通道图像进行拼接融合,形成最终投影图像。
8.根据权利要求7所述的装置,其特征在于,所述确定模块具体用于:
分别提取所述相邻通道图像的多个图像块,并获取所述相邻通道图像之间相匹配的图像块集合;以及
根据所述相匹配的图像块集合,确定所述相邻通道图像之间的图像重叠区域。
9.根据权利要求8所述的装置,其特征在于,所述匹配模块具体用于:
采用ORB算法提取所述相匹配的图像块集合中的所有特征点,并对提取到的各个所述特征点分别构造特征点描述子;
根据各个所述特征点的特征点描述子,采用欧式距离算法对所述相邻通道图像的图像重叠区域进行特征点匹配,以获取所述相匹配的特征点集。
10.根据权利要求7所述的装置,其特征在于,所述配准模块具体用于:
基于所述相匹配的特征点集,计算所述相邻通道图像之间的转换矩阵;
通过所述转换矩阵将所述相邻通道图像转换至同一坐标系下。
11.根据权利要求7至10任意一项所述的装置,其特征在于,所述拼接融合模块包括:
拼接子模块,用于在同一坐标系下,基于所述相邻通道图像之间相匹配的特征点各自的位置关系,对所述相邻通道图像进行拼接,得到一个完整的拼接图像;
融合子模块,用于对所述拼接图像进行融合处理,生成多个融合带图像;
亮度处理子模块,用于对所述多个融合带图像进行亮度处理,形成所述最终投影图像。
12.根据权利要求11所述的装置,其特征在于,所述亮度处理子模块具体用于:
获取所述拼接图像中除所述多个融合带图像之外的平均亮度;
根据所述平均亮度分别对所述多个融合带图像的亮度进行弱化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165688.1A CN109993718B (zh) | 2019-03-05 | 2019-03-05 | 一种多通道投影图像融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165688.1A CN109993718B (zh) | 2019-03-05 | 2019-03-05 | 一种多通道投影图像融合方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993718A true CN109993718A (zh) | 2019-07-09 |
CN109993718B CN109993718B (zh) | 2021-04-13 |
Family
ID=67130101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910165688.1A Active CN109993718B (zh) | 2019-03-05 | 2019-03-05 | 一种多通道投影图像融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993718B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258437A (zh) * | 2020-10-22 | 2021-01-22 | 广东电网有限责任公司 | 一种投影图像融合方法、装置、设备和存储介质 |
CN112804505A (zh) * | 2020-12-31 | 2021-05-14 | 上海丹诺西诚智能科技有限公司 | 一种投影图案拼接方法及系统 |
CN116016816A (zh) * | 2022-12-13 | 2023-04-25 | 之江实验室 | 一种改进l-orb算法的嵌入式gpu零拷贝全景图像拼接方法和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031062A1 (en) * | 2005-08-04 | 2007-02-08 | Microsoft Corporation | Video registration and image sequence stitching |
CN101038674A (zh) * | 2007-04-30 | 2007-09-19 | 北京中星微电子有限公司 | 一种图像跟踪方法及系统 |
CN101877140A (zh) * | 2009-12-18 | 2010-11-03 | 北京邮电大学 | 一种基于全景图的全景虚拟游方法 |
CN102426705A (zh) * | 2011-09-30 | 2012-04-25 | 北京航空航天大学 | 一种视频场景行为拼接方法 |
CN103985112A (zh) * | 2014-03-05 | 2014-08-13 | 西安电子科技大学 | 基于改进多目标粒子群优化聚类的图像分割方法 |
CN104778694A (zh) * | 2015-04-10 | 2015-07-15 | 北京航空航天大学 | 一种面向多投影拼接显示的参数化自动几何校正方法 |
CN104881841A (zh) * | 2015-05-20 | 2015-09-02 | 南方电网科学研究院有限责任公司 | 基于边缘特征与点特征的航拍高压电力塔架图像拼接方法 |
CN104966270A (zh) * | 2015-06-26 | 2015-10-07 | 浙江大学 | 一种多图像拼接方法 |
CN105959620A (zh) * | 2016-04-25 | 2016-09-21 | 北京大国慧谷科技股份有限公司 | 一种全景视频的同步显示方法及设备 |
CN106060493A (zh) * | 2016-07-07 | 2016-10-26 | 广东技术师范学院 | 多源投影无缝边缘拼接方法及系统 |
CN106534780A (zh) * | 2016-11-11 | 2017-03-22 | 广西师范大学 | 三维全景视频监控装置及其视频图像处理方法 |
CN106683045A (zh) * | 2016-09-28 | 2017-05-17 | 深圳市优象计算技术有限公司 | 一种基于双目像机的全景图像拼接方法 |
-
2019
- 2019-03-05 CN CN201910165688.1A patent/CN109993718B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031062A1 (en) * | 2005-08-04 | 2007-02-08 | Microsoft Corporation | Video registration and image sequence stitching |
CN101038674A (zh) * | 2007-04-30 | 2007-09-19 | 北京中星微电子有限公司 | 一种图像跟踪方法及系统 |
CN101877140A (zh) * | 2009-12-18 | 2010-11-03 | 北京邮电大学 | 一种基于全景图的全景虚拟游方法 |
CN102426705A (zh) * | 2011-09-30 | 2012-04-25 | 北京航空航天大学 | 一种视频场景行为拼接方法 |
CN103985112A (zh) * | 2014-03-05 | 2014-08-13 | 西安电子科技大学 | 基于改进多目标粒子群优化聚类的图像分割方法 |
CN104778694A (zh) * | 2015-04-10 | 2015-07-15 | 北京航空航天大学 | 一种面向多投影拼接显示的参数化自动几何校正方法 |
CN104881841A (zh) * | 2015-05-20 | 2015-09-02 | 南方电网科学研究院有限责任公司 | 基于边缘特征与点特征的航拍高压电力塔架图像拼接方法 |
CN104966270A (zh) * | 2015-06-26 | 2015-10-07 | 浙江大学 | 一种多图像拼接方法 |
CN105959620A (zh) * | 2016-04-25 | 2016-09-21 | 北京大国慧谷科技股份有限公司 | 一种全景视频的同步显示方法及设备 |
CN106060493A (zh) * | 2016-07-07 | 2016-10-26 | 广东技术师范学院 | 多源投影无缝边缘拼接方法及系统 |
CN106683045A (zh) * | 2016-09-28 | 2017-05-17 | 深圳市优象计算技术有限公司 | 一种基于双目像机的全景图像拼接方法 |
CN106534780A (zh) * | 2016-11-11 | 2017-03-22 | 广西师范大学 | 三维全景视频监控装置及其视频图像处理方法 |
Non-Patent Citations (2)
Title |
---|
WEI LIU,AND ETC: "Image Mosaic Technology based on Overlapped Area Linear Transition Method", 《2009 2ND INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
陈璐宇等: "基于分块颜色直方图和GWLBP的图像检索算法", 《液晶与显示》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258437A (zh) * | 2020-10-22 | 2021-01-22 | 广东电网有限责任公司 | 一种投影图像融合方法、装置、设备和存储介质 |
CN112804505A (zh) * | 2020-12-31 | 2021-05-14 | 上海丹诺西诚智能科技有限公司 | 一种投影图案拼接方法及系统 |
CN116016816A (zh) * | 2022-12-13 | 2023-04-25 | 之江实验室 | 一种改进l-orb算法的嵌入式gpu零拷贝全景图像拼接方法和系统 |
CN116016816B (zh) * | 2022-12-13 | 2024-03-29 | 之江实验室 | 一种改进l-orb算法的嵌入式gpu零拷贝全景图像拼接方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109993718B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106258010B (zh) | 2d图像分析器 | |
CN110390640B (zh) | 基于模板的泊松融合图像拼接方法、系统、设备及介质 | |
CN105245841B (zh) | 一种基于cuda的全景视频监控系统 | |
CN112085659B (zh) | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 | |
CN109993718A (zh) | 一种多通道投影图像融合方法及装置 | |
CN108734657B (zh) | 一种具有视差处理能力的图像拼接方法 | |
CN110855903A (zh) | 一种多路视频实时拼接方法 | |
CN107580175A (zh) | 一种单镜头全景拼接的方法 | |
CN104702928B (zh) | 修正图像交叠区的方法、记录介质以及执行装置 | |
CN106462944A (zh) | 将多个高分辨率图像映射到一个低分辨率360度图像上生成无重影的高分辨全景图 | |
CN109698944B (zh) | 投影区域校正方法、投影设备及计算机可读存储介质 | |
CN109165680A (zh) | 基于视觉slam的室内场景下单一目标物体字典模型改进方法 | |
CN108776980A (zh) | 一种面向微透镜光场相机的标定方法 | |
CN101150650B (zh) | 用于处理图像的设备和方法 | |
CN109064409A (zh) | 一种移动机器人的视觉图像拼接系统及方法 | |
Bonny et al. | Feature-based image stitching algorithms | |
Mistry et al. | Image stitching using Harris feature detection | |
CN110288511A (zh) | 基于双相机图像的最小化误差拼接方法、装置、电子设备 | |
CN102196170A (zh) | 图像处理装置和方法及其程序 | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
CN107346041A (zh) | 裸眼3d显示设备的光栅参数的确定方法、装置及电子设备 | |
US20220172331A1 (en) | Image inpainting with geometric and photometric transformations | |
CN111105351B (zh) | 一种视频序列影像拼接方法及装置 | |
US20230097869A1 (en) | Method and apparatus for enhancing texture details of images | |
CN107517366A (zh) | 基于rgbd的投影机画面信息自动测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100020 Beijing Chaoyang District East Fourth Ring North Road, No. 6, No. 2 District, 28 Floor, 222 Shop Applicant after: Beijing danghong Qitian international culture and Technology Development Group Co., Ltd Address before: 100020 Beijing Chaoyang District East Fourth Ring North Road, No. 6, No. 2 District, 28 Floor, 222 Shop Applicant before: Beijing red monkey International Cultural Development Group Limited |
|
GR01 | Patent grant | ||
GR01 | Patent grant |