一種終端及其實現(xiàn)圖像處理的方法
【專利摘要】本發(fā)明公開了一種終端及其實現(xiàn)圖像處理的方法，所述方法包括：圖像獲取步驟：獲取具有重疊區(qū)域的兩幅圖像；圖像糅合步驟：按照所述重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，并將配準(zhǔn)后的兩幅圖像進行合成。本發(fā)明所述方法通過攝取兩組不同角度但具有重疊區(qū)域的圖像，直接針對各個圖像提取特征點參數(shù)，然后依據(jù)各個特征點確定圖像間的匹配程度，剔除錯誤的匹配對，依據(jù)配準(zhǔn)后的圖像進行糅合合成處理，得到了寬視野、高分辨率的圖像，極大的提高了用戶使用體驗。
【專利說明】一種終端及其實現(xiàn)圖像處理的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種終端及其實現(xiàn)圖像處理的方法。

【背景技術(shù)】
[0002]隨著移動設(shè)備技術(shù)的飛速發(fā)展，移動設(shè)備的各項功能也越來越強大。目前的移動設(shè)備既可以當(dāng)作通訊工具來使用又可以當(dāng)作娛樂消遣用品，已經(jīng)成為人們生活中不可或缺的一部分。隨著功能的強大，人們對于聽覺和視覺的享受要求也越來越高，但是目前移動設(shè)備終端照相機只能實現(xiàn)對單張圖片的拍攝，日常使用普通移動設(shè)備照相機來獲取視野的場景圖像時，即使是在高端移動設(shè)備上人們必須調(diào)節(jié)相機的焦距，通過縮放鏡頭才可以攝取完整的場景，但這樣獲取照片的分辨率是比較低的，因為相機的分辨率是一定的，拍攝的場景越大分辨率越低(即，相同的分辨率，場景大的話出來的圖片就比較模糊，場景小的就比較清晰)；為了獲取高分辨率的場景照片不得不通過縮放相機鏡頭來減小拍攝的視野，但這又得不到完整的場景照片，因此需要在場景的大小和分辨率之間進行折衷。可見，當(dāng)前終端對于照片的攝取方式還存在一定的功能缺陷，不能滿足用戶的使用需求。所以，如何提供一種解決方案，使得終端攝取的圖像可以滿足視野和分辨率的雙重要求，成為本發(fā)明所要解決的技術(shù)問題。


【發(fā)明內(nèi)容】

[0003]本發(fā)明要解決的技術(shù)問題是，提供一種終端及其實現(xiàn)圖像處理的方法，使得終端攝取的圖像可以滿足視野和分辨率的雙重要求。
[0004]依據(jù)本發(fā)明的一個方面，提供了一種終端實現(xiàn)圖像處理的方法，包括:
[0005]圖像獲取步驟:獲取具有重疊區(qū)域的兩幅圖像；
[0006]圖像糅合步驟:按照所述重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，并將配準(zhǔn)后的兩幅圖像進行合成。
[0007]可選地，本發(fā)明所述方法中，所述按照重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，包括:提取兩幅圖像的特征點，并在所述特征點中提取出兩幅圖像的匹配特征對，以所述匹配特征對為對準(zhǔn)點，將兩幅圖像進行配準(zhǔn)。
[0008]可選地，本發(fā)明所述方法中，所述特征點包括圖像的角點。
[0009]可選地，本發(fā)明所述方法中，所述提取兩幅圖像的特征點，包括:
[0010]對于每幅圖像，利用3X3卷積核與圖像做卷積，求得圖像各像素點的偏導(dǎo)數(shù)，并利用該偏導(dǎo)數(shù)計算各像素點對應(yīng)的Plessy角點檢測算法中的對稱矩陣M ；
[0011]設(shè)置選取窗口、以及特征點可用評價函數(shù)R ;其中

【權(quán)利要求】
1.一種終端實現(xiàn)圖像處理的方法，其特征在于，包括: 圖像獲取步驟:獲取具有重疊區(qū)域的兩幅圖像； 圖像糅合步驟:按照所述重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，并將配準(zhǔn)后的兩幅圖像進行合成。
2.如權(quán)利要求1所述的 方法，其特征在于，所述按照重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，包括: 提取兩幅圖像的特征點，并在所述特征點中提取出兩幅圖像的匹配特征對，以所述匹配特征對為對準(zhǔn)點，將兩幅圖像進行配準(zhǔn)。
3.如權(quán)利要求2所述的方法，其特征在于，所述特征點包括圖像的角點。
4.如權(quán)利要求3所述的方法，其特征在于，所述提取兩幅圖像的特征點，包括: 對于每幅圖像，利用3X3卷積核與圖像做卷積，求得圖像各像素點的偏導(dǎo)數(shù)，并利用該偏導(dǎo)數(shù)計算各像素點對應(yīng)的Plessy角點檢測算法中的對稱矩陣M ；

設(shè)置選取窗口、以及特征點可用評價函數(shù)R;其中，
式中




Det(M) = A1 λ 2>Trace(M) = A1+A2, λ ^ λ 2分別為矩陣M的特征值，ε為使分母不為零的極小值； 按所述選取窗口在所述圖像上選取一個檢測區(qū)域，在該檢測區(qū)域內(nèi)篩選出R值最大的像素點，移動選取窗口，直到篩選完整幅圖； 設(shè)置特征點判定閾值，將篩選出的各像素點中R值大于所述判定閾值的像素點設(shè)為提取到的特征點。
5.如權(quán)利要求2或3或4所述的方法，其特征在于，所述方法還包括: 在特征點提取前，利用預(yù)先設(shè)定的邊界模板，將圖像中的邊界特征點刪除； 和/或，在提取圖像中的特征點后，提取各特征點中的亞像素特征點，并以提取的亞像素特征點為最終提取的特征點。
6.如權(quán)利要求2或3或4所述的方法，其特征在于，所述在特征點中提取出兩幅圖像的匹配特征對，包括: 利用粗匹配雙向最大相關(guān)系數(shù)BGCC算法，對兩幅圖像中的特征點進行粗匹配，利用隨機采樣RANSAC算法，對粗匹配得到的匹配特征對進行精確匹配，得到精確提取的匹配特征對。
7.如權(quán)利要求6所述的方法，其特征在于，在對兩幅圖像中的特征點進行粗匹配之前，所述方法還包括: 利用中值濾波器對兩幅圖像進行平滑處理，并將原圖與濾波處理后圖像相減的結(jié)果作為粗匹配處理的操作對象。
8.如權(quán)利要求1至4任一項所述的方法，其特征在于，所述將配準(zhǔn)后的兩幅圖像進行合成，包括:根據(jù)漸進漸出合成方法，對配準(zhǔn)后的兩幅圖像的各像素點的灰度值f(x，y)進行設(shè)置；其中，設(shè)置規(guī)則包括:
其中，f\(x，y)、f2(x, y)分別表示兩幅圖像中像素點的灰度值，Cl1, d2 e (0,1)，且C^d2=I,分別表示兩幅圖像的漸進因子，door為預(yù)先設(shè)定的判定閾值，f\、f2分別表示兩幅圖像。
9.如權(quán)利要求8所述的方法，其特征在于，所述將配準(zhǔn)后的兩幅圖像進行合成，還包括: 采用拼縫周圍7X7區(qū)域為拼縫處理區(qū)域，并以3X3的模板對所述拼縫處理區(qū)域內(nèi)的像素點進行線性濾波處理。
10.如權(quán)利要求1至4任一項所述的方法，其特征在于，在圖像獲取步驟和圖像糅合步驟間，還包括: 圖像預(yù)處理步驟:將所述圖像獲取步驟獲取到兩幅圖像按設(shè)定的預(yù)處理操作進行處理；其中，預(yù)處理操作包括如下操作中的一項或多項:驗證獲取的圖像、將兩幅圖像轉(zhuǎn)換到同一坐標(biāo)系下、對兩幅圖像進行平滑濾波處理、以及初略定位，得到粗估計的重疊區(qū)域。
11.如權(quán)利要求1至4任一項所述的方法，其特征在于，所述方法還包括: 3D圖像生成步驟:獲取合成圖像以及與該合成圖像具有重疊區(qū)域的另一圖像，執(zhí)行所述圖像糅合步驟進行再次合成，重復(fù)圖像獲取及圖像糅合過程，得到具有景深的3D圖像。
12.—種終端，其特征在于，包括: 圖像獲取模塊，用于獲取具有重疊區(qū)域的兩幅圖像； 圖像糅合模塊，用于按照所述重疊區(qū)域，將兩幅圖像進行配準(zhǔn)，并將配準(zhǔn)后的兩幅圖像進行合成。
13.如權(quán)利要求12所述的終端，其特征在于，所述圖像糅合模塊，具體用于提取兩幅圖像的特征點，并在所述特征點中提取出兩幅圖像的匹配特征對，以所述匹配特征對為對準(zhǔn)點，將兩幅圖像進行配準(zhǔn)。
14.如權(quán)利要求13所述的終端，其特征在于，所述圖像糅合模塊中，特征點包括圖像的角點。
15.如權(quán)利要求14所述的終端，其特征在于，所述圖像糅合模塊，具體包括: 計算子模塊，用于對于每幅圖像，利用3X3卷積核與圖像做卷積，求得圖像各像素點的偏導(dǎo)數(shù)，并利用該偏導(dǎo)數(shù)計算各像素點對應(yīng)的Plessy角點檢測算法中的對稱矩陣M ； 設(shè)置子模塊，設(shè)置選取窗口、以及特征點可用評價函數(shù)R;其中，
，式中Det(M) = A JyTrace(M) = X^X2, A1, λ 2分別為矩陣M的特征值，ε為使分母不為零的極小值； 篩選子模塊，用于按所述選取窗口在所述圖像上選取一個檢測區(qū)域，在該檢測區(qū)域內(nèi)篩選出R值最大的像素點，移動選取窗口，直到篩選完整幅圖； 提取子模塊，用于設(shè)置特征點判定閾值，將篩選出的各像素點中R值大于所述判定閾值的像素點設(shè)為提取到的特征點。
16.如權(quán)利要求13或14或15所述的終端，其特征在于，所述圖像糅合模塊，進一步包括: 粗匹配子模塊，用于利用粗匹配雙向最大相關(guān)系數(shù)BGCC算法，對兩幅圖像中的特征點進行粗匹配； 精確匹配子模塊，用于利用隨機采樣RANSAC算法，對粗匹配得到的匹配特征對進行精確匹配，得到精確提取的匹配特征對。
17.如權(quán)利要求12至15任一項所述的終端，其特征在于，所述圖像糅合模塊，進一步用于根據(jù)漸進漸出合成方法，對配準(zhǔn)后的兩幅圖像的各像素點的灰度值f(x，y)進行設(shè)置；其中，設(shè)置規(guī)則包括:
fAx,y)(x^y) Gfi
Z1(X^y)I/ 一 /21 > door, dx>d2, (x, y) e (/] η f2)
/O，j) = < CilXfl (χ, V) + d2xf2(x,y)\fx ~f2\< door, (x, y) g (/〗n f2)
/20，y)\f1- f21 > door,dx <d2,(x,y) e (J1 n f2)
J2(x^y)(x,y)^f2 其中，f\(x，y)、f2(x, y)分別表示兩幅圖像中像素點的灰度值，Cl1, d2 e (0,1)，且C^d2=I,分別表示兩幅圖像的漸進因子，door為預(yù)先設(shè)定的判定閾值，f\、f2分別表示兩幅圖像。
18.如權(quán)利要求12至15任一項所述的終端，其特征在于，所述終端還包括:圖像預(yù)處理模塊，和/或，3D圖像生成模塊； 所述圖像預(yù)處理模塊，用于將所述圖像獲取模塊獲取到兩幅圖像按設(shè)定的預(yù)處理操作進行處理；其中，預(yù)處理操作包括如下操作中的一項或多項:驗證獲取的圖像、將兩幅圖像轉(zhuǎn)換到同一坐標(biāo)系下、對兩幅圖像進行平滑濾波處理、以及初略定位，得到粗估計的重疊區(qū)域； 所述3D圖像生成模塊，用于獲取合成圖像以及與該合成圖像具有重疊區(qū)域的另一圖像，觸發(fā)所述圖像糅合模塊進行再次合成，重復(fù)進行圖像獲取及圖像糅合過程，得到具有景深的3D圖像。
【文檔編號】G06T3/40GK104166972SQ201310185745
【公開日】2014年11月26日 申請日期:2013年5月17日 優(yōu)先權(quán)日:2013年5月17日
【發(fā)明者】劉冬梅, 劉鳳鵬 申請人:中興通訊股份有限公司