本申请涉及图像处理,尤其涉及一种影像比对方法、装置、电子设备及计算机可读存储介质。
背景技术:
1、随着图像处理技术的发展,影像比对技术在图像处理领域中的应用范围越来越广泛。在影像比对技术中,可以根据多个影像中的像素点之间的比对,计算影像的深度,从而重建影像,重建影像指的是由参考影像来重建成目标影像。
2、在低纹理的区域中,由于纹理不足,像素点太少,导致无法判断参考的像素点是否为正确的像素点,比对精度差、准确率低,因而导致重建的目标影像稳定性差、匹配度低。
技术实现思路
1、有鉴于此,本申请提出了一种影像比对方法、装置、电子设备及计算机可读存储介质,通过向量比对的方法判断所取到的像素点是否为正确的像素点,每个像素点到边缘的向量具有唯一性,可以提高影像比对的准确率,提升影像重建品质。
2、第一方面,本申请实施例提供一种影像比对方法,包括:
3、获取目标影像及参考影像,其中,所述目标影像包括多个第一像素点,所述参考影像包括多个第二像素点;
4、通过预设算法提取所述目标影像的第一边缘,及提取所述参考影像的第二边缘;
5、获取多个所述第一像素点到所述第一边缘的第一向量,及获取多个所述第二像素点到所述第二边缘的第二向量;
6、判断所述第一向量与所述第二向量是否一致;
7、若所述第一向量与所述第二向量不一致,计算所述第一向量与所述第二向量的损失;
8、基于所述损失修正预设模型,以通过所述预设模型将所述参考影像重建为所述目标影像。
9、在一些实施例中,所述影像比对方法,还包括:若所述第一向量与所述第二向量一致,确定所述第一像素点为正确的像素点。
10、在一些实施例中,所述计算所述第一向量与所述第二向量的损失,包括:利用预设公式计算所述第一向量与所述第二向量的损失,其中,所述预设公式为:vtarget为所述第一向量,vreference为所述第二向量,n为所述第一像素点及所述第二像素点的个数。
11、在一些实施例中,所述预设模型的训练方法包括:
12、获取所述预设模型的训练数据集,其中,在所述训练数据集中,以连续三张影像作为一组训练数据,中间的影像为第一目标影像,其余两张影像为第一参考影像、第二参考影像;
13、将所述训练数据输入至所述预设模型,通过所述预设模型获取所述第一目标影像的深度信息;
14、基于所述深度信息将所述第一参考影像重建为第二目标影像,及将所述第二参考影像重建为第三目标影像;
15、获取所述第二目标影像与所述第一目标影像的第一差异值,及获取所述第三目标影像与所述第一目标影像的第二差异值,取所述第一差异值与所述第二差异值的平均差异值;
16、将所述平均差异值作为所述预设模型的损失,训练迭代至所述损失收敛,以完成所述预设模型的训练。
17、在一些实施例中,所述通过所述预设模型将所述参考影像重建为所述目标影像,包括:将所述目标影像输入所述预设模型,由所述预设模型推论出所述目标影像的深度信息。
18、在一些实施例中,所述通过所述预设模型将所述参考影像重建为所述目标影像,还包括:基于所述深度信息将所述参考影像重建为所述目标影像。
19、在一些实施例中,所述预设算法为sobel算法或canny算法。
20、第二方面,本申请实施例还提供一种影像比对装置,包括:第一获取模块,用于获取目标影像及参考影像,其中,所述目标影像包括多个第一像素点,所述参考影像包括多个第二像素点;算法模块,通过预设算法提取所述目标影像的第一边缘,及提取所述参考影像的第二边缘;第二获取模块,用于获取多个所述第一像素点到所述第一边缘的第一向量,及获取多个所述第二像素点到所述第二边缘的第二向量;判断模块,用于判断所述第一向量与所述第二向量是否一致;数据处理模块,用于若所述第一向量与所述第二向量不一致,计算所述第一向量与所述第二向量的损失;修正模块,用于基于所述损失修正预设模型,以通过所述预设模型将所述参考影像重建为所述目标影像。
21、第三方面,本申请实施例还提供一种电子设备,所述电子设备包括处理器和存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行如第一方面所述影像比对方法。
22、第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如第一方面所述的影像比对方法。
23、本申请实施方式提供的影像比对方法、装置、电子设备及计算机可读存储介质,通过向量比对的方法判断所取到的像素点是否为正确的像素点,每个像素点到边缘的向量具有唯一性,可以提高影像比对的准确率,提升影像重建品质。
1.一种影像比对方法,其特征在于,包括:
2.如权利要求1所述的影像比对方法,其特征在于,还包括:若所述第一向量与所述第二向量一致,确定所述第一像素点为正确的像素点。
3.如权利要求1所述的影像比对方法,其特征在于,所述计算所述第一向量与所述第二向量的损失,包括:利用预设公式计算所述第一向量与所述第二向量的损失,其中,所述预设公式为:vtarget为所述第一向量,vreference为所述第二向量,n为所述第一像素点及所述第二像素点的个数。
4.如权利要求1所述的影像比对方法,其特征在于,所述预设模型的训练方法包括:
5.如权利要求1所述的影像比对方法,其特征在于,所述通过所述预设模型将所述参考影像重建为所述目标影像,包括:将所述目标影像输入所述预设模型,由所述预设模型推论出所述目标影像的深度信息。
6.如权利要求5所述的影像比对方法,其特征在于,所述通过所述预设模型将所述参考影像重建为所述目标影像,还包括:基于所述深度信息将所述参考影像重建为所述目标影像。
7.如权利要求1所述的影像比对方法,其特征在于,所述预设算法为sobel算法或canny算法。
8.一种影像比对装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行如权利要求1至7中任一项所述影像比对方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1至7中任一项所述的影像比对方法。