本發(fā)明涉及圖像傳感器技術(shù)領(lǐng)域，具體涉及一種解決通道建亮度不一致的方法。

背景技術(shù)：

在圖像成像拼接過程中，出現(xiàn)了圖像亮度不一致的問題，并且在圖像的中間會有明顯的縫隙，會使得圖像看上去有明顯的拼接縫隙，常規(guī)的使用方法是：將一個(gè)通道加一個(gè)值，使得兩個(gè)通道間亮度一致，或者兩個(gè)通道間調(diào)整增益，使一個(gè)通道乘以一個(gè)值得到相同的亮度，或者是在拼接縫隙處羽化處理，使得看上去平滑的過度，亮度變化看上去不明顯。

但是前兩種方法主要是針對兩通道亮度變化一致的情況，面對通道間亮度變化不一致，也就是說可能上半部分和下半部分變化不同的情況下效果不明顯，而最后一種羽化會影響圖像的清晰度，面對高清晰度的情況不可行。

技術(shù)實(shí)現(xiàn)要素：

為了克服以上問題，本發(fā)明旨在一種解決通道間亮度不一致的方法，能夠自動識別通道間數(shù)值變化的最優(yōu)解，改善圖像效果。

為了達(dá)到上述目的，本發(fā)明提供了一種一種解決通道間亮度不一致的方法，其包括以下步驟：

步驟01：提供兩個(gè)圖像，在兩個(gè)圖像的拼縫處，設(shè)定一寬度范圍；拼縫被所設(shè)定的寬度包圍；

步驟02：計(jì)算出所設(shè)定的寬度范圍內(nèi)每行像素的亮度；

步驟03：以所設(shè)定的寬度范圍內(nèi)的每行像素值的坐標(biāo)作為橫坐標(biāo)和縱坐標(biāo)，從而得到點(diǎn)集合；

步驟04：根據(jù)Ransac算法中求取最優(yōu)解的方法，將點(diǎn)集合擬合出一條直線，得到點(diǎn)集合的最優(yōu)解模型；

步驟05：在最優(yōu)解模型中找出拼縫一側(cè)中每個(gè)像素的擬合值，按照該擬合值來調(diào)整拼縫一側(cè)相應(yīng)位置的像素的亮度。

優(yōu)選地，所述步驟02中，每行像素的亮度為相應(yīng)行中每個(gè)像素

值的總和除以所設(shè)定的寬度。

優(yōu)選地，所述最優(yōu)解模型中，拼縫左邊的每行像素的亮度等于拼

縫右邊的相應(yīng)行的像素的亮度。

優(yōu)選地，所述步驟04具體包括：

步驟041：設(shè)定最小抽樣集為n的模型和一個(gè)樣本集(P)，樣本集(P)為以每行中的像素值作為橫縱坐標(biāo)的點(diǎn)集合，樣本集(P)中樣本個(gè)數(shù)大于n；

步驟042：從樣品集(P)中隨機(jī)抽取包含n個(gè)樣本的樣本集P的子集(S)，模擬得到初始化模型(M)；

步驟043：將樣品集(P)的余集中與初始化模型(M)的誤差小于設(shè)定閾值t的樣本集，和子集(S)構(gòu)成新的集合(S*)，集合(S*)中是內(nèi)點(diǎn)集；

步驟044：若集合(S*)的個(gè)數(shù)≥N，則認(rèn)為初始化模型(M)正確；若集合(S*)的個(gè)數(shù)＝N，重新抽取新的子集(S)，重復(fù)上述步驟，得到最大個(gè)數(shù)的內(nèi)點(diǎn)集，對應(yīng)的模型就是最優(yōu)解模型。

優(yōu)選地，所述步驟042中，采用最小二乘法得到初始化模型(M)。

本發(fā)明的解決通道間亮度不一致的方法，能夠自動完成通道間亮度差別的彌補(bǔ)，優(yōu)化圖像效果。

附圖說明

圖1為本發(fā)明的一個(gè)較佳實(shí)施例的通道不一致的圖像示意圖

圖2為本發(fā)明的一個(gè)較佳實(shí)施例的最優(yōu)解模型示意圖

圖3為本發(fā)明的一個(gè)較佳實(shí)施例的解決通道間亮度不一致的方法的流程示意圖

具體實(shí)施方式

為使本發(fā)明的內(nèi)容更加清楚易懂，以下結(jié)合說明書附圖，對本發(fā)明的內(nèi)容作進(jìn)一步說明。當(dāng)然本發(fā)明并不局限于該具體實(shí)施例，本領(lǐng)域內(nèi)的技術(shù)人員所熟知的一般替換也涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。

以下結(jié)合附圖1～3和具體實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)說明。需說明的是，附圖均采用非常簡化的形式、使用非精準(zhǔn)的比例，且僅用以方便、清晰地達(dá)到輔助說明本實(shí)施例的目的。

請參閱圖3，本實(shí)施例中，一種解決通道間亮度不一致的方法，包括以下步驟：

步驟01：提供兩個(gè)圖像，在兩個(gè)圖像的拼縫處，設(shè)定一寬度范圍；拼縫被所設(shè)定的寬度包圍；

具體的，如圖1所示，存在通道不一致的圖像，在兩個(gè)圖像的拼縫處，選取一定的寬度，如圖1所示，灰色圖像和白色圖像之間存在拼縫。這里設(shè)定的寬度為i_weight。

步驟02：計(jì)算出所設(shè)定的寬度范圍內(nèi)每行像素的亮度；

具體的，每行像素的亮度為相應(yīng)行中每個(gè)像素值的總和除以所設(shè)定的寬度。請繼續(xù)參閱圖1，第j行拼縫左邊的亮度為Mean_left(1，j)＝(I(i，j)+I(i-1，j)+…+I(i-i_weight+1，j))/i_weight，同理可以計(jì)算第j行拼縫右邊的亮度Mean_right(1，j)。

步驟03：以所設(shè)定的寬度范圍內(nèi)的每行像素值的坐標(biāo)作為橫坐標(biāo)和縱坐標(biāo)，從而得到點(diǎn)集合；

具體的，請繼續(xù)參閱圖1，例如一個(gè)像素I(i，j)的橫坐標(biāo)為i，縱坐標(biāo)為j，從而構(gòu)成一個(gè)點(diǎn)坐標(biāo)，進(jìn)而得到設(shè)定的寬度范圍內(nèi)的點(diǎn)集合。

步驟04：根據(jù)Ransac算法中求取最優(yōu)解的方法，將點(diǎn)集合擬合出一條直線，得到點(diǎn)集合的最優(yōu)解模型；

具體的，請參閱圖2，最優(yōu)解模型中，拼縫左邊的每行像素的亮度等于拼縫右邊的相應(yīng)行的像素的亮度。

本步驟04具體包括：

步驟041：設(shè)定最小抽樣集為n的模型和一個(gè)樣本集(P)，樣本集(P)為以每行中的像素值作為橫縱坐標(biāo)的點(diǎn)集合，樣本集(P)中樣本個(gè)數(shù)大于n；

步驟042：從樣品集(P)中隨機(jī)抽取包含n個(gè)樣本的樣本集P的子集(S)，模擬得到初始化模型(M)；這里，可以采用最小二乘法得到初始化模型(M)。

步驟043：將樣品集(P)的余集中與初始化模型(M)的誤差小于設(shè)定閾值t的樣本集，和子集(S)構(gòu)成新的集合(S*)，集合(S*)中是內(nèi)點(diǎn)集；

步驟044：若集合(S*)的個(gè)數(shù)≥N，則認(rèn)為初始化模型(M)正確；若集合(S*)的個(gè)數(shù)＝N，重新抽取新的子集(S)，重復(fù)上述步驟，得到最大個(gè)數(shù)的內(nèi)點(diǎn)集，對應(yīng)的模型就是最優(yōu)解模型

步驟05：在最優(yōu)解模型中找出拼縫一側(cè)中每個(gè)像素的擬合值，按照該擬合值來調(diào)整拼縫一側(cè)相應(yīng)位置的像素的亮度。

具體的，由于拼縫左側(cè)的像素亮度等于拼縫右側(cè)的像素亮度，Mean_left＝f(Mean_right)，可以將拼縫左側(cè)或右側(cè)的所有像素與最優(yōu)解模型中的相應(yīng)像素對應(yīng)起來，從而完成亮度調(diào)整。

雖然本發(fā)明已以較佳實(shí)施例揭示如上，然實(shí)施例僅為了便于說明而舉例而已，并非用以限定本發(fā)明，本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明精神和范圍的前提下可作若干的更動與潤飾，本發(fā)明所主張的保護(hù)范圍應(yīng)以權(quán)利要求書為準(zhǔn)。