CN117455823A - 一种图像调节方法、装置、计算机设备及存储介质 - Google Patents

一种图像调节方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN117455823A
CN117455823A CN202311575382.6A CN202311575382A CN117455823A CN 117455823 A CN117455823 A CN 117455823A CN 202311575382 A CN202311575382 A CN 202311575382A CN 117455823 A CN117455823 A CN 117455823A
Authority
CN
China
Prior art keywords
image
color
consensus
images
area
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
CN202311575382.6A
Other languages
English (en)
Inventor
魏家飞
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.)
Mgjia Beijing Technology Co ltd
Original Assignee
Mgjia Beijing Technology Co ltd
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 Mgjia Beijing Technology Co ltd filed Critical Mgjia Beijing Technology Co ltd
Priority to CN202311575382.6A priority Critical patent/CN117455823A/zh
Publication of CN117455823A publication Critical patent/CN117455823A/zh
Pending legal-status Critical Current

Links

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像调节技术领域，公开了一种图像调节方法、装置、计算机设备及存储介质，包括：获取多个图像，不同的图像是通过不同的图像采集设备采集的；确定各图像中的共识区域，共识区域是各图像采集设备对重合区域采集得到的；判断各图像中的共识区域是否为有效共识区域；若为有效共识区域，根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数；根据颜色调节系数对各图像进行渲染，得到全景图。本发明实现将不同摄像头获取的图像拼接成360°全景图时，全景图的色彩均衡，亮度一致。

Description

一种图像调节方法、装置、计算机设备及存储介质
技术领域
本发明涉及图像色彩调节技术领域，具体涉及一种图像调节方法、装置、计算机设备及存储介质。
背景技术
360环视系统是现代智能汽车不可或缺辅助驾驶功能，通过将车身不同方向摄像头同时采集的图像进行拼接融合，最终可以形成一张围绕车身360度全视野范围的全景图。实际操作中，考虑到多个摄像头安装位置、安装位姿和曝光程度等不同，需要对图像亮度和色彩进行均一化处理，从而消除图像拼接中出现的明显的拼接缝以及亮度差异等问题，最终给用户呈现一张比较自然且没有拼接痕迹的全景图。
目前的均一化处理技术是假设各个方向的摄像头采集到的图像共识区域一直有效，同时实时计算出的亮度及色彩调节系数也是准确无误的，会被直接应用到图像调节中。但在实际的汽车行驶过程中，因为车身周围场景动态变化，场景中也可能存在高低不同的物体，以及存在临时挡住某个摄像头的动态移动物体或行人。这造成实际中的共识区域不是总是有效的，以此计算出来的调节系数可能是错误的，可能会造成颜色偏差。
发明内容
有鉴于此，本发明提供一种图像调节方法、装置、计算机设备及存储介质，以解决相关技术中全景图像的拼接出现色彩失真、亮度不一，影响观察周围情况的问题。
第一方面，本发明提供了一种图像调节方法，包括：获取多个图像，不同的图像是通过不同的图像采集设备采集的；确定各图像中的共识区域，共识区域是各图像采集设备对重合区域采集得到的；判断各图像中的共识区域是否为有效共识区域；若为有效共识区域，根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数；根据颜色调节系数对各图像进行渲染，得到全景图。
本发明提供的图像调节方法，当获取的多个来自不同摄像头的图像组成全景图时，先寻求其图像之间存在的共识区域，在对共识区域计算颜色调节系数，最后通过颜色调节系数对图像进行渲染，使得各个图像组成一个全景图后，共识区域的颜色之间的色差小于预设值，成为一张色彩自然均衡的全景图。本发明可应用于复杂和动态变化的实际场景中，可以避免由于共识区域异常导致颜色调节系数不准确的问题，确保形成的全景图色彩均衡、亮度统一，减少驾车时全景图失衡的不适观感。
在一种可选的实施方式中，判断各图像中的共识区域是否为有效共识区域的步骤，包括：将各图像中的共识区域转化为各图像分别对应的灰度图像；根据各灰度图像中每个像素的灰度值，计算各灰度图像的直方图数据；根据同一重合区域对应的各灰度图像的直方图数据，计算各灰度图像之间的相似值；若任意两个灰度图像之间的相似值均小于预设阈值，判定重合区域对应的共识区域为有效共识区域。
本发明提供的图像调节方法，通过计算各个图像间的同一个共识区域相似度，确认图像之前的差异值，当差异值未能超出预设阈值时，证明了这个共识区域的有效性，可进一步执行图像间的色彩比对。当取消共识区域的有效性比对，直接进行色彩比对和色差调节，由于不同摄像头在拍摄时受外界环境影响，可能出现色彩失衡，这样出现图像之间的色彩差异大，调节后的色彩很容易出现失控、失衡，不利于观看；因此，优先判断图像中的共识区域是否为有效共识区域，为图像之后进行色彩比对、色差调节奠定基础，进而保证最终的全景图色彩的可观和均衡。
在一种可选的实施方式中，根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数的步骤，包括：分别计算各图像中的共识区域的颜色平均值；将各共识区域的颜色平均值输入至预先建立的目标函数中，求解目标函数的最小值，得到各图像的颜色调节系数；目标函数是根据各共识区域的色差的和建立的，一个共识区域对应一个色差，色差是根据共识区域在不同图像中的颜色平均值差的平方确定的。
本发明提供的图像调节方法，在确定共识区域是有效共识区域后，分别计算各共识区域的颜色平均值，然后进一步计算出对应的目标函数，从目标函数计算出各图像的颜色调节系数；颜色调节系数基于共识区域的色差计算获取，其中每个共识区域对应一个色差，这样计算得到的颜色调节系数能够与每个图像都有关系，使最后基于颜色调节系数得到的渲染全景图不会出现色彩凸变，实现多图拼接而成的整图色彩均衡。
在一种可选的实施方式中，根据颜色调节系数对各图像进行渲染的步骤包括：根据各图像的颜色调节系数，分别对各图像的颜色平均值进行调节，得到新的颜色平均值；根据颜色平均值和新的颜色平均值，得到各图像的颜色差；若各图像的颜色差均小于颜色差阈值，根据颜色调节系数对各图像进行渲染。
本发明提供的图像调节方法，先利用上述步骤计算得到的颜色调节系数对各图像的颜色平均值进行调节，得到新的颜色平均值，再计算出新、旧颜色平均值间的颜色差；只有当各图像的颜色差都小于颜色差阈值，确认此时被调节后的颜色差不会超过颜色差阈值，证明色彩是区域平滑变化的，避免出现色彩突变，实现摄像头输出的图像的整体色彩实时稳定展示。
在一种可选的实施方式中，根据颜色平均值和新的颜色平均值，得到各图像的颜色差的步骤，包括：将初始颜色平均值和新的颜色平均值从RGB颜色空间转化到CIELAB颜色空间；根据颜色平均值和新的颜色平均值在CIELAB颜色空间中的L值、A值、B值，以及CIELAB颜色空间中L、A、B的权重系数，计算颜色平均值和新的颜色平均值在CIELAB空间带权重的颜色差。
在一种可选的实施方式中，根据颜色调节系数对各图像进行渲染，得到全景图的步骤，包括：获取前一时刻对各图像进行渲染时的在先调节系数；根据各在先调节系数和预设的步长系数，计算各图像的实际颜色调节系数；根据各图像的实际颜色调节系数调节各图像颜色，然后进行渲染，得到全景图。
本发明提供的图像调节方法，最终渲染成功显示的图像不是依靠之前直接计算的颜色调节系数进行渲染的，而是和前一刻渲染显示全景图的在先调节系数，加上预设的步长系数经过计算得到一个实际颜色调节系数，用实际颜色调节系数对图像进行渲染，这样可以确保当前的图像渲染的色彩和亮度与前一刻的图像之间不会出现大浮动，保证图像色彩的平稳过渡、稳定显示，避免图像跳变问题。
在一种可选的实施方式中，计算实际颜色调节系数的方法，包括：颜色调节系数与在先调节系数作差得到第一差值；第一差值与预设的步长系数乘积，得到实际颜色调节系数。
第二方面，本发明提供了一种图像调节装置，包括：摄像模块，用于获取多个图像；共识模块，用于确定各图像中的共识区域；判断模块，用于判断各图像中的共识区域是否为有效共识区域；计算模块，用于根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数；渲染模块，用于根据颜色调节系数对各图像进行渲染，得到全景图。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的图像调节方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的图像调节方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的图像调节方法的流程示意图；
图2是根据本发明实施例的共识区域有效性判断的流程示意图；
图3是根据本发明实施例的共识区域的结构示意图；
图4是根据本发明实施例的颜色调节系数获取的流程示意图；
图5是根据本发明实施例的图像渲染的流程示意图；
图6是根据本发明实施例的颜色差获取的流程示意图；
图7是根据本发明实施例的渲染全景图的流程示意图；
图8是根据本发明实施例的图像调节装置的结构示意图；
图9是根据本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、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。
由于智能汽车的360全景图是通过将车身不同方向摄像头同时采集的图像进行拼接融合，需要利用不同摄像头之间的共识区域，对图像进行均一化处理。在车辆安装的多个摄像头中，相邻两个摄像头的拍摄视野存在交叉，视野交叉的部分被称为两个摄像头之间的共识区域，在正常情况下，两个摄像头在视野交叉的部分采集的图像应当是相同的，因此，根据不同摄像头之间的共识区域可以实现对各图像的均一化处理，将经过均一化处理的图像进行拼接可以得到智能汽车的360全景图。
在实际的汽车行驶过程中，因为车身周围场景动态变化，实际中的共识区域不会总是有效的，以此调节可能会造成颜色偏差，示例性地，对于拍摄视野存在交叉的两个摄像头，若其中一个摄像头被遮挡，则在视野交叉的位置，两个摄像头拍摄到的内容是不一样的，此时无法通过两个摄像头拍摄到的两幅图像中的共识区域来对两幅图像进行调节。因此本申请针对该问题，提出了一种对全景图亮度及色彩进行动态均衡调节的算法，该算法首先根据摄像头采集到的图像，判断共识区域有效性；若共识区域有效，根据计算出的调节系数，进一步计算出每个图像在调节前后人可感知的颜色差是否在阈值内，判断调节系数的准确性；最后在应用调节系数时，通过时间平滑技术，让真正使用的调节系数从旧值渐变过渡到新值。
根据本实施例提供了一种图像调节方法，需要说明的是，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供的图像调节方法，如图1所示，包括：
步骤S101：获取多个图像，不同的图像是通过不同的图像采集设备采集的。
在一可选实施例中，图像采集设备可以为安装在车身周围的多个摄像头，相邻两个图像采集设备的拍摄视野之间存在交叉。
示例性地，在车身的左前方、右前方、左后方、右后方分别安装有一个图像采集设备，其中，左前方与右前方的图像采集设备的拍摄视野之间存在交叉，左前方与左后方的图像采集设备的拍摄视野之间存在交叉，右前方与右后方的图像采集设备的拍摄视野之间存在交叉，右后方与左后方的图像采集设备的拍摄视野之间存在交叉。
步骤S102：确定各图像中的共识区域，共识区域是各图像采集设备对重合区域采集得到的。
在一可选实施例中，相邻两个图像采集设备在拍摄视野交叉的位置采集的图像，被称为两个图像的共识区域。
在一可选实施例中，由于一个图像采集设备可能与多个图像采集设备的拍摄视野存在交叉，因此，在一个图像中，可能存在有多个共识区域，不同的共识区域表征采集该图像的图像采集设备与不同的图像采集设备之间的拍摄视野存在交叉。
示例性地，若在车身的左前方、右前方、左后方、右后方分别安装有一个图像采集设备，且相邻两个图像采集设备之间的拍摄视野之间均存在交叉，则左前方与右前方的图像采集设备的图像之间存在共识区域，左前方与左后方的图像采集设备的图像之间存在共识区域，右前方与右后方的图像采集设备的图像之间存在共识区域，左后方与右后方的图像采集设备的图像之间存在共识区域。
步骤S103：判断各图像中的共识区域是否为有效共识区域。
在一可选实施例中，若两个图像采集设备之间的拍摄视野之间存在交叉，但是两个图像采集设备在视野交叉的位置采集的图像是不同的，则判定上述两个图像采集设备所采集的图像中的共识区域为无效共识区域，否则判定上述两个图像采集设备所采集的图像中的共识区域为有效共识区域。
步骤S104：若为有效共识区域，根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数。
在一可选实施例中，若两个图像中的共识区域为有效共识区域，则表示两个图像中的共识区域对应的是同一事件，在理想状态下，同一事件在不同图像中的颜色应该是相同的，因此，可以根据两个图像中的共识区域的颜色计算图像的颜色调节系数。
步骤S105：根据颜色调节系数对各图像进行渲染，得到全景图。
在一可选实施例中，根据颜色调节系数对各图像进行调节后，能够减小各图像之间的色差，此时再对各调节后的图像进行渲染，能够得到衔接缝隙不明显的全景图。
本实施例提供的图像调节方法，本实施例获取的多个来自不同摄像头的图像组成全景图，会先将获取所有摄像头捕获的图像数据，进行格式转化，以便于计算处理；先对共识区域的有效性进行判断，可以保证计算各共识区域颜色调节系数的准确性。本实施例可以应用于环境处于动态变化的场景，将多个摄像头捕获的图像拼接合成一份色彩均衡的全景图。
在一些可选的实施方式中，如图2所示，判断各图像中的共识区域是否为有效共识区域的步骤，包括：
步骤S1031：将各图像中的共识区域转化为各图像分别对应的灰度图像。
在一可选实施例中，各个图像的共识区域是没有办法直接进行比较的，因此需要提取图像的特征，并将特征转换为数值的形式进行比较。
示例性地，本实施例采用灰度值计算的方式，先将各个共识区域转为对应的灰度图像，原始彩色RGB图像转化为灰度图像采用NTSC公式通过RGB值得到灰度值：
Gray＝0.2999Red+0.587Gree+0.114Blue (1)
步骤S1032：根据各灰度图像中每个像素的灰度值，计算各灰度图像的直方图数据。
在一可选实施例中，当计算出各图像的灰度值后，再计算各灰度图像的直方图数据。本实施例是计算共识区域灰度图像每个像素灰度值在0～255的分布情况，得到共识区域的图像的直方图数据。
步骤S1033：根据同一重合区域对应的各灰度图像的直方图数据，计算各灰度图像之间的相似值。
在一可选实施例中，为了确认共识区域的有效性，需要对同一个共识区域对应的不同图像之间进行比较，因此是计算同一共识区域对应的不同灰度图像的图像直方图数据的相似值，而两个直方图数据的相似值，也就是两个直方图数据之间的距离，本实施例采用如下计算公式：
公式中，0～255：是像素灰度值的范围；HL(i)：是第一摄像头的共识区域图像在灰度为i的直方图数据；HF(i)：是第二摄像头的共识区域图像在灰度为i的直方图数据，其中，第一摄像头和第二摄像头的拍摄视野存在交叉；最后得到的相似值是在[0，1]之间的数据，0表示图像极不同，1表示图像极相似，此时可以定义一个判断共识区域有效性的阈值，大于此阈值则认为共识区域有效。
步骤S1034：若任意两个灰度图像之间的相似值均小于预设阈值，判定重合区域对应的共识区域为有效共识区域。
在一可选实施例中，根据直方图数据计算同一共识区域对应的不同图像之间的相似性值，当同一共识区域对应的所有图像之间的相似值均小于预设阈值，可以判定该共识区域为有效共识区域。
示例性地，如图3所示，位于车身前、后、左、右的摄像头分别拍摄的图像中，存在前左共识区域、前右共识区域、后左共识区域、后右共识区域，只有当所有共识区域组内两个灰度图像的相似值都小于预设阈值，才能认为所有共识区域有效，可以基于共识区域进行图像调整；否则只要有任意一组图像的相似值大于或等于阈值，则认为共识区域无效，放弃本次调整，重新获取图像。
本实施例提供的图像调节方法，判断共识区域是否有效，首先需要提取出两个摄像头各自在公共区域的图像，然后可以通过图像相似性判断。本发明首先提出通过图像相似性判断共识区域有效性，通过计算各个图形间的同一个共识区域相似度，确认图像之前的差异值，当差异值未能超出预设阈值时，证明了这个共识区域的有效性，可进一步执行图像间的色彩比对。当取消共识区域的有效性比对，直接进行色彩比对和色差调节，由于不同摄像头在拍摄时受外界环境影响，可能出现色彩失衡，从而导致图像之间的色彩差异大，调节后的色彩很容易出现失控、失衡，不利于观看；因此，优先判断图像中的共识区域是否为有效共识区域，为图像之后进行色彩比对、色差调节奠定基础，进而保证最终的全景图色彩的可观性和均衡性。
在一些可选的实施方式中，如图4所示，根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数的步骤，包括：
步骤S1041：分别计算各图像中的共识区域的颜色平均值。
在一可选实施例中，共识区域被证实有效时，基于共识区域需要计算用于图像调节的颜色调节系数，需要优先计算各个共识区域的颜色平均值。
示例性地，如图3所示，存在前、后、左、右四个摄像头，对应有CF、CB、CL、CR分别是前、后、左、右4个摄像头图像的调节系数；计算每个摄像头的颜色平均值，以在前摄像头和左摄像头共识区域内，计算左摄像头图像R通道平均值为例：
其中，为左摄像头图像在前左共识区域内，Red通道值的平均值；R(i)为左摄像头图像在前左共识区域内Red通道值；N为前左共识区域内像素点个数。通过该公式可以计算出各个摄像头在每个共识区域中对应颜色平均值。
步骤S1042：将各共识区域的颜色平均值输入至预先建立的目标函数中，求解目标函数的最小值，得到各图像的颜色调节系数。
在一可选实施例中，获得到图像对应的颜色平均值后，进一步计算获得一个目标函数，该目标函数用于利用颜色平均值计算颜色调节系数。
示例性地，累加相邻摄像头在共识区域的颜色平均值差的平方，以此作为目标函数，求解目标函数最小值：
其中，Fmin为目标函数，需要求解目标函数最小值；CF、CB、CL、CR分别为前后左右摄像头图像的调节系数，是需要求解的未知数；为前摄像头图像在前左共识区域内单个通道值的平均值，/>为左摄像头图像在前左共识区域内单个通道值的平均值，/>为前摄像头图像在前右共识区域内单个通道值的平均值，/>为右摄像头图像在前右共识区域内单个通道值的平均值，/>为后摄像头图像在后左共识区域内单个通道值的平均值，为左摄像头图像在后左共识区域内单个通道值的平均值，/>为后摄像头图像在后右共识区域内单个通道值的平均值，/>为右摄像头图像在后右共识区域内单个通道值的平均值；
对上述目标函数分别对调节系数CF、CB、CL、CR求偏导数，则可以得到关于调节系数的线性方程组：
通过求解以上线性方程组，则可以得到对应单个通道下的调节系数。对于RGB三通道情况，分别对三个通道按以上相同步骤求解，则可以得到对应RGB三个通道的三组调节系数，利用颜色调节系数进行渲染时，将每组调节系数用于对应的所属的颜色通道调节。
在一些可选的实施方式中，目标函数是根据各共识区域的色差的和建立的，一个共识区域对应一个色差，色差是根据共识区域在不同图像中的颜色平均值差的平方确定的。
在一可选实施例中，当计算出颜色平均值后，将颜色平均值分别与颜色系数作为参数输入，输出色差，每个色差对应了一个共识区域，将所有的色差累加即为目标函数。
本实施例提供的图像调节方法，在确定共识区域是有效共识区域后，分别计算各共识区域的颜色平均值，然后进一步计算出对应的目标函数，从目标函数计算出各图像的颜色调节系数；颜色调节系数基于共识区域的色差计算获取，其中每个共识区域对应一个色差，这样计算得到的颜色调节系数能够与每个图像都有关系，使最后基于颜色调节系数得到的渲染全景图不会出现色彩凸变，实现多图拼接而成的整图色彩均衡。
在一些可选的实施方式中，如图5所示，根据颜色调节系数对各图像进行渲染的步骤，包括：
步骤S1051:根据各图像的颜色调节系数，分别对各图像的颜色平均值进行调节，得到新的颜色平均值。
在一可选实施例中，得到颜色调节系数后，每个颜色调节系数都对应了一个摄像头，将颜色调节系数作为输入参数，调节摄像头输出的图像颜色，此时的图像颜色发生一定的改变，可计算获得新的颜色平均值。
步骤S1052:根据颜色平均值和新的颜色平均值，得到各图像的颜色差。
在一可选实施例中，当使用颜色调节系数对图像进行调节后，此时图像颜色发生改变，产生了新的颜色平均值，通过调节前的颜色平均值和新的颜色平均值可获得图像的颜色差。
步骤S1053:若各图像的颜色差均小于颜色差阈值，根据颜色调节系数对各图像进行渲染。
在一可选实施例中，利用颜色调节系数调节前的颜色平均值和调节后新的颜色平均值获取颜色差后，将颜色差带入事先设置的颜色差阈值，当颜色差不会超出颜色差阈值的范围，证明颜色调整前后的颜色差不会影响人眼的观感，符合对图像进行渲染后的目标，因此，可继续使用颜色调节系数对所有的图像进行渲染，组合完整的全景图。
具体地，先利用上述步骤计算得到的颜色调节系数对各图像的颜色平均值进行调节，得到新的颜色平均值，再计算出新、旧颜色平均值间的颜色差；只有当各图像的颜色差都小于颜色差阈值，确认此时被调节后的颜色差不会超过颜色差阈值，证明色彩是区域平滑变化的，避免出现色彩突变，实现摄像图的整体色彩实时稳定展示。
在一些可选的实施方式中，如图6所示，根据颜色平均值和新的颜色平均值，得到各图像的颜色差的步骤，包括：
步骤S1061：将初始颜色平均值和新的颜色平均值从RGB颜色空间转化到CIELAB颜色空间。
在一可选实施例中，计算颜色差时，选择更加适合人眼的颜色空间，本实施例选择将常见的RGB颜色空间转化到CIELAB颜色空间，转换方式：先将RGB颜色空间以以下公式转化到CIEXYZ颜色空间，
步骤S1062：根据颜色平均值和新的颜色平均值在CIELAB颜色空间中的L值、A值、B值，以及CIELAB颜色空间中L、A、B的权重系数，计算颜色平均值和新的颜色平均值在CIELAB空间带权重的颜色差。
在一可选实施例中，RGB颜色空间转化到CIEXYZ颜色空间后，再从CIEXYZ颜色空间转化到CIELAB颜色空间，然后求得在CIELAB颜色空间中的对应的L值、A值、B值，此时根据人眼对颜色的敏感度进行调节，人眼高敏感色彩选择高权重系数，色彩低敏感的色彩选择低权重系数，计算颜色差。示例性地，RGB颜色空间转化到CIEXYZ颜色空间的方式：
其中，
Xn＝95.0489，Yn＝100，Zn＝108.8840，
进一步地，计算原始颜色和新颜色之间在CIELAB空间带权重的颜色差：
其中，是调整后的颜色在CIELAB空间中L，A，B值；/>是原始的颜色在CIELAB空间中L，A，B值；WL，WA，WB是自定义的权重系数，表示计算颜色差时，在CIELAB空间中L、A、B的权重系数，例如在360环视系统中，主要是对摄像头图像曝光的调节，而不是调整摄像头图像的色彩，此时可以给L方向一个小的权重，保持色彩权重不动，可以按如下方式取值：WL＝0.5、WA＝1.0、WB＝1.0，这样当图像亮度差别大，但是色彩差别不大时，仍然认为颜色差在阈值以内，计算得到的调整系数是准确的，可以用来调节最后图像。
具体地，颜色差阈值需要结合WL、WA、WB权重系数和实际效果定义，例如取WL＝0.5、WA＝1.0、WB＝1.0时，可以定义颜色差阈值为5.0。
在一些可选的实施方式中，如图7所示，根据颜色调节系数对各图像进行渲染，得到全景图的步骤，包括：
步骤S1071：获取前一时刻对各图像进行渲染时的在先调节系数。
在一可选实施例中，汽车在行驶过程中，对图像进行渲染就不再直接使用计算获取的颜色调节系数进行渲染，而是优先取上一次渲染使用的在先调节系数，将在先调节系数和颜色调节系数结合起来，得到一个实际的颜色调节系数。
步骤S1072：根据各在先调节系数和预设的步长系数，计算各图像的实际颜色调节系数。
在一可选实施例中，在全景图渲染时，事先获取到上一次渲染的在先渲染系数，然后结合预设的步长系数，该步长系数范围在(0，1)之间，最后再结合计算获取的颜色调节系数，即可得到实际的颜色调节系数。
步骤S1073：根据各图像的实际颜色调节系数调节各图像颜色，然后进行渲染，得到全景图。
在一可选实施例中，通过上一次渲染的在先渲染系数，结合预设的步长系数和颜色调节系数，得到实际的颜色调节系数后，将实际的颜色调节系数用于调节摄像头拍摄的各个图像，对图像的色彩进行渲染，得到最终展示的由各个图像拼接成的全景图。
本实施例提出的图像调节方法，最终渲染成功显示的图像不是依靠之前直接计算的颜色调节系数进行渲染的，而是和前一刻渲染显示全景图的在先调节系数，加上预设的步长系数经过计算得到一个实际颜色调节系数，用实际颜色调节系数对图像进行渲染，这样可以确保当前的图像渲染的色彩和亮度与前一刻的图像之间不会出现大浮动，保证图像色彩的平稳过渡、稳定显示，避免图像跳变问题。
在一种可选的实施方式中，计算实际颜色调节系数的方法，包括：颜色调节系数与在先调节系数作差得到第一差值；第一差值与预设的步长系数乘积，得到实际颜色调节系数。
具体地，实际使用调整系数时，本实施例提出了使用动态调节的方法，以此来消除颜色变化过快，屏幕闪烁的问题，具体计算公式如下：
其中，是当前渲染步实际使用的调节系数；RstepRatio是每一步改变的步长系数，范围在[0,1]之间，例如可以取0.168。此系数表示每个渲染步中实际使用的调节系数向目标调节系数趋近的速度；/>是计算出的理论调节系数，实际的调节系数会不断趋近于这个理论值；/>是上一个渲染步实际使用的调节系数，初始值是1.0。
本实施例提供的一种图像调节装置，如图8所示，包括：
摄像模块1，用于获取多个图像。
共识模块2，用于确定各图像中的共识区域。
判断模块3，用于判断各图像中的共识区域是否为有效共识区域。
计算模块4，用于根据各图像中的共识区域的颜色平均值计算各图像的颜色调节系数。
渲染模块5，用于根据颜色调节系数对各图像进行渲染，得到全景图。
在一些可选的实施方式中，判断模块3包括：
转化单元：用于将各图像中的共识区域转化为各图像分别对应的灰度图像。
第一计算单元：用于根据各灰度图像中每个像素的灰度值，计算各灰度图像的直方图数据。
第二计算单元：用于根据同一重合区域对应的各灰度图像的直方图数据，计算各灰度图像之间的相似值。
判断单元：用于判定重合区域对应的共识区域为有效共识区域。
在一些可选的实施方式中，计算模块4包括：
第三计算单元：用于分别计算各图像中的共识区域的颜色平均值。
第四计算单元：用于将各共识区域的颜色平均值输入至预先建立的目标函数中，求解目标函数的最小值，得到各图像的颜色调节系数。
在一些可选的实施方式中，渲染模块5包括：
调节单元：用于根据各图像的颜色调节系数，分别对各图像的颜色平均值进行调节，得到新的颜色平均值。
第五计算单元：用于根据颜色平均值和新的颜色平均值，得到各图像的颜色差。
渲染单元：用于根据颜色调节系数对各图像进行渲染。
本实施例中的图像调节装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例还提供一种计算机设备，具有上述图8所示的图像调节装置。
请参阅图9，图9是本发明可选实施例提供的一种计算机设备的结构示意图，如图9所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种图像调节方法，其特征在于，包括：
获取多个图像，不同的图像是通过不同的图像采集设备采集的；
确定各所述图像中的共识区域，所述共识区域是各图像采集设备对重合区域采集得到的；
判断各图像中的所述共识区域是否为有效共识区域；
若为有效共识区域，根据各所述图像中的共识区域的颜色平均值计算各图像的颜色调节系数；
根据所述颜色调节系数对各所述图像进行渲染，得到全景图。
2.根据权利要求1所述的方法，其特征在于，所述判断各图像中的共识区域是否为有效共识区域的步骤，包括：
将各图像中的所述共识区域转化为各图像分别对应的灰度图像；
根据各所述灰度图像中每个像素的灰度值，计算各所述灰度图像的直方图数据；
根据同一重合区域对应的各所述灰度图像的直方图数据，计算各所述灰度图像之间的相似值；
若任意两个灰度图像之间的相似值均小于预设阈值，判定所述重合区域对应的共识区域为有效共识区域。
3.根据权利要求1所述的方法，其特征在于，所述根据各所述图像中的共识区域的颜色平均值计算各图像的颜色调节系数的步骤，包括：
分别计算各所述图像中的共识区域的颜色平均值；
将各所述共识区域的颜色平均值输入至预先建立的目标函数中，求解所述目标函数的最小值，得到各图像的颜色调节系数；所述目标函数是根据各共识区域的色差的和建立的，一个共识区域对应一个色差；所述色差是根据所述共识区域在不同图像中的颜色平均值差的平方确定的。
4.根据权利要求1或3所述的方法，其特征在于，所述根据所述颜色调节系数对各所述图像进行渲染的步骤包括：
根据各图像的颜色调节系数，分别对各图像的颜色平均值进行调节，得到新的颜色平均值；
根据所述颜色平均值和所述新的颜色平均值，得到各图像的颜色差；
若各图像的颜色差均小于颜色差阈值，根据所述颜色调节系数对各所述图像进行渲染。
5.根据权利要求4所述的方法，其特征在于，所述根据所述颜色平均值和所述新的颜色平均值，得到各图像的颜色差的步骤，包括：
将初始颜色平均值和新的颜色平均值从RGB颜色空间转化到CIELAB颜色空间；
根据所述颜色平均值和所述新的颜色平均值在所述CIELAB颜色空间中的L值、A值、B值，以及所述CIELAB颜色空间中L、A、B的权重系数，计算所述颜色平均值和所述新的颜色平均值在CIELAB空间带权重的颜色差。
6.根据权利要求1所述的方法，其特征在于，所述根据所述颜色调节系数对各所述图像进行渲染，得到全景图的步骤，包括：
获取前一时刻对各图像进行渲染时的在先调节系数；
根据各所述在先调节系数和预设的步长系数，计算各图像的实际颜色调节系数；
根据各图像的实际颜色调节系数调节各所述图像的颜色，然后进行渲染，得到全景图。
7.根据权利要求3或6所述的方法，其特征在于，计算实际颜色调节系数的方法，包括：
所述颜色调节系数与所述在先调节系数作差得到第一差值；
所述第一差值与预设的步长系数乘积，得到所述实际颜色调节系数。
8.一种图像的调节装置，其特征在于，包括：
摄像模块，用于获取多个图像；
共识模块，用于确定各所述图像中的共识区域；
判断模块，用于判断各图像中的所述共识区域是否为有效共识区域；
计算模块，用于根据各图像中的所述共识区域的颜色平均值计算各图像的颜色调节系数；
渲染模块，用于根据所述颜色调节系数对各所述图像进行渲染，得到全景图。
9.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至6中任一项所述的图像调节的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至6中任一项所述的图像调节的方法。
CN202311575382.6A 2023-11-23 2023-11-23 一种图像调节方法、装置、计算机设备及存储介质 Pending CN117455823A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311575382.6A CN117455823A (zh) 2023-11-23 2023-11-23 一种图像调节方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311575382.6A CN117455823A (zh) 2023-11-23 2023-11-23 一种图像调节方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN117455823A true CN117455823A (zh) 2024-01-26

Family

ID=89592943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311575382.6A Pending CN117455823A (zh) 2023-11-23 2023-11-23 一种图像调节方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN117455823A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080095459A1 (en) * 2006-10-19 2008-04-24 Ilia Vitsnudel Real Time Video Stabilizer
CN106097244A (zh) * 2016-06-03 2016-11-09 上海小蚁科技有限公司 用于拼接图像的方法和装置以及用于组合图像的方法
CN106899781A (zh) * 2017-03-06 2017-06-27 宇龙计算机通信科技(深圳)有限公司 一种图像处理方法及电子设备
CN110753217A (zh) * 2019-10-28 2020-02-04 黑芝麻智能科技(上海)有限公司 色彩平衡方法和装置、车载设备以及存储介质
DE102018118996A1 (de) * 2018-08-06 2020-02-06 Connaught Electronics Ltd. Verfahren zum Bestimmen eines Farbkorrekturwerts, Bildverarbeitungseinrichtung,Kamerasystem und Kraftfahrzeug
CN114040179A (zh) * 2021-10-20 2022-02-11 重庆紫光华山智安科技有限公司 一种图像的处理方法及装置
CN115994952A (zh) * 2023-02-01 2023-04-21 镁佳(北京)科技有限公司 环视影像系统的标定方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080095459A1 (en) * 2006-10-19 2008-04-24 Ilia Vitsnudel Real Time Video Stabilizer
CN106097244A (zh) * 2016-06-03 2016-11-09 上海小蚁科技有限公司 用于拼接图像的方法和装置以及用于组合图像的方法
CN106899781A (zh) * 2017-03-06 2017-06-27 宇龙计算机通信科技(深圳)有限公司 一种图像处理方法及电子设备
DE102018118996A1 (de) * 2018-08-06 2020-02-06 Connaught Electronics Ltd. Verfahren zum Bestimmen eines Farbkorrekturwerts, Bildverarbeitungseinrichtung,Kamerasystem und Kraftfahrzeug
CN110753217A (zh) * 2019-10-28 2020-02-04 黑芝麻智能科技(上海)有限公司 色彩平衡方法和装置、车载设备以及存储介质
CN114040179A (zh) * 2021-10-20 2022-02-11 重庆紫光华山智安科技有限公司 一种图像的处理方法及装置
CN115994952A (zh) * 2023-02-01 2023-04-21 镁佳(北京)科技有限公司 环视影像系统的标定方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
JP6561216B2 (ja) 光学フローを使用した中間ビューの生成
CN104299215B (zh) 一种特征点标定和匹配的图像拼接方法
CN110753217B (zh) 色彩平衡方法和装置、车载设备以及存储介质
KR101941801B1 (ko) Led 디스플레이에 이용되는 영상 처리 방법 및 장치
CN109104596A (zh) 投影系统以及显示影像的校正方法
CN106851122A (zh) 基于双摄像头系统的自动曝光参数的标定方法和装置
CN109040596B (zh) 一种调整摄像头的方法、移动终端及存储介质
CN112272292B (zh) 投影校正方法、装置和存储介质
CN105023260A (zh) 一种全景图像融合方法及融合装置
CN109166076B (zh) 多相机拼接的亮度调整方法、装置及便携式终端
CN107370910B (zh) 基于最优曝光的最小包围曝光集合获取方法
TW202011353A (zh) 深度資料處理系統的操作方法
CN114203087B (zh) 补偿查找表的配置、补偿方法、装置、设备及存储介质
JP3945430B2 (ja) 画像による対象物の計測方法および撮像装置
CN113313661A (zh) 图像融合方法、装置、电子设备及计算机可读存储介质
CN104702928A (zh) 修正图像交叠区的方法、记录介质以及执行装置
CN104823437A (zh) 一种图片处理方法、装置
CN109873981A (zh) 车载360环视系统四路智能曝光策略
JP2003091720A (ja) 視点変換装置および視点変換プログラムならびに車両用画像処理装置
US11127141B2 (en) Image processing apparatus, image processing method, and a non-transitory computer readable storage medium
CN112686820A (zh) 虚拟美妆方法、装置和电子设备
CN113989394A (zh) 用于自动驾驶模拟环境色温的图像处理方法及系统
CN111369471A (zh) 一种图像处理方法、装置、设备和存储介质
CN117455823A (zh) 一种图像调节方法、装置、计算机设备及存储介质
CN117058183A (zh) 一种基于双摄像头的图像处理方法、装置、电子设备及存储介质

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