CN115471403A - 图像处理方法、装置及存储介质 - Google Patents
图像处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115471403A CN115471403A CN202211274501.XA CN202211274501A CN115471403A CN 115471403 A CN115471403 A CN 115471403A CN 202211274501 A CN202211274501 A CN 202211274501A CN 115471403 A CN115471403 A CN 115471403A
- Authority
- CN
- China
- Prior art keywords
- reference image
- line
- image
- splicing
- triangulation
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 25
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种图像处理方法、装置及存储介质，其中，方法包括：基于基准图像和参考图像的重叠区域的匹配特征点集合，确定基准图像和参考图像的重叠区域分别对应的三角剖分网格；使用设定的代价函数，确定重叠区域内图像代价最小的第一分割线；基于第一分割线与三角剖分网格，确定重叠区域对应的第二分割线；基于第一分割线和第二分割线进行图像拼接，得到拼接图；响应于拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置。本公开实施例通过三角剖分方法可提高图像中分割线的准确度和效率，而通过仿射变换算法将拼接线两侧未对齐的像素进行对齐，则可解决图像拼接错位的问题。
Description
技术领域
本公开涉及计算机视觉及图像处理技术领域，尤其涉及一种图像处理方法、装置及存储介质。
背景技术
在实现图像拼接时，通常是先对多个图像进行配准和坐标转换处理，然后投影到同一个坐标系下，进而确定出多个图像的重叠区域，最后采用裁剪、位移拉伸等处理方法实现图像拼接。但是由于图像存在图像畸变、位姿、深度等误差，导致图像的重叠区域并不能完全对齐，会出现全景图像的拼接错位的问题。
发明内容
本公开实施例所要解决的一个技术问题是：提供一种图像处理方法、装置及存储介质。
根据本公开实施例的一个方面，提供一种图像处理方法，所述方法包括：
基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格；
使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；
基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；
基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；
响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
在本公开一实施例中，所述基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格，包括：
将所述基准图像的匹配特征点作为三角剖分的点集，对所述基准图像进行三角剖分，得到所述基准图像的三角剖分网格；
基于所述基准图像的三角剖分网格，以及所述匹配特征点集合，确定所述参考图像的三角剖分网格。
在本公开又一实施例中，所述使用设定的代价函数，确定基准图像内图像代价最小的第一分割线，包括：
分别计算所述基准图像和参考图像中所述重叠区域内任意一点的梯度值，得到对应的梯度图；
使用所述设定的代价函数，基于所述梯度图计算所述重叠区域的第一分割线，所述第一分割线为所述重叠区域中从上至下的梯度值最小的一条分割线。
在本公开又一实施例中，所述基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线，包括：
确定所述第一分割线与所述基准图像对应三角剖分网格的至少一个交点；
根据所述至少一个交点在所述三角剖分网格中的位置，确定至少一个交点在所述参考图像对应三角剖分网格中的至少一个映射点；
根据所述至少一个映射点，确定对应的第二分割线。
在本公开又一实施例中，所述响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐，包括：
统计所述拼接线两侧的相邻像素中的匹配像素点对；
基于所述匹配像素点对，在所述拼接线一侧构建第一三角形，所述第一三角形的第一顶点是拼接线一侧的匹配像素点；
使用仿射变换算法，调整所述第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置。
在本公开又一实施例中，所述统计所述拼接线两侧的相邻像素中的匹配像素点对，包括：
沿着所述拼接线的一侧间隔采样非零像素点；
基于区域相似一致性算法在所述拼接线的另一侧确定与所述非零像素点最匹配的点，得到所述拼接线两侧的相邻像素中的匹配像素点对。
在本公开又一实施例中，所述方法还包括：
对所述基准图像和所述参考图像进行色彩预处理；
对色彩预处理后的基准图像和所述参考图像的重叠区域分别进行特征提取和特征匹配，得到匹配特征点集合。
根据本公开实施例的又一方面，提供一种图像处理装置，所述装置包括：
三角剖分模块，用于基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格；
第一确定模块，用于使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；
第二确定模块，用于基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；
拼接模块，用于基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；
调整模块，用于响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
在本公开一实施例中，所述三角剖分模块包括：
第一处理子模块，用于将所述基准图像的匹配特征点作为三角剖分的点集，对所述基准图像进行三角剖分，得到所述基准图像的三角剖分网格；
第一确定子模块，用于基于所述基准图像的三角剖分网格，以及所述匹配特征点集合，确定所述参考图像的三角剖分网格。
在本公开又一实施例中，所述第一确定模块包括：
第一计算子模块，用于分别计算所述基准图像和参考图像中所述重叠区域内任意一点的梯度值，得到对应的梯度图；
第二计算子模块，用于使用所述设定的代价函数，基于所述梯度图计算所述重叠区域的第一分割线，所述第一分割线为所述重叠区域中从上至下的梯度值最小的一条分割线。
在本公开又一实施例中，所述第二确定模块包括：
第二确定子模块，用于确定所述第一分割线与所述基准图像对应三角剖分网格的至少一个交点；
第三确定子模块，用于根据所述至少一个交点在所述三角剖分网格中的位置，确定至少一个交点在所述参考图像对应三角剖分网格中的至少一个映射点；
第四确定子模块，用于根据所述至少一个映射点，确定对应的第二分割线。
在本公开又一实施例中，所述调整模块包括：
统计子模块，用于统计所述拼接线两侧的相邻像素中的匹配像素点对；
构建子模块，用于基于所述匹配像素点对，在所述拼接线一侧构建第一三角形，所述第一三角形的第一顶点是拼接线一侧的匹配像素点；
变换子模块，用于使用仿射变换算法，调整所述第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置。
在本公开又一实施例中，所述统计子模块包括：
采样子模块，用于沿着所述拼接线的一侧间隔采样非零像素点；
第五确定子模块，用于基于区域相似一致性算法在所述拼接线的另一侧确定与所述非零像素点最匹配的点，得到所述拼接线两侧的相邻像素中的匹配像素点对。
在本公开又一实施例中，所述装置还包括：
图像预处理模块，用于对所述基准图像和所述参考图像进行色彩预处理；
特征提取模块，用于对色彩预处理后的基准图像和所述参考图像的重叠区域分别进行特征提取和特征匹配，得到匹配特征点集合。
根据本公开实施例的再一方面，提供一种电子设备，该电子设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述图像处理方法。
根据本公开实施例的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述图像处理方法。
根据本公开实施例的再一方面，提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述图像处理方法。
基于本公开上述实施例提供的图像处理方法、装置以及存储介质，在进行基准图像和参考图像的拼接时，可先确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格，然后使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。本公开技术方案通过三角剖分方法可将基准图像中确定的第一分割线快速映射到参考图像，确定出参考图像中的第二分割线，提高了确定参考图像中的分割线的准确度和效率，而通过仿射变换算法将拼接线两侧未对齐的像素进行对齐，则有效解决了图像拼接错位、拼接效果差的问题。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开的图像处理方法的一个实施例的流程图；
图2A为本公开的确定基准图像和参考图像中的分割线的流程图；
图2B为本公开的基准图像和参考图像中的分割线示意图；
图2C为本公开的分割线映射示意图；
图3A为本公开的图像处理方法的对齐拼接线两侧的匹配像素点的流程图；
图3B为本公开的对齐拼接线两侧的匹配像素点的示意图；
图4为本公开的图像处理方法的又一个实施例的流程图；
图5为本公开的图像处理装置的一个实施例的结构示意图；
图6为本公开的图像处理装置的又一个实施例的结构示意图；
图7为本公开一示意性实施例提供的电子设备的结构图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于计算机系统/服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器等电子设备一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本公开概述
本公开实施例提供的技术方案应用于图像拼接场景中，在该场景中，需要对至少两个图像进行拼接，本实施例以对基准图像和参考图像进行拼接为例，说明如何消除图像畸变、位姿、深度等误差所导致的拼接存在缝隙、拼接处错位等问题。
示例性实施例
图1为本公开的图像处理方法的一个实施例的流程图；该图像处理方法可以应用在电子设备(如计算机系统、服务器)上，如图1所示，该图像处理方法包括以下步骤：
在步骤101中，基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格。
在一实施例中，由于待拼接的两幅图像(基准图像和参考图像)的亮度存在差异时，可能会影响后续图像的特征提取及特征匹配，因此可先对图像做亮度一致性预处理，然后再对图像都进行姿态配准，并投影到全景图坐标系下，然后可以确定出两幅图像的重叠区域。
在一实施例中，具体实现时，可将图像RGB色彩空间转换到颜色-对立空间(Labcolor space，简称为Lab)进行亮度一致性预处理。
在一实施例中，可基于特征匹配算法对投影到全景图坐标系的两幅图像做特征提取及匹配算法，同时基于rasanc算法剔除误匹配点。
在一实施例中，基准图像可以为两幅拼接图像中的任意一幅图像，参考图像为除了基准图像之外的另一幅图像。
在一实施例中，确定重叠区域对应的三角剖分网格的操作包括：将所述基准图像的匹配特征点作为三角剖分的点集，对所述基准图像进行三角剖分，得到所述基准图像的三角剖分网格；基于所述基准图像的三角剖分网格，以及所述匹配特征点集合，确定所述参考图像的三角剖分网格。也即，可以先对基准图像的重叠区域中的匹配特征点按照三角剖分算法确定三角剖分网格，具体实现时，可以先对匹配特征点沿Y轴方向从上至下做排序，得到匹配特征点列表Ylist；然后按照下述步骤构建三角剖分网格：
步骤一，从Ylist逐个取特征点y，压入堆栈。
步骤二，确定堆栈中特征点的数目，在堆栈中的特征点数目不大于两个时，执行步骤三，在堆栈中的特征点数目大于两个时，执行步骤四。
步骤三，继续从Ylist取数据压入堆栈，执行步骤二。
步骤四，从堆栈顶部取两个特征点a和b，判断所取的两个特征点与从Ylist取的y组成的角度aby是否为钝角，如果是钝角，则将从Ylist取的y压入堆栈，执行步骤二；如果不是钝角，则aby构成三角形，弹出a，执行步骤二。
通过执行上述步骤，即可基于基准图像重叠区域中的匹配特征点确定出对应的三角剖分网格。在一实施例中，还可基于相关技术中基于点集确定三角剖分网格的技术方案，来确定基准图像重叠区域中匹配特征点对应的三角剖分网格，本公开不对确定三角剖分网格的具体方式进行限定。
在一实施例中，根据基准图像和参考图像的重叠区域的匹配特征点的匹配关系，以及基准图像中确定出的三角剖分网格，即可映射得到参考图像中重叠区域的三角剖分网格。
在步骤102中，使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线。
在一实施例中，在实现图像拼接时，通常可以选取图像纹理比较弱的区域进行拼接，具体可以通过计算重叠区域部分的像素点的梯度，通常梯度越小，纹理相对就越弱。
在一实施例中，可以先通过计算基准图像和参考图像的重叠区域内任意像素点的梯度，来确定基准图像中重叠区域的梯度图和参考图像中重叠区域的梯度图，进而根据梯度图确定重叠区域中纹理最弱的一条分割线，将这条分割线确定为基准图像或者参考图像中的分割线均可，这里以其为基准图像的分割线为例进行描述。
在一实施例中，使用设定代价函数确定第一分割线的具体实现方式可参见图2A所示实施例的描述，这里先不详述。
在步骤103中，基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线。
在一实施例中，根据第一分割线与基准图像和参考图像的重叠区域分别对应的三角剖分网格所产生的交点，可以确定出第一分割线在重叠区域中的位置，进而可以根据参考图像的重叠区域对应的三角剖分网格的相应位置确定出对应的第二分割线。
具体的，第一分割线与三角剖分网格对应的三角形边所产生多个交点，每个交点可将对应的边分成两个线段，可确定两个线段的长度比例，根据该长度比例，可在参考图像的重叠区域的三角剖分网格中确定出该点的位置，进而最终确定出第二分割线。
在步骤104中，基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图。
在一实施例中，根据第一分割线和第二分割线，可以分别对基准图像和参考图像进行分割后，再做图像拼接处理，得到拼接图。
在步骤105中，响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
在一实施例中，在将基准图像和参考图像按照对应的分割线拼成拼接图时，即可确定出两个图像之间的拼接线，然后可统计拼接线两侧的相邻像素中不相等的非零像素，也即拼接错位的像素点。针对每个拼接错位的像素点，可以通过仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐，具体实现方式可参见图3A所示实施例的描述，这里先不详述。
上述步骤101～105可先确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格，然后使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。本公开技术方案通过三角剖分方法可将基准图像中确定的第一分割线快速映射到参考图像，确定出参考图像中的第二分割线，提高了确定参考图像中的分割线的准确度和效率，而通过仿射变换算法将拼接线两侧未对齐的像素进行对齐，则有效解决了图像拼接错位、拼接效果差的问题。
为了更好地说明本公开的图像处理的方案，下面用另一个实施例说明。
图2A为本公开的确定基准图像和参考图像中的分割线的流程图，图2B为本公开的基准图像和参考图像中的分割线示意图，图2C为本公开的分割线映射示意图；本实施例以基于匹配特征点和三角剖分网格确定基准图像和参考图像中的分割线为例进行示例性说明，如图2A所示，包括如下步骤：
在步骤201中，分别计算所述基准图像和参考图像中所述重叠区域内任意一点的梯度值，得到对应的梯度图。
在一实施例中，基准图像和参考图像投影到同一个坐标系后，根据两幅图像的像素重叠关系，可以确定出重叠区域。可以将基准图像和参考图像转换为灰度图，转换为灰度图后，计算基准图像重叠区域的梯度图和参考图像重叠区域任意一点的梯度值，得到对应的梯度图。
在步骤202中，使用所述设定的代价函数，基于所述梯度图计算所述重叠区域的第一分割线，所述第一分割线为所述重叠区域中从上至下的梯度值最小的一条分割线。
在一实施例中，在计算出梯度图之后，可通过设定的代价函数式(1)、式(1-1)，式(1-2)计算图像代价最小的第一分割线。
S(p,q)＝∑((1-β)Sm+βSd 式(1)
式(1)中，p，q为相邻的两个像素点，β为设定参数，Sm为代价函数中的平滑项(可参见下面的式(1-1))，Sd为代价函数中的数据项(可参见下面的式(1-2))。
式(1-1)，
表示基准图像中像素点p的梯度，
表示基准图像中像素点q的梯度，
表示参考图像中像素点p的梯度，
表示参考图像中像素点q的梯度。
式(1-2)，
表示基准图像中像素点p的x方向的梯度，
表示参考图像中像素点p的x方向的梯度，
表示基准图像中像素点p的y方向的梯度，
表示参考图像中像素点p的y方向的梯度。
通过上述公式(1)、式(1-1)，式(1-2)，可以根据梯度图计算出图像重叠区域的图像代价最小，也即纹理最弱的第一分割线。
需要说明的是，通过上述公式(1)、式(1-1)，式(1-2)确定出的第一分割线，可以作为基准图像重叠区域的分割线，然后基于第一分割线和重叠区域分别对应的三角剖分网格，映射得到参考图像中的分割线；在一实施例中，通过上述公式(1)、式(1-1)，式(1-2)确定出的第一分割线，也可以作为参考图像重叠区域的分割线，然后基于第一分割线和重叠区域分别对应的三角剖分网格，映射得到基准图像中的分割线,可参见图2B的示意图。
在步骤203中，确定所述第一分割线与所述基准图像对应三角剖分网格的至少一个交点。
在步骤204中，根据所述至少一个交点在所述三角剖分网格中的位置，确定至少一个交点在所述参考图像对应三角剖分网格中的至少一个映射点。
在步骤205中，根据所述至少一个映射点，确定对应的第二分割线。
具体的，在步骤203～步骤205中，第一分割线与三角剖分网格对应的三角形边所产生多个交点，每个交点可将对应的边分成两个线段，可确定两个线段的长度比例，根据该长度比例，可在参考图像的重叠区域的三角剖分网格中确定出该点的位置，参见图2C，左侧图中的分割线与三个三角形有相交点，根据交点将三角形的边的划分情况，可以确定交点的位置，进而映射到右侧图示意的三角剖分网格中。图2B以实际图像展示了通过三角剖分网格将左侧图像中的分割线映射到右侧图的效果图，图中标号21和22的两条线为两个图中的分割线。
通过上述步骤201～步骤205，可以根据梯度图和设定的代价函数确定出重叠区域内的一条最优分割线，而根据三角剖分网格和确定出的最优分割线可以映射出另一个图中的分割线，提高了确定参考图像中的分割线的准确度和效率，规避了待拼接的两幅图像中的分割线不能契合的问题。
图3A为本公开的图像处理方法的对齐拼接线两侧的匹配像素点的流程图，图3B为本公开的对齐拼接线两侧的匹配像素点的示意图；本实施例以如何对齐拼接线两侧的像素为例进行示例性说明，如图3A所示，包括如下步骤：
在步骤301中，统计所述拼接线两侧的相邻像素中的匹配像素点对。
其中，统计拼接线两侧的相邻像素中的匹配像素点对的方法为：沿着所述拼接线的一侧间隔采样非零像素点；基于区域相似一致性算法在所述拼接线的另一侧确定与所述非零像素点最匹配的点，得到所述拼接线两侧的相邻像素中的匹配像素点对。
在一实施例中，可以先对两幅图像做高斯滤波预处理，然后沿着拼接线的一侧间隔采样，并基于区域相似一致性算法在拼接线另一侧确定对应的最匹配的点，遍历所有拼接线得到匹配像素点对。
在一实施例中，为了确保匹配像素点矢量关系的一致性，可以基于交叉验证来剔除误匹配的匹配像素点对，得到最终的匹配像素点对。也即，可以先沿着拼接线的右侧间隔采样，并基于区域相似一致性算法在拼接线左侧确定对应的最匹配的点，得到匹配像素点对；然后再先沿着拼接线的左侧间隔采样，并基于区域相似一致性算法在拼接线的右侧确定对应的最匹配的点，然后将两种方式确定的匹配像素点对进行对比验证，得到最终的匹配像素点对。
在步骤302中，基于所述匹配像素点对，在所述拼接线一侧构建第一三角形，所述第一三角形的第一顶点是拼接线一侧的匹配像素点。
在一实施例中，对于每一个匹配像素点对，可以在拼接线一侧，如拼接线右侧构建一个三角形，如图3B中对于匹配像素点对O和O'，可以在拼接线右侧构建△BCO'，其中，点C可以为点O'所在水平线上的图像边界点，点B可以为图像嘴上侧右上角的图像边界点。
在步骤303中，使用仿射变换算法，调整所述第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置。
在一实施例中，通过仿射变换算法，可以调整第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置，如图3B中对于匹配像素点O的位置，由此即可实现拼接线匹配像素点对O和O'的错位调整。
通过上述步骤301～步骤303，可以消除拼接线两侧图像区域的拼接错位和拼接缝隙，改善拼接效果。
图4为本公开的图像处理方法的又一个实施例的流程图；本实施例以如何进行图像拼接以及解决拼接错位问题为例进行示例性说明，如图4所示，包括如下步骤：
在步骤401中，对所述基准图像和所述参考图像进行色彩预处理。
在一实施例中，由于待拼接的两幅图像(基准图像和参考图像)的亮度存在差异时，可能会影响后续图像的特征提取及特征匹配，因此可先对图像做亮度一致性预处理，然后再对图像都进行姿态配准，并投影到全景图坐标系下，然后可以确定出两幅图像的重叠区域。
具体实现时，可将图像RGB色彩空间转换到Lab进行亮度一致性预处理。
在步骤402中，对色彩预处理后的基准图像和所述参考图像的重叠区域分别进行特征提取和特征匹配，得到匹配特征点集合。
在一实施例中，可基于特征匹配算法对投影到全景图坐标系的两幅图像做特征提取及匹配算法，同时基于rasanc算法剔除误匹配点。
在步骤403中，基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格。
在步骤404中，使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线。
在步骤405中，基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线。
在步骤406中，基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图。
在步骤407中，响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
在一实施例中，步骤403～步骤407的具体实现过程可参见图1、图2A、图3A的描述，这里不再详述。
通过上述步骤401～步骤407，可以通过三角剖分方法可将基准图像中确定的第一分割线快速映射到参考图像，确定出参考图像中的第二分割线，提高参考图像中所确定的分割线的准确度和效率，而通过仿射变换算法将拼接线两侧未对齐的像素进行对齐，则可有效解决图像拼接错位，拼接效果差的问题。
与前述图像处理方法的实施例相对应，本公开还提供了图像处理装置对应的实施例。
图5为本公开的图像处理装置的一个实施例的结构示意图，该装置应用在电子设备(如计算机系统、服务器)上，如图5所示，该装置包括：
三角剖分模块51，用于基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格；
第一确定模块52，用于使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；
第二确定模块53，用于基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；
拼接模块54，用于基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；
调整模块55，用于响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
图6为本公开的图像处理装置的又一个实施例的结构示意图，如图6所示，在图5所示实施例的基础上，在一实施例中，所述三角剖分模块51包括：
第一处理子模块511，用于将所述基准图像的匹配特征点作为三角剖分的点集，对所述基准图像进行三角剖分，得到所述基准图像的三角剖分网格；
第一确定子模块512，用于基于所述基准图像的三角剖分网格，以及所述匹配特征点集合，确定所述参考图像的三角剖分网格。
在一实施例中，所述第一确定模块52包括：
第一计算子模块521，用于分别计算所述基准图像和参考图像中所述重叠区域内任意一点的梯度值，得到对应的梯度图；
第二计算子模块522，用于使用所述设定的代价函数，基于所述梯度图计算所述重叠区域的第一分割线，所述第一分割线为所述重叠区域中从上至下的梯度值最小的一条分割线。
在一实施例中，所述第二确定模块53包括：
第二确定子模块531，用于确定所述第一分割线与所述基准图像对应三角剖分网格的至少一个交点；
第三确定子模块532，用于根据所述至少一个交点在所述三角剖分网格中的位置，确定至少一个交点在所述参考图像对应三角剖分网格中的至少一个映射点；
第四确定子模块533，用于根据所述至少一个映射点，确定对应的第二分割线。
在一实施例中，所述调整模块55包括：
统计子模块551，用于统计所述拼接线两侧的相邻像素中的匹配像素点对；
构建子模块552，用于基于所述匹配像素点对，在所述拼接线一侧构建第一三角形，所述第一三角形的第一顶点是拼接线一侧的匹配像素点；
变换子模块553，用于使用仿射变换算法，调整所述第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置。
在一实施例中，所述统计子模块551包括：
采样子模块5511，用于沿着所述拼接线的一侧间隔采样非零像素点；
第五确定子模块5512，用于基于区域相似一致性算法在所述拼接线的另一侧确定与所述非零像素点最匹配的点，得到所述拼接线两侧的相邻像素中的匹配像素点对。
在一实施例中，所述装置还包括：
图像预处理模块56，用于对所述基准图像和所述参考图像进行色彩预处理；
特征提取模块57，用于对色彩预处理后的基准图像和所述参考图像的重叠区域分别进行特征提取和特征匹配，得到匹配特征点集合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
下面，参考图7来描述根据本公开实施例的电子设备，其中可以集成本公开实施例实现方法的装置。图7为本公开一示意性实施例提供的电子设备的结构图，如图7所示，电子设备7包括一个或多个处理器71、一个或多个计算机可读存储介质的存储器72，以及存储在存储器上并可在处理器上运行的计算机程序。在执行存储器72的程序时，可以实现上述图像处理方法。
具体的，在实际应用中，该电子设备还可以包括输入装置73、输出装置74等部件，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。本领域技术人员可以理解，图7中示出的电子设备的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者某些部件，或者不同的部件布置。其中：
处理器71可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，通过运行或执行存储在存储器72内的软件程序和/或模块，以及调用存储在存储器72内的数据，执行各种功能和处理数据，从而对该电子设备进行整体监控。
存储器72可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器71可以运行程序指令，以实现上文的本公开的各个实施例的图像处理方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
输入装置73可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆，光学或轨迹球信号输入。
输出装置74可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置74可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
电子设备还可以包括给各个部件供电的电源，可以通过电源管理系统与处理器71逻辑相连，从而通过电源管理系统实现管理充电、放电，以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
当然，为了简化，图7中仅示出了该电子设备7中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备7还可以包括任何其他适当的组件。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像处理方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中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它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格；
使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；
基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；
基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；
响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
2.根据权利要求1所述的方法，其特征在于，所述基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格，包括：
将所述基准图像的匹配特征点作为三角剖分的点集，对所述基准图像进行三角剖分，得到所述基准图像的三角剖分网格；
基于所述基准图像的三角剖分网格，以及所述匹配特征点集合，确定所述参考图像的三角剖分网格。
3.根据权利要求1所述的方法，其特征在于，所述使用设定的代价函数，确定基准图像内图像代价最小的第一分割线，包括：
分别计算所述基准图像和参考图像中所述重叠区域内任意一点的梯度值，得到对应的梯度图；
使用所述设定的代价函数，基于所述梯度图计算所述重叠区域的第一分割线，所述第一分割线为所述重叠区域中从上至下的梯度值最小的一条分割线。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线，包括：
确定所述第一分割线与所述基准图像对应三角剖分网格的至少一个交点；
根据所述至少一个交点在所述三角剖分网格中的位置，确定至少一个交点在所述参考图像对应三角剖分网格中的至少一个映射点；
根据所述至少一个映射点，确定对应的第二分割线。
5.根据权利要求1所述的方法，其特征在于，所述响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐，包括：
统计所述拼接线两侧的相邻像素中的匹配像素点对；
基于所述匹配像素点对，在所述拼接线一侧构建第一三角形，所述第一三角形的第一顶点是拼接线一侧的匹配像素点；
使用仿射变换算法，调整所述第一三角形的第一顶点的位置至所述拼接线另一侧的匹配像素点的位置。
6.根据权利要求5所述的方法，其特征在于，所述统计所述拼接线两侧的相邻像素中的匹配像素点对，包括：
沿着所述拼接线的一侧间隔采样非零像素点；
基于区域相似一致性算法在所述拼接线的另一侧确定与所述非零像素点最匹配的点，得到所述拼接线两侧的相邻像素中的匹配像素点对。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述基准图像和所述参考图像进行色彩预处理；
对色彩预处理后的基准图像和所述参考图像的重叠区域分别进行特征提取和特征匹配，得到匹配特征点集合。
8.一种图像处理装置，其特征在于，所述装置包括：
三角剖分模块，用于基于基准图像和参考图像的重叠区域的匹配特征点集合，确定所述基准图像和所述参考图像的重叠区域分别对应的三角剖分网格；
第一确定模块，用于使用设定的代价函数，确定所述重叠区域内图像代价最小的第一分割线；
第二确定模块，用于基于所述第一分割线与所述重叠区域分别对应的三角剖分网格，确定所述重叠区域对应的第二分割线；
拼接模块，用于基于所述第一分割线和所述第二分割线，进行图像拼接，得到拼接图；
调整模块，用于响应于所述拼接图中拼接线两侧的相邻像素不相等，使用仿射变换算法，调整拼接线一侧的匹配像素点的位置，实现与拼接线另一侧的匹配像素点的位置对齐。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机产品；
处理器，用于执行所述存储器中存储的计算机产品，且所述计算机产品被执行时，实现上述权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211274501.XA CN115471403B (zh) | 2022-10-18 | 2022-10-18 | 图像处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211274501.XA CN115471403B (zh) | 2022-10-18 | 2022-10-18 | 图像处理方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115471403A true CN115471403A (zh) | 2022-12-13 |
| CN115471403B CN115471403B (zh) | 2024-02-13 |
Family
ID=84336499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211274501.XA Active CN115471403B (zh) | 2022-10-18 | 2022-10-18 | 图像处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115471403B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105931188A (zh) * | 2016-05-06 | 2016-09-07 | 安徽伟合电子科技有限公司 | 一种基于均值去重的图像拼接方法 |
| US20190251663A1 (en) * | 2017-03-22 | 2019-08-15 | Tencent Technology (Shenzhen) Company Limited | Image splicing method, apparatus, terminal, and storage medium |
| CN112101475A (zh) * | 2020-09-22 | 2020-12-18 | 王程 | 若干幅无序影像智能分类与拼接方法 |
| CN112862685A (zh) * | 2021-02-09 | 2021-05-28 | 北京迈格威科技有限公司 | 图像拼接的处理方法、装置和电子系统 |
| CN113724135A (zh) * | 2021-08-25 | 2021-11-30 | 上海浦东发展银行股份有限公司 | 图像拼接方法、装置、设备及存储介质 |
-
2022
- 2022-10-18 CN CN202211274501.XA patent/CN115471403B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105931188A (zh) * | 2016-05-06 | 2016-09-07 | 安徽伟合电子科技有限公司 | 一种基于均值去重的图像拼接方法 |
| US20190251663A1 (en) * | 2017-03-22 | 2019-08-15 | Tencent Technology (Shenzhen) Company Limited | Image splicing method, apparatus, terminal, and storage medium |
| CN112101475A (zh) * | 2020-09-22 | 2020-12-18 | 王程 | 若干幅无序影像智能分类与拼接方法 |
| CN112862685A (zh) * | 2021-02-09 | 2021-05-28 | 北京迈格威科技有限公司 | 图像拼接的处理方法、装置和电子系统 |
| CN113724135A (zh) * | 2021-08-25 | 2021-11-30 | 上海浦东发展银行股份有限公司 | 图像拼接方法、装置、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| A. CHAKRASALI 等: "Automatic Image Mosaicing Using Discrete Cosine Transform", 《SIGNALS & SYSTEMS AND NETWORKING》, pages 283 - 291 * |
| 张平梅;金立左;李久贤;: "基于仿射变换的图像分块拼接方法", 信息技术与信息化, no. 01, pages 67 - 71 * |
| 张晶晶;翟东海;黄莉芝;喻强;: "基于特征分块的视差图像拼接算法", 计算机工程, no. 05, pages 226 - 232 * |
| 曹芳: "自由视角多平面场景图像拼接技术研究", 《中国博士学位论文全文数据库 (信息科技辑)》, no. 05, pages 138 - 76 * |
| 瞿中;林嗣鹏;鞠芳蓉;: "一种改进的降低扭曲误差的快速图像拼接算法", 计算机科学, no. 05, pages 286 - 289 * |
| 陈学工;李小勇;曾俊钢;肖克炎;: "三维物体表面重建的分支处理算法研究", 计算机工程与应用, no. 32, pages 159 - 161 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115471403B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10880541B2 (en) | Stereo correspondence and depth sensors | |
| US9135710B2 (en) | Depth map stereo correspondence techniques | |
| US9846963B2 (en) | 3-dimensional model generation using edges | |
| US10249052B2 (en) | Stereo correspondence model fitting | |
| CN111563950B (zh) | 纹理映射策略确定方法、装置及计算机可读存储介质 | |
| CN112927353A (zh) | 基于二维目标检测和模型对齐的三维场景重建方法、存储介质及终端 | |
| CN108573471B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
| US11687886B2 (en) | Method and device for identifying number of bills and multiple bill areas in image | |
| Jiang | OpenCorr: An open source library for research and development of digital image correlation | |
| CN112184799B (zh) | 车道线空间坐标确定方法、装置、存储介质和电子设备 | |
| US20230058896A1 (en) | Image Processing Device, Image Processing System, Image Processing Method, and Image Processing Program | |
| JP2013106352A (ja) | 画像中の投影領域の決定方法、及び装置 | |
| US11816857B2 (en) | Methods and apparatus for generating point cloud histograms | |
| WO2022021695A1 (zh) | 图像处理方法、用于图像处理的指令的生成方法及装置 | |
| US20240169712A1 (en) | Image data processing method and apparatus | |
| Cambuim et al. | Hardware module for low-resource and real-time stereo vision engine using semi-global matching approach | |
| CN113592706B (zh) | 调整单应性矩阵参数的方法和装置 | |
| CN114926316A (zh) | 距离测量方法、装置、电子设备及存储介质 | |
| US20210166053A1 (en) | Merging object detections using graphs | |
| CN113689508A (zh) | 点云标注方法、装置、存储介质及电子设备 | |
| CN113793349A (zh) | 目标检测方法及装置、计算机可读存储介质、电子设备 | |
| CN117765039A (zh) | 点云粗配准方法、装置及设备 | |
| WO2021139178A1 (zh) | 图像合成方法及相关设备 | |
| CN115471403A (zh) | 图像处理方法、装置及存储介质 | |
| JP6996200B2 (ja) | 画像処理方法、画像処理装置、および画像処理プログラム |
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 |