WO2020182230A2 - 一种图像融合方法及便携式终端 - Google Patents

一种图像融合方法及便携式终端 Download PDF

Info

Publication number
WO2020182230A2
WO2020182230A2 PCT/CN2020/089299 CN2020089299W WO2020182230A2 WO 2020182230 A2 WO2020182230 A2 WO 2020182230A2 CN 2020089299 W CN2020089299 W CN 2020089299W WO 2020182230 A2 WO2020182230 A2 WO 2020182230A2
Authority
WO
WIPO (PCT)
Prior art keywords
image
gradient information
gradient
width
height
Prior art date
Application number
PCT/CN2020/089299
Other languages
English (en)
French (fr)
Other versions
WO2020182230A3 (zh
Inventor
谢亮
谢朝毅
Original Assignee
影石创新科技股份有限公司
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 影石创新科技股份有限公司 filed Critical 影石创新科技股份有限公司
Priority to EP20768934.0A priority Critical patent/EP3929867A4/en
Priority to JP2021554650A priority patent/JP7253635B2/ja
Priority to US17/437,742 priority patent/US11967051B2/en
Publication of WO2020182230A2 publication Critical patent/WO2020182230A2/zh
Publication of WO2020182230A3 publication Critical patent/WO2020182230A3/zh

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
    • 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
    • G06T5/80—Geometric correction
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • 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

Definitions

  • the invention belongs to the field of images or videos, and particularly relates to an image fusion method and a portable terminal.
  • Image splicing or panoramic image technology refers to splicing a series of pictures with overlapping areas into a wide viewing angle, close to the original image, small distortion, and no obvious stitching to meet the needs of people viewing panoramic pictures.
  • the present invention provides an image method, a computer-readable storage medium and a portable terminal, which aim to eliminate the chromatic aberration of image stitching and achieve a good image fusion effect.
  • the present invention provides an image fusion method, which includes:
  • the present invention provides a computer-readable storage medium that stores a computer program that, when executed by a processor, implements the image fusion method described in the first aspect A step of.
  • the present invention provides a portable terminal, including:
  • One or more processors are One or more processors;
  • One or more computer programs wherein the one or more computer programs are stored in the memory and configured to be executed by the one or more processors, and the processor implements The steps of an image fusion method as described in the first aspect.
  • a Laplacian image is generated by calculating the gradient information of several images, and then a deconvolution transformation is performed to generate a fused panoramic image, which eliminates the chromatic aberration of image splicing and achieves a good image fusion effect.
  • Fig. 1 is a flowchart of an image fusion method provided by Embodiment 1 of the present invention.
  • Fig. 2 is a flowchart of an image deconvolution transformation method according to Embodiment 1 of the present invention.
  • FIG. 3 is a schematic structural diagram of a portable terminal provided in Embodiment 3 of the present invention.
  • an image fusion method provided by Embodiment 1 of the present invention includes the following steps:
  • the several aligned images may be images taken by a common camera from multiple perspectives, or video frames of videos;
  • n images can be stitched into a panoramic image, and the images are aligned to indicate that in the n images, any pixel has a pixel in the stitched panoramic image;
  • the splicing can be achieved by camera external parameter calibration, feature point matching or optical flow alignment methods.
  • the horizontal forward gradient information g x is calculated as:
  • the vertical forward gradient information g y is calculated as:
  • (u, v) is the coordinate of the pixel
  • I is the value of the pixel
  • g is the gradient information of the pixel
  • Width is the width of the image
  • Height is the height of the image.
  • the specific mask image can be selected according to the specific stitching scheme; for the stitching scheme with fixed seams, for example, fixed For the video sequence shot by the camera, because the stitching method is the same, a fixed mask can be selected; for the scheme of dynamically adjusting the stitching seam, for example, the stitching and fusion of pictures taken by different cameras, the stitching method will be changed, and the corresponding masks can be calculated separately , This case is a dynamic mask;
  • the four channels are used to store horizontal gradient information, vertical forward gradient information, horizontal backward gradient information, and vertical backward gradient information. information;
  • the Laplacian image is calculated.
  • the calculation formula is:
  • N is the total number of sheets of the image
  • the I i is the i-th original images
  • M i is the i-th mask image
  • pixels take one effective, otherwise, it is 0, M i should ensure that, for each pixel (u, v), only one of the N values is 1, and the rest are 0.
  • the Laplacian image L′ can be regarded as being generated by convolving the panoramic image with the following template, which is:
  • this step can be completed in the frequency domain. Divide the Fourier spectrum of L′ by the Fourier spectrum of the above template , And then do the inverse Fourier transform, get the ratio map according to the ratio difference between the original image and the fusion image, then upsample the ratio map by m times, and then multiply the corresponding multiple original images to get several aligned images, and finally The corresponding mask images are fused together to obtain the final panoramic image;
  • the deconvolution transformation is performed on the Laplacian image L′ to obtain the fused image, which can be converted in the frequency domain of the image. Because the above two Fourier spectra are both complex numbers, in order to reduce the calculation and storage, The discrete cosine transform simplifies the calculation.
  • T 1 acquires the top left quadrant ( ⁇ Width, 0 ⁇ v ⁇ Height 0 ⁇ u ) of the real part of the image, referred to as T 2;
  • the discrete Fourier transform data is concentrated in the middle low-frequency signal area, and the discrete cosine transform data is concentrated in the upper left corner. It is almost impossible to see the advantages of the discrete cosine transform. Where; but for images with rich details, the data after the discrete cosine transform is very divergent, and the data after the discrete cosine transform is still relatively concentrated. If the original image is also restored from the frequency spectrum, it is more reasonable to choose the discrete cosine transform, because the discrete cosine transform only Need to store fewer data points, so calculations and storage can be reduced.
  • a Laplacian image is generated by calculating the gradient information of several images, and then a deconvolution transformation is performed to generate a fused panoramic image, which eliminates the chromatic aberration of image splicing and achieves a good image fusion effect.
  • the second embodiment of the present invention provides a computer-readable storage medium that stores a computer program, and when the computer program is executed by a processor, implements an image fusion method as provided in the first embodiment of the present invention
  • the computer-readable storage medium may be a non-transitory computer-readable storage medium.
  • FIG. 3 shows a specific structural block diagram of a portable terminal provided in the third embodiment of the present invention.
  • a portable terminal 100 includes: one or more processors 101, a memory 102, and one or more computer programs.
  • the device 101 and the memory 102 are connected by a bus.
  • the one or more computer programs are stored in the memory 102 and are configured to be executed by the one or more processors 101, and the processor 101 executes
  • the computer program implements the steps of an image fusion method provided in the first embodiment of the present invention.

Landscapes

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

Abstract

本发明提供了一种图像融合方法、装置及便携式终端。所述方法包括：获取若干张已对齐的图像；分别计算每张图像的梯度信息；设定每张图像的掩模图，生成目标梯度图像；对目标梯度图像进行梯度运算，得到目标拉普拉斯图像；对拉普拉斯图像做反卷积变换，生成融合后的全景图像。本发明技术方案通过对若干图像的梯度信息计算生成拉普拉斯图像，再进行反卷积变换生成融合后的全景图像，消除了图像拼接的色差，实现了图像良好的融合效果。

Description

一种图像融合方法及便携式终端 技术领域
本发明属于图像或视频领域，尤其涉及一种图像融合方法及便携式终端。
背景技术
图像拼接或者全景图像技术是指把有重合区域的一系列图片拼接成一幅宽视角的、与原始图像接近且失真小、没有明显缝合线的图片，以满足人们浏览全景图片的需求。
目前，已经有许多图像融合算法可以将同一场景图片中的重叠部分提取出来并且快速的拼接成为一幅全景图片，得出令人满意的融合结果。其中一种方法是使用小波进行多尺度的融合，但是这种方法只是在重叠区域进行局部的融合处理，无法保证图像的全局自然。还有一种方法是采取梯度域的融合方法进行图像拼接，可以减少源图像间色差对融合结果的影响。但是以上这两种方法对于存在有明显色彩和亮度差异的图片，融合后的全景图像就会失真。
技术问题
本发明提出一种图像方法、计算机可读存储介质及便携式终端，旨在消除图像拼接的色差，实现图像良好的融合效果。
技术解决方案
第一方面，本发明提供了一种图像融合方法，所述方法包括：
获取若干张已对齐的图像；
分别计算每张图像的梯度信息；
设定每张图像的掩模图，生成目标梯度图像；
对目标梯度图像进行梯度运算，得到目标拉普拉斯图像；
对拉普拉斯图像做反卷积变换，生成融合后的全景图像。
第二方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的一种图像融合方法的步骤。
第三方面，本发明提供了一种便携式终端，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如第一方面所述的一种图像融合方法的步骤。
有益效果
在本发明中，通过对若干图像的梯度信息计算生成拉普拉斯图像，再进行反卷积变换生成融合后的全景图像，消除了图像拼接的色差，实现了图像良好的融合效果。
附图说明
图1是本发明实施例一提供的一种图像融合方法流程图。
图2是本发明实施例一提供的图像反卷积变换方法流程图。
图3是本发明实施例三提供的便携式终端的结构示意图。
本发明的实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
请参阅图1，本发明实施例一提供的一种图像融合方法包括以下步骤：
S101.获取若干张已对齐的图像；
所述若干张已对齐的图像可为普通相机多视角拍摄的图像，或者是视频 的视频帧；
其中若干张图像n≥2，所述n张图像可以拼接成一幅全景图像，图像已对齐表示在n张图像中，任何一个像素均有对应于拼接的全景图像中的像素；
所述拼接可由相机外参标定、特征点匹配或光流对齐方法实现。
S102.分别计算每张图像的梯度信息；
依次对每张图像降采样，降采样为原图的
Figure PCTCN2020089299-appb-000001
倍，m≥40，得到对应的降采样图像；
分别计算每张降采样图像的水平前向梯度信息、竖直前向梯度信息、水平后向梯度信息和竖直后向梯度信息；
像素坐标(u,v)的梯度信息计算公式分别如下：
水平前向梯度信息g x，计算公式为：
Figure PCTCN2020089299-appb-000002
竖直前向梯度信息g y，计算公式为：
Figure PCTCN2020089299-appb-000003
水平后向梯度信息
Figure PCTCN2020089299-appb-000004
计算公式为：
Figure PCTCN2020089299-appb-000005
竖直后向梯度信息
Figure PCTCN2020089299-appb-000006
计算公式为：
Figure PCTCN2020089299-appb-000007
其中，(u,v)为像素的坐标，I为像素的值，g为像素的梯度信息，Width为图像的宽，Height为图像的高。
S103.设定每张图像的掩模图，生成目标梯度图像；
对于每张图像的掩模图，根据该图像在所述全景图像中有效信息的区域设定；可根据具体拼接方案，选择具体的掩模图；对于固定拼接缝的拼接方案，例如用固定相机拍摄的视频序列，因拼接方法一致，可选择固定掩模；对于动态调整拼接缝的方案，例如采用不同相机拍摄的图片进行拼接融合，拼接方法会有变化，可选择分别计算对应掩模，此种情况为动态掩模；
新建一张与全景图像长宽相同的四通道图像，四通道分别用于存储水平方向的梯度信息，竖直方向的前向梯度信息，水平方向的后向梯度信息，竖直方向的后向梯度信息；
将每张图像掩模图覆盖区域的四个通道梯度信息复制到新建的四通道图像中，生成目标梯度图像。
S104.对目标梯度图像进行梯度运算，得到目标拉普拉斯图像；
根据目标梯度图像的四通道梯度信息，计算得到拉普拉斯图像，计算公式为：
Figure PCTCN2020089299-appb-000008
对于拉普拉斯图像，加入原图亮度值的一个微小分量，计算公式为：
Figure PCTCN2020089299-appb-000009
其中，N为图像的总张数，I i为第i张原始图像，M i为第i张图像的掩模，像素有效取1，否则取0，M i应保证对于每个像素(u,v)，N个中仅有一个值为1，其余值为0。
S105.对拉普拉斯图像做反卷积变换，得到融合后的图像；
所述拉普拉斯图像L′，可看成由以下模板对全景图像做卷积而生成，模板为：
Figure PCTCN2020089299-appb-000010
因此，用上述模板对拉普拉斯图像L′做傅里叶变换，根据卷积定理，这个步骤可在频域里完成，将L′的傅里叶频谱除以上述模板的傅里叶频谱，再 做反傅里叶变换，根据原始图像与融合图像的比值差异得到比值图，然后m倍升采样比值图，再与对应的多张原始图像点乘得到若干张已对齐的图像，最后与对应的掩模图像一起融合得到最后的全景图像；
所述对拉普拉斯图像L′做反卷积变换，得到融合后的图像，可在图像的频域里转换，因上述两个傅里叶频谱均为复数，为减少运算和存储，用离散余弦变换简化计算。
请参阅图2，图像反卷积变换具体步骤包括：
S1051.对拉普拉斯图像L′做离散余弦变换，得到DL′；
S1052.获取拉普拉斯图像L′的宽度Width和高Height，创建一张图像，记为T，其宽高分别为2Width和2Height，对该图像中心位置(Width，Height)处赋值-4+ε，在位置(Width+1，Height)，(Width-1，Height)，(Width，Height+1)，(Width，Height-1)处分别赋值1，在其他位置赋值0；
S1053.对T做离散傅里叶变换，得到图像T 1；
S1054.获取T 1左上角四分之一部分(0≤u＜Width,0≤v＜Height)的实部的图像，记为T 2；
S1055.将T 2(u,v)在u+v为奇数的位置处，改为-T 2(u,v)，得到T 2′(u,v)，如公式(7)所示：
Figure PCTCN2020089299-appb-000011
S1056.将DL′除以T 2′，得到DL，如公式(8)所示：
Figure PCTCN2020089299-appb-000012
S1057.对DL做反离散余弦变换，得到低分辨率下的融合图像resL；
S1058.利用resL图像和多张降采样图像之间的关系得到对应的多张比值图像，对比值图像升采样m倍后与原始输入图像做点积运算再通过对应掩模图 像融合，得到清晰无色差无亮度差异的全景图像；
需要说明的是，对于细节较少的图像，因图像比较平滑，离散傅里叶变换数据集中在中间的低频信号区，离散余弦变换数据集中在左上角，几乎无法看出离散余弦变换的优势在哪里；但对于细节丰富的图像，离散余弦变换后的数据很发散，离散余弦变换后的数据仍然比较集中，如果同样从频率谱恢复原始图像，那么选用离散余弦变换更合理，因为离散余弦变换只需要存储更少的数据点，因此可以减少运算和存储。
在本发明中，通过对若干图像的梯度信息计算生成拉普拉斯图像，再进行反卷积变换生成融合后的全景图像，消除了图像拼接的色差，实现了图像良好的融合效果。
实施例二：
本发明实施例二提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例一提供的一种图像融合方法的步骤，所述计算机可读存储介质可以是非暂态计算机可读存储介质。
实施例三：
图3示出示出了本发明实施例三提供的便携式终端的具体结构框图，一种便携式终端100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明实施例一提供的一种图像融合方法的步骤。
在本发明实施例中，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

  1. 一种图像融合方法，其特征在于，包括以下步骤：
    获取若干张已对齐的图像；
    分别计算每张图像的梯度信息；
    设定每张图像的掩模图，生成目标梯度图像；
    对目标梯度图像进行梯度运算，得到目标拉普拉斯图像；
    对拉普拉斯图像做反卷积变换，生成融合后的全景图像；
    其中，
    所述若干张已对齐的图像可以拼接成一幅全景图像，其中若干张图像n≥2；
    所述已对齐表示在n张已对齐的图像中，任何一个像素均有对应于拼接的全景图像中的像素。
  2. 如权利要求1所述的方法，其特征在于，所述分别计算每张图像的梯度信息，具体包括：
    依次对每张图像降采样，得到对应的降采样图像；
    分别计算每张降采样图像的水平前向梯度信息、竖直前向梯度信息、水平后向梯度信息和竖直后向梯度信息；
    像素坐标(u,v)的梯度信息计算公式分别如下：
    水平前向梯度信息g x，计算如公式(1)所示：
    Figure PCTCN2020089299-appb-100001
    竖直前向梯度信息g y，计算如公式(2)所示：
    Figure PCTCN2020089299-appb-100002
    水平后向梯度信息
    Figure PCTCN2020089299-appb-100003
    计算如公式(3)所示：
    Figure PCTCN2020089299-appb-100004
    竖直后向梯度信息
    Figure PCTCN2020089299-appb-100005
    计算如公式(4)所示：
    Figure PCTCN2020089299-appb-100006
    其中，(u,v)为像素的坐标，I为像素的值，g为像素的梯度信息，Width为图像的宽，Height为图像的高。
  3. 如权利要求1所述的方法，其特征在于，所述设定每张图像的掩模图，生成目标梯度图像包括根据拼接方案的不同，通过固定掩模或动态掩模来设定每张图像的掩模图。
  4. 如权利要求3所述的方法，其特征在于，所述通过动态掩模设定每张图像的掩模图，生成目标梯度图像具体包括：
    新建一张与全景图像长宽相同的四通道图像，四通道分别用于存储水平方向的梯度信息，竖直方向的前向梯度信息，水平方向的后向梯度信息，竖直方向的后向梯度信息；
    将每张图像掩模图覆盖区域的梯度信息复制到新建图像中，生成目标梯度图像。
  5. 如权利要求1所述的方法，其特征在于，所述对目标梯度图像进行梯度运算，得到目标拉普拉斯图像，具体包括：
    根据目标梯度图像的四种梯度信息，计算得到拉普拉斯图像，计算公式为：
    Figure PCTCN2020089299-appb-100007
    对于拉普拉斯图像，加入原图亮度值的一个微小分量，计算公式为：
    Figure PCTCN2020089299-appb-100008
    其中，N为图像的总张数，I i为第i张原始图像，M i为第i张图像的掩模，像素有效取1，否则取0，M i应保证对于每个像素(u,v)，N个中仅有一个值为1，其余值为0。
  6. 如权利要求1所述的方法，其特征在于，所述对拉普拉斯图像做反卷 积变换，得到融合后的图像，具体包括：
    对拉普拉斯图像L′做离散余弦变换，得到DL′；
    获取拉普拉斯图像L′的宽度Width和高Height，创建一张图像，记为T，其宽高分别为2Width和2Height，对该图像中心位置(Width，Height)处赋值-4+ε，在位置(Width+1，Height)，(Width-1，Height)，(Width，Height+1)，(Width，Height-1)处分别赋值1，在其他位置赋值0；
    对T做离散傅里叶变换，得到图像T 1；
    获取T 1左上角四分之一部分(0≤u＜Width,0≤v＜Height)的实部的图像，记为T 2；
    将T 2(u,v)在u+v为奇数的位置处，改为-T 2(u,v)，得到T 2′(u,v)，如公式(7)所示：
    Figure PCTCN2020089299-appb-100009
    将DL′除以T 2′，得到DL，如公式(8)所示：
    Figure PCTCN2020089299-appb-100010
    对DL做反离散余弦变换，得到低分辨率下的融合图像resL；
    利用resL图像和多张降采样图像之间的关系得到对应的多张比值图像，对比值图像升采样m倍后与原始输入图像做点积运算，再通过对应掩模图像融合，得到清晰无色差无亮度差异的全景图像。
  7. 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存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像融合方法的步骤，所述计算机可读存储介质可以是非暂态计算机可读存储介质。
  8. 一种便携式终端，包括：
    一个或多个处理器；
    存储器；以及
    一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，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至6任一项所述的图像融合方法的步骤。
PCT/CN2020/089299 2019-03-11 2020-05-09 一种图像融合方法及便携式终端 WO2020182230A2 (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP20768934.0A EP3929867A4 (en) 2019-03-11 2020-05-09 IMAGE FUSION PROCESS AND PORTABLE TERMINAL
JP2021554650A JP7253635B2 (ja) 2019-03-11 2020-05-09 画像融合方法及び携帯端末
US17/437,742 US11967051B2 (en) 2019-03-11 2020-05-09 Image fusion method and portable terminal

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910178581.0 2019-03-11
CN201910178581.0A CN109934772B (zh) 2019-03-11 2019-03-11 一种图像融合方法、装置及便携式终端

Publications (2)

Publication Number Publication Date
WO2020182230A2 true WO2020182230A2 (zh) 2020-09-17
WO2020182230A3 WO2020182230A3 (zh) 2020-10-22

Family

ID=66986880

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/089299 WO2020182230A2 (zh) 2019-03-11 2020-05-09 一种图像融合方法及便携式终端

Country Status (5)

Country Link
US (1) US11967051B2 (zh)
EP (1) EP3929867A4 (zh)
JP (1) JP7253635B2 (zh)
CN (1) CN109934772B (zh)
WO (1) WO2020182230A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112837254A (zh) * 2021-02-25 2021-05-25 普联技术有限公司 一种图像融合方法、装置、终端设备及存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934772B (zh) 2019-03-11 2023-10-27 影石创新科技股份有限公司 一种图像融合方法、装置及便携式终端
CN110517211B (zh) * 2019-07-31 2023-06-13 茂莱（南京）仪器有限公司 一种基于梯度域映射的图像融合方法
CN111784617B (zh) * 2020-06-09 2023-08-15 国家卫星气象中心(国家空间天气监测预警中心) 一种图像处理方法及装置
CN113160054B (zh) * 2021-04-01 2024-04-16 佛山市顺德区美的洗涤电器制造有限公司 用于处理图像的方法、控制设备及家用电器
CN113192101B (zh) * 2021-05-06 2024-03-29 影石创新科技股份有限公司 图像处理方法、装置、计算机设备和存储介质
CN113962867B (zh) * 2021-12-22 2022-03-15 深圳思谋信息科技有限公司 图像处理方法、装置、计算机设备和存储介质
CN116309036B (zh) * 2022-10-27 2023-12-29 杭州图谱光电科技有限公司 一种基于模板匹配和光流法的显微图像实时拼接方法
CN116363252B (zh) * 2023-06-02 2023-08-04 南京诺源医疗器械有限公司 目标成像方法及系统

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063608A1 (en) * 2003-09-24 2005-03-24 Ian Clarke System and method for creating a panorama image from a plurality of source images
US8411938B2 (en) * 2007-11-29 2013-04-02 Sri International Multi-scale multi-camera adaptive fusion with contrast normalization
RU2421814C2 (ru) * 2009-02-20 2011-06-20 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ формирования составного изображения
US8547421B2 (en) * 2010-08-13 2013-10-01 Sharp Laboratories Of America, Inc. System for adaptive displays
US8891866B2 (en) * 2011-08-31 2014-11-18 Sony Corporation Image processing apparatus, image processing method, and program
US9098922B2 (en) * 2012-06-06 2015-08-04 Apple Inc. Adaptive image blending operations
WO2014193670A2 (en) 2013-05-29 2014-12-04 Capso Vision, Inc. Reconstruction of images from an in vivo multi-camera capsule
US9589350B1 (en) 2013-05-30 2017-03-07 360 Lab Llc. Utilizing three overlapping images for exposure correction during panoramic image stitching
CN103700075B (zh) * 2013-12-25 2016-08-17 浙江师范大学 基于Tetrolet变换的多通道卫星云图融合方法
CN104077791B (zh) * 2014-05-22 2017-06-30 南京信息工程大学 一种多幅动态对比度增强核磁共振图像联合重建方法
US9779491B2 (en) * 2014-08-15 2017-10-03 Nikon Corporation Algorithm and device for image processing
CN104504670B (zh) * 2014-12-11 2017-09-12 上海理工大学 多尺度梯度域图像融合算法
US9813621B2 (en) 2015-05-26 2017-11-07 Google Llc Omnistereo capture for mobile devices
CN106339998B (zh) * 2016-08-18 2019-11-15 南京理工大学 基于对比度金字塔变换的多聚焦图像融合方法
CN106570872A (zh) * 2016-10-27 2017-04-19 中国石油天然气股份有限公司 一种岩心孔隙图像分割方法及装置
CN107292838A (zh) 2017-06-07 2017-10-24 汕头大学 基于模糊区域分割的图像去模糊方法
CN107945148B (zh) * 2017-12-15 2021-06-01 电子科技大学 一种基于mrf区域选择的多曝光度图像融合方法
CN108038464A (zh) * 2017-12-22 2018-05-15 新疆大学 一种新的hog特征维吾尔族人脸图像识别算法
CN108416732A (zh) * 2018-02-02 2018-08-17 重庆邮电大学 一种基于图像配准与多分辨率融合的全景图像拼接方法
CN108648174A (zh) * 2018-04-04 2018-10-12 上海交通大学 一种基于自动对焦技术的多层图像融合方法及系统
US11089234B2 (en) * 2018-10-02 2021-08-10 Shinyfields Limited Systems and methods of image enhancement
CN109934772B (zh) 2019-03-11 2023-10-27 影石创新科技股份有限公司 一种图像融合方法、装置及便携式终端

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112837254A (zh) * 2021-02-25 2021-05-25 普联技术有限公司 一种图像融合方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
JP7253635B2 (ja) 2023-04-06
US20220148129A1 (en) 2022-05-12
JP2022524806A (ja) 2022-05-10
US11967051B2 (en) 2024-04-23
CN109934772B (zh) 2023-10-27
EP3929867A2 (en) 2021-12-29
WO2020182230A3 (zh) 2020-10-22
CN109934772A (zh) 2019-06-25
EP3929867A4 (en) 2022-11-30

Similar Documents

Publication Publication Date Title
WO2020182230A2 (zh) 一种图像融合方法及便携式终端
JP6563609B2 (ja) 中間ビューからの効率的なキャンバスビューの生成
CN104392416B (zh) 一种运动场景的视频拼接方法
CN110211043A (zh) 一种用于全景图像拼接的基于网格优化的配准方法
US10943378B2 (en) Cylindrical panorama
RU2580473C1 (ru) Устройство бесшовного объединения изображений в единую композицию с автоматической регулировкой контрастности и градиентом
CN111866523B (zh) 全景视频合成方法、装置、电子设备和计算机存储介质
RU2690757C1 (ru) Система синтеза промежуточных видов светового поля и способ ее функционирования
Luo et al. Image stitching with positional relationship constraints of feature points and lines
KR101132976B1 (ko) 복수 개의 카메라를 구비한 모바일 기기, 이를 이용한 디스플레이 표시방법
EP3229106A1 (en) Efficient determination of optical flow between images
Dudek et al. Robust global and local color matching in stereoscopic omnidirectional content
Cao et al. View Transition based Dual Camera Image Fusion
CN116823689A (zh) 一种复眼相机图像融合方法
Luo et al. Automatic stitching method for spherical panoramic video
WO2022182293A1 (en) Method and system for image stitching
EP3229470A1 (en) Efficient canvas view generation from intermediate views
Cheng et al. Wavelet-based seamless image stitching under l1 and l2 norm
Hakobyan et al. Creation of the Panoramic View of Surroundings from Succession of Photos

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20768934

Country of ref document: EP

Kind code of ref document: A2

ENP Entry into the national phase

Ref document number: 2021554650

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020768934

Country of ref document: EP

Effective date: 20210921