一种解决通道间亮度不一致的方法与流程

本发明涉及图像传感器技术领域，具体涉及一种解决通道建亮度不一致的方法。

背景技术：

在图像成像拼接过程中，出现了图像亮度不一致的问题，并且在图像的中间会有明显的缝隙，会使得图像看上去有明显的拼接缝隙，常规的使用方法是：将一个通道加一个值，使得两个通道间亮度一致，或者两个通道间调整增益，使一个通道乘以一个值得到相同的亮度，或者是在拼接缝隙处羽化处理，使得看上去平滑的过度，亮度变化看上去不明显。

但是前两种方法主要是针对两通道亮度变化一致的情况，面对通道间亮度变化不一致，也就是说可能上半部分和下半部分变化不同的情况下效果不明显，而最后一种羽化会影响图像的清晰度，面对高清晰度的情况不可行。

技术实现要素：

为了克服以上问题，本发明旨在一种解决通道间亮度不一致的方法，能够自动识别通道间数值变化的最优解，改善图像效果。

为了达到上述目的，本发明提供了一种一种解决通道间亮度不一致的方法，其包括以下步骤：

步骤01：提供两个图像，在两个图像的拼缝处，设定一宽度范围；拼缝被所设定的宽度包围；

步骤02：计算出所设定的宽度范围内每行像素的亮度；

步骤03：以所设定的宽度范围内的每行像素值的坐标作为横坐标和纵坐标，从而得到点集合；

步骤04：根据Ransac算法中求取最优解的方法，将点集合拟合出一条直线，得到点集合的最优解模型；

步骤05：在最优解模型中找出拼缝一侧中每个像素的拟合值，按照该拟合值来调整拼缝一侧相应位置的像素的亮度。

优选地，所述步骤02中，每行像素的亮度为相应行中每个像素

值的总和除以所设定的宽度。

优选地，所述最优解模型中，拼缝左边的每行像素的亮度等于拼

缝右边的相应行的像素的亮度。

优选地，所述步骤04具体包括：

步骤041：设定最小抽样集为n的模型和一个样本集(P)，样本集(P)为以每行中的像素值作为横纵坐标的点集合，样本集(P)中样本个数大于n；

步骤042：从样品集(P)中随机抽取包含n个样本的样本集P的子集(S)，模拟得到初始化模型(M)；

步骤043：将样品集(P)的余集中与初始化模型(M)的误差小于设定阈值t的样本集，和子集(S)构成新的集合(S*)，集合(S*)中是内点集；

步骤044：若集合(S*)的个数≥N，则认为初始化模型(M)正确；若集合(S*)的个数＝N，重新抽取新的子集(S)，重复上述步骤，得到最大个数的内点集，对应的模型就是最优解模型。

优选地，所述步骤042中，采用最小二乘法得到初始化模型(M)。

本发明的解决通道间亮度不一致的方法，能够自动完成通道间亮度差别的弥补，优化图像效果。

附图说明

图1为本发明的一个较佳实施例的通道不一致的图像示意图

图2为本发明的一个较佳实施例的最优解模型示意图

图3为本发明的一个较佳实施例的解决通道间亮度不一致的方法的流程示意图

具体实施方式

为使本发明的内容更加清楚易懂，以下结合说明书附图，对本发明的内容作进一步说明。当然本发明并不局限于该具体实施例，本领域内的技术人员所熟知的一般替换也涵盖在本发明的保护范围内。

以下结合附图1～3和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式、使用非精准的比例，且仅用以方便、清晰地达到辅助说明本实施例的目的。

请参阅图3，本实施例中，一种解决通道间亮度不一致的方法，包括以下步骤：

步骤01：提供两个图像，在两个图像的拼缝处，设定一宽度范围；拼缝被所设定的宽度包围；

具体的，如图1所示，存在通道不一致的图像，在两个图像的拼缝处，选取一定的宽度，如图1所示，灰色图像和白色图像之间存在拼缝。这里设定的宽度为i_weight。

步骤02：计算出所设定的宽度范围内每行像素的亮度；

具体的，每行像素的亮度为相应行中每个像素值的总和除以所设定的宽度。请继续参阅图1，第j行拼缝左边的亮度为Mean_left(1，j)＝(I(i，j)+I(i-1，j)+…+I(i-i_weight+1，j))/i_weight，同理可以计算第j行拼缝右边的亮度Mean_right(1，j)。

步骤03：以所设定的宽度范围内的每行像素值的坐标作为横坐标和纵坐标，从而得到点集合；

具体的，请继续参阅图1，例如一个像素I(i，j)的横坐标为i，纵坐标为j，从而构成一个点坐标，进而得到设定的宽度范围内的点集合。

步骤04：根据Ransac算法中求取最优解的方法，将点集合拟合出一条直线，得到点集合的最优解模型；

具体的，请参阅图2，最优解模型中，拼缝左边的每行像素的亮度等于拼缝右边的相应行的像素的亮度。

本步骤04具体包括：

步骤041：设定最小抽样集为n的模型和一个样本集(P)，样本集(P)为以每行中的像素值作为横纵坐标的点集合，样本集(P)中样本个数大于n；

步骤042：从样品集(P)中随机抽取包含n个样本的样本集P的子集(S)，模拟得到初始化模型(M)；这里，可以采用最小二乘法得到初始化模型(M)。

步骤043：将样品集(P)的余集中与初始化模型(M)的误差小于设定阈值t的样本集，和子集(S)构成新的集合(S*)，集合(S*)中是内点集；

步骤044：若集合(S*)的个数≥N，则认为初始化模型(M)正确；若集合(S*)的个数＝N，重新抽取新的子集(S)，重复上述步骤，得到最大个数的内点集，对应的模型就是最优解模型

步骤05：在最优解模型中找出拼缝一侧中每个像素的拟合值，按照该拟合值来调整拼缝一侧相应位置的像素的亮度。

具体的，由于拼缝左侧的像素亮度等于拼缝右侧的像素亮度，Mean_left＝f(Mean_right)，可以将拼缝左侧或右侧的所有像素与最优解模型中的相应像素对应起来，从而完成亮度调整。

虽然本发明已以较佳实施例揭示如上，然实施例仅为了便于说明而举例而已，并非用以限定本发明，本领域的技术人员在不脱离本发明精神和范围的前提下可作若干的更动与润饰，本发明所主张的保护范围应以权利要求书为准。