一种图像拼接的方法及装置制造方法及图纸

本发明专利技术公开了一种图像拼接的方法及装置。所述方法包括：对两张图片分别提取其中的特征点；对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。本发明专利技术利用两张图片的有效匹配区域进行匹配，能够有效提高拼接照片的效率和合成后图片的质量。

【技术实现步骤摘要】

本专利技术涉及互联网
，特别涉及一种图像拼接的方法及装置。
技术介绍
人眼睛正常视角约为水平90度，垂直视角70度。相机的标准镜头只有46度视角，人们设计出广角镜头甚至鱼眼镜头，以把场景拍得更宽。传统的全景拍摄，如拍摄集体照时常用一种专门的旋转式相机，可将90°至360°的景物，在二维胶平面上展现出来，这种相机虽然一次可以直接拍出一张全景图像，但价格昂贵且不能做普通拍摄。数码影像后期方便的拼接功能使500万像素相机，做出的全景照片，总像素轻易达到2000万以上，这是全景方式吸引人的主要原因。利用数码相机将一幅全景照片分为几次来拍摄，再利用电脑合成，一样可以达到完美的效果，最重要的是大大降低了费用。如何提高照片合成全景照片的效率和合成后的图片质量,成了业界关注的问题。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像拼接的方法及装置。本专利技术实施例提供的一种图片拼接的方法，包括：对两张图片分别提取其中的特征点；对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。进一步地，本专利技术实施例提供的图片拼接的方法，还包括：使用RANSAC对提取的特征点对进行提纯；相应地，所述对两张图片的特征点进行特征匹配，包括：对两张图片RANSAC提纯后的特征点进行特征匹配。进一步地，确定两张图片的有效的匹配区域，将所述有效匹配区域作为重合区域，具体包括:确定两张图片中是否存在有效的匹配区域，若存在且所占整个图片的比例大于设定的比例，则确定所述匹配区域为分别确定两张图片中的重合部分。进一步地，确定两张图片中是否存在有效的匹配区域，包括:分别对两帧图像中的设定区域进行分块，并根据各块的密集度，确定所述设定区域内的密集区域；分别比较所述两帧图片的密集区域中的各特征点，确定所述两帧图片中的有效密集区域；所述有效密集区域中的区域密集度和区域内特征点的匹配程度均满足设定条件。进一步地，根据所述重合部分在两张图片中的坐标，将两张图片进行拼接，包括：按照重合部分在两张图片中的坐标，将两张图片对重合部分的像素点进行加权平均进行拼接。本专利技术实施例提供的一种图片拼接的装置，包括：特征点提取模块，用于对两张图片分别提取其中的特征点；重合区域确定模块，用于对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；拼接模块，用于根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。进一步地，本专利技术实施例提供的上述图片拼接的装置，还包括：RANSAC提纯模块，用于使用RANSAC对提取的特征点对进行提纯；所述重合区域确定模块，用于RANSAC提纯后的特征点进行特征匹配。进一步地，所述重合区域确定模块，用于确定两张图片中是否存在有效的匹配区域，若存在且所占整个图片的比例大于设定的比例，则确定所述匹配区域为分别确定两张图片中的重合部分。进一步地，所述重合区域确定模块，用于分别对两帧图像中进行分块，并根据各块的密集度，确定所述设定区域内的密集区域；分别比较所述两帧图片的密集区域中的各特征点，确定所述两帧图片中的有效密集区域；所述有效密集区域中的区域密集度和区域内特征点的匹配程度均满足设定条件。进一步地，拼接模块，具体用于按照重合部分在两张图片中的坐标，将两张图片对重合部分的像素点进行加权平均进行拼接。本专利技术实施例的有益效果包括：本专利技术实施例提供的图像拼接的方法及装置，在对两张图片分别提取其中的特征点之后，对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。利用两张图片的有效匹配区域进行匹配，能够有效提高拼接照片的效率和合成后图片的质量。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例中图片拼接的方法的流程图；图2为本专利技术实施例中确定两张图片中是否存在有效的匹配区域的步骤的流程图；图3为本专利技术实施例中图片拼接的方法的装置的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本专利技术实施例提供的图片拼接的方法，如图1所示，包括：S11、对两张图片分别提取其中的特征点；S12、对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将有效匹配区域作为重合区域；S13、根据重合部分在两张图片中的坐标，将两张图片进行拼接。下面分别对上述各步骤进行详细说明。本专利技术实施例上述S11～S13虽然说明的是对两张待拼接的两张图片的行融合拼接的方法，但本领域的技术人员可以很容易地想见，当用户需要对两张以上的图片进行拼接时，在这些图片中的每两张待拼接的图片(具有重合的部分)之间，都可以采用上述S11-S13的步骤实现，本专利技术并不限定图片拼接的数量。进一步地，上述S11中，待拼接的两张图片有一定的重合度，其图像重叠区域不能太小，一般来说，不能少于图片大小的15％，这样才能保证有足够的特征点匹配。这就要求在拍摄可以拼接的图片时，两张图片之间具有一定的重合部分，利用这块重合部分，可以完成两张图片的拼接。上述S11中，对两张图片分别提取其中的特征点，在具体实施时，可以通过按照现有技术的做法提取，例如采用简单的Harris角点检测等，或者按照现有技术提取尺度不变特征转换(Scale-InvariantFeatureTransform，SIFT)特征等。对特征点进行检测提取出特征点之后，上述步骤S11和S12之间，还可以包括对特征点进行随机抽样一致(RANdomSAmpleConsensus，RANSAC)算法提纯的步骤，目的是去掉一些噪声，得到有效的样本。下面简单介绍一下RANSAC算法。RANSAC可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。RANSAC算法的输入是一组观测数据，一个可以解释或者适应于观测数据的参数化模型，一些可信的参数。RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出，用上面得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点。如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理。然后，用所有假设的局内点去本文档来自技高网...

【技术保护点】
一种图片拼接的方法，其特征在于，包括：对两张图片分别提取其中的特征点；对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。

【技术特征摘要】
1.一种图片拼接的方法，其特征在于，包括：对两张图片分别提取其中的特征点；对两张图片的特征点进行特征匹配，确定两张图片的有效匹配区域，将所述有效匹配区域作为重合区域；根据所述重合部分在两张图片中的坐标，将两张图片进行拼接。2.如权利要求1所述的方法，其特征在于，还包括：使用随机抽样一致RANSAC对提取的特征点对进行提纯；所述对两张图片的特征点进行特征匹配，包括：对两张图片RANSAC提纯后的特征点进行特征匹配。3.如权利要求1所述的方法，其特征在于，确定两张图片的有效的匹配区域，将所述有效匹配区域作为重合区域,具体包括:确定两张图片中是否存在有效的匹配区域，若存在且所占整个图片的比例大于设定的比例，则确定所述匹配区域为分别确定两张图片中的重合部分。4.如权利要求3所述的方法，其特征在于，确定两张图片中是否存在有效的匹配区域，包括:分别对两帧图像中的设定区域进行分块，并根据各块的密集度，确定所述设定区域内的密集区域；分别比较所述两帧图片的密集区域中的各特征点，确定所述两帧图片中的有效密集区域；所述有效密集区域中的区域密集度和区域内特征点的匹配程度均满足设定条件。5.如权利要求1-3任一项所述的方法，其特征在于，根据所述重合部分在两张图片中的坐标，将两张图片进行拼接，包括：按照重合部分在两张图片中的坐标，将两张图片对重合部分...

【专利技术属性】
技术研发人员：胡东方，
申请(专利权)人：无锡天脉聚源传媒科技有限公司，
类型：发明
国别省市：江苏;32