CN104143182A - 一种全景图拼接方法和终端设备 - Google Patents

Abstract

本发明提供一种全景图拼接方法，包括获取待拼接的多张图片；利用全局优化函数计算每一张图片的矫正系数，矫正系数与图片一一对应；依据矫正系数对所述图片的颜色进行矫正；将矫正后的图片进行全景图拼接，并输出拼接后的全景图。因此，本发明在全景图拼接前针对所有图片的颜色分别进行了矫正处理，减少了图片间的颜色差异，消除了拼接痕迹，实现了图片间更好的动态拼接。且本发明对图片进行颜色矫正不再局限于相邻的两幅图片间，而是利用一个全局优化函数来分别计算每一张图片的矫正系数，进而依据对应的矫正系数对图片的颜色进行矫正，充分考虑了多张图片整体待拼接序列之间的整体性，避免出现颜色平滑过渡不自然的问题。

Description

一种全景图拼接方法和终端设备

技术领域

本发明涉及全景图拼接技术领域，更具体的说，涉及一种全景图拼接方法和终端设备。

背景技术

全景图拍照技术越来越受到广大用户的青睐，在全景图拍照时，终端在获取多个图片后，将获得的多个图片进行拼接处理，最终输出一张完整的全景图。

在实际全景图拍照过程中，由于终端捕获图片时曝光、白平衡都设置为自动模式，而由于拍照场景灯光不均匀照射或拍照角度不同等原因，很容易导致拍照获得的图片间存在较大颜色差异。而直接将获得的多张图片进行拼接处理，而不进一步进行颜色矫正的话，最终输出的全景图会出现明显的拼接痕迹，影响用户的使用效果。

基于此，现有技术存在一种泊松融合算法以对获得的多张图片进行颜色矫正。在介绍泊松融合算法之前，发明人首先对关于全景图拼接技术中涉及的一些基本原理进行简单介绍。

在目前的全景图拼接技术中都是基于RGB(red green blue，三原色光)颜色空间，终端获取的每张图片都是YCbCr格式的，而YCbCr与RGB存在一定的线性关系，即c∈{R,G,B}，其中，表示的是第i张图片的重叠区域中x点处的像素的色值，α表示映射比例。因此，泊松融合算法正是通过相邻图片间存在的这种线性关系对YCbCr格式的图片进行图像亮度Y和色度Cb，Cr的线性矫正。其大致原理如下：

1)计算和从而计算得到

2)把作为参考，对进行亮度Y补偿可得：

3)把作为参考，对进行色度Cb，Cr补偿可得：c∈{Cb，Cr}。

发明人发现，泊松融合算法虽然能够实现对图片颜色差异的矫正，但其只考虑到相邻的两幅图片间的颜色矫正，而并没有考虑多张图片整体待拼接序列之间的整体性，出现了颜色平滑过渡不自然的问题。

发明内容

基于此，本发明提供一种全景图拼接方法和终端设备，以解决现有技术采用泊松融合算法进行图片颜色矫正时出现的颜色平滑过渡不自然的问题。技术方案如下：

基于本发明的一方面，本发明提供一种全景图拼接方法，包括；

获取待拼接的多张图片；

利用全局优化函数计算每一张图片的矫正系数，所述矫正系数与所述图片一一对应；

依据所述矫正系数对所述图片的颜色进行矫正；

将矫正后的图片进行全景图拼接，并输出拼接后的全景图。

较优的，所述利用全局优化函数计算每一张图片的矫正系数包括：

利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数；

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为所述图片i-1上的与相邻图片i的重叠区域的色值，为所述图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数；所述根据公式 $\stackrel{\‾}{S_{i-1,i}}=\frac{1}{N_{i-1,i}}\underset{p}{\mathrm{\Σ}}{C}_{i-1,i}\left(p\right)$ 计算得到；

其中，S_i-1,i为所述图片i-1上的与相邻图片i的重叠区域，S_i,i-1为所述图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为所述图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为所述图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为所述中p点处的像素的实际色值，C_i,i-1(p)为所述中p点处的像素的实际色值。

较优的，所述δ_N取值10.0，所述δ_g取值0.1。

较优的，所述利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数包括：

采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

较优的，所述依据所述矫正系数对所述图片的颜色进行矫正包括：

依据所述矫正系数α_i，利用公式C_i’(p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对所述图片i的图像亮度和色度进行矫正。

基于本发明的另一方面，本发明提供一种终端设备，包括：

获取模块，用于获取待拼接的多张图片；

计算模块，用于利用全局优化函数计算每一张图片的矫正系数，所述矫正系数与所述图片一一对应；

颜色矫正模块，用于依据所述矫正系数对所述图片的颜色进行矫正；

全景图拼接模块，用于将矫正后的图片进行全景图拼接；

输出模块，用于输出拼接后的全景图。

较优的，所述计算模块具体用于，利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数；

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为所述图片i-1上的与相邻图片i的重叠区域的色值，为所述图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数；所述根据公式 $\stackrel{\‾}{S_{i-1,i}}=\frac{1}{N_{i-1,i}}\underset{p}{\mathrm{\Σ}}{C}_{i-1,i}\left(p\right)$ 计算得到；

其中，S_i-1,i为所述图片i-1上的与相邻图片i的重叠区域，S_i,i-1为所述图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为所述图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为所述图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为所述中p点处的像素的实际色值，C_i,i-1(p)为所述中p点处的像素的实际色值。

较优的，所述δ_N取值10.0，所述δ_g取值0.1。

较优的，所述计算模块采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

较优的，所述颜色矫正模块具体用于，依据所述矫正系数α_i，利用公式C_i’(p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对所述图片i的图像亮度和色度进行矫正。

应用上述技术方案，本发明提供的全景图拼接方法在获取待拼接的多张图片后，利用全局优化函数计算每一张图片的矫正系数，进而分别依据矫正系数对图片的颜色进行矫正，最后将矫正后的图片进行全景图拼接，输出拼接后的全景图。因此，本发明在全景图拼接前是针对所有图片，对所有图片的颜色分别进行了矫正处理，减少了图片间的颜色差异，消除了拼接痕迹，实现了图片间更好的动态拼接。且本发明对图片进行颜色矫正不再局限于相邻的两幅图片间，而是利用一个全局优化函数来分别计算每一张图片的矫正系数，进而依据对应的矫正系数对图片的颜色进行矫正，充分考虑了多张图片整体待拼接序列之间的整体性，避免出现颜色平滑过渡不自然的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种全景图拼接方法的流程图；

图2为本发明提供的一种全景图拼接方法中待测图像示意图；

图3为本发明提供的一种全景图拼接方法中待拼接图片示意图；

图4为本发明提供的一种终端设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅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，本领域普通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。

实施例一

请参阅图1，其示出了本发明提供的一种全景图拼接方法，包括：

步骤101，获取待拼接的多张图片。

在实际应用过程中，用户通过终端设备可以连续获取多张图片，从而将用户想要拍照的场景通过分别拍摄不同的角度分批拍摄下来。例如用户想要拍摄的全景图如图2所示，此时用户采用多次拍摄图2的部分图像的方法，分批将图2的图像拍摄下来，如图3所述，本发明分批获取图S1、S2、S3、S4、S5、S6、S7、S8和S9。此时的图S1、S2、S3、S4、S5、S6、S7、S8和S9即为待拼接的图片。

步骤102，利用全局优化函数计算每一张图片的矫正系数。其中，矫正系数与图片一一对应。

在本实施例中，全局优化函数可以为公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数。

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为图片i-1上的与相邻图片i的重叠区域的色值，为图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数，根据公式计算得到。

其中，S_i-1,i为图片i-1上的与相邻图片i的重叠区域，S_i,i-1为图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为中p点处的像素的实际色值，C_i,i-1(p)为中p点处的像素的实际色值。

在本发明中，连续获取的图片S1、S2、S3、S4、S5、S6、S7、S8和S9中，每相邻两幅图片间至少存在重叠区域。因此在本实施例中，定义S_i-1,i为图片i-1上的与相邻图片i的重叠区域，S_i,i-1为图片i上的与相邻图片i-1的重叠区域。具体地，即S_1,2为第1幅图片即图片S1上的与相邻图片S2的重叠区域，S_2,1为第2幅图片即图片S2上的与相邻图片S1的重叠区域，S_2,3为图片S2上的与其相邻图片S3的重叠区域，S_3,2为图片S3上的与其相邻图片2的重叠区域，以此类推。且该S_1,2与S_2,1表示的重叠区域相同，S_2,3与S_3,2表示的重叠区域相同，其不同点仅仅在于位于不同的图片上。同时，本发明定义为图片i-1上的与相邻图片i的重叠区域的色值，为图片i上的与相邻图片i-1的重叠区域的色值。此外，本发明还定义了C_i-1,i(p)为中p点处的像素的实际色值，C_i,i-1(p)为中p点处的像素的实际色值。

在本发明中，通过图片的颜色矫正希望得到的是其中，N_i-1,i为图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为图片i上的与相邻图片i-1的重叠区域内的像素点总数。

为了获得图片i的矫正系数α_i，本发明定义且设优化函数为 $E=\frac{1}{2}{\left(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}}\right)}^2.$

在本发明中，α_i为0是最优解，因此，对矫正系数α_i归一化处理可得本发明提供的全局优化函数公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

其中，δ_N为归一化强度误差的标准偏差，本发明中可以取值为10.0，δ_g为归一化矫正系数的标准偏差，本发明中可以取值为0.1。

因此，求解公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2)$ 的最小值，即求解关于α_i的二次方程。当E为最小值时，计算得到最优解α_i，即计算得到图片的矫正系数。

因此，通过利用本发明提供的全局优化函数，可以分别计算得出每一张图片的矫正系数。具体地，对应图片S1计算得到矫正系数α₁，对应图片S2计算得到矫正系数α₂，以此类推，对应图片S9计算得到矫正系数α₉。

步骤103，依据矫正系数对图片的颜色进行矫正。

在本实施例中，依据得到的矫正系数，分别对每幅图片的颜色进行矫正。具体地，利用公式C_i’(p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对图片i的图像亮度和色度进行矫正。其中，对应图片S1进行颜色矫正为C₁’(p)＝α₁C₁(p)，对应图片S2进行颜色矫正为C₂’(p)＝α₂C₂(p)，以此类推。

在本发明中，图片的色值可以包括图像亮度Y和图像色度Cb、Cr。

步骤104，将矫正后的图片进行全景图拼接，并输出拼接后的全景图。

在本实施例中，将依次矫正后的图片进行全景图拼接，最终将拼接好的全景图输出。

因此应用本发明的上述技术方案，本发明提供的全景图拼接方法在获取待拼接的多张图片后，利用全局优化函数计算每一张图片的矫正系数，进而分别依据矫正系数对图片的颜色进行矫正，最后将矫正后的图片进行全景图拼接，输出拼接后的全景图。因此，本发明在全景图拼接前是针对所有图片，对所有图片的颜色分别进行了矫正处理，减少了图片间的颜色差异，消除了拼接痕迹，实现了图片间更好的动态拼接。且本发明对图片进行颜色矫正不再局限于相邻的两幅图片间，而是利用一个全局优化函数来分别计算每一张图片的矫正系数，进而依据对应的矫正系数对图片的颜色进行矫正，充分考虑了多张图片整体待拼接序列之间的整体性，避免出现颜色平滑过渡不自然的问题。

在上述实施例中，为了更快地求解得到矫正系数α_i，本发明可以采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

具体地，采用最小二乘法计算公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 可以得到：

$\left\{\begin{array}{c}\frac{\∂E}{\∂{\mathrm{\α}}_1}=(\frac{{\stackrel{\‾}{S_{\mathrm{1,2}}}}^2}{{\mathrm{\δ}}_N^2}+\frac{1}{{\mathrm{\δ}}_g^2}){\mathrm{\α}}_1-\frac{\stackrel{\‾}{S_{\mathrm{2,1}}}\stackrel{\‾}{S_{\mathrm{1,2}}}}{{\mathrm{\δ}}_N^2}{\mathrm{\α}}_2-\frac{1}{{\mathrm{\δ}}_g^2}\\ \frac{\∂E}{\∂{\mathrm{\α}}_n}=(\frac{{\stackrel{\‾}{S_{n,n-1}}}^2}{{\mathrm{\δ}}_N^2}+\frac{1}{{\mathrm{\δ}}_g^2}){\mathrm{\α}}_{n-1}-\frac{\stackrel{\‾}{S_{n-1,n}}\stackrel{\‾}{S_{n,n-1}}}{{\mathrm{\δ}}_N^2}{\mathrm{\α}}_2-\frac{1}{{\mathrm{\δ}}_g^2}\\ \frac{\∂E}{\∂{\mathrm{\α}}_i}=-\frac{1}{{\mathrm{\δ}}_N^2}\stackrel{\‾}{S_{i-1,i}}\stackrel{\‾}{S_{i,i-1}}{\mathrm{\α}}_{i-1}\\ (\frac{{\stackrel{\‾}{S_{i,i-1}}}^2}{{\mathrm{\δ}}_N^2}+\frac{{\stackrel{\‾}{S_{i,i-1}}}^2}{{\mathrm{\δ}}_N^2}+\frac{1}{{\mathrm{\δ}}_g^2}){\mathrm{\α}}_i-\frac{\stackrel{\‾}{S_{n-1,n}}\stackrel{\‾}{S_{n,n-1}}}{{\mathrm{\δ}}_N^2}{\mathrm{\α}}_{i+1}-\frac{1}{{\mathrm{\δ}}_g^2}\\ (i=\mathrm{2,3},\·\·\·,n-1).\end{array}\right\};$

此时，设通过LU分解算法计算得到矫正系数α_i。

通过实验验证，本发明采用最小二乘法计算得到矫正系数α_i的方法可以优化提高30倍的计算时间，大大提高了***的运行速度，更快地实现了全景图拼接。

实施例二

基于前文本发明保护的一种全景图拼接方法，本发明还保护一种终端设备，请参阅图3，其示出了本发明提供的一种终端设备的结构示意图，包括：获取模块100、计算模块200、颜色矫正模块300、全景图拼接模块400和输出模块500。其中，

获取模块100，用于获取待拼接的多张图片；

计算模块200，用于利用全局优化函数计算每一张图片的矫正系数，所述矫正系数与所述图片一一对应；

颜色矫正模块300，用于依据所述矫正系数对所述图片的颜色进行矫正；

全景图拼接模块400，用于将矫正后的图片进行全景图拼接；

输出模块500，用于输出拼接后的全景图。

需要说明的是，本发明保护的终端设备可以包括但不限于平板电脑PAD、智能手机、功能手机、掌上电脑PDA等。

具体地本实施例中，计算模块200具体用于，利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数；

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为所述图片i-1上的与相邻图片i的重叠区域的色值，为所述图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数；根据公式 $\stackrel{\‾}{S_{i-1,i}}=\frac{1}{N_{i-1,i}}\underset{p}{\mathrm{\Σ}}{C}_{i-1,i}\left(p\right)$ 计算得到。

其中，S_i-1,i为所述图片i-1上的与相邻图片i的重叠区域，S_i,i-1为所述图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为所述图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为所述图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为所述中p点处的像素的实际色值，C_i,i-1(p)为所述中p点处的像素的实际色值。

其中，较优的，δ_N取值10.0，δ_g取值0.1。

且较优的，计算模块200采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

同时，颜色矫正模块300具体用于，依据所述矫正系数α_i，利用公式C_i’(p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对所述图片i的图像亮度和色度进行矫正。

应用上述技术方案，本发明提供的终端设备在获取模块100获取待拼接的多张图片后，计算模块200利用全局优化函数计算每一张图片的矫正系数，进而颜色矫正模块300分别依据矫正系数对图片的颜色进行矫正，最后由全景图拼接模块400将矫正后的图片进行全景图拼接，输出模块500输出拼接后的全景图。因此，本发明在全景图拼接前是针对所有图片，对所有图片的颜色分别进行了矫正处理，减少了图片间的颜色差异，消除了拼接痕迹，实现了图片间更好的动态拼接。且本发明对图片进行颜色矫正不再局限于相邻的两幅图片间，而是利用一个全局优化函数来分别计算每一张图片的矫正系数，进而依据对应的矫正系数对图片的颜色进行矫正，充分考虑了多张图片整体待拼接序列之间的整体性，避免出现颜色平滑过渡不自然的问题。

此外，本发明中的计算模块200采用最小二乘法计算得到矫正系数α_i的方法可以优化提高30倍的计算时间，大大提高了***的运行速度，更快地实现了全景图拼接。

需要说明的是，本说明书中的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他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于终端设备类实施例而言，由于其与方法实施例基本相似，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。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种全景图拼接方法和终端设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种全景图拼接方法，其特征在于，包括：

获取待拼接的多张图片；

利用全局优化函数计算每一张图片的矫正系数，所述矫正系数与所述图片一一对应；

依据所述矫正系数对所述图片的颜色进行矫正；

将矫正后的图片进行全景图拼接，并输出拼接后的全景图。

2.根据权利要求1所述的方法，其特征在于，所述利用全局优化函数计算每一张图片的矫正系数包括：

利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数；

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为所述图片i-1上的与相邻图片i的重叠区域的色值，为所述图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数；所述根据公式 $\stackrel{\‾}{S_{i-1,i}}=\frac{1}{N_{i-1,i}}\underset{p}{\mathrm{\Σ}}{C}_{i-1,i}\left(p\right)$ 计算得到；

其中，S_i-1,i为所述图片i-1上的与相邻图片i的重叠区域，S_i,i-1为所述图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为所述图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为所述图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为所述中p点处的像素的实际色值，C_i,i-1(p)为所述中p点处的像素的实际色值。

3.根据权利要求2所述的方法，其特征在于，所述δ_N取值10.0，所述δ_g取值0.1。

4.根据权利要求3所述的方法，其特征在于，所述利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数包括：

采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

5.根据权利要求3所述的方法，其特征在于，所述依据所述矫正系数对所述图片的颜色进行矫正包括：

依据所述矫正系数α_i，利用公式C_i’(p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对所述图片i的图像亮度和色度进行矫正。

6.一种终端设备，其特征在于，包括：

获取模块，用于获取待拼接的多张图片；

计算模块，用于利用全局优化函数计算每一张图片的矫正系数，所述矫正系数与所述图片一一对应；

颜色矫正模块，用于依据所述矫正系数对所述图片的颜色进行矫正；

全景图拼接模块，用于将矫正后的图片进行全景图拼接；

输出模块，用于输出拼接后的全景图。

7.根据权利要求6所述的终端设备，其特征在于，

所述计算模块具体用于，利用公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2),$ 计算每一张图片的矫正系数；

其中，α_i为图片i的矫正系数，α_i-1为图片i-1的矫正系数，为所述图片i-1上的与相邻图片i的重叠区域的色值，为所述图片i上的与相邻图片i-1的重叠区域的色值，δ_N为归一化强度误差的标准偏差，δ_g为归一化矫正系数的标准偏差；其中，i为大于1的正整数；所述根据公式 $\stackrel{\‾}{S_{i-1,i}}=\frac{1}{N_{i-1,i}}\underset{p}{\mathrm{\Σ}}{C}_{i-1,i}\left(p\right)$ 计算得到；

其中，S_i-1,i为所述图片i-1上的与相邻图片i的重叠区域，S_i,i-1为所述图片i上的与相邻图片i-1的重叠区域；

N_i-1,i为所述图片i-1上的与相邻图片i的重叠区域内的像素点总数，N_i,i-1为所述图片i上的与相邻图片i-1的重叠区域内的像素点总数；

C_i-1,i(p)为所述中p点处的像素的实际色值，C_i,i-1(p)为所述中p点处的像素的实际色值。

8.根据权利要求7所述的终端设备，其特征在于，所述δ_N取值10.0，所述δ_g取值0.1。

9.根据权利要求8所述的终端设备，其特征在于，所述计算模块采用最小二乘法计算所述公式 $\min E=\frac{1}{2}(\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{\α}}_i\stackrel{\‾}{S_{i,i-1}}-{\mathrm{\α}}_{i-1}\stackrel{\‾}{S_{i-1,i}})}^2/{\mathrm{\δ}}_N^2+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(1-{\mathrm{\α}}_i)}^2/{\mathrm{\δ}}_g^2).$

10.根据权利要求8所述的终端设备，其特征在于，所述颜色矫正模块具体用于，依据所述矫正系数α_i，利用公式C_i’p)＝α_iC_i(p)，C∈{图像亮度Y，图像色度Cb，图像色度Cr}，对所述图片i的图像亮度和色度进行矫正。