CN111340709A - 一种新的计算机图案拼接方法 - Google Patents

一种新的计算机图案拼接方法 Download PDF

Info

Publication number
CN111340709A
CN111340709A CN202010178967.4A CN202010178967A CN111340709A CN 111340709 A CN111340709 A CN 111340709A CN 202010178967 A CN202010178967 A CN 202010178967A CN 111340709 A CN111340709 A CN 111340709A
Authority
CN
China
Prior art keywords
pattern
patterns
input
new computer
features
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.)
Pending
Application number
CN202010178967.4A
Other languages
English (en)
Inventor
杨韵芳
骆惠清
龚清湄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liming Vocational University
Original Assignee
Liming Vocational University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liming Vocational University filed Critical Liming Vocational University
Priority to CN202010178967.4A priority Critical patent/CN111340709A/zh
Publication of CN111340709A publication Critical patent/CN111340709A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种新的计算机图案拼接方法，包括以下步骤：S1用于外部输入图案的步骤，S2用于对外部输入图案特征进行提取和分析的步骤，S3对图案变形参数进行计算，根据计算参数进行图案变形的步骤，S4将所有图案融合后输出的步骤，本发明的有益效果如下：与现有技术相比，本发明所提供的一种新的计算机图案拼接方法，基于此设计开发出的计算机图案拼接程序，能够对需要进行拼接的外部图案进行拼接处理，同时使得使用本方法对图案进行拼接的效率较高，同时使得图案的拼接更为方便，使得使用本方法拼接出的图案相较于其他方法拼接出的图案具有图案错误较少，图案细节处理的更加完善以及成图的质量效果更加优良。

Description

一种新的计算机图案拼接方法
技术领域
本发明公开了一种新的计算机图案拼接方法，属于计算机图像处理技术领域。
背景技术
随着现代以来社会科技的进步，人们不断地加强计算机的软件应用，在日常使用中，对于图案的拼接的运用也越来越频繁，图案拼接是将同一场景的多个重叠图像拼接成较大的图像的一种方法，在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义，但是现有的图案拼接的方法拼接出的图案错误较多，图案细节处理的较为粗糙从而导致成图效果较差，十分影响拼接后的图案的使用，同时现有方法对图案的拼接效率更低，同时图案的拼接更为麻烦。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷，提供一种新的计算机图案拼接方法，从而解决上述问题。
为实现上述目的，本发明提供如下技术方案：
一种新的计算机图案拼接方法，包括以下步骤：
S1：用于外部输入图案的步骤；
S2：用于对外部输入图案特征进行提取和分析的步骤；
S3：对图案变形参数进行计算，根据计算参数进行图案变形的步骤；
S4：将所有图案融合后输出的步骤。
作为优选，所述S1用于外部输入图案的步骤包括：
S11：将外部图案输入处理系统的步骤；
S12：用于将外部输入的图案进行排列整理的步骤。
作为优选，S2用于对外部输入图案特征进行提取和分析的步骤，包括：
S21：对输入图案所包含的特征进行提取的步骤；
S22：对提取特征后的图案建立图案之间的几何对应关系的步骤；
S23：输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤。
作为优选，所述S3对图案变形参数进行计算，根据计算参数进行图案变形的步骤包括：
S31：用于通过将监测到的信息与漏洞库内的数据进行比较的步骤；
S31：根据分析结果计算出图案变形参数的步骤；
S32：将输入的图案根据上一步骤所得出的变形参数进行变形的步骤。
作为优选，所述S4将所有图案融合后输出的步骤包括：
S41:将所有输入图案变形并融合到一个符合的输出图像中的步骤；
S42:最后将输出图案输出的步骤。
作为优选，所述S21对输入图案所包含的特征进行提取的步骤，对图案特征进行提取的算法采用SIFT特征点检测算法，所述S22提取特征后的图案建立图案之间的几何对应关系的步骤中需要使用high-level features算法与快速傅里叶变换的方法对图案进行配准。
作为优选，所述S23输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤之后需要进行计算单应矩阵的操作。
与现有技术相比，本发明的有益效果如下：
与现有技术相比，本发明所提供的一种新的计算机图案拼接方法，基于此设计开发出的计算机图案拼接程序，能够对需要进行拼接的外部图案进行拼接处理，同时使得使用本方法对图案进行拼接的效率较高，同时使得图案的拼接更为方便，，使得使用本方法拼接出的图案相较于其他方法拼接出的图案具有图案错误较少，图案细节处理的更加完善以及成图的质量效果更加优良。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的一个实施例所提供的一种新的计算机图案拼接方法的流程图；
图2是本发明的一个实施例所提供的一种新的计算机图案拼接方法中所述用于外部输入图案的步骤流程图；
图3是本发明的一个实施例所提供的一种新的计算机图案拼接方法中所述用于对外部输入图案特征进行提取和分析的步骤流程图；
图4是本发明的一个实施例所提供的一种新的计算机图案拼接方法中所述对图案变形参数进行计算，根据计算参数进行图案变形的步骤流程图；
图5是本发明的一个实施例所提供的一种新的计算机图案拼接方法中所述将所有图案融合后输出的步骤流程图；
图6是本发明的一个实施例所提供的一种新的计算机图案拼接方法的步骤图。
具体实施方式
下面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
如图1与图6所示，本实施例提供一种新的计算机图案拼接方法，包括以下步骤：
S1：用于外部输入图案的步骤；
S2：用于对外部输入图案特征进行提取和分析的步骤；
S3：对图案变形参数进行计算，根据计算参数进行图案变形的步骤；
S4：将所有图案融合后输出的步骤。
本领域技术人员可以理解为，上述实施例提供的一种新的计算机图案拼接方法，将需要进行拼接的外部图案输入到处理系统内，然后将外部图案进行排列整理，然后通过系统内置的SIFT特征点检测算法对输入的图案所包含的特征进行提取工作，然后通过使用系统内置的high-level features算法与快速傅里叶变换的方法对提取特征后的图案建立图案之间的几何对应关系，然后将输入图案的特征点在一个共同的参照几何系中进行比较分析，需要进行计算单应矩阵的操作，使得不属于重叠区域的不需要的角被删除，根据分析结果计算出图案变形参数的步骤，将输入的图案根据上一步骤所得出的变形参数进行变形，最后将所有输入图案融合到一个符合的输出图像中，然后将输出图像输出，使得本方法对图案的拼接效率更高，同时使得图案的拼接更为方便，采用本方法对图案进行拼接会比其他图案拼接方法而言具有较少的错误，使得图案拼接后产生的成品质量相较其他图案拼接方法拼接的图案质量明显较好。
进一步，如图2所示，S1用于收集建立漏洞库的步骤包括：
S11：将外部图案输入处理系统的步骤；
S12：用于将外部输入的图案进行排列整理的步骤。
本领域技术人员可以理解，将需要进行拼接的外部图案输入到处理系统内，然后将外部图案进行排列整理，对于提高拼接图案的效率以及提高拼接图案的处理速度具有明显的帮助，可以有效的提高图案的拼接处理效率，使得图案在进行拼接处理时，能够有序的取用其中的图案，不会因为图案混杂紊乱，而导致图案处理速度较慢，从而影响图案处理速度。
进一步，如图3所示，S2用于对外部输入图案特征进行提取和分析的步骤，包括：
S21：对输入图案所包含的特征进行提取的步骤；
S22：对提取特征后的图案建立图案之间的几何对应关系的步骤；
S23：输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤。
本领域技术人员可以理解，通过系统内置的SIFT特征点检测算法对输入的图案所包含的特征进行提取，然后通过使用系统内置的high-level features算法与快速傅里叶变换的方法对提取特征后的图案建立图案之间的几何对应关系，然后将输入图案的特征点在一个共同的参照几何系中进行比较分析，需要进行计算单应矩阵的操作，使得不属于重叠区域的不需要的角被删除，采用本方法对图案进行拼接跟其他图案拼接方法而言较图案错误的产生会大大减少。
进一步，如图4所示，S3对图案变形参数进行计算，根据计算参数进行图案变形的步骤包括：
S31：根据分析结果计算出图案变形参数的步骤；
S32：将输入的图案根据上一步骤所得出的变形参数进行变形的步骤。
本领域技术人员可以理解为，上述实施例提供的一种新的计算机图案拼接方法，根据分析结果计算出图案变形参数的步骤，使得本方法对图案的拼接效率更高，同时使得图案的拼接更为方便，使得使用本方法拼接出的图案相较于其他方法拼接出的图案具有图案错误较少，图案细节处理的更加完善以及成图效果更加良好。
进一步，如图5所示，S4将所有图案融合后输出的步骤包括：
S41:将所有输入图案变形并融合到一个符合的输出图像中的步骤；
S42:最后将输出图案输出的步骤。
本领域技术人员可以理解为，上述实施例提供的一种新的计算机图案拼接方法，将输入的图案根据上一步骤所得出的变形参数进行变形，最后将所有输入图案融合到一个符合的输出图像中，然后将输出图像输出，使得本方法对图案的拼接效率更高，同时图案拼接的效果较好。
进一步，S21对输入图案所包含的特征进行提取的步骤，对图案特征进行提取的算法采用SIFT特征点检测算法，S22提取特征后的图案建立图案之间的几何对应关系的步骤中需要使用high-level features算法与快速傅里叶变换的方法对图案进行配准。
本领域技术人员可以理解为，上述实施例提供的一种新的计算机图案拼接方法，提高了本方法对于图案拼接的处理速度，使得使用本方法拼接出的图案相较于其他方法拼接出的图案具有图案错误较少，图案细节处理的更加完善以及图案拼接后的效果更加良好。
进一步，S23输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤之后需要进行计算单应矩阵的操作。
本领域技术人员可以理解为，上述实施例提供的一种新的计算机图案拼接方法，可以较为快速的对图案进行拼接，且图案拼接后的成图质量效果相较于其他方法拼接出的图案质量较为更优。
与现有技术相比，本发明的有益效果如下：
与现有技术相比，本发明所提供的一种新的计算机图案拼接方法，基于此设计开发出的计算机图案拼接程序，能够对需要进行拼接的外部图案进行拼接处理，同时使得使用本方法对图案进行拼接的效率较高，同时使得图案的拼接更为方便，，使得使用本方法拼接出的图案相较于其他方法拼接出的图案具有图案错误较少，图案细节处理的更加完善以及成图的质量效果更加优良。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种新的计算机图案拼接方法，其特征在于，包括以下步骤：
S1：用于外部输入图案的步骤；
S2：用于对外部输入图案特征进行提取和分析的步骤；
S3：对图案变形参数进行计算，根据计算参数进行图案变形的步骤；
S4：将所有图案融合后输出的步骤。
2.根据权利要求1所述的一种新的计算机图案拼接方法，其特征在于：所述S1用于外部输入图案的步骤包括：
S11：将外部图案输入处理系统的步骤；
S12：用于将外部输入的图案进行排列整理的步骤。
3.根据权利要求1所述的一种新的计算机图案拼接方法，其特征在于：所述S2用于对外部输入图案特征进行提取和分析的步骤，包括：
S21：对输入图案所包含的特征进行提取的步骤；
S22：对提取特征后的图案建立图案之间的几何对应关系的步骤；
S23：输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤。
4.根据权利要求1所述的一种新的计算机图案拼接方法，其特征在于：所述S3对图案变形参数进行计算，根据计算参数进行图案变形的步骤包括：
S31：根据分析结果计算出图案变形参数的步骤；
S32：将输入的图案根据上一步骤所得出的变形参数进行变形的步骤。
5.根据权利要求1所述的一种新的计算机图案拼接方法，其特征在于：所述S4将所有图案融合后输出的步骤包括：
S41:将所有输入图案变形并融合到一个符合的输出图像中的步骤；
S42:最后将输出图案输出的步骤。
6.根据权利要求3所述的一种新的计算机图案拼接方法，其特征在于：所述S21对输入图案所包含的特征进行提取的步骤，对图案特征进行提取的算法采用SIFT特征点检测算法，所述S22提取特征后的图案建立图案之间的几何对应关系的步骤中需要使用high-level features算法与快速傅里叶变换的方法对图案进行配准。
7.根据权利要求3所述的一种新的计算机图案拼接方法，其特征在于：所述S23输入图案的特征点在一个共同的参照几何系中进行比较分析的步骤之后需要进行计算单应矩阵的操作。
CN202010178967.4A 2020-03-15 2020-03-15 一种新的计算机图案拼接方法 Pending CN111340709A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010178967.4A CN111340709A (zh) 2020-03-15 2020-03-15 一种新的计算机图案拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010178967.4A CN111340709A (zh) 2020-03-15 2020-03-15 一种新的计算机图案拼接方法

Publications (1)

Publication Number Publication Date
CN111340709A true CN111340709A (zh) 2020-06-26

Family

ID=71184164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010178967.4A Pending CN111340709A (zh) 2020-03-15 2020-03-15 一种新的计算机图案拼接方法

Country Status (1)

Country Link
CN (1) CN111340709A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517287A (zh) * 2014-12-10 2015-04-15 广州赛意信息科技有限公司 一种图像匹配的方法及装置
CN106910208A (zh) * 2017-03-07 2017-06-30 中国海洋大学 一种存在运动目标的场景图像拼接方法
US20180085002A1 (en) * 2013-03-11 2018-03-29 Carestream Dental Technology Topco Limited Method and System For Three-Dimensional Imaging
CN109801212A (zh) * 2018-12-26 2019-05-24 南京信息职业技术学院 一种基于sift特征的鱼眼图像拼接方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180085002A1 (en) * 2013-03-11 2018-03-29 Carestream Dental Technology Topco Limited Method and System For Three-Dimensional Imaging
CN104517287A (zh) * 2014-12-10 2015-04-15 广州赛意信息科技有限公司 一种图像匹配的方法及装置
CN106910208A (zh) * 2017-03-07 2017-06-30 中国海洋大学 一种存在运动目标的场景图像拼接方法
CN109801212A (zh) * 2018-12-26 2019-05-24 南京信息职业技术学院 一种基于sift特征的鱼眼图像拼接方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何宾等: "高实时性F-SIFT图像拼接算法", 《红外与激光工程》 *
杨磊: "《数字媒体概论》", 31 July 2017, 中国铁道出版社 *

Similar Documents

Publication Publication Date Title
Liao et al. Image inpainting guided by coherence priors of semantics and textures
US20140092244A1 (en) Object search method, search verification method and apparatuses thereof
CN107679437B (zh) 基于Zbar的条形码图像识别方法
Das et al. Gca-net: utilizing gated context attention for improving image forgery localization and detection
CN110941978A (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
Warif et al. CMF-iteMS: An automatic threshold selection for detection of copy-move forgery
CN111553176B (zh) 一种适用于变电站屏柜接线的无线传输检查方法及系统
Le et al. Circle detection on images by line segment and circle completeness
CN115151952A (zh) 一种变电设备高精度识别方法及系统
Harouni et al. Color image segmentation metrics
Liu et al. A crack detection system of subway tunnel based on image processing
Wang et al. A 3D tubular flux model for centerline extraction in neuron volumetric images
Jia et al. Autosplice: A text-prompt manipulated image dataset for media forensics
CN113468925B (zh) 一种遮挡人脸识别方法、智能终端及存储介质
Tan et al. Local context attention for salient object segmentation
CN111340709A (zh) 一种新的计算机图案拼接方法
CN109213515B (zh) 多平台下埋点归一方法及装置和电子设备
Hwang et al. Booster-SHOT: Boosting Stacked Homography Transformations for Multiview Pedestrian Detection with Attention
CN111753722B (zh) 一种基于特征点类型的指纹识别方法及装置
Vilgertshofer et al. Recognising railway infrastructure elements in videos and drawings using neural networks
Zayene et al. Data, protocol and algorithms for performance evaluation of text detection in arabic news video
Wan et al. SMINet: Semantics-aware multi-level feature interaction network for surface defect detection
Shi et al. Objective object segmentation visual quality evaluation: Quality measure and pooling method
Mentzer et al. Self-calibration of wide baseline stereo camera systems for automotive applications
CN111861889B (zh) 基于语义分割的太阳能电池片图像自动拼接方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626

RJ01 Rejection of invention patent application after publication