一种全景拼接颜色校正方法与流程

本发明属于图像处理
技术领域：
，尤其涉及一种全景视频拼接中的颜色校正方法。
背景技术：
：目前，在全景视频拍摄领域，采用一个相机2～6个镜头，或多个相机，或一个相机多次拍摄来获取图像，随后对这一系列图像进行拼接。由于不同场景亮度差异，镜头存在色差，曝光不同等差异的发生，不同图片的亮度无法保证相同，使用这样的图像拼接后得到的全景图像会存在明显的色差。一般地，为了消除拼接缝隙处明显的“痕迹”，一种常见地做法是通过对重叠拼接重叠区域进行融合来减缓两个图像之间地差异变化，但是只对拼缝处进行处理，并不能根本改变两图像之间色彩差异带来地色彩偏差。技术实现要素：本发明的目的在于：提供一种全景拼接颜色校正方法，以解决现有技术在对图像拼接缝隙处处理后仍然存在色彩偏差的技术问题，保证在全景拼接时，最终图像不会产生明显色差痕迹。本发明采用的技术方案如下：一种全景拼接颜色校正方法，包括以下步骤：步骤(S1)，确定两个原始图像(选取一个为目标图像，另一个为偏差图像)重叠区域的位置；步骤(S2)，对重叠区域的像素点进行筛选；步骤(S3)，利用筛选得到的像素点计算得到两个原始图像在重叠区域对实际场景中同一物体成像的色彩偏差转换参数M；步骤(S4)，利用色彩偏差转换参数M对两个原始图像进行颜色转换。进一步的，像素点的筛选方法：步骤一：对原始图像进行亮度变换得到对应原始图像的亮度图像I；步骤二：对亮度图像I进行阈值化处理，筛选得到亮度约束条件下的掩模M1；步骤三：对亮度图像I进行梯度值计算，得到梯度图像G；步骤四：对梯度图像G进行阈值化处理，得到梯度约束条件下的掩模M2；步骤五：对掩模M1和掩模M2以及原始图像进行与操作，得到满足条件要求的像素点。进一步的，亮度约束条件和梯度约束条件：(In>5)∩(In<250)Gn>10;]]>其中，In为像素点亮度；Gn为像素点梯度。进一步的，步骤(S4)中，利用色彩偏差转换参数M的颜色转换公式如下：Sk＝Sk-1×M；其中：色彩偏差转换参数M为3×3的矩阵：M=a00a01a02a10a11a12a20a21a22;]]>其中，a00、a11、a22分别为r通道的校正参数，a01、a12、a20分别为g通道的校正参数，a02、a10、a21分别为b通道的校正参数；Sk为标准图像重合区域像素bgr值，Sk-1为校正图像重合区域像素bgr值，形式如下：Sn＝[PnibPnigPnir]；其中：Pnib为第n张图片重合区域第i个像素的b通道的值，Pnig为第n张图片重合区域第i个像素的g通道的值，Pnir为第n张图片重合区域第i个像素的r通道的值；Sn为图像重合区域像素bgr值。进一步的，色彩偏差转换参数M采用3×3的对角矩阵，分别计算r通道、g通道和b通道的校正参数，校正参数的计算公式为：ann=Σ(PSk(n))γΣ(PSk-1(n))γ;]]>其中，γ为校正因子，为重叠区域标准图像第n个通道的像素值，为重叠区域校正图像第n个通道的像素值，ann为校正参数。综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明利用筛选得到的像素点计算得到两个原始图像在重叠区域对相同物体成像的色彩固定差值，计算出两个原始图像的色彩偏差转换参数，进而利用色彩偏差转换参数进行颜色转换，消除了待拼接的图像(即原始图像)之间的色彩差异，保证在全景拼接时，最终图像不会产生明显色差痕迹。附图说明图1是本发明全景拼接颜色校正方法的流程图；图2是本发明全景拼接颜色校正方法的效果示意图。具体实施方式本说明书中公开的所有特征，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。下面结合图1～图2对本发明作详细说明。一种全景拼接颜色校正方法，包括以下步骤：步骤(S1)，确定两个原始图像(选取一个为目标图像2，另一个为偏差图像1)重叠区域3的位置；步骤(S2)，对重叠区域3的像素点进行筛选；步骤(S3)，利用筛选得到的像素点计算得到两个原始图像在重叠区域3对实际场景中同一物体成像的色彩差异，得出色彩固定差值，再通过数学方法的拟合计算得到两个原始图像的色彩偏差转换参数M；步骤(S4)，利用色彩偏差转换参数M对两个原始图像进行颜色转换。重合区域的确定：重合区域的定义为实际场景的区域能够在相邻的镜头上分别成像显示的部分。因为是相同的实际场景，假设两个画面在该区域成像效果一致，故而选择其中一个镜头成像的画面作为原始画面，则另一镜头成像作为偏差后的图像，通过两者在重叠区域的颜色计算即可得到最终的校正参数。重叠区域的范围为最终拼接全景图像的中间区域，并且区域的宽度为全景图像宽度1/50，高度为全景图像同等高度。重合区域像素的选择：对于重合区域的像素，我们认为过暗或过亮的区域，图像的边缘区域不能很好地反映色差，所以需满足以下条件，像素点亮度在5～250，像素点梯度大于10，即亮度约束条件和梯度约束条件：(In>5)∩(In<250)Gn>10;]]>其中，In为像素点亮度；Gn为像素点梯度。像素点亮度的计算公式：In＝0.299×Pnr+0.587×Png+0.114×Pnb；其中，Pnr为像素点r通道的像素值，Png为像素点g通道的像素值，Pnb0为像素点b通道的像素值。像素点的梯度值计算公式：Gn＝|In(i+1)j-n(i-1)j|+Ini(j+1)-ni(j-1)|；其中，In(i+1)j、In(i-1)j、Ini(j+1)、Ini(j-1)为亮度图像i行j列像素点相邻的四个像素点像素值。像素点的筛选方法：步骤一：对原始图像进行亮度变换得到对应原始图像的亮度图像I；步骤二：对亮度图像I进行阈值化处理，筛选得到亮度约束条件下的掩模M1；步骤三：对亮度图像I进行梯度值计算，得到梯度图像G；步骤四：对梯度图像G进行阈值化处理，得到梯度约束条件下的掩模M2；步骤五：对掩模M1和掩模M2以及原始图像进行与操作，得到满足条件要求的像素点。针对色彩偏差转换参数的估算，我们提出两种计算方法：1.最小二乘优化方法为了综合考虑色彩偏差的影响，我们建立了色彩偏差模型，即对于每个像素值偏差是通过实际值的三个通道综合得到的，故而针对转换后的目标图像的三个通道使用原始图像的三个通道进行转换，只需要通过9个校正参数即可实现。对于9个校正参数的估计，一种方式是采用最小二乘法分别对RGB通道的9个校正参数进行拟合得到色彩偏差转换参数。步骤(S4)中，利用色彩偏差转换参数M的颜色转换公式如下：Sk＝Sk-1×M；其中：色彩偏差转换参数M为3×3的矩阵：M=a00a01a02a10a11a12a20a21a22;]]>其中，a00、a11、a22分别为r通道的校正参数，a01、a12、a20分别为g通道的校正参数，a02、a10、a21分别为b通道的校正参数；Sk为标准图像重合区域像素bgr值，Sk-1为校正图像重合区域像素bgr值，形式如下：Sn＝[PnibPnigPnir]其中：Pnib为第n张图片重合区域第i个像素的b通道的值，Pnig为第n张图片重合区域第i个像素的g通道的值，Pnir为第n张图片重合区域第i个像素的r通道的值；Sn为图像重合区域像素bgr值。对于重合区域每个像素都用上述等式，我们使用最小二乘法求色彩偏差转换参数M的数值，得到校正参数。求解色彩偏差转换参数M的具体过程可以等价为求取超定方程(9元3*N*M阶方程组，重叠区域大小N*M)的最优值，最优值的计算即可通过最小二乘的方法得到。2.实时校正方法对于9个色彩校正参数估计因为计算量较大，运算时间稍长。为了达到实时性的要求，我们简化最小二乘的模型，将优化参数变为3个，对校正参数进行实时计算。色彩偏差转换参数M采用3×3的对角矩阵，分别计算r通道、g通道和b通道的校正参数，校正参数的计算公式为：ann=Σ(PSk(n))γΣ(PSk-1(n))γ;]]>其中，γ为校正因子，校正因子选定经验值为2.2，为重叠区域标准图像第n个通道的像素值，为重叠区域校正图像第n个通道的像素值，ann为校正参数。当前第1页1 2 3