专利名称：用于在数字图像处理设备中拼接图像的方法
技术领域：
示例性实施例涉及一种用于在数字图像处理设备中产生全景(panoramic)图像的方法，更具体地讲 ，涉及一种用于在数字图像处理设备(诸如监控摄像机、数字相机、电话相机和相机图像接收设备)中拼接图像的方法。
背景技术：
诸如监控摄像机、数字相机、电话相机和相机图像接收设备的数字图像处理设备可通过至少将第一图像与第二图像进行组合来产生全景图像。在用于拼接图像以至少将第一图像与第二图像进行组合的方法中，在第一区域和第二区域之间第二区域与第一区域重叠的匹配区域中，处理灰度级(gradation)是重要的。因此，如果第二图像的灰度级在没有改变的情况下被用于匹配区域，则第二图像到第一图像的边界线的附近显得明显。因此，传统的用于在数字图像处理设备中拼接图像的方法包括以下两个操作。首先，获得第一图像和第二图像之间第二图像与第一图像重叠的匹配区域。其次，根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级。这样做，第二图像的与第二图像相对于第一图像的边界线接近的像素的灰度级被改变为与第一图像的对应像素的灰度级相似。因此，第二图像到第一图像的边界线的附近不会显得明显。此外，当第一图像和第二图像之间的灰度级的差较大时，在第二图像到第一图像的边界线周围可能产生涂抹现象(smear-looking phenomenon)。
发明内容
一个或多个示例性实施例提供了一种在数字图像处理设备中拼接图像的方法，所述方法可防止当第一图像和第二图像之间的灰度级的差较大时在第二图像到第一图像的边界线的附近产生涂抹现象。根据示例性实施例的一方面，提供了一种在数字图像处理设备中拼接图像以至少将第一图像与第二图像进行组合的方法，所述方法包括(a)获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域；(b)改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率；(C)根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级，将第二图像的与第二图像相对于第一图像的边界线接近的像素的灰度级改变为与第一图像的对应像素的灰度级相似。
操作(b)可包括(bl)改变第二图像的整个区域的红色(R)灰度级，以使第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域中的代表性红色(R)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的红色(R)灰度级的水平来设置在改变第二图像的整个区域的红色(R)灰度级中的每一个的步骤中的改变率；(b2)改变第二图像的整个区域中的绿色(G)灰度级，以使第一图像的匹配区域的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的绿色(G)灰度级的水平来设置在改变第二图像的整个区域中的绿色(G)灰度级中的每一个的步骤中的改变率；(b3)改变第二图像的整个区域中的蓝色(B)灰度级，以使第一图像的匹配区域的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的蓝色(B)灰度级的水平来设置在改变第二图像的整个区域中的蓝色(B)灰度级中的每一个的步骤中的改变率。在操作(bl)中，设置第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域的代表性红色(R)灰度级的步骤可包括(bl-la)获得第一图像的匹配区域的所有红色(R)灰度级中的每一个的百分位；(bl-lb)获得第二图像的匹配区域的所有红色 (R)灰度级中的每一个的百分位；(bl-lc)将与第一图像的匹配区域的所有红色(R)灰度级的设置百分位对应的红色(R)灰度级设置为第一图像的匹配区域的代表性红色(R)灰度级；(bl-ld)将与第二图像的匹配区域的所有红色(R)灰度级的设置百分位对应的红色(R)灰度级设置为第二图像的匹配区域的代表性红色(R)灰度级。操作(bl)可包括(bl_2a)将第二图像的整个区域的红色(R)灰度级归一化至O至I的范围内；(bl-2b)假设第一图像的匹配区域的归一化的代表性红色(R)灰度级是Rd^)，第二图像的匹配区域的归一化的代表性红色(R)灰度级是Rdi,根据等式M_= Re!，获得红色(R)伽马值Y (R)。(bl-2c)通过使用获得的红色(R)伽马值Y (R)作为乘数对第二图像的整个区域的归一化的红色(R)灰度级中的每一个求平方；(bl-2d)将Y (R)平方的结果值扩大至属于原始灰度级范围；(bl_2e)将扩大的结果值设置为第二图像的整个区域的红色(R)灰度级。在操作(b2)中，设置第一图像的匹配区域中的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级的步骤可包括(b2_la)获得第一图像的匹配区域的所有绿色(G)灰度级中的每一个的百分位；(b2-lb)获得第二图像的匹配区域的所有绿色(G)灰度级中的每一个的百分位；(b2-lc)将与第一图像的匹配区域的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为第一图像的匹配区域的代表性绿色(G)灰度级；(b2-ld)将与第二图像的匹配区域的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为第二图像的匹配区域的代表性绿色(G)灰度级。操作(b2)可包括(b2_2a)将第二图像的整个区域的绿色(G)灰度级归一化至O至I的范围内；(b2-2b)假设第一图像的匹配区域的归一化的代表性绿色(G)灰度级是Gd^)，第二图像的匹配区域的归一化的代表性绿色(G)灰度级是Gdi,根据等式
= 获得绿色(G)伽马值Y (G) ； (b2-2c)通过使用获得的绿色(G)伽马值Y (G)作为乘数对第二图像的整个区域的归一化的绿色(G)灰度级中的每一个求平方；(b2-2d)将Y (G)平方的结果值扩大至属于原始灰度级范围；(b2-2e)将扩大的结果值设置为第二图像的整个区域的绿色(G)灰度级。在操作(b3)中，设置第一图像的匹配区域中的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级的步骤可包括(b3_la)获得第一图像的匹配区域的所有蓝色(B)灰度级中的每一个的百分位；(b3-lb)获得第二图像的匹配区域的所有蓝色(B)灰度级中的每一个的百分位；(b3-lc)将与第一图像的匹配区域的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为第一图像的匹配区域的代表性蓝色(B)灰度级；(b3-ld)将与第二图像的匹配区域的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为第二图像的匹配区域的代表性蓝色(B)灰度级。操作(b3)可包括(b3_2a)将第二图像的整个区域的蓝色⑶灰度级归一化至O至I的范围内；(b3-2b)假设第一图像的匹配区域的归一化的代表性蓝色⑶灰度级是Bd^)，第二图像的匹配区域的归一化的代表性蓝色(B)灰度级是Bdi,根据等式
得蓝色⑶伽马值Y⑶；(b3-2c)通过使用获得的蓝色⑶伽马值Y (B) 作为乘数对第二图像的整个区域的归一化的蓝色(B)灰度级中的每一个求平方；(b3-2d)将Y (B)平方的结果值扩大至属于原始灰度级范围；(b3-2e)将扩大的结果值设置为第二图像的整个区域的蓝色(B)灰度级。根据示例性实施例的另一方面，提供了一种在数字图像处理设备中拼接图像以组合多个图像的方法，所述方法包括(a)获得多个图像中的每个图像的平均灰度级；(b)将所述多个图像中在平均灰度级上具有与其他图像最大差的一个图像设置为参考图像，并将包括参考图像的所述多个图像中的所述其他图像中的每一个设置为对象图像；(C)针对设置的对象图像中的每一个执行以下操作(Cl)至(c3)。在操作(Cl)，可获得参考图像相对于邻近图像的匹配图像并可获得对象图像相对于所述邻近图像的匹配区域。在操作(c2)，对象图像的整个区域的灰度级可被改变，以使参考图像的匹配区域的代表性灰度级与对象图像的匹配区域的代表性灰度级相同，其中，将在改变对象图像的整个区域的灰度级中的至少一个的步骤中的改变率设置为对象图像的灰度级被改变之前的对象图像的灰度级的水平。在操作(c3)，根据邻近图像的匹配区域的对应像素的灰度级来改变对象图像的匹配区域的每个像素的灰度级，并将对象图像的与对象图像相对于所述邻近图像的边界线接近的像素的灰度级改变为与所述邻近图像的对应像素的灰度级相似。根据示例性实施例的另一方面，提供了一种在数字图像处理设备中拼接图像以组合多个图像的方法，所述方法包括(a)将多个图像中由用户选择的一个图像设置为参考图像；(b)将包括参考图像的所述多个图像中的其他图像中的每一个设置为对象图像；(C)针对设置的对象图像中的每一个执行以上操作(Cl)至(c3)。
通过参照附图详细描述示例性实施例，上述和/或其他方面将会变得更加清楚，其中图I示出根据示例性实施例的将被组合的第一图像和第二图像；图2示出图I的第一图像和第二图像中的每一个的匹配区域；
图3示出通过将图2的第二图像与图2的第一图像进行组合获得的全景图像；图4是用于解释根据示例性实施例的用于拼接图像的方法的流程图；图5是用于解释图4的操作(b)的曲线图；图6是示出在图4的操作(C)中用于改变第二图像的匹配区域的像素的灰度级的率(rate)的α值分配表；图7是用于解释图4的操作(b)的流程图；·
图8是用于解释图7的操作(bl)的流程图；图9是用于解释图7的操作(b2)的流程图；图10是用于解释图7的操作(b3)的曲线图；图11是用于解释在图7的操作(bl)中设置第一图像的匹配区域的代表性红色(R)灰度级和第二图像的匹配区域的代表性红色(R)灰度级的流程图；图12示出图11中描述的灰度级与百分位(percentile)之间的关系；图13是用于详细解释在完成图11的设置之后，图7的操作(bl)的流程图；图14是用于解释在图7的操作(b2)中设置第一图像的匹配区域的代表性绿色(G)灰度级和第二图像的匹配区域的代表性绿色(G)灰度级的流程图；图15是用于详细解释在完成图14的设置之后，图7的操作(b2)的流程图；图16是用于解释在图7的操作(b3)中设置第一图像的匹配区域的代表性蓝色(B)灰度级和第二图像的匹配区域的代表性蓝色(B)灰度级的流程图；图17是用于详细解释在完成图16的设置之后，图7的操作(b3)的流程图；图18是用于解释根据另一示例性实施例的用于拼接图像的方法的流程图；图19是用于详细解释图18的操作(f)的流程图；图20是用于详细解释在图19的操作(fl)中如何设置参考图像的灰度级改变之前的代表性红色(R)灰度级和灰度级改变之后的代表性红色(R)灰度级的流程图；图21是用于详细解释在完成图20的设置之后，图19的操作(fl)的流程图；图22是用于详细解释在图19的操作(f2)中如何设置参考图像的灰度级改变之前的代表性绿色(G)灰度级和灰度级改变之后的代表性绿色(G)灰度级的流程图；图23是用于详细解释在完成图22的设置之后，图19的操作(f2)的流程图；图24是用于详细解释在图19的操作(f3)中如何设置参考图像的灰度级改变之前的代表性蓝色(B)灰度级和灰度级改变之后的代表性蓝色(B)灰度级的流程图；图25是用于详细解释在完成图24的设置之后，图19的操作(f3)的流程图；图26是用于解释根据另一示例性实施例的用于拼接图像的方法的流程图。
具体实施例方式参考用于示出示例性实施例的附图以获得对本发明构思、本发明构思的优点以及通过实施本发明构思而实现的目标的充分理解。在下文中，将参照附图详细描述示例性实施例。附图中的相同标号表不相同的兀件。如在此所使用的，术语“和/或”包括相关列出项中的一个或多个的任意组合或所有组合。当诸如“…中的至少一个”的表述在一列元素之后时，该表述修饰整列元素，而不修饰该列的各个元素。
图I示出根据示例性实施例的将被组合的第一图像11和第二图像12。参照图1，在数字图像处理设备(诸如监控摄像机、数字相机、电话相机和相机图像接收设备)中根据基于示例性实施例的图像拼接方法来组合第一图像11和第二图像12。第一图像11和第二图像12中的每一个包括沿垂直方向的m个像素和沿水平方向的η个像素。图2示出图I的第一图像11的匹配区域Ild和第二图像12的匹配区域12d。参照图2，第一图像11被划分为主区域Ila和匹配区域lid。同样，第二区域12被划分为主区域12a和匹配区域12d。匹配区域Ild和12d中的每一个表示第二图像12与第一图像11重叠的区域。图3示出通过将图2的第二图像12与图2的第一图像11进行组合获得的全景图像。参照图2和图3，当第二图像12的匹配区域12d与第一图像11的匹配区域Ild重叠时，根据示例性实施例来改变第二图像12的灰度级。因此，根据示例性实施例产生的全景图像31被划分为第一图像11的主区域11a、与第一图像11和第二图像12的重叠区域对应的灰度级改变的匹配区域312、以及第二图像12的灰度级改变的主区域313。·
图4是用于解释根据示例性实施例的用于拼接图像的方法的流程图。图5是用于解释图4的操作(b)的曲线图。换句话说，图5是示出第一图像11的匹配区域Ild和第二图像12的匹配区域12d的每个灰度级的百分位的曲线。在本实施例中，尽管灰度级范围从O到255，但灰度级被归一化为O至I并随后被恢复，从而防止计算结果溢出所述范围。在图5中，“51”表示图2的第一图像11的匹配区域Ild的灰度级百分位，“52old”表示图2的第二图像12的匹配区域12d的原始灰度级百分位，“52new”表示第二图像12的匹配区域12d的被改变的灰度级百分位，“Pset”表示设置百分位，“Sdh)”表示第一图像11的匹配区域Ild的代表性灰度级，“Sd/’表示第二图像12的匹配区域12d的代表性灰度级。在如本实施例的图像处理方法中，可通过使用百分位而不是使用百分数来更快地获得合适的代表性值。图6是示出在图4的操作(C)中用于改变第二图像12的匹配区域12d的像素的灰度级的率(rate)的α值分配表。在图I至图3、图5和图6中，相同的标号表不具有相同功能的元素。现在将参照图2至图6描述图4的图像拼接方法。根据本实施例的图像拼接方法包括操作(a)至(C)。在操作(a)中，获得第一图像11和第二图像12中第二图像12与第一图像11重叠的匹配区域Ild和12d。获得用于图像拼接的匹配区域Ild和12d的方法已是公知的。例如，可通过使用共同的特征来获得匹配区域Ild和12d，或者提前精确设置的区域可被获得作为匹配区域Ildl和12d。因此，在此将省略其详细描述。在操作(b)，第二图像12的匹配区域12d和主区域12a的灰度级被改变，以使在图5中第一图像11的匹配区域Ild的代表性灰度级Sdi1)与第二图像12的匹配区域12d的代表性灰度级Sdi相同。这样做，根据在第二图像12的灰度级被改变之前第二图像12的灰度级的水平来设置第二图像12的匹配区域12d和主区域12a的灰度级中的至少一个或每一个的改变的改变率。在操作(b)，仅第二图像12的匹配区域12d的改变的灰度级百分位的曲线52new在图5中被示出，而第二图像12的主区域12a的改变的灰度级百分位的曲线在图5中被省略。换句话说，第二图像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11的匹配区域Ild的代表性灰度级Sdi1)与第二图像12的匹配区域12d的代表性灰度级Sdi相同。当然，当仅第二图像12的匹配区域12d的灰度级被改变时，第二图像12的匹配区域12d和第二图像12的主区域12a可以以不同的亮度被看到。因此，由于第二图像12的匹配区域12d和主区域12a的灰度级被改变，因此可防止当第一图像11和第二图像12之间的灰度级的差较大时在第二图像12到第一图像11的图3的边界线31b的附近产生涂抹现象。根据第二图像12的灰度级被改变之前的第二图像的灰度级的水平来设置在改变第二图像12的匹配区域12d和主区域12a的灰度级中的每一个灰度级的步骤中的改变率。换句话说，在第二图像12的低灰度级被改变为与第一图像11的低灰度级相似的同时，第二图像12的高灰度级被改变为与第一图像11 的高灰度级略微接近或较少相似。因此，由于通过使用对低灰度级中的差别敏感的视觉特征，仅第二图像12的低灰度级被改变为与第一图像11的低灰度级相似，因此可防止产生涂抹现象并且可减少第二图像12的灰度级的改变。在操作(C)，根据第一图像11的匹配区域Ild的对应像素的灰度级来改变第二图像12的匹配区域12d的每个像素的灰度级。这样做，第二图像12的与第二图像12相对于第一图像的图3的边界线31b接近的像素的灰度级被改变为与第一图像11的对应像素的灰度级相似。图6的被应用于本实施例的操作(C)的α值在以下等式I中被置换。Ri3(x, y) = α · (x, y) + (l-a ) · R(H) (f (x, y)) [等式 I]在等式I中，“RJky)”表示在改变之后第二图像12的匹配区域12d的第(x，y)像素的灰度级。“Ri2(x，y) ”表示在改变之前第二图像12的匹配区域12d的第(x，y)像素的灰度级，即，根据操作(b)的结果的灰度级。“Rh^fky))”表示第一图像11的匹配区域Ild的对应像素的灰度级。“f (x，y) ”表示第一图像11的匹配区域Ild的像素的坐标被转换为与第二图像12的匹配区域12d的像素的坐标对应。因此，当图6的α值在等式I中被置换时，第二图像12的最接近图6的边界线31b的行中的像素的灰度级被改变为与第一图像11的对应像素的灰度级相同。第二图像12的下一个最接近图6的边界线31b的行中的像素的灰度级中的每一个被改变为通过将改变之前的灰度级中的每一个的一半与第一图像11的匹配区域Ild的对应像素的灰度级的一半相加而获得的值。第二图像12的匹配区域12d的其他像素的灰度级与改变之前的灰度级相同。结果，根据操作(C)的结果，第二图像12到第一图像11的边界线31b的附近不会显得明显。图6的α值仅是示例。例如，α值“0”、“0.25”、“0.75”和“1”可如图6中被应用。由于操作(C)的方法已知，因此在此将省略其进一步的描述。在本实施例中，由于操作(b)被插入到本方法，可获得上述附加效果。因此，现在将详细描述操作(b)。图7是用于详细解释图4的操作(b)的流程图。图8是用于解释图7的操作(bl)的流程图。换句话说，图8是示出第一图像11的匹配区域Ild和第二图像12的匹配区域12d中的每一个的红色(R)灰度级的百分位的曲线。在本实施例中，尽管灰度级范围从O到255，但灰度级被归一化为O至I并随后被恢复，从而防止计算结果溢出所述范围。
在图8中，“81”表示图2的第一图像11的匹配区域Ild的红色(R)灰度级百分位，“82old”表示图2的第二图像12的匹配区域12d的原始红色(R)灰度级百分位，“82new”表示第二图像12的匹配区域12d的被改变的红色(R)灰度级百分位，“Pset(R) ”表示设置百分位，“Rd^)”表示第一图像11的匹配区域Ild的代表性红色(R)灰度级，“Rd/’表示第二图像12的匹配区域12d的代表性红色(R)灰度级。图9是用于解释图7的操作(b2)的流程图。换句话说，图9是示出第一图像11的匹配区域Ild和第二图像12的匹配区域12d中的每一个的绿色(G)灰度级的百分位的曲线。在图9中，“91”表示图2的第一 图像11的匹配区域Ild的绿色(G)灰度级百分位，“92old”表示图2的第二图像12的匹配区域12d的原始绿色(G)灰度级百分位，“92new”表示第二图像12的匹配区域12d的被改变的绿色(G)灰度级百分位，“Pset(G) ”表示设置百分位，“Gd^)”表示第一图像11的匹配区域Ild的代表性绿色(G)灰度级，“Gdi”表示第二图像12的匹配区域12d的代表性绿色(G)灰度级。图10是用于解释图7的操作(b3)的曲线图。换句话说，图10是示出第一图像11的匹配区域Ild和第二图像12的匹配区域12d中的每一个的蓝色(B)灰度级的百分位的曲线。在图10中，“101”表示图2的第一图像11的匹配区域Ild的蓝色(B)灰度级百分位，“102old”表示图2的第二图像12的匹配区域12d的原始蓝色(B)灰度级百分位，“ 102new”表示第二图像12的匹配区域12d的被改变的蓝色(B)灰度级百分位，“Pset(B) ”表示设置百分位，“Bd^)”表示第一图像11的匹配区域Ild的代表性蓝色⑶灰度级，“Bd/’表示第二图像12的匹配区域12d的代表性蓝色(B)灰度级。参照图7至图10，图4的操作(b)包括操作(bl)、(b2)和(b3)。在操作(bl)，第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级被改变，以使图8的第一图像11的匹配区域Ild的代表性红色(R)灰度级Rd^1)与第二图像12的匹配区域12d的代表性红色(R)灰度级Rdi相同。这样做，在改变第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级中的每一个的步骤中的改变率根据第二图像12的灰度级被改变之前的红色(R)灰度级的水平而被设置。在操作(bl)，仅第二图像12的匹配区域12d的被改变的红色(R)灰度级百分位的曲线82new在图8中被示出，而第二图像12的主区域12a的被改变的红色(R)灰度级百分位的曲线在图8中被省略。换句话说，第二图像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11的匹配区域Ild的代表性灰度级Rdf1)与第二图像12的匹配区域12d的代表性灰度级Rdi相同。在操作(b2)，第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级被改变，以使图9的第一图像11的匹配区域Ild的代表性绿色(G)灰度级GdM)与图9的第二图像12的匹配区域12d的代表性绿色(G)灰度级Gdi相同。这样做，在改变第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级中的每一个的步骤中的改变率根据第二图像12的灰度级被改变之前的绿色(G)灰度级的水平而被设置。在操作(b2)，仅第二图像12的匹配区域12d的被改变的绿色(G)灰度级百分位的曲线92new在图9中被示出，而第二图像12的主区域12a的被改变的绿色(G)灰度级百分位的曲线在图9中被省略。换句话说，第二图像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11的匹配区域Ild的代表性灰度级Gd^1)与第二图像12的匹配区域12d的代表性灰度级Gdi相同。在图7中描述的操作(b3)，第二图像12的整个匹配区域12d和主区域12a的蓝色(B)灰度级被改变，以使图10的第一图像11的匹配区域Ild的代表性蓝色(B)灰度级Bd^1)与图10的第二图像12的匹配区域12d的代表性蓝色(B)灰度级Bdi相同。这样做，在改变第二图像12的整个匹配区域12d和主区域12a的蓝色(B)灰度级中的每一个的步骤中的改变率根据第二图像12的灰度级被改变之前的蓝色(B)灰度级的水平而被设置。在操作(b3)，仅第二图像12的匹配区域12d的被改变的蓝色(B)灰度级百分位的曲线102new在图10中被示出，而第二图像12的主区域12a的被改变的蓝色(B)灰度级百分位的曲线在图10中被省略。换句话说，第二图像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11的匹配区域Ild的代表性灰度级Bd^1)与第二图像12的匹配区域12d的代表性灰度级Bdi相同。因此，由于如以上参照图7至图10所述来改变第二图像12的整个匹配区域12d和主区域12a的红色(R)、绿色(G)和蓝色(B)灰度级，因此可防止当第一图像11和第二图·像12之间的灰度级的差较大时在第二图像12到第一图像11的图3的边界线31b的附近产生涂抹现象。因此，由于通过使用对低灰度级中的差别敏感的视觉特征，仅第二图像12的低灰度级被改变为与第一图像11的低灰度级相似，因此可防止涂抹现象的产生并且可减少第二图像12的灰度级的改变。图11是用于详细解释在图7的操作(bl)中，如何设置图8的第一图像11的匹配区域Ild的代表性红色(R)灰度级Rdf1)和第二图像12的匹配区域12d的代表性红色(R)灰度级Rdi的流程图。图12示出如图11中描述的图像的灰度级与百分位(percentile)之间的关系。在图12中，参照标号121表示例如第一图像11的匹配区域Ild或第二图像12的匹配区域12d的多个灰度级。参照图2、图8、图11和图12，现在将描述在图7的操作(bl)中，如何设置第一图像11的匹配区域Ild的代表性红色(R)灰度级Rdi1)和第二图像12的匹配区域12d的代表性红色(R)灰度级Rdi的说明。在操作(bl-la)，获得第一图像11的匹配区域Ild的所有红色(R)灰度级(例如，121)中的每一个的百分位。在操作(bl-lb)，获得第二图像12的匹配区域12d的所有红色(R)灰度级(例如，121)中的每一个的百分位。在操作(bl-lc)，在第一图像11的匹配区域Ild的所有红色(R)灰度级(例如，121)之中，与设置百分位对应的红色(R)灰度级被设置为第一图像11的匹配区域Ild的代表性红色(R)灰度级Rd^1)。在操作(bl-ld)，在第二图像12的匹配区域12d的所有红色(R)灰度级(例如，121)之中，与设置百分位对应的红色(R)灰度级被设置为第二图像12的匹配区域12d的代表性红色(R)灰度级Rditl如上所述，在根据示例性实施例的图像处理方法中，可通过使用百分位而不是使用百分数来更快地获得合适的代表性值。通常，“50”可被视为合适的设置百分位。然而，低于“50”的百分位可以是合适的。这是因为考虑到对低灰度级中的差别敏感的视觉特征，低于“50”的百分位的灰度级可以是代表性灰度级。例如，设置百分位可以是“20”。当然，可通过实验最终确定设置百分位。例如，在图12中，当设置百分位为“ 20 ”、“ 30 ”、“40 ”和“ 50 ”时，代表性灰度级分别是“ 50 ”、“90”、“ 115” 和 “127”。图13是用于详细解释在完成图11的设置之后，图7的操作(bl)的流程图。现在将参照图2、图8和图13描述在完成图11的设置之后在图7的操作(bl)中执行的剩余操作。在操作(bl_2a)，第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级被归一化为在“O”至“I”的范围内。如上所述，在本实施例中，尽管灰度级范围从O至255，但灰度级被归一化为O至I并随后被恢复，从而防止计算结果落在所述范围之外。第一图像11的匹配区域Ild的代表性红色(R)灰度级和第二图像12的匹配区域 12d的代表性红色(R)灰度级被毫无疑问地归一化。此外，在第一图像11的匹配区域Ild的红色(R)灰度级和第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级首先被归一化之后，可获得第一图像11的匹配区域Ild的代表性红色(R)灰度级和第二图像12的匹配区域12d的代表性红色(R)灰度级。在操作(bl_2b)，假设第一图像11的匹配区域Ild的归一化的代表性红色(R)灰度级是Rdi1),第二图像12的匹配区域12d的归一化的代表性红色(R)灰度级是Rdi,根据等式获得红色(R)伽马(gamma)值“ y (R) ”。详细地讲，当共同的对数被应用于上述等式的两侧时，等式2被建立。log (RU = Y (R) · Iog(Rdi) [等式 2]因此，可通过等式3获得红色(R)伽马值“ Y (R) ”。
log(7W.,_.、)Y(R) = /、[等式 3]
IogW )接下来，在操作(bl_2c)，通过使用获得的红色(R)伽马值“Y (R) ”作为乘数(multiplier)对第二图像12的整个匹配区域12d和主区域12a的归一化的红色(R)灰度级中的每一个求平方。因此，如以上参照图8所述，第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级被改变，以使第一图像11的匹配区域Ild的代表性红色(R)灰度级Rdi1)与第二图像12的匹配区域12d的代表性红色(R)灰度级Rdi相同。由于针对第一图像11的匹配区域Ild的代表性红色(R)灰度级Rdf1)和第二图像12的匹配区域12d的代表性红色(R)灰度级Rdi的设置百分位均小于“50”，因此，可根据第二图像12的灰度级被改变之前的红色(R)灰度级的水平来设置在改变第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级中的每一个的步骤中的改变率。根据实验，发现当红色(R)伽马值“ Y (R) ”小于“O. 4”时出现亮度饱和。因此红色(R)伽马值“ Y (R) ”应该大于或等于“O. 4”。接下来，在操作(bl_2d)，“ Y (R) ”平方的结果值被扩大至属于原始灰度级范围。在操作(bl-2e)，扩大的结果值被设置为第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度级。图14是用于详细解释在图7的操作(b2)中，如何设置第一图像11的匹配区域Ild的代表性绿色(G)灰度级和第二图像12的匹配区域12d的代表性绿色(G)灰度级的流程图。图14的流程图实质与图11的流程图相同。然而，为了更好地理解这两个图之间的差别，现在将参照图2、图9、图12和图14描述图14的流程图。在操作(b2_la)，获得第一图像11的匹配区域Ild的所有绿色(G)灰度级(例如，121)中的每一个百分位。在操作(b2_lb)，获得第二图像12的匹配区域12d的所有绿色(G)灰度级(例如，121)中的每一个百分位。在操作(b2_lc)，在第一图像11的匹配区域Ild的所有绿色(G)灰度级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第一图像11的匹配区域Ild的代表性绿色(G)灰度级Gdf1)。在操作(b2_ld)，在第二图像12的匹配区域12d的所有绿色(G)灰度级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第二图像12的匹配区域12d的代表性绿色(G)灰度级Gditl 如上所述，在图12中，当设置百分位为“20”、“30”、“40”和“50”时，代表性灰度级分别是“50”、“90”、“115”和 “127”。图15是用于解释在完成图14的设置之后，在图7的操作(b2)中执行的操作的流程图。图15实质上与图13的流程图相同。然而，为了更好地理解这两个图之间的差别，现在将参照图2、图9和图15描述图15的流程图。在操作(b2-2a)，第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级被归一化为在“O”至“I”的范围内。如上所述，尽管灰度级范围从O至255，但灰度级被归一化为O至I并随后被恢复，从而防止计算结果落在所述范围之外。第一图像11的匹配区域Ild的代表性绿色(G)灰度级和第二图像12的匹配区域12d的代表性绿色(G)灰度级被毫无疑问地归一化。此外，在第一图像11的匹配区域Ild的绿色(G)灰度级和第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级首先被归一化之后，可获得第一图像11的匹配区域Ild的代表性绿色(G)灰度级和第二图像12的匹配区域12d的代表性绿色(G)灰度级。在操作(b2_2b)，假设第一图像11的匹配区域Ild的归一化的代表性绿色(G)灰度级是Gd^)，第二图像12的匹配区域12d的归一化的代表性绿色(G)灰度级是Gdi,根据等式= 获得绿色(G)伽马值“ Y (G) ”。详细地讲，当共同的对数被应用于上述等式的两侧时，等式4被建立。Iog(Gda^1)) = Y (G) · Iog(Gdi) [等式 4]因此，可通过等式5获得绿色(G)伽马值“ Y (G) ”。
lou(GY/,,' )r(g)- ,[等式 5]接下来，在操作(b2_2c)，通过使用获得的绿色(G)伽马值“ Y (G) ”作为乘数对第二图像12的整个匹配区域12d和主区域12a的归一化的绿色(G)灰度级中的每一个求平方。因此，如以上参照图9所述，第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级被改变，以使第一图像11的匹配区域Ild的代表性绿色(G)灰度级Gd^)与第二图像12的匹配区域12d的代表性绿色(G)灰度级Gdi相同。由于针对第一图像11的匹配区域Ild的代表性绿色(G)灰度级Gdt1)和第二图像12的匹配区域12d的代表性绿色(G)灰度级Gdi的设置百分位均小于“50”，因此，可根据第二图像12的灰度级被改变之前的绿色(G)灰度级的水平来设置在改变第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级中的每一个的步骤中的改变率。根据实验，发现当绿色(G)伽马值“ Y (G) ”小于“O. 4”时出现亮度饱和。因此，绿色(G)伽马值“ Y (G) ”应该大于或等于“O. 4”。接下来，在操作(b2_2d)，“ Y (G) ”平方的结果值被扩大至原始灰度级范围。在操作(b2-2e)，扩大的结果值被设置为第二图像12的整个匹配区域12d和主区域12a的绿色(G)灰度级。图16是用于解释在图7的操作(b3)中，如何设置第一图像11的匹配区域Ild的代表性蓝色(B)灰度级和第二图像12的匹配区域12d的代表性蓝色(B)灰度级的流程图。图16中示出的流程图实质与图11的流程图相同。然而，为了解释这两个图之间的差别，现在将参照图2、图10、图12和图16描述图16的流程图。在操作(b3_la)，获得第一图像11的匹配区域Ild的所有蓝色(B)灰度级(例如，121)中的每一个百分位。在操作(b3_lb)，获得第二图像12的匹配区域12d的所有蓝色⑶灰度级(例如，121)中的每一个百分位。在操作(b3-lc)，在第一图像11的匹配区域Ild的所有蓝色(B)灰度级(例如，121)之中，与设置百分位对应的蓝色(B)灰度级被设置为第一图像11的匹配区域Ild的代表性蓝色⑶灰度级Bdf1)。在操作(b3_ld)，在第二图像12的匹配区域12d的所有蓝色(B)灰度级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第二图像12的匹配区域12d的代表性蓝色(B)灰度级Bditl如上所述，在图12中，当设置百分位为“20”、“30”、“40”和“50”时，代表性灰度级分别是“50”、“90”、“115”和 “127”。图17是用于详细解释在完成图16的设置之后，图7的操作(b3)的流程图。图17实质上与图13的流程图相同。然而，为了更好地理解这两个图之间的差别，现在将参照图
2、图10和图17描述图17的操作。在操作(b3_2a)，第二图像12的整个匹配区域12d和主区域12a的蓝色(B)灰度级被归一化为在“O”至“I”的范围内。如上所述，尽管灰度级范围从O至255，但灰度级被归一化为O至I并随后被恢复，从而防止计算结果落在所述范围之外。第一图像11的匹配区域Ild的代表性蓝色(B)灰度级和第二图像12的匹配区域12d的代表性蓝色(B)灰度级被毫无疑问地归一化。此外，在第一图像11的匹配区域Ild的蓝色(B)灰度级和第二图像12的整个匹配区域12d和主区域12a的蓝色(B)灰度级首先被归一化之后，可获得第一图像11的匹配区域Ild的代表性蓝色(B)灰度级和第二图像12的匹配区域12d的代表性蓝色(B)灰度级。在操作(b3_2b)，假设第一图像11的匹配区域Ild的归一化的代表性蓝色⑶灰度级是Bd(i_1)tl，第二图像12的匹配区域12d的归一化的代表性蓝色⑶灰度级是Bdi,根据等式=iw,ns)获得蓝色⑶伽马值“ Y⑶”。详细地讲，当共同的对数被应用于上述等式的两侧时，等式6被建立。logOU = Y ⑶· Iog(Bdi) [等式 6]因此，可通过等式7获得蓝色⑶伽马值“ Y⑶”。
权利要求
1.一种在数字图像处理设备中拼接图像以至少将第一图像与第二图像进行组合的方法，所述方法包括 获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域； 改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同， 其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率； 根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级，并将第二图像的与第二图像相对于第一图像的边界线接近的像素的灰度级改变为与第一图像的对应像素的灰度级相似。
2.如权利要求I所述的方法，其中，在改变第二图像的整个区域的灰度级的步骤中，第二图像的低灰度级被改变为与第一图像的低灰度级相似，而第二图像的高灰度级被改变为与第一图像的高灰度级较少相似。
3.如权利要求I所述的方法，其中，改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同的步骤包括 改变第二图像的整个区域的红色(R)灰度级，以使第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域的代表性红色(R)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的红色(R)灰度级的水平来设置在改变第二图像的整个区域的红色(R)灰度级中的每一个的步骤中的改变率； 改变第二图像的整个区域中的绿色(G)灰度级，以使第一图像的匹配区域的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的绿色(G)灰度级的水平来设置在改变第二图像的整个区域中的绿色(G)灰度级中的每一个的步骤中的改变率； 改变第二图像的整个区域中的蓝色(B)灰度级，以使第一图像的匹配区域的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的蓝色(B)灰度级的水平来设置在改变第二图像的整个区域中的蓝色(B)灰度级中的每一个的步骤中的改变率。
4.如权利要求3所述的方法，其中，在改变第二图像的整个区域的红色(R)灰度级，以使第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域的代表性红色(R)灰度级相同的步骤中，设置第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域的代表性红色(R)灰度级的步骤包括 获得第一图像的匹配区域的所有红色(R)灰度级中的每一个的百分位； 获得第二图像的匹配区域的所有红色(R)灰度级中的每一个的百分位； 将与第一图像的匹配区域的所有红色(R)灰度级的设置百分位对应的红色(R)灰度级设置为第一图像的匹配区域的代表性红色(R)灰度级； 将与第二图像的匹配区域的所有红色(R)灰度级的设置百分位对应的红色(R)灰度级设置为第二图像的匹配区域的代表性红色(R)灰度级。
5.如权利要求4所述的方法，其中，改变第二图像的整个区域的红色(R)灰度级，以使第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域的代表性红色(R)灰度级相同的步骤包括 将第二图像的整个区域的红色(R)灰度级归一化至O至I的范围内； 假设第一图像的匹配区域的归一化的代表性红色(R)灰度级是Rd^1),第二图像的匹配区域的归一化的代表性红色(R)灰度级是Rdi,根据等式iW(M)=iW广Λ)获得红色伽(R)马值 Y (R); 通过使用获得的红色(R)伽马值Y (R)作为乘数对第二图像的整个区域的归一化的红色(R)灰度级中的每一个求平方； 将Y (R)平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为第二图像的整个区域的红色(R)灰度级。
6.如权利要求3所述的方法，其中，在改变第二图像的整个区域中的绿色(G)灰度级，以使第一图像的匹配区域的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色·(G)灰度级相同的步骤中，设置第一图像的匹配区域中的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级的步骤包括 获得第一图像的匹配区域的所有绿色(G)灰度级中的每一个的百分位； 获得第二图像的匹配区域的所有绿色(G)灰度级中的每一个的百分位； 将与第一图像的匹配区域的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为第一图像的匹配区域的代表性绿色(G)灰度级； 将与第二图像的匹配区域的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为第二图像的匹配区域的代表性绿色(G)灰度级。
7.如权利要求6所述的方法，其中，改变第二图像的整个区域中的绿色(G)灰度级，以使第一图像的匹配区域的代表性绿色(G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级相同的步骤包括 将第二图像的整个区域的绿色(G)灰度级归一化至O至I的范围内； 假设第一图像的匹配区域的归一化的代表性绿色(G)灰度级是Gd^1),第二图像的匹配区域的归一化的代表性绿色(G)灰度级是Gdi,根据等式GA,获得绿色(G)伽马it Y (G)； 通过使用获得的绿色(G)伽马值Y (G)作为乘数对第二图像的整个区域的归一化的绿色(G)灰度级中的每一个求平方； 将Y (G)平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为第二图像的整个区域的绿色(G)灰度级。
8.如权利要求3所述的方法，其中，在改变第二图像的整个区域中的蓝色(B)灰度级，以使第一图像的匹配区域的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级相同的步骤中，设置第一图像的匹配区域中的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级的步骤包括 获得第一图像的匹配区域的所有蓝色(B)灰度级中的每一个的百分位； 获得第二图像的匹配区域的所有蓝色(B)灰度级中的每一个的百分位； 将与第一图像的匹配区域的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为第一图像的匹配区域的代表性蓝色(B)灰度级； 将与第二图像的匹配区域的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为第二图像的匹配区域的代表性蓝色(B)灰度级。
9.如权利要求8所述的方法，其中，改变第二图像的整个区域中的蓝色(B)灰度级，以使第一图像的匹配区域的代表性蓝色(B)灰度级与第二图像的匹配区域的代表性蓝色(B)灰度级相同的步骤包括 将第二图像的整个区域的蓝色(B)灰度级归一化至O至I的范围内； 假设第一图像的匹配区域的归一化的代表性蓝色(B)灰度级是Bd^1),第二图像的匹配区域的归一化的代表性蓝色⑶灰度级是Bdi,根据等式=5<(1 )获得蓝色⑶伽马值Y⑶； 通过使用获得的蓝色(B)伽马值Y (B)作为乘数对第二图像的整个区域的归一化的蓝色(B)灰度级中的每一个求平方；将Y (B)平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为第二图像的整个区域的蓝色(B)灰度级。
10.一种在数字图像处理设备中拼接图像以组合多个图像的方法，所述方法包括 获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域； 改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率； 根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级，并将第二图像的与第二图像相对于第一图像的边界线接近的像素的灰度级改变为与第一图像的对应像素的灰度级相似； 对于所有图像，执行获得第一图像和第二图像的匹配区域的步骤、改变第二图像的整个区域的灰度级的步骤、以及改变第二图像的匹配区域的每个像素的灰度级的步骤； 将灰度级改变之前所有图像中具有最大灰度级与最小灰度级之间的最大差的图像设置为参考图像； 通过应用参考图像的灰度级改变的程度来校正包括参考图像的所有图像的所有灰度级。
11.如权利要求10所述的方法，其中，通过应用参考图像的灰度级改变的程度来校正包括参考图像的所有图像的所有灰度级的步骤包括 通过使用参考图像的灰度级改变之前的代表性红色(R)灰度级以及灰度级改变之后的代表性红色(R)灰度级来获得参考图像的红色(R)灰度级改变的程度，并通过应用获得的参考图像的红色(R)灰度级改变的程度来校正包括参考图像的所有图像的所有红色(R)灰度级； 通过使用参考图像的灰度级改变之前的代表性绿色(G)灰度级以及灰度级改变之后的代表性绿色(G)灰度级来获得参考图像的绿色(G)灰度级改变的程度，并通过应用获得的参考图像的绿色(G)灰度级改变的程度来校正包括参考图像的所有图像的所有绿色(G)灰度级； 通过使用参考图像的灰度级改变之前的代表性蓝色(B)灰度级以及灰度级改变之后的代表性蓝色(B)灰度级来获得参考图像的蓝色(B)灰度级改变的程度，并通过应用获得的参考图像的蓝色(B)灰度级改变的程度来校正包括参考图像的所有图像的所有蓝色(B)灰度级。
12.如权利要求11所述的方法，其中，在获得参考图像的红色(R)灰度级改变的程度，并校正包括参考图像的所有图像的所有红色(R)灰度级的步骤中，设置灰度级改变之前的参考图像的代表性红色(R)灰度级以及灰度级改变之后的参考图像的代表性红色(R)灰度级的步骤包括 获得灰度级改变之前的参考图像的所有红色(R)灰度级中的每一个的百分位； 获得灰度级改变之后的参考图像的所有红色(R)灰度级中的每一个的百分位； 将与灰度级改变之前的参考图像的所有红色(R)灰度级的设置百分位对应的红色(R)灰度级设置为灰度级改变之前的参考图像的代表性红色(R)灰度级； 将与灰度级改变之后的参考图像的所有红色(R)灰度级的设置百分位对应的红色(R) 灰度级设置为灰度级改变之后的参考图像的代表性红色(R)灰度级。
13.如权利要求12所述的方法，其中，获得参考图像的红色(R)灰度级改变的程度，并校正包括参考图像的所有图像的所有红色(R)灰度级的步骤包括 将包括参考图像的所有图像的灰度级改变之后的所有红色(R)灰度级归一化至O至I的范围内； 假设参考图像的灰度级改变之前的归一化的代表性红色(R)灰度级是Rd(u)，参考图像的灰度级改变之后的归一化的代表性红色(R)灰度级是Rd(c)，根据等式Rd(u) =Rd(C)Y(E)获得红色(R)伽马值“Y (R) ”。
通过使用获得的红色(R)伽马值“ Y (R) ”作为乘数对包括参考图像的所有图像的归一化的红色(R)灰度级中的每一个求平方； 将“ Y (R) ”平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为包括参考图像的所有图像的红色(R)灰度级。
14.如权利要求11所述的方法，其中，在获得参考图像的绿色(G)灰度级改变的程度，并校正包括参考图像的所有图像的所有绿色(G)灰度级的步骤中，设置灰度级改变之前的参考图像的代表性绿色(G)灰度级以及灰度级改变之后的参考图像的代表性绿色(G)灰度级的步骤包括 获得灰度级改变之前的参考图像的所有绿色(G)灰度级中的每一个的百分位； 获得灰度级改变之后的参考图像的所有绿色(G)灰度级中的每一个的百分位； 将与灰度级改变之前的参考图像的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为灰度级改变之前的参考图像的代表性绿色(G)灰度级； 将与灰度级改变之后的参考图像的所有绿色(G)灰度级的设置百分位对应的绿色(G)灰度级设置为灰度级改变之后的参考图像的代表性绿色(G)灰度级。
15.如权利要求14所述的方法，其中，获得参考图像的绿色(G)灰度级改变的程度，并校正包括参考图像的所有图像的所有绿色(G)灰度级的步骤包括 将包括参考图像的所有图像的灰度级改变之后的所有绿色(G)灰度级归一化至O至I的范围内； 假设参考图像的灰度级改变之前的归一化的代表性绿色(G)灰度级是Gd(U)，参考图像的灰度级改变之后的归一化的代表性绿色(G)灰度级是Gd (C)，根据等式Gd (u) =Gd(C)Y(G)获得绿色(G)伽马值“Y (G) ”。
通过使用获得的绿色(G)伽马值“ Y (G) ”作为乘数对包括参考图像的所有图像的归一化的绿色(G)灰度级中的每一个求平方； 将“ Y (G) ”平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为包括参考图像的所有图像的绿色(G)灰度级。
16.如权利要求11所述的方法，其中，在获得参考图像的蓝色(B)灰度级改变的程度，并校正包括参考图像的所有图像的所有蓝色(B)灰度级的步骤中，设置灰度级改变之前的参考图像的代表性蓝色(B)灰度级以及灰度级改变之后的参考图像的代表性蓝色(B)灰度级的步骤包括 获得灰度级改变之前的参考图像的所有蓝色(B)灰度级中的每一个的百分位； 获得灰度级改变之后的参考图像的所有蓝色(B)灰度级中的每一个的百分位； 将与灰度级改变之前的参考图像的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为灰度级改变之前的参考图像的代表性蓝色(B)灰度级； 将与灰度级改变之后的参考图像的所有蓝色(B)灰度级的设置百分位对应的蓝色(B)灰度级设置为灰度级改变之后的参考图像的代表性蓝色(B)灰度级。
17.如权利要求16所述的方法，其中，获得参考图像的蓝色⑶灰度级改变的程度，并校正包括参考图像的所有图像的所有蓝色(B)灰度级的步骤包括 将包括参考图像的所有图像的灰度级改变之后的所有蓝色(B)灰度级归一化至O至I的范围内； 假设参考图像的灰度级改变之前的归一化的代表性蓝色(B)灰度级是Bd(u)，参考图像的灰度级改变之后的归一化的代表性蓝色(B)灰度级是Bd (C)，根据等式Bd (u) =Bd(C)Y(B)获得蓝色⑶伽马值“Y⑶”。
通过使用获得的蓝色(B)伽马值“ Y (B)”作为乘数对包括参考图像的所有图像的归一化的蓝色(B)灰度级中的每一个求平方； 将“ Y (B) ”平方的结果值扩大至属于原始灰度级范围； 将扩大的结果值设置为包括参考图像的所有图像的蓝色(B)灰度级。
18.—种在数字图像处理设备中拼接图像以组合多个图像的方法，所述方法包括 获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域； 改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率； 根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级，并将第二图像的与第二图像相对于第一图像的边界线接近的像素的灰度级改变为与第一图像的对应像素的灰度级相似； 对于所有图像，执行获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域的步骤、改变第二图像的整个区域的灰度级的步骤、以及改变第二图像的匹配区域的每个像素的灰度级的步骤； 将所有图像中由用户选择的图像设置为参考图像；通过应用参考图像的灰度级改变的程度来校正包括参考图像的所有图像的所有灰度级。
19.如权利要求18所述的方法，其中，当参考图像的灰度级改变的程度被应用于第二图像的整个区域的被改变的灰度级时，参考图像的灰度级被恢复到改变之前的灰度级，所有其他图像的所有灰度级被校正为与改变之前的灰度级相似。
全文摘要
一种用于在数字图像处理设备中拼接图像的方法。一种在数字图像处理设备中拼接图像以至少将第一图像与第二图像进行组合的方法，所述方法包括获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域；改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率。
文档编号G06T5/50GK102903091SQ20121020266
公开日2013年1月30日 申请日期2012年6月15日 优先权日2011年6月15日
发明者裴纯敏 申请人:三星泰科威株式会社