CN108122199A - 一种全景相机的原始图像颜色调整方法及装置 - Google Patents
一种全景相机的原始图像颜色调整方法及装置 Download PDFInfo
- Publication number
- CN108122199A CN108122199A CN201711374873.9A CN201711374873A CN108122199A CN 108122199 A CN108122199 A CN 108122199A CN 201711374873 A CN201711374873 A CN 201711374873A CN 108122199 A CN108122199 A CN 108122199A
- Authority
- CN
- China
- Prior art keywords
- original image
- characteristic point
- image
- color
- adjusted
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 14
- 230000015572 biosynthetic process Effects 0.000 abstract description 5
- 238000003786 synthesis reaction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种全景相机的原始图像颜色调整方法及装置。该方法包括:获取全景相机采集的第一原始图像和第二原始图像的重合区域;检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;根据颜色调整参数对待调整图像的颜色进行调整。可见,本发明在对全景相机的原始图像进行拼接合成全景图像之前,对原始图像的颜色进行调整,提高全景图像的融合效果。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种全景相机的原始图像颜色调整方法及装置。
背景技术
全景相机采用至少两个或两个以上镜头同时拍摄空间场景获取两幅或多幅原始图像,然后将拍摄后的两幅或多幅图像拼接成一幅360°的全景图像。
由于全景相机中各个镜头本身的工艺制造缺陷和光照影响,不同镜头之间对颜色存在差异,当拍摄获取的两幅或多幅原始图像的颜色存在差异时,会直接影响后续的图像融合效果,导致利用全景相机输出的全景图像存在颜色的一致性问题。当两幅或多幅图像的颜色差异过大时,通过后续的融合算法无法取得良好的效果,在两幅图像的重合区域极易出现明显的分界线,影响最终的全景图像融合效果。
发明内容
为了解决现有技术的全景相机的原始图像的颜色存在差异导致全景图像的融合效果差的问题,本发明提供了一种全景相机的原始图像颜色调整方法及装置。
本发明的一个实施例提供一种全景相机的原始图像颜色调整方法,包括:
获取全景相机采集的第一原始图像和第二原始图像的重合区域;
检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;
根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;
从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
根据颜色调整参数对待调整图像的颜色进行调整。
可选地,采用ORB算法检测获取第一原始图像和第二原始图像在重合区域的特征点。
可选地,采用暴力匹配BruteForce算法根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配。
可选地,从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像包括:
获取第一原始图像和第二原始图像的亮度值,将第一原始图像和第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像。
可选地,颜色调整参数包括亮度调整参数;
根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数。
可选地,颜色调整参数还包括第一色度调整参数和第二色度调整参数;
根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
本发明的另一个实施例提供一种全景相机的原始图像颜色调整装置,包括:
重合区域获取单元,用于获取全景相机采集的第一原始图像和第二原始图像的重合区域;
特征点检测描述单元,用于检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;
特征点匹配单元,用于根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;
颜色调整参数获取单元,用于从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
颜色调整单元,用于根据颜色调整参数对待调整图像的颜色进行调整。
可选地,特征点检测描述单元具体用于:
采用ORB算法检测获取第一原始图像和第二原始图像在重合区域的特征点;
特征点匹配单元具体用于:
采用暴力匹配BruteForce算法根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配。
可选地,颜色调整参数获取单元具体用于:
获取第一原始图像和第二原始图像的亮度值,将第一原始图像和第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像,
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数;
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
本发明的另一个实施例提供一种电子设备,电子设备包括存储器和处理器,存储器和处理器之间通过内部总线通讯连接,存储器存储有能够被处理器执行的程序指令,程序指令被处理器执行时能够实现上述的方法。
本发明的另一个实施例提供一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述的方法。
本发明的技术效果是,本发明通过获取全景相机采集的第一原始图像和第二原始图像的重合区域;检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;根据颜色调整参数对待调整图像的颜色进行调整。本发明在第一原始图像和第二原始图像的重合区域进行特征点的检测和匹配,进而根据匹配特征点的YUV值获得颜色调整参数,相对于整幅图像的处理提高了颜色调整参数的获取效率;在对全景相机的原始图像进行拼接合成全景图像之前,对原始图像的颜色进行调整,消除具有重合区域的两幅原始图像之间的颜色差异,提高了全景图像的融合效果。
附图说明
图1为本发明一个实施例的全景相机的原始图像颜色调整方法的流程示意图;
图2为本发明一个实施例的全景相机的原始图像颜色调整装置的原理框图;
图3为本发明一个实施例的电子设备的结构示意图。
具体实施方式
为了解决背景技术中提出的技术问题,本申请的发明人想到在对全景相机的原始图像进行拼接合成全景图像之前,获取全景相机采集的第一原始图像和第二原始图像的重合区域;检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;根据颜色调整参数对待调整图像的颜色进行调整。从而消除具有重合区域的两幅原始图像之间的颜色差异,提高了全景图像的融合效果。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1为本发明一个实施例的全景相机的原始图像颜色调整方法的流程示意图。如图1所示,本发明实施例的方法包括:
S11:获取全景相机采集的第一原始图像和第二原始图像的重合区域;
需要说明的是,第一原始图像和第二原始图像为全景相机中的两个镜头同时拍摄空间场景获得的图像,重合区域指的是两幅图像的相同部分。
当两个镜头为鱼眼镜头时,重合区域可以根据鱼眼镜头的视角FOV计算得到,采用等距柱面投影的方式将第一原始图像和第二原始图像展开,展开的图像中超过180°的区域就是重合区域。
当两个镜头为普通镜头时,将第一原始图像和第二原始图像视为多边形,通过多边形求交,获取重叠区域的点集,然后利用单应矩阵还原在原始图像的点集信息,从而标识出重叠区域。具体地,两个多边形相交后,计算两个多边形每条边之间的交点和包含在多边形内部的点,将每条边之间的交点和多边形内部的点,按逆时针(或顺时针)排序,得出最终的点集。
S12:检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;
需要说明的是,特征点是指图像中具有鲜明特性、能够有效反映图像本质特征并能够有效标识出图像中目标物体的一系列点。
S13:根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;
S14:从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
需要说明的是,本发明实施例获得多组匹配特征点即获得第一原始图像和第二原始图像的重叠区域内特征点的对应关系。
在实际应用中,将两幅图像中成像效果较好的一幅作为基准图像,另外一幅作为待调整图像,计算各组匹配特征点的YUV值,根据各组匹配特征点的YUV值获得颜色调整参数。
S15:根据颜色调整参数对待调整图像的颜色进行调整。
可理解的是,采用颜色调整参数对待调整图像中各个像素点的颜色进行调整,消除具有重合区域的两幅原始图像之间的颜色差异。
当全景相机获取的原始图像多于两幅时,采用步骤S11-S15的方法对具有重合区域的两幅原始图像进行处理,完成全景相机获取的各幅原始图像的颜色调整。
本发明实施例在第一原始图像和第二原始图像的重合区域进行特征点的检测和匹配,进而根据匹配特征点的YUV值获得颜色调整参数,相对于整幅图像的处理提高了颜色调整参数的获取效率;在对全景相机的原始图像进行拼接合成全景图像之前,对原始图像的颜色进行调整,消除具有重合区域的两幅原始图像之间的颜色差异,避免在重合区域出现分界线,提高了全景图像的融合效果。
在本发明实施例的一种可选的实施方式中,采用ORB(Oriented FAST andRotated BRIEF)算法检测获取第一原始图像和第二原始图像在重合区域的特征点。
ORB算法是一种快速特征点提取和描述的算法,算法分为基于FAST关键特征点检测提取和基于BRIEF特征点的描述符。
进一步地,采用暴力匹配BruteForce算法根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配。
BruteForce算法是一种描述符匹配方法,第一原始图像特征点的描述符的和第二原始图像特征点的描述符进行比较,计算描述符之间的距离。当第一原始图像中特征点A1的描述符的距离与第二原始图像中特征点B1的描述符的距离最小时,则确定特征点A1和特征点B1为一组匹配特征点。
本发明实施例利用ORB算法和BruteForce算法进行特征点检测获取和描述以及特征点的匹配,提高了特征点匹配的效率。
优选地,当图像的亮度较大时成像效果较好,从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像包括:
获取第一原始图像和第二原始图像的亮度值,将第一原始图像和第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像。
具体地,颜色调整参数包括亮度调整参数;
根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数。
YUV是一种颜色编码方法,其中“Y”表示明亮度,而“U”和“V”表示的则是色度。
可理解的是,在两幅图像的重合区域出现的分界线主要是由于两幅图像的亮度不一致造成的,因此,采用回归算法根据各组匹配特征点的Y值获得亮度调整参数,相应地根据亮度调整参数对待调整图像的各个像素点的亮度进行调整,能在一定程度上消除具有重合区域的两幅原始图像之间的颜色差异,提高全景图像的融合效果。
回归算法针对数值型的样本进行连续型分布预测,给出一个点集,用一个函数去拟合这个点集,并且使得点集与拟合函数间的误差最小。
举例来说,第一原始图像A的亮度值大于第二原始图像B的亮度值,将第一原始图像A作为基准图像,第二原始图像B作为待调整图像,第一原始图像A和第二原始图像B的重合区域的包括多组匹配特征点(A1,B1),(A2,B2)…(An,Bn),第一原始图像A中各个特征点对应的Y值分别是YA1,YA2…YAn,第二原始图像B中各个特征点对应的Y值分别是YB1,YB2…YBn。通过多组匹配特征点的Y值的对应关系(YA1,YB1),(YA2,YB2)…(YAn,YBn)采用线性回归算法可得到回归模型y=k1x+b1,回归模型中的x为第一原始图像A中的特征点的Y值,回归模型中的y为第二原始图像B中的特征点的Y值,k1和b1为亮度调整参数。
为了进一步消除具有重合区域的两幅原始图像之间的颜色差异,提高全景图像的融合效果,颜色调整参数还包括第一色度调整参数和第二色度调整参数;
根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
相应地根据第一色度调整参数和第二色度调整参数对待调整图像的各个像素点的亮度进行调整。第一色度调整参数和第二色度调整参数的获得过程与亮度调整参数的获得过程类似。通过多组匹配特征点的U值的对应关系(UA1,UB1),(UA2,UB2)…(UAn,UBn)采用线性回归算法可得到回归模型y=k2x+b2,回归模型中的x为第一原始图像A中的特征点的U值,回归模型中的y为第二原始图像B中的特征点的U值,k2和b2为第一色度调整参数。通过多组匹配特征点的V值的对应关系(VA1,VB1),(VA2,VB2)…(VAn,VBn)采用线性回归算法可得到回归模型y=k3x+b3,回归模型中的x为第一原始图像A中的特征点的V值,回归模型中的y为第二原始图像B中的特征点的V值,k3和b3为第二色度调整参数。
图2为本发明一个实施例的全景相机的原始图像颜色调整装置的原理框图。如图2所示,本发明实施例的装置包括:
重合区域获取单元21,用于获取全景相机采集的第一原始图像和第二原始图像的重合区域;
特征点检测描述单元22,用于检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;
特征点匹配单元23,用于根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;
颜色调整参数获取单元24,用于从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
颜色调整单元25,用于根据颜色调整参数对待调整图像的颜色进行调整。
在本发明实施例的一种可选的实施方式中,特征点检测描述单元22具体用于:
采用ORB算法检测获取第一原始图像和第二原始图像在重合区域的特征点;
特征点匹配单元23具体用于:
采用暴力匹配BruteForce算法根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配。
颜色调整参数获取单元24具体用于:
获取第一原始图像和第二原始图像的亮度值,将第一原始图像和第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像,
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数;
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
图3为本发明一个实施例的电子设备的结构示意图。如图3所示,该电子设备包括处理器31和存储器32,处理器31和存储器32之间通过内部总线33通讯连接,存储器32存储有能够被处理器31执行的程序指令,程序指令被处理器31执行时能够实现上述的全景相机的原始图像颜色调整方法。
此外,上述的存储器32中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的另一个实施例提供一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令使所述计算机执行上述的全景相机的原始图像颜色调整方法。
综上所述,根据本发明的技术方案,通过获取全景相机采集的第一原始图像和第二原始图像的重合区域;检测获取第一原始图像和第二原始图像在重合区域的特征点,采用描述符对各个特征点进行描述;根据各个特征点的描述符对第一原始图像和第二原始图像中的特征点进行匹配,获得多组匹配特征点;从第一原始图像和第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;根据颜色调整参数对待调整图像的颜色进行调整。本发明在第一原始图像和第二原始图像的重合区域进行特征点的检测和匹配,进而根据匹配特征点的YUV值获得颜色调整参数,相对于整幅图像的处理提高了颜色调整参数的获取效率;在对全景相机的原始图像进行拼接合成全景图像之前,对原始图像的颜色进行调整,消除具有重合区域的两幅原始图像之间的颜色差异,提高了全景图像的融合效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
需要说明的是术语“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。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
以上所述,仅为本发明的具体实施方式,在本发明的上述教导下,本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白,上述的具体描述只是更好的解释本发明的目的,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种全景相机的原始图像颜色调整方法,其特征在于,包括:
获取全景相机采集的第一原始图像和第二原始图像的重合区域;
检测获取所述第一原始图像和所述第二原始图像在所述重合区域的特征点,采用描述符对各个特征点进行描述;
根据所述各个特征点的描述符对所述第一原始图像和所述第二原始图像中的特征点进行匹配,获得多组匹配特征点;
从所述第一原始图像和所述第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
根据所述颜色调整参数对所述待调整图像的颜色进行调整。
2.根据权利要求1所述的方法,其特征在于,采用ORB算法检测获取所述第一原始图像和所述第二原始图像在所述重合区域的特征点。
3.根据权利要求1或2所述的方法,其特征在于,采用暴力匹配BruteForce算法根据所述各个特征点的描述符对所述第一原始图像和所述第二原始图像中的特征点进行匹配。
4.根据权利要求3所述的方法,其特征在于,所述从所述第一原始图像和所述第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像包括:
获取所述第一原始图像和第二原始图像的亮度值,将所述第一原始图像和所述第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像。
5.根据权利要求4所述的方法,其特征在于,所述颜色调整参数包括亮度调整参数;
所述根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数。
6.根据权利要求5所述的方法,其特征在于,所述颜色调整参数还包括第一色度调整参数和第二色度调整参数;
所述根据各组匹配特征点的YUV值获得颜色调整参数,包括:
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
7.一种全景相机的原始图像颜色调整装置,其特征在于,包括:
重合区域获取单元,用于获取全景相机采集的第一原始图像和第二原始图像的重合区域;
特征点检测描述单元,用于检测获取所述第一原始图像和所述第二原始图像在所述重合区域的特征点,采用描述符对各个特征点进行描述;
特征点匹配单元,用于根据所述各个特征点的描述符对所述第一原始图像和所述第二原始图像中的特征点进行匹配,获得多组匹配特征点;
颜色调整参数获取单元,用于从所述第一原始图像和所述第二原始图像中选择一幅作为基准图像,选择另外一幅作为待调整图像,根据各组匹配特征点的YUV值获得颜色调整参数;
颜色调整单元,用于根据所述颜色调整参数对所述待调整图像的颜色进行调整。
8.根据权利要求7所述的装置,其特征在于,所述特征点检测描述单元具体用于:
采用ORB算法检测获取所述第一原始图像和所述第二原始图像在所述重合区域的特征点;
所述特征点匹配单元具体用于:
采用暴力匹配BruteForce算法根据所述各个特征点的描述符对所述第一原始图像和所述第二原始图像中的特征点进行匹配。
9.根据权利要求7所述的装置,其特征在于,所述颜色调整参数获取单元具体用于:
获取所述第一原始图像和第二原始图像的亮度值,将所述第一原始图像和所述第二原始图像中亮度较大的图像作为基准图像,亮度较小的图像作为待调整图像,
采用回归算法根据各组匹配特征点的Y值获得亮度调整参数;
采用回归算法根据各组匹配特征点的U值获得第一色度调整参数,采用回归算法根据各组匹配特征点的V值获得第二色度调整参数。
10.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器和所述处理器之间通过内部总线通讯连接,所述存储器存储有能够被所述处理器执行的程序指令,所述程序指令被所述处理器执行时能够实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374873.9A CN108122199A (zh) | 2017-12-19 | 2017-12-19 | 一种全景相机的原始图像颜色调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374873.9A CN108122199A (zh) | 2017-12-19 | 2017-12-19 | 一种全景相机的原始图像颜色调整方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108122199A true CN108122199A (zh) | 2018-06-05 |
Family
ID=62230314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711374873.9A Pending CN108122199A (zh) | 2017-12-19 | 2017-12-19 | 一种全景相机的原始图像颜色调整方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122199A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833874A (zh) * | 2018-07-04 | 2018-11-16 | 长安大学 | 一种用于行车记录仪的全景图像色彩校正方法 |
CN110945566A (zh) * | 2018-08-01 | 2020-03-31 | 深圳市大疆创新科技有限公司 | 图像配准的方法、装置、计算机***和可移动设备 |
CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101820550A (zh) * | 2009-02-26 | 2010-09-01 | 华为终端有限公司 | 多视点视频图像校正方法、装置及*** |
CN104992408A (zh) * | 2015-06-30 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 用于用户终端的全景图像生成方法和装置 |
CN105488775A (zh) * | 2014-10-09 | 2016-04-13 | 东北大学 | 一种基于六摄像机环视的柱面全景生成装置及方法 |
CN105574822A (zh) * | 2015-12-13 | 2016-05-11 | 大巨龙立体科技有限公司 | 一种基于融合的左右图颜色矫正的方法 |
CN107403408A (zh) * | 2016-05-18 | 2017-11-28 | 苏州灵目电子科技有限公司 | 一种双鱼眼图像拼接全景图像接缝融合方法 |
-
2017
- 2017-12-19 CN CN201711374873.9A patent/CN108122199A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101820550A (zh) * | 2009-02-26 | 2010-09-01 | 华为终端有限公司 | 多视点视频图像校正方法、装置及*** |
CN105488775A (zh) * | 2014-10-09 | 2016-04-13 | 东北大学 | 一种基于六摄像机环视的柱面全景生成装置及方法 |
CN104992408A (zh) * | 2015-06-30 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 用于用户终端的全景图像生成方法和装置 |
CN105574822A (zh) * | 2015-12-13 | 2016-05-11 | 大巨龙立体科技有限公司 | 一种基于融合的左右图颜色矫正的方法 |
CN107403408A (zh) * | 2016-05-18 | 2017-11-28 | 苏州灵目电子科技有限公司 | 一种双鱼眼图像拼接全景图像接缝融合方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833874A (zh) * | 2018-07-04 | 2018-11-16 | 长安大学 | 一种用于行车记录仪的全景图像色彩校正方法 |
CN108833874B (zh) * | 2018-07-04 | 2020-11-03 | 长安大学 | 一种用于行车记录仪的全景图像色彩校正方法 |
CN110945566A (zh) * | 2018-08-01 | 2020-03-31 | 深圳市大疆创新科技有限公司 | 图像配准的方法、装置、计算机***和可移动设备 |
CN112241744A (zh) * | 2020-10-20 | 2021-01-19 | 北京字跳网络技术有限公司 | 图像颜色迁移方法、装置、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6525467B1 (ja) | 画像間の光学フローの効率的な決定 | |
CN108122191B (zh) | 鱼眼图像拼接成全景图像和全景视频的方法及装置 | |
CN107111880B (zh) | 针对计算机视觉的遮挡处置 | |
US10403036B2 (en) | Rendering glasses shadows | |
CN104596929B (zh) | 确定空气质量的方法及设备 | |
CN109685913B (zh) | 基于计算机视觉定位的增强现实实现方法 | |
US10824910B2 (en) | Image processing method, non-transitory computer readable storage medium and image processing system | |
WO2017076106A1 (zh) | 图像的拼接方法和装置 | |
US20200111234A1 (en) | Dual-view angle image calibration method and apparatus, storage medium and electronic device | |
CN104702928B (zh) | 修正图像交叠区的方法、记录介质以及执行装置 | |
CN105303615A (zh) | 一种图像二维拼接与三维表面重建的组合方法 | |
US20180357819A1 (en) | Method for generating a set of annotated images | |
CN108122199A (zh) | 一种全景相机的原始图像颜色调整方法及装置 | |
CN111385490B (zh) | 视频拼接方法及装置 | |
CN109948441B (zh) | 模型训练、图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN113807451B (zh) | 全景图像特征点匹配模型的训练方法、装置以及服务器 | |
WO2023284792A1 (zh) | 用于扫描光场成像***的镜头标定方法及装置 | |
US20180197320A1 (en) | Apparatus and method for processing information of multiple cameras | |
CN108259764A (zh) | 摄像机、应用于摄像机的图像处理方法及装置 | |
CN111080776A (zh) | 人体动作三维数据采集和复现的处理方法及*** | |
CN107948586A (zh) | 基于视频拼接的跨区域运动目标检测方法和装置 | |
CN107113421B (zh) | 一种光学***成像质量的检测方法和装置 | |
Xue et al. | Fisheye distortion rectification from deep straight lines | |
CN116012432A (zh) | 立体全景图像的生成方法、装置和计算机设备 | |
CN106997366B (zh) | 数据库构建方法、增强现实融合追踪方法及终端设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |