【技术实现步骤摘要】
本专利技术涉及一种基于摄像头阵列的拍照融合方法及装置，属于图片处理。
技术介绍
1、照片可以用来传达信息、故事和情感。高质量图片更清晰地传达这些信息，无论是用于艺术、科研还是个人目的，它们都有助于传达信息、表达情感和创造视觉吸引力。目前基于深度学习和计算算力的提高，完成高质量成像也不是难事。但依然存在一个问题的是，深度学习需要占用过多的计算资源，提高每个拍照设备的计算算力并不是一件容易的事，因此，如何在占用更少计算资源的前提下，完成高质量成像是急需解决的一个技术问题。
技术实现思路
1、本专利技术提供一种基于摄像头阵列的拍照融合方法、装置及计算机可读存储介质，其主要目的在于在占用更少计算资源的前提下完成高质量成像。
2、为实现上述目的，本专利技术提供的一种基于摄像头阵列的拍照融合方法，包括：
3、接收拍照指令，根据所述拍照指令连接拍照设备，其中，拍照设备由多个摄像头组成，多个摄像头呈矩阵形式布局且均位于同一平面内；
4、确认拍照设备的焦距值，根据所述焦距值利用多个摄像头同时拍摄待拍物体，得到多张拍摄图，其中，拍摄图的数量是摄像头数量的倍数；
5、按照拍摄时间的不同，对多张拍摄图执行时间分类，得到多组时间拍摄集，其中，每组时间拍摄集的时间拍摄图数量与摄像头数量相同；
6、在每组时间拍摄集中的每张时间拍摄图中，均提取指定数量的n*n大小的时间拍摄块；
7、计算每个时间拍摄块的像素信息熵和像素梯度值；
8
9、从优选拍摄集中选择一张基础校正拍摄图，并将其他优选拍摄图设置为权重校正拍摄图；
10、在所述基础拍摄图中依次提取基础像素点，识别所述基础像素点的基础像素点位及像素值，根据所述基础像素点位在所述权重拍摄图中选取待定权重像素点位；
11、获取所述基础像素点的拍摄距离参数，根据所述拍摄距离参数及预设的摄像头阵列参数判断所述权重拍摄图中是否存在所述基础像素点对应的相关权重像素点；
12、若所述权重拍摄图中不存在所述基础像素点对应的相关权重像素点，则将所述待定权重像素点位的像素值设定为所述基础像素点的像素值；
13、若所述权重拍摄图中存在所述基础像素点对应的相关权重像素点，则获取所述相关权重像素点的像素值，并将所述待定权重像素点位的像素值设定为所述相关权重像素点的像素值，直至所述基础像素点提取完毕，得到基础校正拍摄图及权重校正拍摄图；
14、计算基础校正拍摄图的像素局部标准差，基于像素局部标准差将基础校正拍摄图划分为局部融合区和全局融合区；
15、在局部融合区内融入权重校正拍摄图的像素信息，得到局部已融合区，将权重校正拍摄图作为直方图均值化的参数处理全局融合区，得到全局已融合区；
16、合并局部已融合区和全局已融合区得到拍照设备的成像图。
17、可选地，所述在每组时间拍摄集中的每张时间拍摄图中，均提取指定数量的n*n大小的时间拍摄块，包括：
18、获取每张时间拍摄图的图像规格，其中，图像规格为m*m；
19、基于所述图像规格确认时间拍摄块的拍摄块规格，其中，拍摄块规格为n*n，且n取值需小于或等于
20、确认获取n*n大小的时间拍摄块的指定数量，其中，指定数量需大于或等于5；
21、根据所述指定数量在时间拍摄图的指定位置选择出n*n大小的时间拍摄块，其中，指定位置至少包括左上角、左下角、右上角、右下角及中间部分。
22、可选地，所述计算每个时间拍摄块的像素信息熵和像素梯度值，包括：
23、统计每个时间拍摄块的像素总和，得到像素总值；
24、根据所述像素总值计算得到像素信息熵，其中，像素信息熵的计算包括：
25、根据下式计算得到像素信息熵：
26、
27、其中，ei,j,s表示第i组时间拍摄集中第j张时间拍摄图的第s个时间拍摄块的像素信息熵，ps表示第s个时间拍摄块中每个像素值，pu表示第s个时间拍摄块中第u个像素的像素值；
28、生成2组梯度矩阵，其中，2组梯度矩阵规模均为3*3，具体分别如下所示：
29、
30、利用2组梯度矩阵与时间拍摄块执行卷积操作，得到像素梯度值。
31、可选地，所述利用2组梯度矩阵与时间拍摄块执行卷积操作，得到像素梯度值，包括：
32、按照从左到右的原则，将2组梯度矩阵分别与时间拍摄块执行卷积操作，得到卷积矩阵，其中，卷积矩阵如下所示：
33、
34、其中，ms，t表示第i组时间拍摄集中第j张时间拍摄图的第s个时间拍摄块执行第t次卷积操作的卷积像素，||表示绝对值符号，i3*3为第s个时间拍摄块中3*3维度的矩阵块；
35、求和多个卷积矩阵得到像素梯度值，其中，像素梯度值的计算如下所示：
36、
37、其中，ti，j，s表示第s个时间拍摄块的像素梯度值，u为第s个时间拍摄块的矩阵像素的数量。
38、可选地，所述根据像素信息熵和像素梯度值从多组时间拍摄集中选择其中一组时间拍摄集，得到优选拍摄集，包括：
39、根据下式计算每个时间拍摄图的图像像素偏差值：
40、
41、其中，pi，j表示第i组时间拍摄集中第j张时间拍摄图的图像像素偏差值，c为第j张时间拍摄图所包括的时间拍摄块的指定数量；
42、在每组时间拍摄集中，依次计算2组时间拍摄图之间的图像像素偏差值的差值，得到图像像素组差值；
43、判断是否存在图像像素组差值大于图像像素阈值的2组时间拍摄图，若存在图像像素组差值大于图像像素阈值的2组时间拍摄图，则剔除对应的时间拍摄集；
44、若不存在图像像素组差值大于图像像素阈值的2组时间拍摄图，则筛选出图像像素组差值的平均值最小对应的时间拍摄集，并确认该时间拍摄集为优选拍摄集。
45、可选地，所述从优选拍摄集中选择一张基础校正拍摄图，并将其他优选拍摄图设置为权重校正拍摄图，包括：
46、获取优选拍摄集中每张优选拍摄图与其他张优选拍摄图的图像像素组差值，得到像素组差值集；
47、根据像素组差值集计算得到每张优选拍摄图的像素组差值分布系数，其中，像素组差值分布系数由像素组差值的平均值、像素组差值的中位值及像素组差值的最大值和最小值组成；
48、将像素组差值的平均值、中位值、最大值和最小值执行均值计算，得到差值系数值；
49、选择差值系数值最小的优选拍摄图作为基础校正拍摄图，其他优选拍摄图设置为权重校正拍摄图。
50、可选地，所述计算基础校正拍摄图的像素局部标准差，基于像素局部标准差将基础校正拍摄图划分为局部融合区和全局融合区，包括：
51、对基础本文档来自技高网...
【技术保护点】
1.一种基于摄像头阵列的拍照融合方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于摄像头阵列的拍照融合方法，其特征在于，所述在每组时间拍摄集中的每张时间拍摄图中，均提取指定数量的n*n大小的时间拍摄块，包括：
3.如权利要求2所述的基于摄像头阵列的拍照融合方法，其特征在于，所述计算每个时间拍摄块的像素信息熵和像素梯度值，包括：
4.如权利要求3所述的基于摄像头阵列的拍照融合方法，其特征在于，所述利用2组梯度矩阵与时间拍摄块执行卷积操作，得到像素梯度值，包括：
5.如权利要求4所述的基于摄像头阵列的拍照融合方法，其特征在于，所述根据像素信息熵和像素梯度值从多组时间拍摄集中选择其中一组时间拍摄集，得到优选拍摄集，包括：
6.如权利要求5所述的基于摄像头阵列的拍照融合方法，其特征在于，所述从优选拍摄集中选择一张基础校正拍摄图，并将其他优选拍摄图设置为权重校正拍摄图，包括：
7.如权利要求6所述的基于摄像头阵列的拍照融合方法，其特征在于，所述计算基础校正拍摄图的像素局部标准差，基于像素局部标准差将基础校正拍
8.如权利要求7所述的基于摄像头阵列的拍照融合方法，其特征在于，所述计算局部区域块与相邻区域块的像素局部标准差，包括：
9.如权利要求8所述的基于摄像头阵列的拍照融合方法，其特征在于，所述在局部融合区内融入权重校正拍摄图的像素信息，得到局部已融合区，包括：
10.一种基于摄像头阵列的拍照融合装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种基于摄像头阵列的拍照融合方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于摄像头阵列的拍照融合方法，其特征在于，所述在每组时间拍摄集中的每张时间拍摄图中，均提取指定数量的n*n大小的时间拍摄块，包括：
3.如权利要求2所述的基于摄像头阵列的拍照融合方法，其特征在于，所述计算每个时间拍摄块的像素信息熵和像素梯度值，包括：
4.如权利要求3所述的基于摄像头阵列的拍照融合方法，其特征在于，所述利用2组梯度矩阵与时间拍摄块执行卷积操作，得到像素梯度值，包括：
5.如权利要求4所述的基于摄像头阵列的拍照融合方法，其特征在于，所述根据像素信息熵和像素梯度值从多组时间拍摄集中选择其中一组时间拍摄集，得到优选拍摄集，包括：
6....
【专利技术属性】
技术研发人员：何觉清，刘瑜，李东荣，
申请(专利权)人：广州力加贺电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。