本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種球面圖像拼接方法和裝置。

背景技術(shù)：

隨著vr(virtualreality，虛擬現(xiàn)實(shí))技術(shù)的發(fā)展，對(duì)圖像處理的要求越來越高。vr中最重要的技術(shù)是構(gòu)建全景圖像，但受限于圖像采集設(shè)備的限制，單個(gè)攝像頭的最大可是角度為220°，因此生成全景圖像目前的辦法是將多個(gè)攝像頭拍攝的圖像轉(zhuǎn)換為球面圖像，將球面圖像匹配融合為一個(gè)全景圖像。

但由于每個(gè)攝像頭的物理尺寸不同、攝像頭的鏡頭的圓心也不可能完全重合，多個(gè)攝像頭對(duì)同一場(chǎng)景進(jìn)行拍攝得到的圖像也會(huì)有差別，造成球面圖像不可能完全重合。因此，在將不同攝像頭拍攝的圖像轉(zhuǎn)換得到的球面圖像進(jìn)行拼接會(huì)產(chǎn)生縫隙，球面圖像拼接融合的準(zhǔn)確率較低。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)像球面圖像拼接融合的準(zhǔn)確率低下問題，提供一種球面圖像拼接方法和裝置。

一種球面圖像拼接方法，所述方法包括：

獲取第一重合區(qū)域和第二重合區(qū)域，所述第一重合區(qū)域?yàn)榈谝磺蛎鎴D像中所述第一球面圖像與第二球面圖像的重合區(qū)域，所述第二重合區(qū)域?yàn)榈诙蛎鎴D像中所述第一球面圖像與所述第二球面圖像的重合區(qū)域；

將所述第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將所述第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域；

遍歷所述第一重合區(qū)域中的匹配子區(qū)域，計(jì)算所述匹配子區(qū)域與所述第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)所述相似度確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域；

根據(jù)所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的計(jì)算匹配關(guān)系；

根據(jù)所述匹配關(guān)系將所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域進(jìn)行匹配融合，以將所述第一球面圖像和所述第二球面圖像拼接。

在其中一個(gè)事實(shí)例中，所述獲取第一重合區(qū)域和第二重合區(qū)域之前，還包括：

獲取第一拍攝圖像和第二拍攝圖像，所述第一拍攝圖像和所述第二拍攝圖像部分重合；

將所述第一拍攝圖像和所述第二拍攝圖像轉(zhuǎn)換為球面圖像以得到第一球面圖像和第二球面圖像。

在其中一個(gè)實(shí)施例中，所述計(jì)算所述匹配子區(qū)域與所述第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)所述相似度確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域，包括：

提取所述匹配子區(qū)域的特征向量和所述第二重合區(qū)域中各目標(biāo)子區(qū)域的特征向量；

根據(jù)提取到的特征向量計(jì)算所述匹配子區(qū)域與所述各目標(biāo)子區(qū)域的相似度；

選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

在其中一個(gè)實(shí)施例中，所述計(jì)算所述匹配子區(qū)域與所述第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)所述相似度確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域，包括：

對(duì)所述第二重合區(qū)域進(jìn)行連續(xù)降采樣得到第二重合區(qū)域的多張分辨率不同的圖像，根據(jù)所述多張分辨率不同的圖像構(gòu)成圖像集合；

按照分辨率由低到高的順序，遍歷所述圖像集合中的圖像，計(jì)算所述圖像集合中圖像的目標(biāo)子區(qū)域與所述匹配子區(qū)域的相似度，根據(jù)所述相似度確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

在其中一個(gè)實(shí)施例中，所述根據(jù)所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域計(jì)算匹配關(guān)系，包括：

提取所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的圖像矩陣；

根據(jù)提取的圖像矩陣計(jì)算所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的匹配向量；

根據(jù)所述匹配向量和所述提取的圖像矩陣計(jì)算修正參數(shù)；

根據(jù)所述修正參數(shù)和所述匹配向量得到所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的匹配關(guān)系。

上述球面圖像拼接方法，將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域，通過計(jì)算相似度確定匹配子區(qū)域匹配的目標(biāo)子區(qū)域，并計(jì)算各匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，根據(jù)計(jì)算得到的匹配關(guān)系對(duì)第一重合區(qū)域中的各匹配子區(qū)域與第二重合區(qū)域中匹配目標(biāo)子區(qū)域進(jìn)行獨(dú)立的匹配融合，以實(shí)現(xiàn)將第一重合區(qū)域與第二重合區(qū)域進(jìn)行匹配融合，從而將第一球面圖像和第二球面圖像進(jìn)行拼接融合，避免出現(xiàn)拼接縫隙，提高了球面圖像匹配融合的準(zhǔn)確率。

一種球面圖像拼接裝置，所述裝置包括：

重合區(qū)域獲取模塊，用于獲取第一重合區(qū)域和第二重合區(qū)域，所述第一重合區(qū)域?yàn)榈谝磺蛎鎴D像中所述第一球面圖像與第二球面圖像的重合區(qū)域，所述第二重合區(qū)域?yàn)榈诙蛎鎴D像中所述第一球面圖像與所述第二球面圖像的重合區(qū)域；

子區(qū)域劃分模塊，用于將所述第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將所述第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域；

匹配區(qū)域確定模塊，用于遍歷所述第一重合區(qū)域中的匹配子區(qū)域，計(jì)算所述匹配子區(qū)域與所述第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)所述相似度確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域；

匹配關(guān)系計(jì)算模塊，用于根據(jù)所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域計(jì)算匹配關(guān)系；

區(qū)域匹配融合模塊，用于根據(jù)所述匹配關(guān)系將所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域進(jìn)行匹配融合，以將所述第一球面圖像和所述第二球面圖像拼接。

在其中一個(gè)實(shí)施例中，所述裝置還包括：

拍攝圖像獲取模塊，用于獲取第一拍攝圖像和第二拍攝圖像，所述第一拍攝圖像和所述第二拍攝圖像部分重合；

球面圖像轉(zhuǎn)換模塊，用于將所述第一拍攝圖像和所述第二拍攝圖像轉(zhuǎn)換為球面圖像以得到第一球面圖像和第二球面圖像。

在其中一個(gè)實(shí)施例中，所述匹配區(qū)域確定模塊包括：

特征向量提取模塊，用于提取所述匹配子區(qū)域的特征向量和所述第二重合區(qū)域中各目標(biāo)子區(qū)域的特征向量；

相似度計(jì)算模塊，用于根據(jù)提取到的特征向量計(jì)算所述匹配子區(qū)域與所述各目標(biāo)子區(qū)域的相似度；

匹配區(qū)域選取模塊，用于選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

在其中一個(gè)實(shí)施例中，所述匹配區(qū)域確定模塊包括：

圖像集合構(gòu)成模塊，用于對(duì)所述第二重合區(qū)域進(jìn)行連續(xù)降采樣得到第二重合區(qū)域的多張分辨率不同的圖像，根據(jù)所述多張分辨率不同的圖像構(gòu)成圖像集合；

圖像集合遍歷模塊，用于按照分辨率由低到高的順序，遍歷所述圖像集合中的圖像，根據(jù)所述圖像集合中的圖像在所述第二重合區(qū)域中確定與所述匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

在其中一個(gè)實(shí)施例中，所述匹配關(guān)系計(jì)算模塊包括：

圖像矩陣提取模塊，用于提取所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的圖像矩陣；

匹配向量計(jì)算模塊，用于根據(jù)提取的圖像矩陣計(jì)算所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的匹配向量；

修正參數(shù)計(jì)算模塊，用于根據(jù)所述匹配向量和所述提取的圖像矩陣計(jì)算修正參數(shù)；

匹配關(guān)系生成模塊，用于根據(jù)所述修正參數(shù)和所述匹配向量生成所述匹配子區(qū)域與所述匹配的目標(biāo)子區(qū)域的匹配關(guān)系。

上述球面圖像拼接裝置，將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域，通過計(jì)算相似度確定匹配子區(qū)域匹配的目標(biāo)子區(qū)域，并計(jì)算各匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，根據(jù)計(jì)算得到的匹配關(guān)系對(duì)第一重合區(qū)域中的各匹配子區(qū)域與第二重合區(qū)域中匹配目標(biāo)子區(qū)域進(jìn)行獨(dú)立的匹配融合，以實(shí)現(xiàn)將第一重合區(qū)域與第二重合區(qū)域進(jìn)行匹配融合，從而將第一球面圖像和第二球面圖像進(jìn)行拼接融合，避免出現(xiàn)拼接縫隙，提高了球面圖像匹配融合的準(zhǔn)確率。

附圖說明

圖1為一個(gè)實(shí)施例中球面圖像拼接方法的流程示意圖；

圖2為一個(gè)實(shí)施例中獲取拍攝圖像的示意圖；

圖3為一個(gè)實(shí)施例中球面圖像展開的示意圖；

圖4為一個(gè)實(shí)施例中選取與匹配子區(qū)域匹配的目標(biāo)子區(qū)域的步驟的流程示意圖；

圖5為一個(gè)實(shí)施例中根據(jù)圖像集合確定目標(biāo)子區(qū)域的步驟的流程示意圖；

圖6為一個(gè)實(shí)施例中計(jì)算匹配關(guān)系的步驟的流程示意圖；

圖7為一個(gè)實(shí)施例中球面圖像拼接裝置的結(jié)構(gòu)框圖；

圖8為另一個(gè)實(shí)施例中球面圖像拼接裝置的結(jié)構(gòu)框圖；

圖9為一個(gè)實(shí)施例中匹配區(qū)域確定模塊的結(jié)構(gòu)框圖；

圖10為一個(gè)實(shí)施例中匹配區(qū)域確定模塊的結(jié)構(gòu)框圖；

圖11為一個(gè)實(shí)施例中匹配關(guān)系計(jì)算模塊的結(jié)構(gòu)框圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，在一個(gè)實(shí)施例中，提供一種球面圖像拼接方法，該方法應(yīng)用在圖像處理終端上舉例說明，圖像處理終端上運(yùn)行有球面圖像拼接程序，球面圖像拼接程序用于實(shí)施球面圖像拼接方法。該球面圖像拼接方法通過將球面圖像拼接生成vr中的全景圖像。其中，圖像處理終端具體可以是服務(wù)器、個(gè)人電腦和移動(dòng)終端中的至少一種。該方法具體包括以下步驟：

s102，獲取第一重合區(qū)域和第二重合區(qū)域，第一重合區(qū)域?yàn)榈谝磺蛎鎴D像中第一球面圖像與第二球面圖像的重合區(qū)域，第二重合區(qū)域?yàn)榈诙蛎鎴D像中第一球面圖像與第二球面圖像的重合區(qū)域。

具體地，第一球面圖像和第二球面圖像用于構(gòu)建vr中的全景圖像。圖像處理終端獲取第一球面圖像和第二球面圖像，確定第一球面圖像和第二球面圖像的重合區(qū)域，從第一球面圖像中提取第一球面圖像與第二球面圖像的重合區(qū)域作為第一重合區(qū)域，從第二球面圖像中提取第二球面圖像與第一球面圖像的重合區(qū)域作為第二重合區(qū)域。

在一個(gè)實(shí)施例中，步驟102之前還包括：獲取第一拍攝圖像和第二拍攝圖像，第一拍攝圖像和第二拍攝圖像部分重合；將第一拍攝圖像和第二拍攝圖像轉(zhuǎn)換為球面圖像以得到第一球面圖像和第二球面圖像。

具體地，請(qǐng)參照?qǐng)D2，圖像處理終端通過第一圖像采集設(shè)備和第二圖像采集設(shè)備獲取第一拍攝圖像和第二拍攝圖像，其中第二拍攝圖像和第二拍攝圖像存在部分重合區(qū)域，第一拍攝圖像和第二拍攝圖像均為魚眼圖像，魚眼圖像為圖像采集設(shè)備拍攝到的原始圖像。將第一拍攝圖像和第二拍攝圖像進(jìn)行轉(zhuǎn)換，將第一拍攝圖像轉(zhuǎn)換為第一球面圖像，將第二拍攝圖像轉(zhuǎn)換為第二球面圖像，即將魚眼圖像轉(zhuǎn)換為球面圖像。第一圖像采集設(shè)備和第二圖像采集設(shè)備具體可以是第一攝像機(jī)和第二攝像機(jī)。請(qǐng)參照?qǐng)D3，第一球球面圖像和第二球面圖像也存在部分重合區(qū)域。

將魚眼圖像轉(zhuǎn)換為球面圖像，具體內(nèi)容如下：

假設(shè)球面圖像的像素點(diǎn)坐標(biāo)為(xs,ys)，魚眼圖像的像素點(diǎn)坐標(biāo)為(xm,ym)，基于三維空間位置進(jìn)行轉(zhuǎn)換，三維空間位置中像素點(diǎn)坐標(biāo)為(pa,pb,pc)，三維空間位置的像素點(diǎn)與球面圖像的像素點(diǎn)坐標(biāo)的對(duì)應(yīng)關(guān)系表示為：θ＝2πxs，

魚眼圖像的像素點(diǎn)與三維空間位置中像素地坐標(biāo)的對(duì)應(yīng)關(guān)系表示為：xm＝γ·cos(θ’)，ym＝γ·sin(θ’)，其中γ如下式，f表示采集魚眼圖像的攝像頭的焦距，fov為攝像頭的視角范圍:

基于上述三維空間關(guān)系可以將魚眼圖像轉(zhuǎn)換為球面圖像，球面圖像用于生成vr中的全景圖像。

s104，將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域。

具體地，在獲取第一重合區(qū)域后和第二重合區(qū)域后，圖像處理終端將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域，匹配子區(qū)域的尺寸與目標(biāo)子區(qū)域的尺寸相同。相鄰的匹配子區(qū)域存在重合區(qū)域，相鄰的目標(biāo)子區(qū)域存在重合區(qū)域。

在一個(gè)實(shí)施例中，在第一重合區(qū)域中按照預(yù)設(shè)尺寸提取圖像區(qū)域，將該圖像區(qū)域劃分為多個(gè)匹配子區(qū)域，具體可以劃分為4×4的匹配子區(qū)域，每個(gè)匹配子區(qū)域用特征向量表示，具體可用32維的特征向量，所提取的圖像區(qū)域可以是以128維的特征向量表示。

s106，遍歷第一重合區(qū)域中的匹配子區(qū)域，計(jì)算匹配子區(qū)域與第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)相似度確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

具體地，圖像處理終端遍歷第一重合區(qū)域中多個(gè)匹配子區(qū)域，對(duì)于每個(gè)匹配子區(qū)域，計(jì)算該匹配子區(qū)域與第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，將計(jì)算得到的相似度進(jìn)行比較，選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，第一重合區(qū)域中每個(gè)匹配子區(qū)域在第二重合區(qū)域中都存在一個(gè)匹配的目標(biāo)子區(qū)域。

s108，根據(jù)匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的計(jì)算匹配關(guān)系。

具體地，針對(duì)第一重合區(qū)域中的每個(gè)匹配子區(qū)域，在選取與匹配子區(qū)域匹配的目標(biāo)子區(qū)域后，圖像處理終端提取該匹配子區(qū)域的圖像矩陣，并提取與該匹配子區(qū)域匹配的目標(biāo)子區(qū)域的圖像矩陣，根據(jù)提取到的圖像矩陣計(jì)算該匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，每個(gè)匹配子區(qū)域與匹配的目標(biāo)子區(qū)域均對(duì)應(yīng)一個(gè)匹配關(guān)系。

s110，根據(jù)匹配關(guān)系將匹配子區(qū)域與匹配的目標(biāo)子區(qū)域進(jìn)行匹配融合，以將第一球面圖像和第二球面圖像拼接。

具體地，針對(duì)第一重合區(qū)域中的每個(gè)匹配子區(qū)域，都計(jì)算得到該匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，圖像處理終端將第一重合區(qū)域中的每個(gè)匹配子區(qū)域與第二重合區(qū)域中匹配的目標(biāo)子區(qū)域根據(jù)對(duì)應(yīng)的匹配關(guān)系進(jìn)行匹配融合，待第一重合區(qū)域和第二重合區(qū)域匹配融合后，實(shí)現(xiàn)了將第一球面圖像和第二球面圖像的無縫拼接，從而生成vr中的全景圖像，vr中的全景圖像可以由多個(gè)球面圖像拼接生成，相鄰的球面圖像具有部分重合區(qū)域。

本實(shí)施例中，將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域，通過計(jì)算相似度確定匹配子區(qū)域匹配的目標(biāo)子區(qū)域，并計(jì)算各匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，根據(jù)計(jì)算得到的匹配關(guān)系對(duì)第一重合區(qū)域中的各匹配子區(qū)域與第二重合區(qū)域中匹配目標(biāo)子區(qū)域進(jìn)行獨(dú)立的匹配融合，以實(shí)現(xiàn)將第一重合區(qū)域與第二重合區(qū)域進(jìn)行匹配融合，從而將第一球面圖像和第二球面圖像進(jìn)行拼接融合，避免出現(xiàn)拼接縫隙，提高了球面圖像匹配融合的準(zhǔn)確率，提高了vr中全景圖像的質(zhì)量，避免了全景圖像中出現(xiàn)拼接縫隙。

如圖4所示，在一個(gè)實(shí)施例中，s106具體包括選取與匹配子區(qū)域匹配的目標(biāo)子區(qū)域的步驟，該步驟具體包括以下內(nèi)容：

s402，提取匹配子區(qū)域的特征向量和第二重合區(qū)域中各目標(biāo)子區(qū)域的特征向量。

s404，根據(jù)提取到的特征向量計(jì)算匹配子區(qū)域與各目標(biāo)子區(qū)域的相似度。

s406，選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

具體地，圖像處理終端以特征向量表示匹配子區(qū)域和第二重合區(qū)域中各目標(biāo)子區(qū)域，在第二重合區(qū)域中選取與匹配子區(qū)域?qū)?yīng)的目標(biāo)子區(qū)域，提取匹配子區(qū)域的特征向量，遍歷第二重合區(qū)域中各目標(biāo)子區(qū)域，提取各目標(biāo)子區(qū)域的特征向量，根據(jù)提取到的特征向量計(jì)算匹配子區(qū)域與各目標(biāo)子區(qū)域的相似度，將計(jì)算得到的相似度進(jìn)行比較，提取出最高相似度，并選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

本實(shí)施例中，通過計(jì)算匹配子區(qū)域與各目標(biāo)子區(qū)域的相似度，并選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，提高了將撇皮子區(qū)域和目標(biāo)子區(qū)域匹配融合的準(zhǔn)確度。

如圖5所示，在一個(gè)實(shí)施例中，s106具體還包括根據(jù)圖像集合確定目標(biāo)子區(qū)域的步驟，具體步驟包括以下內(nèi)容：

s502，對(duì)第二重合區(qū)域進(jìn)行連續(xù)降采樣得到第二重合區(qū)域的多張分辨率不同的圖像，根據(jù)多張分辨率不同的圖像構(gòu)成圖像集合。

具體地，圖像處理終端對(duì)第二重合區(qū)域進(jìn)行降采樣得到第二重合區(qū)域的第一降采樣圖像，再對(duì)第一降采樣圖像進(jìn)行降采樣得到第二降采樣圖像，再對(duì)第二降采樣圖像進(jìn)行降采樣得到第三降采樣圖像，通過連續(xù)降采樣得到多個(gè)降采樣圖像，多個(gè)降采樣圖像構(gòu)成圖像集合，圖像集合具體可以是第二重合區(qū)域?qū)?yīng)的高斯金字塔模型。

在一個(gè)實(shí)施例中，圖像處理終端對(duì)第二重合區(qū)域進(jìn)行降采樣可以是將第二重合區(qū)域中偶數(shù)行和偶數(shù)列的像素點(diǎn)刪除，還可以是提取第二重合區(qū)域的圖像矩陣，以圖像矩陣表示第二重合區(qū)域，刪除偶數(shù)行和偶數(shù)列的矩陣數(shù)值。

s504，按照分辨率由低到高的順序，遍歷圖像集合中的圖像，計(jì)算圖像集合中圖像的目標(biāo)子區(qū)域與匹配子區(qū)域的相似度，根據(jù)相似度確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

具體地，圖像處理終端首先讀取圖像集合中分辨率較低的圖像，遍歷圖像中每個(gè)像素點(diǎn)，以各像素點(diǎn)為中心選取一個(gè)低分辨率區(qū)域，計(jì)算這個(gè)低分辨率區(qū)域與匹配子區(qū)域的相似度，選取最高相似度對(duì)應(yīng)的低分辨率區(qū)域，再讀取分辨率較高的圖像，在分辨率較高的圖像中選取與低分辨率對(duì)應(yīng)的高分辨率區(qū)域，遍歷高分辨率區(qū)域中每個(gè)像素點(diǎn)，以各像素點(diǎn)為中心選取一個(gè)目標(biāo)子區(qū)域，選取的目標(biāo)子區(qū)域與匹配子區(qū)域的相似度最高。

在一個(gè)實(shí)施例中，圖像集合為高斯金字塔模型，高斯金子塔模型對(duì)第二重合區(qū)域進(jìn)行連續(xù)降采樣得到。圖像處理終端從高斯金字塔模型的低分辨率層向高分辨率層依次利用每層的圖像與匹配子區(qū)域做匹配，在第二重合區(qū)域中確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

本實(shí)施例中，對(duì)第二重合區(qū)域連續(xù)降采樣構(gòu)建圖像集合，按照分辨率由低到高的順序，遍歷圖像集合中的圖像，計(jì)算圖像集合中圖像的目標(biāo)子區(qū)域與匹配子區(qū)域的相似度，根據(jù)相似度確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，利用圖像集合中的圖像依次與匹配子區(qū)域進(jìn)行匹配，提高了運(yùn)算效率，且提高了確定目標(biāo)子區(qū)域的準(zhǔn)確性。

如圖6所示，在一個(gè)實(shí)施例中，s108具體包括計(jì)算匹配關(guān)系的步驟，該步驟具體包括以下內(nèi)容：

s602，提取匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的圖像矩陣。

具體地，圖像處理終端在第二重合區(qū)域中確定與第一重合區(qū)域中的匹配子區(qū)域匹配的目標(biāo)子區(qū)域后，分別提取匹配子區(qū)域和目標(biāo)子區(qū)域的圖像矩陣。圖像矩陣可提取每個(gè)像素點(diǎn)的像素值，根據(jù)提取到的像素值構(gòu)成圖像矩陣。

s604，根據(jù)提取的圖像矩陣計(jì)算匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配向量。

具體地，匹配子區(qū)域的圖像矩陣和匹配的目標(biāo)子區(qū)域的圖像矩陣計(jì)算匹配子區(qū)域的像素點(diǎn)與圖像子區(qū)域的像素點(diǎn)的匹配向量，針對(duì)匹配子區(qū)域的圖像矩陣中的數(shù)值，在匹配的目標(biāo)子區(qū)域的圖像矩陣中都存在一個(gè)對(duì)應(yīng)的數(shù)值，根據(jù)匹配子區(qū)域的圖像矩陣中的數(shù)值與匹配的目標(biāo)子區(qū)域的圖像矩陣中的數(shù)值計(jì)算得到匹配向量。

s606，根據(jù)匹配向量和提取的圖像矩陣計(jì)算修正參數(shù)。

具體地，修正參數(shù)包括分散限制參數(shù)、平滑約束參數(shù)和匹配約束參數(shù)。其中分散限制參數(shù)對(duì)圖像的顏色和梯度匹配進(jìn)行限制，方式匹配融合后的圖像過度分散；平滑約束參數(shù)，對(duì)匹配子區(qū)域和匹配的目標(biāo)子區(qū)域的梯度進(jìn)行約束，防止形變過大；匹配約束參數(shù)限制相鄰兩次匹配結(jié)果差在誤差范圍內(nèi)。圖像處理終端將匹配向量進(jìn)行轉(zhuǎn)置，根據(jù)匹配向量和轉(zhuǎn)置的匹配向量計(jì)算分散閑置參數(shù)。圖像處理終端提取匹配子區(qū)域的圖像矩陣中的像素值，提取匹配子區(qū)域的圖像舉證中的像素值，根據(jù)提取到的像素值計(jì)算平滑約束參數(shù)。圖像處理終端提取相鄰兩次計(jì)算得到的匹配向量，根據(jù)相鄰兩次計(jì)算得到的匹配向量計(jì)算匹配約束參數(shù)。

s608，根據(jù)修正參數(shù)和匹配向量得到匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系。

具體地，圖像處理終端在計(jì)算得到修正參數(shù)后，根據(jù)修正參數(shù)和匹配向量構(gòu)建變換方程，利用變換方程表示匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系。

在一個(gè)實(shí)時(shí)例中，以ed表示分散限制參數(shù)，以es表示平滑約束參數(shù)，以em表示匹配約束參數(shù)，e(w)為根據(jù)修正參數(shù)和匹配向量構(gòu)建的變換方程，具體公式如下：

e(w)＝∫ωed+αes+βemdx

α和β為固定參數(shù)，α＝0.8，β＝1.25，公式2表示匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的變換方程e(w)；

δ和γ為常數(shù)，表示在頻域上第i個(gè)張量，為常數(shù)矩陣，表示在時(shí)域上第i個(gè)張量，和均為常數(shù)矩陣，w^t表示匹配向量w的轉(zhuǎn)置；s為未知數(shù)，ε為常數(shù)，ε＝0.001；

μ表示匹配子區(qū)域的像素值，υ表示目標(biāo)子區(qū)域的像素值，表示梯度計(jì)算，和分別表示匹配子區(qū)域的像素值和目標(biāo)子區(qū)域的像素值的梯度范數(shù)；

em＝cφψ(||w-w'||²)

c和φ為常數(shù)，||w-w'||表示兩次相鄰的匹配所計(jì)算的匹配向量之間的匹配結(jié)果差的范數(shù)。

本實(shí)施例中，根據(jù)匹配子區(qū)域和目標(biāo)子區(qū)域的圖像矩陣計(jì)算得到匹配向量，根據(jù)匹配和圖像矩陣計(jì)算修正參數(shù)，根據(jù)匹配向量和修正參數(shù)生成匹配關(guān)系，避免匹配子區(qū)域和目標(biāo)子區(qū)域在匹配融合過程中過度變形造成圖像扭曲，提高了撇皮子區(qū)域和目標(biāo)子區(qū)域的圖像的匹配融合的準(zhǔn)確度。

在一個(gè)實(shí)施例中，在第一重合圖像提取預(yù)設(shè)大小的圖像區(qū)域，將圖像區(qū)域劃分為4×4的小區(qū)域，再將每個(gè)小區(qū)域劃分為4個(gè)匹配子區(qū)域，對(duì)每個(gè)匹配子區(qū)域用sift(scale-invariantfeaturetransform，尺度不變特征轉(zhuǎn)換)得到32維的特征向量標(biāo)識(shí)，圖像區(qū)域的特征向量為128維，用h表示圖像區(qū)域的特征向量，具體表達(dá)式如下：

h＝[h¹h²h³h⁴],h^s∈r³²

將每個(gè)小區(qū)域進(jìn)行單獨(dú)匹配，對(duì)每個(gè)小區(qū)域確定與之匹配的目標(biāo)子區(qū)域，公式如下：

h表示圖像匹配子區(qū)域的特征向量，q(p)表示以p點(diǎn)為中心的目標(biāo)子區(qū)域的特征向量，sim(h，q(p))表示計(jì)算兩個(gè)區(qū)域的相似度。

具體的匹配過程通過以下公式體現(xiàn)，定義一個(gè)子維度n，以序列的形式表示子維度n上的像素點(diǎn)，將匹配子區(qū)域表示為以像素點(diǎn)δ為中心的區(qū)域，其序列表達(dá)式如下式：

序列p[δ,n]與目標(biāo)子區(qū)域的序列p'[t,n]之間的匹配關(guān)系表示為wn,δ→t；最佳匹配的匹配關(guān)系以w^*表示，通過計(jì)算匹配子區(qū)域序列p(i)與目標(biāo)子區(qū)域序列p'(w(i))的相似度，選取相似度最高的目標(biāo)區(qū)域作為與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，具體表達(dá)是如下：

匹配過程具體可以用以下公式標(biāo)識(shí)，匹配結(jié)果s(n)分為兩部分進(jìn)行匹配，n為匹配子區(qū)域的個(gè)數(shù)，具體如下：

其中，和的定義表達(dá)式如下：

如圖7所示，在一個(gè)實(shí)施例中，提供一種球面圖像拼接裝置700，該裝置具體包括：重合區(qū)域獲取模塊702、子區(qū)域劃分模塊704、匹配區(qū)域確定模塊706、匹配關(guān)系計(jì)算模塊708和區(qū)域匹配融合模塊710。

重合區(qū)域獲取模塊702，用于獲取第一重合區(qū)域和第二重合區(qū)域，第一重合區(qū)域?yàn)榈谝磺蛎鎴D像中第一球面圖像與第二球面圖像的重合區(qū)域，第二重合區(qū)域?yàn)榈诙蛎鎴D像中第一球面圖像與第二球面圖像的重合區(qū)域。

子區(qū)域劃分模塊704，用于將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域。

匹配區(qū)域確定模塊706，用于遍歷第一重合區(qū)域中的匹配子區(qū)域，計(jì)算匹配子區(qū)域與第二重合區(qū)域中各目標(biāo)子區(qū)域的相似度，根據(jù)相似度確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

匹配關(guān)系計(jì)算模塊708，用于根據(jù)匹配子區(qū)域與匹配的目標(biāo)子區(qū)域計(jì)算匹配關(guān)系。

區(qū)域匹配融合模塊710，用于根據(jù)匹配關(guān)系將匹配子區(qū)域與匹配的目標(biāo)子區(qū)域進(jìn)行匹配融合，以將第一球面圖像和第二球面圖像拼接。

本實(shí)施例中，將第一重合區(qū)域劃分為多個(gè)匹配子區(qū)域，并將第二重合區(qū)域劃分為多個(gè)目標(biāo)子區(qū)域，通過計(jì)算相似度確定匹配子區(qū)域匹配的目標(biāo)子區(qū)域，并計(jì)算各匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系，根據(jù)計(jì)算得到的匹配關(guān)系對(duì)第一重合區(qū)域中的各匹配子區(qū)域與第二重合區(qū)域中匹配目標(biāo)子區(qū)域進(jìn)行獨(dú)立的匹配融合，以實(shí)現(xiàn)將第一重合區(qū)域與第二重合區(qū)域進(jìn)行匹配融合，從而將第一球面圖像和第二球面圖像進(jìn)行拼接融合，避免出現(xiàn)拼接縫隙，提高了球面圖像匹配融合的準(zhǔn)確率。

如圖8所示，在一個(gè)實(shí)施例中，球面圖像拼接裝置700具體還包括：拍攝圖像獲取模塊712和球面圖像轉(zhuǎn)換模塊714。

拍攝圖像獲取模塊712，用于獲取第一拍攝圖像和第二拍攝圖像，第一拍攝圖像和第二拍攝圖像部分重合。

球面圖像轉(zhuǎn)換模塊714，用于將第一拍攝圖像和第二拍攝圖像轉(zhuǎn)換為球面圖像以得到第一球面圖像和第二球面圖像。

本實(shí)施例中，將第一拍攝圖像和第二拍攝圖像轉(zhuǎn)換為球面圖像，進(jìn)一步得到第一球面圖像和第二球面凸顯，可以對(duì)第一球面圖像和第二球面圖像進(jìn)行匹配融合，根據(jù)球面圖像生成全景視屏。

如圖9所示，在一個(gè)實(shí)施例中，匹配區(qū)域確定模塊706具體包括：特征向量提取模塊706a、相似度計(jì)算模塊706b和匹配區(qū)域選取模塊706c。

特征向量提取模塊706a，用于提取匹配子區(qū)域的特征向量和第二重合區(qū)域中各目標(biāo)子區(qū)域的特征向量。

相似度計(jì)算模塊706b，用于根據(jù)提取到的特征向量計(jì)算匹配子區(qū)域與各目標(biāo)子區(qū)域的相似度。

匹配區(qū)域選取模塊706c，用于選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

本實(shí)施例中，通過計(jì)算匹配子區(qū)域與各目標(biāo)子區(qū)域的相似度，并選取最高相似度對(duì)應(yīng)的目標(biāo)子區(qū)域作為與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，提高了將撇皮子區(qū)域和目標(biāo)子區(qū)域匹配融合的準(zhǔn)確度。

如圖10所示，在一個(gè)實(shí)施例中，匹配區(qū)域確定模塊706具體還包括：圖像集合構(gòu)成模塊706d和圖像集合遍歷模塊706e。

圖像集合構(gòu)成模塊706d，用于對(duì)第二重合區(qū)域進(jìn)行連續(xù)降采樣得到第二重合區(qū)域的多張分辨率不同的圖像，根據(jù)多張分辨率不同的圖像構(gòu)成圖像集合。

圖像集合遍歷模塊706e，用于按照分辨率由低到高的順序，遍歷圖像集合中的圖像，根據(jù)圖像集合中的圖像在第二重合區(qū)域中確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域。

本實(shí)施例中，對(duì)第二重合區(qū)域連續(xù)降采樣構(gòu)建圖像集合，按照分辨率由低到高的順序，遍歷圖像集合中的圖像，計(jì)算圖像集合中圖像的目標(biāo)子區(qū)域與匹配子區(qū)域的相似度，根據(jù)相似度確定與匹配子區(qū)域匹配的目標(biāo)子區(qū)域，利用圖像集合中的圖像依次與匹配子區(qū)域進(jìn)行匹配，提高了運(yùn)算效率，且提高了確定目標(biāo)子區(qū)域的準(zhǔn)確性。

如圖11所示，在一個(gè)實(shí)施例中，匹配關(guān)系計(jì)算模塊708具體包括：圖像矩陣提取模塊708a、匹配向量計(jì)算模塊708b、修正參數(shù)計(jì)算模塊708c和匹配關(guān)系生成模塊708d。

圖像矩陣提取模塊708a，用于提取匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的圖像矩陣。

匹配向量計(jì)算模塊708b，用于根據(jù)提取的圖像矩陣計(jì)算匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配向量。

修正參數(shù)計(jì)算模塊708c，用于根據(jù)匹配向量和提取的圖像矩陣計(jì)算修正參數(shù)。

匹配關(guān)系生成模塊708d，用于根據(jù)修正參數(shù)和匹配向量生成匹配子區(qū)域與匹配的目標(biāo)子區(qū)域的匹配關(guān)系。

本實(shí)施例中，根據(jù)匹配子區(qū)域和目標(biāo)子區(qū)域的圖像矩陣計(jì)算得到匹配向量，根據(jù)匹配和圖像矩陣計(jì)算修正參數(shù)，根據(jù)匹配向量和修正參數(shù)生成匹配關(guān)系，避免匹配子區(qū)域和目標(biāo)子區(qū)域在匹配融合過程中過度變形造成圖像扭曲，提高了撇皮子區(qū)域和目標(biāo)子區(qū)域的圖像的匹配融合的準(zhǔn)確度。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。