CN113079325A - 暗光条件下的十亿级像素成像方法、装置、介质及设备 - Google Patents
暗光条件下的十亿级像素成像方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN113079325A CN113079325A CN202110305004.0A CN202110305004A CN113079325A CN 113079325 A CN113079325 A CN 113079325A CN 202110305004 A CN202110305004 A CN 202110305004A CN 113079325 A CN113079325 A CN 113079325A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- billion
- images
- resolution images
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
-
- 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
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本文是关于一种暗光条件下的十亿级像素成像方法、装置、介质及设备,其方法包括:使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。通过本文提供的方法,可以较低成本,获取暗光条件的高分辨率高可见度的成像。
Description
技术领域
本文涉及计算摄像和机器视觉领域,尤其涉及暗光条件下的十亿级像素成像方法、装置、介质及设备。
背景技术
相关技术中,暗光环境下的视频监控涉及计算摄像和机器视觉领域的重要问题,应用领域包括森林监控、海上监测、边防监测等,但是高分辨率高可见度的监控图像难以获取。如只使用十亿像素的成像设备可以获得高分辨率的图像,但在暗光条件下无法看清环境信息。而只使用低光照成像设备可以看清环境信息,但图像的分辨率较低。由于低光照成像设备的价格远高于普通高分辨率相机,因此用低光照成像设备搭建低光照相机阵列,虽然可以实现暗光条件下的高分辨率高可见度的成像,但设备成本较高。
发明内容
为克服相关技术中存在的问题,本文提供一种暗光条件下的十亿级像素成像方法、装置、介质及设备。
根据本文的第一方面,提供一种暗光条件下的十亿级像素成像方法,包括使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠;
对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;
将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
暗光条件下的十亿级像素成像方法还包括:
在所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合前,对所述全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。
对所述多个高分辨率的图像进行拼接包括:
使用sift特征匹配算法,提取所述多个高分辨率图像中重叠部分的特征,并对所述重叠部分的特征进行匹配,根据匹配结果,对所述多个高分辨率的图像进行拼接。
所述根据匹配结果,对所述多个高分辨率图像进行拼接包括:
根据匹配结果,在水平方向对高分辨率图像进行拼接,拼接为多个长图像;
将所述多个长图像逆时针旋转90度;
在水平方向对旋转后的多个长图像进行拼接,拼接成十亿级像素的高分辨率图像。
所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合包括:
结合快速归一化互相关算法匹配所述十亿级像素的高分辨率图像和所述增强的全景图像的特征信息,使用卡尔曼滤波进行校正,对所述十亿级像素的高分辨率图像和所述增强的全景图像进行融合。
根据本文的另一方面,提供一种暗光条件下的十亿级像素成像装置,包括图像获取装置,用于使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率的图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠;
图像拼接装置,用于对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;
图像融合装置,用于将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
暗光条件下的十亿级像素成像装置还包括:
图像增强装置,用于在所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合前,对所述全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。
所述图像拼接装置对所述多个高分辨率的图像进行拼接包括:
使用sift特征匹配算法,提取所述多个高分辨率图像中重叠部分的特征,并对所述重叠部分的特征进行匹配,根据匹配结果,对所述多个高分辨率的图像进行拼接。
根据本文的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现暗光条件下的十亿级像素成像方法的步骤。
根据本文的另一方面,提供一种计算机设备,包括处理器、存储器和存储于所述存储器上的计算机程序,所述处理器执行所述计算机程序时实现暗光条件下的十亿级像素成像方法的步骤。
本文通过普通相机阵列结合单个低光照成像设备,共同获取场景中的高分辨率图像和全景图像,对相机阵列获得的高分辨率图像进行图像拼接、再与低光照成像设备的全景图像融合,可以实现以较低成本,获取暗光条件的高分辨率高可见度的成像。
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,并不能限制本文。
附图说明
构成本文的一部分的附图用来提供对本文的进一步理解,本文的示意性实施例及其说明用于解释本文,并不构成对本文的不当限定。在附图中:
图1是根据一示例性实施例示出的一种十亿级像素成像方法的流程图。
图2是根据一实例性实施例示出的十亿级像素成像装置的框图。
图3是根据一实例性实施例示出的十亿级像素成像装置的框图。
具体实施方式
为使本文实施例的目的、技术方案和优点更加清楚,下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本文一部分实施例,而不是全部的实施例。基于本文中的实施例,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,都属于本文保护的范围。需要说明的是,在不冲突的情况下,本文中的实施例及实施例中的特征可以相互任意组合。
暗光环境下的视频监控是涉及计算摄像和机器视觉领域的重要问题,但高分辨率的图像难以获取。暗光环境是指局部有微弱光源或只有星光和月光的环境,黑暗度超出了肉眼的感知范围的环境。通常情况下,使用专业的低光照成像设备能够在暗光环境下获取环境信息,由于低光照成像设备在弱光环境下感知能力较强,其拍摄的图像具有较高的可见度,但分辨率不高。在十亿级像素视频领域,人们通过相机阵列,可以获取场景中的局部高分辨率图像,多个局部高分辨率图像可以组成十亿级像素的图像,但这种相机阵列却不能在暗光环境下获取清晰的环境信息,其可见度低。虽然可以通过将专业的低光照成像设备组成相机阵列,来获取低光照环境下的高可见度的十亿级像素的图像,但因其价格昂贵,设备成本较高,不适合推广和普及。
图1是根据一实例性实施例示出的暗光条件下的十亿级像素成像方法的流程图。参考图1,暗光条件下的十亿级像素成像方法包括:
步骤S11,使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠;
步骤S12,对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;
步骤S13,将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
本文提供一种暗光条件下的十亿级像素成像方法,结合普通相机阵列和专业的低光照成像设备来获取暗光环境下的高分辨率亿级像素图像。
在步骤S11中,阵列相机可以包括两个或两个以上的相机,在拍摄前,对阵列相机进行标定,使两个或两个以上的相机分别获取场景中的不同的局部图像,例如n个相机组成阵列相机,按预定的顺序排列,每一个相机用于获取场景中一个局部的图像,为了保证n个局部图像能够包括拍摄场景的全部信息,每个相机用于拍摄一个局部场景,每个局部场景对应的图像内容不同,又互相重叠。在本实施例中,为了获取高分辨率的视频图像,阵列相机选取高分辨率的长焦相机,获取场景中的局部高分辨率图像。而低光照成像设备用于获取拍摄场景的全景图像。
在步骤S12中,对多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像。由于每个高分辨率图像对应场景的一个局部场景,按局部场景的顺序将对应的高分辨率图像进行拼接,删除重叠的内容,将多个高分辨率图像拼接为一个十亿级像素的高分辨率图像。当然在拼接过程中,还涉及对每个高分辨率图像进行校正等操作,如何校正,本文不作限制。
在步骤S13中,将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。虽然阵列相机获取的局部场景的图像,具有很高的分辨率,但由于相机本身的限制,在弱光环境下的感知能力较弱,所拍摄的照片可见度并不高。而使用专业的低光照成像设备能够在暗光环境下获取环境信息,由于低光照成像设备在弱光环境下感知能力较强,其拍摄的图像具有较高的可见度,但分辨率不高。将两者进行融合,即可获得暗光条件下的具有十亿级像素的高分辨率,高可见度的全景图像。
本文提供的暗光条件下的十亿级像素成像方法,将相机阵列与单个低光照成像设备组合,通过图像融合方式,不需要过高的成本,即可获取暗光条件下的具有十亿级像素的高分辨率,高可见度的全景图像,并用于暗光条件下的视频监控。
对于本领域技术人员,在特殊场景下,相机阵列可以与两个以上的低光照成像设备组合,获取视场范围更大的图像,仍然需要每个低光照成像设备与相机阵列中的多个相机同时拍摄同一场景,相当于本文方法的叠加,也在本文的保护范围内。
在一实施例中,暗光条件下的十亿级像素成像方法,还包括:
在将所述十亿级像素的高分辨率图像和所述全景图像进行融合前,对全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。在融合之前,对全景图像使用弱光增强算法进行增强处理,以提高全景图像的亮度,进一步增加全景图像的可见度,将增强的全景图像与十亿级像素的高分辨率图像进行融合,可以进一步提高融合图像的质量。
在一实施例中,将十亿级像素的高分辨率图像和全景图像进行融合包括:
结合快速归一化互相关算法匹配十亿级像素的高分辨率图像和增强的全景图像的特征信息,使用卡尔曼滤波进行校正,对十亿级像素的高分辨率图像和增强的全景图像进行融合。将十亿级像素的高分辨率图像与增强的全景图像进行融合,进一步提高融合后图像的质量,提高暗光环境下的图像亮度。
在一实施例中,对多个高分辨率的图像进行拼接包括:
使用sift特征匹配算法,提取多个高分辨率图像中重叠部分的特征,并对重叠部分的特征进行匹配,根据匹配结果,对多个高分辨率的图像进行拼接。通过对阵列相机的标定,可以保证阵列相机中的每个相机获取的高分辨率图像对应场景中的一个局部场景,且两个相机获取的相邻两个局部场景对应的图像有部分重叠,即重叠的内容为两个图像所共有,因此可以使用sift特征匹配算法,提取每个图像的特征,进而提取到任意两个图像中相同的特征,即匹配特征,具有相同特征的两个图像即为相邻的两个局部场景对应的图像,可以按照对应的局部场景的顺序和位置进行拼接。例如,从其中任意一个高分辨率图像开始,根据匹配到的特征在4个方向与其他图像进行拼接,再从已拼接的图像开始,继续与剩余图像进行拼接,直到拼接完成。
在一实施例中,根据匹配结果,对多个高分辨率图像进行拼接包括:
根据匹配结果,在水平方向对高分辨率图像进行拼接,拼接为多个长图像;
将所述多个长图像逆时针旋转90度;
在水平方向对旋转后的多个长图像进行拼接,拼接成十亿级像素的高分辨率图像。
以3×3的阵列相机为例,根据对应的局部场景的位置,可以将9个图像划分为3行,每行包括3个图像。根据匹配的结果,第一行的第一个图像与第二个图像拼接,第二个图像与第三个图像拼接,最后拼接为一个长条形的长图像。同样,第二行、第三行的图像有也可以拼接成两个长图像。将3个长图像逆时针旋转90度,三个长图像又可以看作一行,同样地在水平方向上进行拼接,最后将9个高分辨率图像拼接为一个十亿级像素的高分辨率图像。在本实施例中,只需在水平方向将匹配的图像拼接在一起,简化算法,降低数据处理量,提高图像拼接速度。
图2是根据一实例性实施例示出的十亿级像素成像装置的框图。参考图2,十亿级像素成像装置包括:图像获取模块201,图像拼接装置202,图像融合装置203。
该图像获取模块201被配置为用于使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率的图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠。
该图像拼接装置202被配置为用于对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像。
该图像融合装置203被配置为用于将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
图3是根据一实例性实施例示出的十亿级像素成像装置的框图。参考图3,十亿级像素成像装置还包括:图像增强模块301。
该图像增强模块301被配置为用于在将所述十亿级像素的高分辨率图像和全景图像进行融合前,对全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。
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。
本领域技术人员应明白,本文的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本文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,本文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上实施的计算机程序产品的形式。计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质,包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文是参照根据本文实施例的方法、装置(设备)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。
在本文中,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物品或者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物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
尽管已描述了本文的优选实施例,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文范围的所有变更和修改。
显然,本领域的技术人员可以对本文进行各种改动和变型而不脱离本文的精神和范围。这样,倘若本文的这些修改和变型属于本文权利要求及其等同技术的范围之内,则本文的意图也包含这些改动和变型在内。
Claims (10)
1.一种暗光条件下的十亿级像素成像方法,其特征在于,包括:
使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠;
对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;
将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
2.如权利要求1所述的暗光条件下的十亿级像素成像方法,其特征在于,还包括:
在所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合前,对所述全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。
3.如权利要求1所述的暗光条件下的十亿级像素成像方法,其特征在于,所述对所述多个高分辨率的图像进行拼接包括:
使用sift特征匹配算法,提取所述多个高分辨率图像中重叠部分的特征,并对所述重叠部分的特征进行匹配,根据匹配结果,对所述多个高分辨率的图像进行拼接。
4.如权利要求3所述的暗光条件下的十亿级像素成像方法,其特征在于,所述根据匹配结果,对所述多个高分辨率图像进行拼接包括:
根据匹配结果,在水平方向对高分辨率图像进行拼接,拼接为多个长图像;
将所述多个长图像逆时针旋转90度;
在水平方向对旋转后的多个长图像进行拼接,拼接成十亿级像素的高分辨率图像。
5.如权利要求2所述暗光条件下的十亿级像素成像方法,其特征在于,所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合包括:
结合快速归一化互相关算法匹配所述十亿级像素的高分辨率图像和所述增强的全景图像的特征信息,使用卡尔曼滤波进行校正,对所述十亿级像素的高分辨率图像和所述增强的全景图像进行融合。
6.一种暗光条件下的十亿级像素成像装置,其特征在于,包括:
图像获取装置,用于使用阵列相机和低光照成像设备同时采集同一场景中的图像,所述阵列相机采集多个高分辨率图像,所述低光照成像设备采集全景图像,所述多个高分辨率的图像与所述场景中的多个局部场景一一对应,其中,任意相邻两个局部场景对应的高分辨率图像部分重叠;
图像拼接装置,用于对所述多个高分辨率图像进行拼接,拼接成十亿级像素的高分辨率图像;
图像融合装置,用于将所述十亿级像素的高分辨率图像和所述全景图像进行融合,融合为暗光条件下的十亿级像素的全景图像。
7.如权利要求6所述的暗光条件下的十亿级像素成像装置,其特征在于,还包括:
图像增强装置,用于在所述将所述十亿级像素的高分辨率图像和所述全景图像进行融合前,对所述全景图像使用弱光增强算法提高图像亮度,得到增强的全景图像。
8.如权利要求6所述的暗光条件下的十亿级像素成像装置,其特征在于,所述图像拼接装置对所述多个高分辨率的图像进行拼接包括:
使用sift特征匹配算法,提取所述多个高分辨率图像中重叠部分的特征,并对所述重叠部分的特征进行匹配,根据匹配结果,对所述多个高分辨率的图像进行拼接。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1-5中任意一项所述方法的步骤。
10.一种计算机设备,包括处理器、存储器和存储于所述存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305004.0A CN113079325B (zh) | 2021-03-18 | 2021-03-18 | 暗光条件下的十亿级像素成像方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305004.0A CN113079325B (zh) | 2021-03-18 | 2021-03-18 | 暗光条件下的十亿级像素成像方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113079325A true CN113079325A (zh) | 2021-07-06 |
CN113079325B CN113079325B (zh) | 2023-01-06 |
Family
ID=76613348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110305004.0A Active CN113079325B (zh) | 2021-03-18 | 2021-03-18 | 暗光条件下的十亿级像素成像方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113079325B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
CN114222063A (zh) * | 2021-12-16 | 2022-03-22 | 北京拙河科技有限公司 | 亿级像素的图片与视频数据的处理方法和装置 |
CN114862934A (zh) * | 2022-04-26 | 2022-08-05 | 北京拙河科技有限公司 | 十亿像素成像的场景深度估计方法及装置 |
CN115937282A (zh) * | 2023-01-10 | 2023-04-07 | 郑州思昆生物工程有限公司 | 一种荧光图像的配准方法、装置、设备和存储介质 |
CN116402935A (zh) * | 2023-03-28 | 2023-07-07 | 北京拙河科技有限公司 | 一种基于光线追踪算法的图像合成方法及装置 |
CN116980540A (zh) * | 2023-07-27 | 2023-10-31 | 湖北空间智能技术有限公司 | 用于吊舱的低照度图像处理方法、装置及全景吊舱系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140267762A1 (en) * | 2013-03-15 | 2014-09-18 | Pelican Imaging Corporation | Extended color processing on pelican array cameras |
CN107301620A (zh) * | 2017-06-02 | 2017-10-27 | 西安电子科技大学 | 基于相机阵列的全景成像方法 |
CN107959805A (zh) * | 2017-12-04 | 2018-04-24 | 深圳市未来媒体技术研究院 | 基于混合相机阵列的光场视频成像系统及视频处理方法 |
CN109064436A (zh) * | 2018-07-10 | 2018-12-21 | 西安天盈光电科技有限公司 | 图像融合方法 |
CN109120861A (zh) * | 2018-09-29 | 2019-01-01 | 成都臻识科技发展有限公司 | 一种极低照度下的高质量成像方法及系统 |
CN109167924A (zh) * | 2018-10-24 | 2019-01-08 | 清华-伯克利深圳学院筹备办公室 | 基于混合相机的视频成像方法、系统、设备及存储介质 |
CN112118394A (zh) * | 2020-08-27 | 2020-12-22 | 厦门亿联网络技术股份有限公司 | 一种基于图像融合技术的暗光视频优化方法及装置 |
-
2021
- 2021-03-18 CN CN202110305004.0A patent/CN113079325B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140267762A1 (en) * | 2013-03-15 | 2014-09-18 | Pelican Imaging Corporation | Extended color processing on pelican array cameras |
CN107301620A (zh) * | 2017-06-02 | 2017-10-27 | 西安电子科技大学 | 基于相机阵列的全景成像方法 |
CN107959805A (zh) * | 2017-12-04 | 2018-04-24 | 深圳市未来媒体技术研究院 | 基于混合相机阵列的光场视频成像系统及视频处理方法 |
CN109064436A (zh) * | 2018-07-10 | 2018-12-21 | 西安天盈光电科技有限公司 | 图像融合方法 |
CN109120861A (zh) * | 2018-09-29 | 2019-01-01 | 成都臻识科技发展有限公司 | 一种极低照度下的高质量成像方法及系统 |
CN109167924A (zh) * | 2018-10-24 | 2019-01-08 | 清华-伯克利深圳学院筹备办公室 | 基于混合相机的视频成像方法、系统、设备及存储介质 |
CN112118394A (zh) * | 2020-08-27 | 2020-12-22 | 厦门亿联网络技术股份有限公司 | 一种基于图像融合技术的暗光视频优化方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
CN114222063A (zh) * | 2021-12-16 | 2022-03-22 | 北京拙河科技有限公司 | 亿级像素的图片与视频数据的处理方法和装置 |
CN114222063B (zh) * | 2021-12-16 | 2022-11-08 | 北京拙河科技有限公司 | 亿级像素的图片与视频数据的处理方法和装置 |
CN114862934A (zh) * | 2022-04-26 | 2022-08-05 | 北京拙河科技有限公司 | 十亿像素成像的场景深度估计方法及装置 |
CN114862934B (zh) * | 2022-04-26 | 2023-02-07 | 北京拙河科技有限公司 | 十亿像素成像的场景深度估计方法及装置 |
CN115937282A (zh) * | 2023-01-10 | 2023-04-07 | 郑州思昆生物工程有限公司 | 一种荧光图像的配准方法、装置、设备和存储介质 |
CN116402935A (zh) * | 2023-03-28 | 2023-07-07 | 北京拙河科技有限公司 | 一种基于光线追踪算法的图像合成方法及装置 |
CN116402935B (zh) * | 2023-03-28 | 2024-01-19 | 北京拙河科技有限公司 | 一种基于光线追踪算法的图像合成方法及装置 |
CN116980540A (zh) * | 2023-07-27 | 2023-10-31 | 湖北空间智能技术有限公司 | 用于吊舱的低照度图像处理方法、装置及全景吊舱系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113079325B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113079325B (zh) | 暗光条件下的十亿级像素成像方法、装置、介质及设备 | |
US10917571B2 (en) | Image capture device control based on determination of blur value of objects in images | |
CN110536057B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US20160301868A1 (en) | Automated generation of panning shots | |
CN112087580B (zh) | 图像采集方法和装置、电子设备、计算机可读存储介质 | |
CN107749944A (zh) | 一种拍摄方法及装置 | |
KR102229811B1 (ko) | 단말기를 위한 촬영 방법 및 단말기 | |
US8340512B2 (en) | Auto focus technique in an image capture device | |
CN112866549B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN112822402B (zh) | 图像拍摄方法、装置、电子设备和可读存储介质 | |
US11393076B2 (en) | Blurring panoramic image blurring method, terminal and computer readable storage medium | |
WO2019037038A1 (zh) | 图像处理方法、装置及服务器 | |
CN112087571A (zh) | 图像采集方法和装置、电子设备、计算机可读存储介质 | |
US20220368877A1 (en) | Image processing method, image processing apparatus, storage medium, manufacturing method of learned model, and image processing system | |
CN112991245A (zh) | 双摄虚化处理方法、装置、电子设备和可读存储介质 | |
JP2005217874A (ja) | ファイル管理方法 | |
CN110276714B (zh) | 快速扫描式全景图图像合成方法及装置 | |
CN108156383A (zh) | 基于相机阵列的高动态十亿像素视频采集方法及装置 | |
CN107615743A (zh) | 摄像辅助装置和摄像装置 | |
CN109120856B (zh) | 一种摄像方法及装置 | |
CN110930437A (zh) | 目标跟踪方法和装置 | |
CN116456191A (zh) | 图像生成方法、装置、设备及计算机可读存储介质 | |
CN105467741A (zh) | 一种全景拍照方法及终端 | |
JP2016063397A (ja) | 撮像装置、画像表示方法及びプログラム | |
CN112866547B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |