專利名稱：一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法
技術領域：
本發(fā)明涉及360°環(huán)視全景圖像的生成方法。
背景技術：
全景圖是虛擬現(xiàn)實和計算視覺中一種重要的場景表示方法，它指的是在固定的視點，在垂直方向180°和水平方向360°的圖像視圖，簡單的形式可以是固定視平面上的360°環(huán)視視圖。通常有兩種方式來獲得全景圖直接方式和圖像拼接方式。前一種方式簡單易行，但它需要使用專業(yè)全景相機、全景攝像機等特殊器材，這些器材通常價格昂貴且使用復雜，實際應用面較窄，難以普及。因此基于圖像拼接思想的全景視圖生成方法的應用非常廣泛。圖像拼接就是利用若干離散局部圖像作為基礎數(shù)據(jù)，經(jīng)過一系列的圖像分析處理后生成全景。
全景圖一般有三種形式立方體全景圖、球面全景圖和柱面全景圖。立方體全景圖在圖像的獲取和校正過程中會遇到很大困難。球面全景圖拼接過程中的圖像求交、定位較困難，且很難找到一種與球面相對應、易于計算機存儲訪問的數(shù)據(jù)結構來存放球面圖像數(shù)據(jù)。柱面全景圖在單幅圖像獲取比立方體形式和球面形式簡單，而且容易展開為一個矩形圖像，可直接用計算機常用的圖像格式存儲和訪問。
如專利申請?zhí)枮?00410015828.0的中國發(fā)明專利申請，公開了一種180°大視場全景凝視成像方法。它采用圓柱平面投影法，用二次反射的環(huán)形透鏡作第一次成像，實現(xiàn)大視角全景凝視成像，用中繼透鏡作第二次成像，獲得實像，用平面光電成像器件接收並顯示三維空間，主要應用于機器人全景視覺、管道內(nèi)壁檢測、醫(yī)學內(nèi)窺成像等領域，雖然提出了一種直接獲取全景圖像的方案，但該方案中全景圖像的生成方法對硬件條件及環(huán)境要求較高，且不能生成完整的360°環(huán)視全景。
如申請?zhí)枮?3115149.3的中國發(fā)明專利，公開了一種基于兩張魚眼圖像的全景生成方法。該方法包括魚眼圖像預處理、建立空間模型、拼合參數(shù)尋優(yōu)、生成全景圖像四個部分。但在實際應用中并不能自動、快速的找到模型的最佳拼合參數(shù)，需要人工調(diào)整拼合參數(shù)。尤其關鍵的是，由于本發(fā)明要求待拼合的魚眼圖像必須具備理論上完備的空間模型，只能采用兩張魚眼圖像，需要相機裝配價格昂貴的魚眼鏡頭，普通平面圖像不能使用，難以得到平民化普及應用。
再如申請?zhí)枮?3137660.6的中國發(fā)明專利，公開了一種平面圖像全景重建立體圖像的方法，其過程包括，選擇平面圖像，針對平面圖像的空間分布，建立每個象素的深度列表，根據(jù)深度列表對平面圖像的每個象素進行視差位移處理，重建全部視差序列圖像，將視差序列圖像立體合成。其中，采用了三維建模、圖像幾何變換、圖像視差變換技術來實現(xiàn)立體圖像的重建。但該方法在平面圖像的獲取、處理和定位、校正過程中會遇到很多實際困難，且難以處理實景大圖和實現(xiàn)可控立體景深。
另外，申請?zhí)枮?00510087641.6的中國發(fā)明專利，公開了一種用于創(chuàng)建全景圖像的數(shù)字成像設備及其方法，其中，數(shù)字成像設備包括用于連續(xù)捕獲多個圖像的捕獲部分；用于分別檢測從捕獲部分輸出的多個圖像的圖像信息檢測部分；用于圖像轉換的全景圖像生成部分。通過選擇從圖像信息檢測部分輸出的多個圖像信息中的一組，通過對所選擇的圖像信息進行合并轉換，從而創(chuàng)建全景圖像。但該方法實際處理速度較慢，且只能用于專用的全景數(shù)字成像設備。
現(xiàn)有的全景圖像生成方法存在的缺點是1、若采用直接生成全景圖像的方法，則對硬件設備要求較高，價格昂貴，難以普及應用；2、現(xiàn)有的通過圖像拼合技術生成全景圖像的方法，要么需要專用魚眼鏡頭設備，要么實現(xiàn)困難、智能化程度低、對圖像要求高、定位和校正困難、普通相機照片無法使用，處理速度較慢等，甚至最終合成的全景圖效果也較差。

發(fā)明內(nèi)容
為了克服已有的全景圖像生成方法存在的缺點和不足，本發(fā)明提供了一種對設備要求低(僅需普通數(shù)碼相機或普通平面照片)、實用廉價、實現(xiàn)簡便、智能化程度高、處理速度快、全景圖清晰、真實感強、適用性廣、易于普及的基于序列靜態(tài)圖像的360°環(huán)視全景生成方法。
本發(fā)明解決其技術問題所采用的技術方案是一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，該方法包括如下步驟(1)用相機拍攝所需的序列圖像；(2)對序列圖像進行預處理采用中值濾波進行去噪，直方圖均衡化處理；(3)序列圖像的拼接通過將相鄰前后圖像的拼接形成360°環(huán)視全景圖像，包括以下步驟(3.1)把拍攝的圖片通過變換投影到360°水平柱面；
(3.2)在讀入的兩幅相鄰圖像的前一幅圖像中，選定一塊大小和位置均合適的圖像作為模板，確定在后一幅圖像中的搜索范圍，得到相鄰兩幅圖像的最佳匹配位置li，依次得到序列圖像中每相鄰兩幅圖像的最佳匹配位置；(3.3)在兩幅相鄰圖像的重疊區(qū)域S和T，將其對應的各象素按一定權值合成到新的圖像。各象素在各圖像上的權值計算公式如下WValue=cos(π2*|x-x02x02|)*cos(π2*|y-y02y02|)---(1)]]>式中WValue表示權值，(x0，y0)為重合部分的中心位置，(x，y)為象素坐標；將相鄰圖像的重疊區(qū)域S和T對應的各象素值按一定的權值合成新的圖像；重合部分的象素值可表示為IN′＝IN×WValue1+IN+1×WValue2(2)其中，IN和IN+1分別表示兩個相鄰圖像的某個相應重疊位置的象素在各自原圖像中的象素值，WValue1和WValue2是根據(jù)公式(1)計算出的該象素在各自圖像上的權值，其取值范圍為(0，1)，且和為1。
作為優(yōu)選的一種方案在所述的(2)中，采用直方圖均衡化處理變換函數(shù)sk=T(rk)=Σi=0knin,k=0,1,2···,L-1---(3)]]>其中，n是圖像中象素的總合，nk是灰度級為rk的象素個數(shù)，L為圖像中可能的灰度級數(shù)，一般取值為256；通過公式(3)將輸入圖像中灰度級為rk的象素映射為輸出圖像灰度級為sk的對應象素。
作為優(yōu)選的另一種方案在所述的(3.1)中，360°水平柱面投影變換公式為
其中， k=r2+(W2-x)2,]]>(x，y)為輸入圖像上的任意一點，(x1，y1)為該點經(jīng)過360°水平柱面投影變換后的坐標值，θ為投影角度，W為圖像的寬度，H為圖像的高度。
作為優(yōu)選的再一種方案在所述的(3.2)中，定義圖像的絕對誤差函數(shù)為ϵ(i,j,mk,nk)=|si,j(mk,nk)-s^(i,j)-T(m,n)+T^|---(5)]]>其中，s^(i,j)=1M2Σm=1MΣn=1Msi,j(m,n),]]>T^=1M2Σm=1MΣn=1MT(m,n),]]>T為模板，S為被搜索圖，si，j為子圖，即模板覆蓋下的那塊搜索圖，i，j為子圖左上角象素點在S中的坐標，M為模板的寬和高。
將模板中心與所在圖像的垂直中心線的水平距離，記作x1之后，遍歷模板圖像和第一個位置的子圖像中所有的象素點，計算對應象素點的ε(i，j，mk，nk)并累加后將其作為閾值的初始值T0。
再計算模板圖像和下一個位置子圖像中對應象素點的ε(i，j，mk，nk)并累加，記作T，在計算并累加的過程中比較T與T0的大小，若在完全遍歷模板圖像和子圖像的象素點之前，得到T≥T0，則停止計算，并將子圖像移動到下一個位置，重新開始新一輪的計算；若完全遍歷模板圖像和子圖像的象素點后，得到T＜T0，則更新閾值T0，并將此時子圖像中心象素點的坐標位置(i，j)記錄下來，得到i值與被搜索圖像垂直中心線的水平距離，記作x2，取x1與x2的平均值作為相鄰兩幅圖像的最佳匹配位置li，即li＝(x1+x2)/2。
進一步，在每累加相應位置的一行或者一列的ε(i，j，mk，nk)之后，將T與T0進行大小比較。
再進一步，在所述的(3.3)中，對于拼接后的圖像，并不是直接取IN′的值，而是引入一個閾值K，首先計算該點在平滑前的灰度值和加權平均值的差值，若此值小于閾值，則取IN′為此點的灰度值，反之，則取平滑前的灰度值為該點的灰度值。
更進一步，在所述的步驟(1)中，序列圖像的張數(shù)不少于12張，相鄰兩幅圖像必須具有重疊部分，且重疊部分在30％到50％之間。
在所述的步驟(1)中，對拍攝一個完整360度環(huán)視實景全景或者僅部分視角的環(huán)視實景場景，在一個固定位置，按順時針或者逆時針方向等角度水平旋轉拍攝。
在所述的步驟(1)中，對于實物實體360°立體造型展示的虛擬拍攝，將實物實體放在赤道儀或者帶刻度轉盤上，逆時針或順時針方向等角度地旋轉載物儀盤進行拍攝。
本發(fā)明的技術構思為本發(fā)明提出一種利用照相機得到一組部分重疊的圖像序列，通過圖像的預處理、圖像的拼接和融合算法來生成全景圖像。使用普通相機就可以完成360°環(huán)視全景圖虛擬場景構造所需圖像的采集工作，方便實用，易于普及。鑒于360°環(huán)視全景圖實現(xiàn)快速、簡便，又不影響全景圖像瀏覽的真實性；并且對于一些場景只需要360°環(huán)視，因此360°環(huán)視全景圖就有很廣泛的適用性。
本發(fā)明的有益效果主要表現(xiàn)在對設備要求低、普通相機照片即可、成本低廉、實現(xiàn)簡便、智能化程度高、處理速度快、全景圖清晰、無需完備空間、真實感強、適用性廣，易于普及及具有廣泛的適用性。


圖1是本發(fā)明所述方法生成的360°環(huán)視全景圖樣本圖像示例。
圖2是本發(fā)明中由2D圖像到360°水平柱面投影變換示意圖。
圖3是圖像拼接算法的流程圖。
圖4是360°環(huán)視全景圖的生成過程示意圖。
具體實施例方式
下面結合附圖對本發(fā)明作進一步描述。
參照圖1～圖4，一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，包括以下步驟(1)用相機拍攝所需的序列圖像；(2)序列圖像的預處理；(3)序列圖像的拼接。
拍攝所需的序列圖像是指采用普通相機鏡頭，對不同的場景采用不同的拍攝方法所拍攝的一組序列圖像，每組圖像不少于12張且相鄰兩幅圖像必須具有一定的重疊部分，且重疊部分在30％到50％之間。對拍攝一個完整360度環(huán)視實景全景或者僅部分視角的環(huán)視實景場景，在一個固定位置，按順時針或者逆時針方向等角度水平旋轉拍攝。對于實物實體360°立體造型展示的虛擬拍攝，將實物實體放在赤道儀或者帶刻度轉盤上，逆時針或順時針方向等角度地旋轉載物儀盤進行拍攝。
為了得到效果較好的全景圖像，本實施例提出了在圖像拼接之前，對序列圖像采用中值濾波進行去噪、直方圖均衡化處理，以平衡光照條件不同帶來的影響。我們采用如下直方圖均衡化處理變換函數(shù)sk=T(rk)=Σi=0knin,k=0,1,2···,L-1---(3)]]>其中，n是圖像中象素的總數(shù)，nk是灰度級為rk的象素個數(shù)，L為圖像中可能的灰度級數(shù)，一般取值為256。通過公式(3)將輸入圖像中灰度級為rk的象素映射為輸出圖像灰度級為sk的對應象素。
在完成圖像的預處理后，我們通過三個步驟來完成對12幅圖像的拼接從而完成一幅360°環(huán)視全景圖的生成，這三個步驟為①圖像的變換；②圖像的匹配；③圖像的平滑處理。本發(fā)明所述的方法首先要對序列圖像進行360°水平柱面投影變換，將各投影平面的重疊圖像映射到一個標準投影即360°水平柱面投影上得到360°水平柱面投影圖像。在平面透視投影中，對于一個固定的觀點，任意兩個2D平面的透視變換可以由矩陣相乘完成x′y′w′=m0m1m2m3m4m5m6m7m8xyw]]>其中，(x，y)代表第一幅圖像的象素坐標，(x′，y′)是(x，y)在第二幅圖像上的對應坐標，首先把拍攝的圖片通過變換投影到標準360°水平柱面，相應的投影變換公式為 其中， k=r2+(W2-x)2,]]>(x，y)為輸入圖像上的任意一點，(x1，y1)為該點經(jīng)過柱面投影變換后的坐標值，θ為投影角度，W為圖像的寬度，H為圖像的高度。
參見圖2，360°水平柱面投影變換的核心是投影變換公式，首先要建立坐標系，如圖2(a)所示假定所有相機運動都發(fā)生在X-Z平面，以原始輸入圖對應的觀察方向為Z軸，以原始輸入圖像所在的視平面為XY平面，坐標圓點就是光軸與圖像平面的交點，并將原始輸入圖像標定為I，柱面投影圖像標定為J，投影柱面標定為K，觀察點標定為O(投影中心)。現(xiàn)在是要在O點觀察圖像I在柱面K上的投影像J。
圖2(b)和圖2(c)分別是橫向觀察方向(X-Z平面)和縱向觀察方向(Y-Z平面)的柱面投影示意圖，圖中標定了原始輸入圖像和柱面投影圖像上的兩個對應點M和N的相互位置關系，以及投影柱面半徑、橫向觀察角α和縱向觀察角β的情況。
本實施例提出的一種自適應閾值序列序貫相似性檢測算法(SSDA，Sequential Similarity Detection Algorithms)，該算法中包括確定閾值的選取、模板的大小、模板位置和搜索范圍。首先，定義圖像的絕對誤差函數(shù)為ϵ(i,j,mk,nk)=|si,j(mk,nk)-s^(i,j)-T(m,n)+T^|---(5)]]>其中，s^(i,j)=1M2Σm=1MΣn=1Msi,j(m,n),]]>T^=1M2Σm=1MΣn=1MT(m,n),]]>T為模板，S為被搜索圖，si，j為子圖，即模板覆蓋下的那塊搜索圖，i，j為子圖左上角象素點在S中的坐標，M為模板的寬和高。
參照圖3，在讀入的兩幅相鄰圖像的前一幅圖像中，選定一塊大小和位置均合適的圖像作為模板，將模板中心與所在圖像的垂直中心線的水平距離記作x1之后，確定在后一幅圖像中的搜索范圍(即子圖的遍歷范圍)。遍歷模板圖像和第一個位置的子圖像中所有的象素點，計算對應象素點的ε(i，j，mk，nk)并累加后將其作為閾值的初始值T0。再計算模板圖像和下一個位置子圖像中對應象素點的ε(i，j，mk，nk)并累加，記作T，在計算并累加的過程中比較T與T0的大小。為了加快匹配拼接速度，在每累加相應位置的一行或者一列的ε(i，j，mk，nk)之后，將T與T0進行大小比較。對于某一位置，若在完全遍歷模板圖像和子圖像的象素點之前，得到T≥T0，則停止計算，并將子圖像移動到下一個位置，重新開始新一輪的計算。若完全遍歷模板圖像和子圖像的象素點后，得到T＜T0，則更新閾值T0，并將此時子圖像中心象素點的坐標位置(i，j)記錄下來，得到i值與被搜索圖像垂直中心線的水平距離，記作x2。閾值T0按下式取值T0=TT≤T0T0T>T0,]]>這樣在搜索范圍內(nèi)遍歷子圖像，即可找到x2。取x1與x2的平均值作為相鄰兩幅圖像的最佳匹配位置li，即li＝(x1+x2)/2。同理可求得序列圖像中每相鄰兩幅圖像的最佳匹配位置。
本實施例為了使得拼接后的圖像效果更好，更具有整體感，提出一種改進的帶權縫合的方法進行拼接后的平滑過渡，在兩幅相鄰圖像的重疊區(qū)S和T，將其對應的各象素按照一定權值合成到新的圖像。各象素在各圖像上的權值計算公式如下WValue=cos(π2*|x-x02x02|)*cos(π2*|y-y02y02|)---(1)]]>式中WValue表示權值，(x0，y0)為重合部分的中心位置，(x，y)為象素坐標。將相鄰圖像的重疊區(qū)域S和T對應的各象素值按一定的權值合成新的圖像。
重合部分的象素值可表示為IN′＝IN×WValue1+IN+1×WValue2(2)其中，IN和IN+1分別表示兩個相鄰圖像的某個相應重疊的象素在各自原圖像中的象素值，WValue1和WValue2是根據(jù)公式(1)計算出的該象素在各自圖像上的權值，其取值范圍為(0，1)，且和為1。
對于拼接后的圖像，并不是直接取IN′的值，而是引入一個閾值K，首先計算該點在平滑前的灰度值和加權平均值的差值，若此值小于閾值，則取IN′為此點的灰度值，反之，則取平滑前的灰度值為該點的灰度值。
如圖4所示，是整個360°環(huán)視全景圖像的生成過程。首先根據(jù)所拍攝場景的不同選擇不同的拍攝方式，根據(jù)401拍攝序列圖像。對拍攝一個完整360度環(huán)視實景全景或者僅部分視角的環(huán)視實景場景，在一個固定位置，按順時針或者逆時針方向等角度水平旋轉拍攝；對于實物實體360°立體造型展示的虛擬拍攝，將實物實體放在赤道儀或者帶刻度轉盤上，逆時針或順時針方向等角度地旋轉載物儀盤進行拍攝。拍攝時相鄰兩幅圖像要有一定的重疊，且對同一場景圖像的張數(shù)不少于12張。402對序列圖像進行中值濾波去噪、直方圖均衡化處理等圖像預處理，以平衡光照條件不同帶來的影響，采用直方圖均衡化處理變換函數(shù)sk=T(rk)=Σi=0knin,k=0,1,2···,L-1---(3)]]>其中，n是圖像中象素的總數(shù)，nk是灰度級為rk的象素個數(shù)，L為圖像中可能的灰度級數(shù)，一般取值為256。通過公式(3)將輸入圖像中灰度級為rk的象素映射為輸出圖像灰度級為sk的對應象素。
403通過360°水平柱面投影變換公式將各投影平面的重疊圖像映射到一個標準投影即360°水平柱面投影上得到360°水平柱面圖像，相應的變換公式為
其中， k=r2+(W2-x)2,]]>(x，y)為輸入圖像上的任意一點，(x1，y1)為該點經(jīng)過360°水平柱面投影變換后的坐標值，θ為投影角度，W為圖像的寬度，H為圖像的高度。
404采用一種自適應閾值序列序貫相似性檢測算法(SSDA)，先完成相鄰兩幅圖像的拼合，最終通過同樣的方法完成一組序列圖像的拼合。
405為消除痕跡采用改進的帶權縫合的方法進行拼接后的平滑過渡，在該步驟中并不是直接采用按照一定權值合成到新的圖像，而是在之前引入一個閾值，首先計算該點在平滑前的灰度值和加權平均值的差值，若此值小于閾值，則將該點對應的象素按一定權值合成到新的圖像，反之則取平滑前的灰度值為該點的灰度值。最終完成序列圖像的全景生成。
權利要求
1.一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于該方法包括如下步驟(1)用相機拍攝所需的序列圖像；(2)對序列圖像進行預處理采用中值濾波進行去噪，直方圖均衡化處理；(3)序列圖像的拼接通過將相鄰前后圖像的拼接形成360°環(huán)視全景圖像，包括以下步驟(3.1)把拍攝的圖片通過變換投影到360°水平柱面；(3.2)在讀入的兩幅相鄰圖像的前一幅圖像中，選定一塊大小和位置均合適的圖像作為模板，確定在后一幅圖像中的搜索范圍，得到相鄰兩幅圖像的最佳匹配位置li，依次得到序列圖像中每相鄰兩幅圖像的最佳匹配位置；(3.3)在兩幅相鄰圖像的重疊區(qū)域S和T，將其對應的各象素按一定權值合成到新的圖像。各象素在各圖像上的權值計算公式如下WValue=cos(π2*|x-x02x02|)*cos(π2*|y-y02y02|)---(1)]]>式中WValue表示權值，(x0，y0)為重合部分的中心位置，(x，y)為象素坐標；將相鄰圖像的重疊區(qū)域S和T對應的各象素值按一定的權值合成為新的圖像，重合部分的象素值可表示為IN′＝IN×WValue1+IN+1×WValue2(2)其中，IN和IN+1分別表示兩個相鄰圖像的某個相應重疊位置的象素在各自原圖像中的象素值，WValue1和WValue2是根據(jù)公式(1)計算出的該象素在各自圖像上的權值，其取值范圍為(0，1)，且和為1。
2.如權利要求1所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(2)中，采用直方圖均衡化處理變換函數(shù)sk=T(rk)=Σi=0knin,k=0,1,2···,L-1---(3)]]>其中，n是圖像中象素的總數(shù)，nk是灰度級為rk的象素個數(shù)，L為圖像中可能的灰度級數(shù)，一般取值為256；通過公式(3)將輸入圖像中灰度級為rk的象素映射為輸出圖像灰度級為sk的對應象素。
3.如權利要求1所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(3.1)中，360°水平柱面投影變換公式為 其中， k=r2+(W2-x)2,]]>(x，y)為輸入圖像上的任意一點，(x1，y1)為該點經(jīng)過柱面投影變換后的坐標值，θ為投影角度，W為圖像的寬度，H為圖像的高度。
4.如權利要求1-3之一所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(3.2)中，定義圖像的絕對誤差函數(shù)為ϵ(i,j,mk,nk)=|si,j(mk,nk)-s^(i,j)-T(m,n)+T^|---(5)]]>其中，s^(i,j)=1M2Σm=1MΣn=1Msi,j(m,n),T^=1M2Σm=1MΣn=1MT(m,n),]]>T為模板，S為被搜索圖，si，j為子圖，即模板覆蓋下的那塊搜索圖，i，j為子圖左上角象素點在S中的坐標，M為模板的寬和高。將模板中心與所在圖像的垂直中心線的水平距離記作xi之后，遍歷模板圖像和第一個位置的子圖像中所有的象素點，計算對應象素點的ε(i，j，mk，nk)并累加后將其作為閾值的初始值T0。再計算模板圖像和下一個位置子圖像中對應象素點的ε(i，j，mk，nk)并累加，記作T，在計算并累加的過程中比較T與T0的大小，若在完全遍歷模板圖像和子圖像的象素點之前，得到T≥T0，則停止計算，并將子圖像移動到下一個位置，重新開始新一輪的計算；若完全遍歷模板圖像和子圖像的象素點后，得到T＜T0，則更新閾值T0，并將此時子圖像中心象素點的坐標位置(i，j)記錄下來，得到i值與被搜索圖像垂直中心線的水平距離，記作x2，取x1與x2的平均值作為相鄰兩幅圖像的最佳匹配位置li，即li＝(x1+x2)/2。
5.如權利要求4所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在每累加相應位置的一行或者一列的ε(i，j，mk，nk)之后，將T與T0進行大小比較。
6.如權利要求5所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(3.3)中，對于拼接后的圖像，并不是直接取IN′的值，而是引入一個閾值K，首先計算該點在平滑前的灰度值和加權平均值的差值，若此值小于閾值，則取IN′為此點的灰度值，反之，則取平滑前的灰度值為該點的灰度值。
7.如權利要求1-3之一所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(1)中，序列圖像的張數(shù)不少于12張，相鄰兩幅圖像必須具有重疊部分，且重疊部分在30％到50％之間。
8.如權利要求4所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(1)中，一組序列圖像的張數(shù)不少于12張，相鄰兩幅圖像必須具有重疊部分，且重疊部分在30％到50％之間。
9.如權利要求8所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(1)中，對拍攝一個完整360度環(huán)視實景全景或者僅部分視角的環(huán)視實景場景，在一個固定位置，按順時針或者逆時針方向等角度水平旋轉拍攝。
10.如權利要求8所述的一種基于序列靜態(tài)圖像的360°環(huán)視全景生成方法，其特征在于在所述的(1)中，對于實物實體360°立體造型展示的虛擬拍攝，將實物實體放在赤道儀或者帶刻度轉盤上，逆時針或順時針方向等角度地旋轉載物儀盤進行拍攝。
全文摘要
本發(fā)明公開了一種序列靜態(tài)圖像的全景生成方法，用于將一組靜態(tài)圖像拼接成一個柱形全景圖，所述的一組靜態(tài)圖像是由數(shù)碼相機對需要合成全景圖的物體或者環(huán)境從不同角度拍攝的12幅或者更多幅圖像；該方法包括序列圖像的拍攝；對拍攝圖像的預處理；圖像的拼接。本發(fā)明所述方法優(yōu)點在于對于硬件設備的要求低，不需要昂貴的硬件投入；合成速度快，智能化程度高；對于曝光度不同、亮度嚴重不一致的圖像最后得到的全景圖清晰且沒有接痕，視覺效果良好，能很好的表現(xiàn)出全景圖像。
文檔編號G06T1/00GK101079151SQ20061005384
公開日2007年11月28日 申請日期2006年10月13日 優(yōu)先權日2006年10月13日
發(fā)明者朱信忠, 趙建民, 徐慧英, 楊琳 申請人:浙江師范大學