CN116703794B - 一种在hsv颜色空间上的多图像融合方法 - Google Patents
一种在hsv颜色空间上的多图像融合方法 Download PDFInfo
- Publication number
- CN116703794B CN116703794B CN202310662831.4A CN202310662831A CN116703794B CN 116703794 B CN116703794 B CN 116703794B CN 202310662831 A CN202310662831 A CN 202310662831A CN 116703794 B CN116703794 B CN 116703794B
- Authority
- CN
- China
- Prior art keywords
- graph
- image
- rect
- histogram
- pixel
- 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.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 30
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 239000003086 colorant Substances 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种在HSV颜色空间上的多图像融合方法,包括如下步骤:分别输入底图A和被融合图B;计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图;其中,计算被融合图B的HSV颜色直方图后,利用图A HSV来调整图B,能,统计图A直方图均衡后,各区间上的像素分布比例,图B直方图统计后,不做常规直方图均衡,而是做基于图A的图像直方图均衡,使得图B在风格上与图A接近;指定图B中融合区域,并将图片抠出,得图C及对应大小Rect_C;其中,计算底图A的HSV颜色直方图后,在底图A上指定融合矩形区域Rect_A;本发明提供的一种在HSV颜色空间上的多图像融合方法具备整体算法效果好,速度快等优点。
Description
技术领域
本发明涉及图像融合领域,尤其涉及一种在HSV颜色空间上的多图像融合方法。
背景技术
图像融合是图像拼接技术中的关键技术,其原理是通过对拼接图像中重合带的像素进行重新定义计算,实现拼接图像之间的平滑过渡和无缝拼接,提高拼接过渡带的视觉效果。因此,该步骤是图像拼接中的关键步骤,对于整个图像拼接过程,起着至关重要的作用。传统的图像融合方法主要基于多个图像的像素级别的融合,通常包括像素加权融合、小波变换融合等,主要缺点是效果不稳定,在图片明亮度饱和度相差很大的时候,效果更差。
发明内容
本发明提供了一种在HSV颜色空间上的多图像融合方法,基于HSV空间提前对图片进行了预处理,保证了尽量接近的颜色色调和饱和度。具备整体算法效果好,速度快,在图片色调饱和度相差比较大的情况下依然能获得较好结果的优点。
根据本申请实施例提供的一种在HSV颜色空间上的多图像融合方法,包括如下步骤:
分别输入底图A和被融合图B;
计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图;
其中,计算被融合图B的HSV颜色直方图后,利用图A HSV来调整图B,能,统计图A直方图均衡后,各区间上的像素分布比例,图B直方图统计后,不做常规直方图均衡,而是做基于图A的图像直方图均衡,使得图B在风格上与图A接近;指定图B中融合区域,并将图片抠出,得图C及对应大小Rect_C;
其中,计算底图A的HSV颜色直方图后,在底图A上指定融合矩形区域Rect A;
得图C及对应大小Rect_C和矩形区域Rect_A后,计算Rect_C与Rect_A的比值,根据比值对图C进行等比例缩放;获得从图C中除边界外其余像素开始宽度为N的所有像素,并设每个像素的更新值为Δx_i;
在底图A上指定融合矩形区域Rect_A后,计算Rect_A范围内所有像素的Laplace导数,将图A图C边界重叠区域像素值取为两张图片颜色的平均值;
计算所有图C像素的Laplace导数,并使其与对应图A中的像素Laplace导数相等,解出Δx_i,并将每个像素C更新为新值;
将图C像素新值替换Rect_A中对应像素值,得最终融合图。
优选地,所述计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图为:计算底图A和B的HSV空间的直方图,将图像A进行图像直方图均衡,将颜色比较均匀的分布在0-255空间上。
优选地,得图C及对应大小Rect_C的步骤为:
划定图A中的融合区域范围Rect_A后,将图B的内容将替换该区域像素;
获得图B感兴趣区域,并将对应图片抠出来,记为图C,该图C尺寸为Rect_C;
当Rect_A与Rect_C不完全相等时,需要对图C进行适当的缩放。
优选地,计算图A的指定范围区域Rect_A内所有像素的Laplace梯度,计算方式为:gradient(x,y)=4*pixel(x,y)-(pixel(x-1,y)+pixel(x+1,y)+pixel(x,y-1)+pixel(x,y+1))。
本申请实施例提供的技术方案可以包括以下有益效果:
本发明提出一种在HSV颜色空间上的多图像融合方法,基于HSV空间提前对图片进行了预处理,保证了尽量接近的颜色色调和饱和度。通过先计算边界的平均值,再对齐两幅图像的Laplace导数保证了两幅图平滑融合。整体算法效果好,速度快,在图片色调饱和度相差比较大的情况下依然能获得较好结果。与RGB空间相比,HSV空间更适合于描述颜色的特点。HSV空间可以对颜色的色相、明度和饱和度进行独立地、直观地描述。视觉化效果更好,便于色彩识别和处理。在图像处理和计算机视觉中,HSV空间常用于图像分割、颜色检测、颜色量化等领域。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明一种在HSV颜色空间上的多图像融合方法的结构示意图;
图2为本发明图像A和B的HSV空间的直方图。
图3为本发明以4*4的图片举例的示意图。
图4为本发明一种在HSV颜色空间上的多图像融合方法的一个图像融合案例。
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。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
多张图像互相融合的应用是广泛的,以下是一些常见的用途:
1.合成照片:将不同的照片合成为一张照片,通常用于制作漂亮的海报或宣传材料。
2.图像修复:通过将多张相同或类似的图像相互融合,可以去除各种噪点和瑕疵,从而修复图片。
3.特效制作:通过多张图像的融合,可以制作出很多特效,例如火焰、水漩涡等。
4.景深合成:将景深不同的多张图像融合,可以制作出非常逼真的景深效果。
5.前景和背景分离:通过进行多张图像的合成可以分离前景和背景的图像。
6.医学影像处理:通过将不同的医学影像相互融合可以帮助医生更好地进行诊断和治疗。
7.3D制作:通过将一系列图像基于视差原理融合,可以制作出非常逼真的3D模型。
总之,多张图像互相融合的用途是非常广泛的,可以帮助我们在各种领域取得更好的效果。
但目前的算法通常是由某些软件直接提供,算法单一,无法有效应对各种各样的场景,尤其在图片风格差异比较大的时候,融合效果比较差,能看见明显的拼接痕迹。本文提出,在HSV空间上先对图像进行风格对齐,对后续融合效果有较大提升。
HSV空间是指色彩的一种描述方式,也称为色调(Hue)、饱和度(Saturation)、明度(Value)空间。其中色调指颜色的种类,饱和度指颜色的纯度,明度指颜色的亮度。与HSV空间不同,RGB空间指的是红(Red)、绿(Green)、蓝(Blue)三原色组成的颜色空间。在RGB空间中,颜色是通过红、绿、蓝三种颜色的百分比混合来表示的。与RGB空间相比,HSV空间更适合于描述颜色的特点。HSV空间可以对颜色的色相、明度和饱和度进行独立地、直观地描述。视觉化效果更好,便于色彩识别和处理。在图像处理和计算机视觉中,HSV空间常用于图像分割、颜色检测、颜色量化等领域。
请参阅图1,本发明提供一种在HSV颜色空间上的多图像融合方法,包括如下步骤:
分别输入底图A和被融合图B;
计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图;
其中,计算被融合图B的HSV颜色直方图后,利用图A HSV来调整图B,使得图B与图A的风格相同;指定图B中融合区域,并将图片抠出,得图C及对应大小Rect_C;
其中,计算底图A的HSV颜色直方图后,在底图A上指定融合矩形区域Rect_A;
得图C及对应大小Rect_C和矩形区域Rect_A后,计算Rect_C与Rect_A的比值,根据比值对图C进行等比例缩放;获得从边界开始宽度为N的所有像素,并设每个像素的更新值为Δx_i;
在底图A上指定融合矩形区域Rect_A后,计算Rect_A范围内所有像素的Laplace导数,将边界重叠区域像素值取为两张图片颜色的平均值;
计算底图A和底图B所有选中像素,并使其与对应图A中的像素Laplace导数相等,解出Δx_i,并将图A中的像素更新为新值;
将选中像素新值替换Rect_A中对应像素值,得最终融合图。
下面对本案例具体步骤进行说明:
输入底图A和被融合图B,目的是将图像B融合进图像A的指定区域。
请参阅图2,计算图像A和B的HSV空间的直方图,将图像A进行图像直方图均衡,将颜色比较均匀的分布在0-255空间上。直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。统计图像A直方图均衡后,各区间上的像素分布比例。图像B直方图统计后,不做常规直方图均衡,而是做基于图A的图像直方图均衡,使得图B在风格上与图A接近。
划定图A中的融合区域范围Rect_A后,将图B的内容将替换该区域像素。获得图B感兴趣区域,并将对应图片抠出来,记为图C,该图C尺寸为Rect_C。当Rect_A与Rect_C不完全相等时,需要对图C进行适当的缩放。
计算图A的指定范围区域Rect_A内所有像素的Laplace梯度。计算方式为:gradient(x,y)=4*pixel(x,y)-(pixel(x-1,y)+pixel(x+1,y)+pixel(x,y-1)+pixel(x,y+1))。
同样方式计算图C的像素Laplace梯度。由于图A与图C像素内容不同,所以对应像素上的Laplace梯度不会相等。图像融合的宗旨就是改变图C的对应像素值,使得图C的内容得以保留,又能与背景图A衔接的比较融洽。本步骤首先计算图A图C边界处的对应像素的平均值,将该平均值替换A中像素值,这一步先保持边界直接对齐。设图C中除边界外其余像素的更新值为Δx_i,i指代不同像素。通过计算图C与图A的对应像素的Laplace的值相等,可求得每个像素C的更新值。
请参阅图3,以4*4的图片举例,上图中最右一共又16个像素,编号为1-16。每个像素更新为Δx_i。每个像素最终值为pixel_i=pixel_i+Δx_i。以第10个像素为例,其上下左右像素序号为6,9,11,14。其Laplace梯度为4*p_10-p_6-p_9-p_11-p_14,其值应等于grad_10,该值来源于图像A。将所有像素对应的像素写为矩阵形式L,解算L*Δx=g即可。
上述结算有时候会由于图像C像素值很多,则L*Δx=g规模比较大,为了加速,可选择限制图像C边界往内n像素更新。最后一步是将图像C更新后的值替换图像A中对应值即可。
请参阅图4,图4展示了一个图像融合案例。
本申请实施例提供的技术方案可以包括以下有益效果:
本发明提出一种在HSV颜色空间上的多图像融合方法,基于HSV空间提前对图片进行了预处理,保证了尽量接近的颜色色调和饱和度。通过先计算边界的平均值,再对齐两幅图像的Laplace导数保证了两幅图平滑融合。整体算法效果好,速度快,在图片色调饱和度相差比较大的情况下依然能获得较好结果。与RGB空间相比,HSV空间更适合于描述颜色的特点。HSV空间可以对颜色的色相、明度和饱和度进行独立地、直观地描述。视觉化效果更好,便于色彩识别和处理。在图像处理和计算机视觉中,HSV空间常用于图像分割、颜色检测、颜色量化等领域。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种在HSV颜色空间上的多图像融合方法,其特征在于,包括如下步骤:
分别输入底图A和被融合图B;
计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图;
其中,计算被融合图B的HSV颜色直方图后,利用图A HSV来调整图B,统计图A直方图均衡后各区间上的像素分布比例,图B直方图统计后不做常规直方图均衡,而是做基于图A的图像直方图均衡,使得图B在风格上与图A风格一致;指定图B中融合区域,并将图片抠出,得图C及对应大小Rect_C;
其中,计算底图A的HSV颜色直方图后,在底图A上指定融合矩形区域Rect_A;
得图C及对应大小Rect_C和矩形区域Rect_A后,计算Rect_C与Rect_A的比值,根据比值对图C进行等比例缩放;设图C每个像素的更新值为Δx_i;
在底图A上指定融合矩形区域Rect_A后,计算Rect_A范围内所有像素的Laplace导数,将图A图C边界重叠区域像素值取为两张图片颜色的平均值;
计算所有图C像素的Laplace导数,并使其与对应图A中的像素Laplace导数相等,解出Δx_i,并将每个图C像素更新为新值;
将图C像素新值替换Rect_A中对应像素值,得最终融合图。
2.根据权利要求1所述的一种在HSV颜色空间上的多图像融合方法,其特征在于,所述计算底图A的HSV颜色直方图和被融合图B的HSV颜色直方图为:计算底图A和B的HSV空间的直方图,将图像A进行图像直方图均衡,将颜色比较均匀的分布在0-255空间上。
3.根据权利要求1所述的一种在HSV颜色空间上的多图像融合方法,其特征在于,得图C及对应大小Rect_C的步骤为:
划定图A中的融合区域范围Rect_A后,用于将图B的内容将替换该区域像素;
获得图B感兴趣区域,并将对应图片抠出来,记为图C,该图C尺寸为Rect_C;
当Rect_A与Rect_C不完全相等时,对图C进行缩放。
4.根据权利要求1所述的一种在HSV颜色空间上的多图像融合方法,其特征在于,计算图A的指定范围区域Rect_A内所有像素的Laplace梯度,计算方式为:
gradient(x,y)=4*pixel(x,y)-(pixel(x-1,y)+pixel(x+1,y)+pixel(x,y-1)+pixel(x,y+1))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310662831.4A CN116703794B (zh) | 2023-06-06 | 2023-06-06 | 一种在hsv颜色空间上的多图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310662831.4A CN116703794B (zh) | 2023-06-06 | 2023-06-06 | 一种在hsv颜色空间上的多图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703794A CN116703794A (zh) | 2023-09-05 |
CN116703794B true CN116703794B (zh) | 2024-04-30 |
Family
ID=87838629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310662831.4A Active CN116703794B (zh) | 2023-06-06 | 2023-06-06 | 一种在hsv颜色空间上的多图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703794B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715451A (zh) * | 2015-03-11 | 2015-06-17 | 西安交通大学 | 一种基于颜色及透明度一致优化的图像无缝融合方法 |
CN105096287A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种改进的多次泊松图像融合方法 |
CN106339997A (zh) * | 2015-07-09 | 2017-01-18 | 株式会社理光 | 图像融合方法、设备和*** |
WO2018022197A1 (en) * | 2016-07-26 | 2018-02-01 | Qualcomm Incorporated | Systems and methods for compositing images |
CN115937024A (zh) * | 2022-11-30 | 2023-04-07 | 天津大学 | 基于Retinex理论的多帧融合低照度图像增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201818647D0 (en) * | 2018-11-15 | 2019-01-02 | Spectral Edge Ltd | Image enhancement system and method |
-
2023
- 2023-06-06 CN CN202310662831.4A patent/CN116703794B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715451A (zh) * | 2015-03-11 | 2015-06-17 | 西安交通大学 | 一种基于颜色及透明度一致优化的图像无缝融合方法 |
CN106339997A (zh) * | 2015-07-09 | 2017-01-18 | 株式会社理光 | 图像融合方法、设备和*** |
CN105096287A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种改进的多次泊松图像融合方法 |
WO2018022197A1 (en) * | 2016-07-26 | 2018-02-01 | Qualcomm Incorporated | Systems and methods for compositing images |
CN115937024A (zh) * | 2022-11-30 | 2023-04-07 | 天津大学 | 基于Retinex理论的多帧融合低照度图像增强方法 |
Non-Patent Citations (2)
Title |
---|
"Generating Trimap for Image Matting Using Color Co-Fusion";J. Li等;《IEEE Access》;第7卷;全文 * |
"一种改进的基于区域梯度——能量的图像融合方法";赵康等;《液晶与显示》;第31卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116703794A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8774503B2 (en) | Method for color feature extraction | |
US8213711B2 (en) | Method and graphical user interface for modifying depth maps | |
US11323676B2 (en) | Image white balance processing system and method | |
EP2082577B1 (en) | Method, system and computer program product for video insertion | |
CN113129391B (zh) | 基于多曝光图像特征分布权重的多曝光融合方法 | |
JPH04127675A (ja) | デジタル画像生成方法及び装置 | |
US9928582B2 (en) | Method and system for processing image content for enabling high dynamic range (UHD) output thereof and computer-readable medium comprising UHD content created using same | |
US20150062152A1 (en) | 3-dimensional look-up table-based color masking technique | |
CN104715454B (zh) | 一种抗锯齿图形叠加方法 | |
US20170337668A1 (en) | Method and system for processing image content for enabling high dynamic range (uhd) output thereof and computer-readable medium comprising uhd content created using same | |
CN116703794B (zh) | 一种在hsv颜色空间上的多图像融合方法 | |
CN112218006B (zh) | 一种多媒体数据处理方法、装置、电子设备及存储介质 | |
CN106599185B (zh) | 基于hsv的图像相似度识别方法 | |
CA2674104C (en) | Method and graphical user interface for modifying depth maps | |
CN102903091B (zh) | 用于在数字图像处理设备中拼接图像的方法 | |
CN107886549A (zh) | 一种基于编织纹理细节增强的织物纹样色彩转移方法 | |
KR101513931B1 (ko) | 구도의 자동보정 방법 및 이러한 구도의 자동보정 기능이 탑재된 영상 장치 | |
CN111311517A (zh) | 基于抠图的颜色校正优化方法 | |
CN106971384A (zh) | 一种图像处理方法及装置 | |
CN109816737B (zh) | 基于耦合自然矢量全变差的保边缘图像着色方法 | |
CN113271394A (zh) | 一种无蓝绿自然背景的ai智能抠像方法及终端 | |
TWI602150B (zh) | 一種利用區塊屬性疊合影像的系統及其方法 | |
Zhang et al. | Computational approaches in the transfer of aesthetic values from paintings to photographs | |
CN107454374A (zh) | 图像处理装置、图像处理方法以及图像处理*** | |
CN112102219B (zh) | 一种图像中图文抠取方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |