本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于線性方程的圖形融合方法及系統(tǒng)。

背景技術(shù)：

21世紀(jì)是一個充滿信息的時代，圖像作為人類感知世界的視覺基礎(chǔ)，是人類獲取信息、表達信息和傳遞信息的重要手段，圖像處理也成了熱門的研究領(lǐng)域。圖像處理，即用計算機對圖像進行分析，以達到所需結(jié)果的技術(shù)。又稱影像處理。圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用工業(yè)相機、攝像機、掃描儀等設(shè)備經(jīng)過拍攝得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值稱為灰度值。

圖像合成是圖像處理的一個基本問題，其通過將源圖像中一個物體或者一個區(qū)域嵌入到目標(biāo)圖像生成一個新的圖像。為了使合成的圖像更加自然，合成邊界應(yīng)該是無縫的，但如果源圖像和目標(biāo)圖像有著明顯不同的紋理特征，則直接合成后的圖像會存在明顯的邊界。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提供一種基于線性方程的圖形融合方法及系統(tǒng)，使圖像無縫邊界融合。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種基于線性方程的圖形融合方法，包括如下步驟：

S1、確定源圖像的融合區(qū)和目標(biāo)圖像的融合區(qū)，并分別計算源圖梯度bs和目標(biāo)梯度bt；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

S2、根據(jù)源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b；

S3、根據(jù)線性方程o＝b/A確定輸出圖像的融合區(qū)圖像o，其中，A是稀疏系數(shù)矩陣。

本發(fā)明還涉及一種基于線性方程的圖形融合系統(tǒng)，包括：

融合區(qū)梯度計算模塊，用于確定源圖像的融合區(qū)和目標(biāo)圖像的融合區(qū)，并分別計算源圖梯度bs和目標(biāo)梯度bt；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

混合梯度計算模塊，用于根據(jù)源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b；

圖像輸出模塊，用于根據(jù)線性方程o＝b/A確定輸出圖像的融合區(qū)圖像o，其中，A是稀疏系數(shù)矩陣。

本發(fā)明的有益效果在于：通過梯度圖的混合，進一步優(yōu)化了融合效果，為圖形處理技術(shù)增加一種高質(zhì)量、可行性高的圖形融合方法。

附圖說明

圖1為本發(fā)明實施例一的方法流程圖；

圖2為本發(fā)明實施例一的系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

為詳細說明本發(fā)明的技術(shù)內(nèi)容、所實現(xiàn)目的及效果，以下結(jié)合實施方式并配合附圖詳予說明。

本發(fā)明最關(guān)鍵的構(gòu)思在于：對于輸出的融合區(qū)圖像，根據(jù)權(quán)重對源圖像的源圖梯度和目標(biāo)圖像的目標(biāo)梯度進行混合，對于輸出的非融合區(qū)圖像，則與目標(biāo)圖像的非融合區(qū)一致。

請參閱圖1，一種基于線性方程的圖形融合方法，包括如下步驟：

S1、確定源圖像的融合區(qū)和目標(biāo)圖像的融合區(qū)，并分別計算源圖梯度bs和目標(biāo)梯度bt；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

S2、根據(jù)源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b1；

S3、根據(jù)線性方程o＝b/A確定輸出圖像的融合區(qū)圖像o，其中，A是稀疏系數(shù)矩陣。

從上述描述可知，本發(fā)明的有益效果在于：進一步優(yōu)化了融合效果，可行性高。

進一步地，步驟S2中，所述混合梯度b根據(jù)公式b＝(alpha)*bs+(1-alpha)*bt計算；其中，alpha為源圖梯度和目標(biāo)梯度混合的權(quán)重。

由上述描述可知，根據(jù)權(quán)重值的不同可輸出不同融合效果的圖像。

進一步地，步驟S3中，對于輸出圖像的非融合區(qū)圖像o’，與目標(biāo)圖像的非融合區(qū)一致。

本發(fā)明還涉及一種基于線性方程的圖形融合系統(tǒng)，包括：

融合區(qū)梯度計算模塊，用于確定源圖像的融合區(qū)和目標(biāo)圖像的融合區(qū)，并分別計算源圖梯度bs和目標(biāo)梯度bt；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

混合梯度計算模塊，用于根據(jù)源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b；

圖像輸出模塊，用于根據(jù)線性方程o＝b/A確定輸出圖像的融合區(qū)圖像o，其中，A是稀疏系數(shù)矩陣。

進一步地，所述混合梯度b根據(jù)公式b＝(alpha)*bs+(1-alpha)*bt計算；其中，alpha為源圖梯度和目標(biāo)梯度混合的權(quán)重。

進一步地，所述圖像輸出模塊還用于確定輸出圖像的非融合區(qū)圖像o’,對于輸出圖像的非融合區(qū)圖像o’，與目標(biāo)圖像的非融合區(qū)一致。

實施例一

請參照圖1，本發(fā)明的實施例一為：一種基于線性方程的圖形融合方法，包括如下內(nèi)容：

S1：根據(jù)需要，將源圖像和目標(biāo)圖像分別分為融合區(qū)和非融合區(qū)，并分別計算源圖像融合區(qū)的源圖梯度bs和目標(biāo)圖像融合區(qū)的目標(biāo)梯度bt；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，4是方程式的固有系數(shù)，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，4是方程式的固有系數(shù)，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

S2：根據(jù)所述源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b，該混合梯度b即最終輸出圖像的融合區(qū)的梯度，所述混合梯度b根據(jù)公式b＝(alpha)*bs+(1-alpha)*bt計算，其中，alpha取值0-1，其為源圖梯度和目標(biāo)梯度混合的權(quán)重，alpha的默認(rèn)值為0.5，具體權(quán)重值可根據(jù)所需的融合效果而確定。

S3：根據(jù)線性方程o＝b/A確定輸出圖像的非融合區(qū)圖像o，其中，b為上述的混合梯度，A為稀疏系數(shù)矩陣。

對于輸出圖像的非融合區(qū)圖像o’，與目標(biāo)圖像的非融合區(qū)一致，也就是說， 可以直接輸出目標(biāo)圖像的非融合區(qū)作為輸出圖像的非融合區(qū)圖像。

可選地，融合過程可對圖像的每個通道進行融合，即對每個通道進行上述步驟S1-S3，不同的通道使用相同的稀疏系數(shù)矩陣A，這樣可進一步提高融合效果，其中梯度圖b需要根據(jù)每個顏色通道進行計算。

如圖2所示，一種對應(yīng)上述方法的基于線性方程的圖形融合系統(tǒng)，包括融合區(qū)梯度計算模塊、混合梯度計算模塊和圖像輸出模塊。

所述融合區(qū)梯度計算模塊用于確定源圖像的融合區(qū)和目標(biāo)圖像的融合區(qū)，并分別計算源圖梯度bs和目標(biāo)梯度bt，并將計算出的源圖梯度bs和目標(biāo)梯度bt發(fā)送給混合梯度計算模塊；

所述源圖梯度bs根據(jù)公式bs＝4*x(row,col)-x(row+1,col)-x(row-1,col)-x(row,col+1)-x(row,col-1)計算，其中，4是方程式的固有系數(shù)，x是源圖像，row是源圖像的融合區(qū)的行，col是源圖像的融合區(qū)的列；

所述目標(biāo)梯度bt根據(jù)公式bt＝4*y(row,col)-y(row+1,col)-y(row-1,col)-y(row,col+1)-y(row,col-1)計算；其中，4是方程式的固有系數(shù)，y是目標(biāo)圖像，row是目標(biāo)圖像的融合區(qū)的行，col是目標(biāo)圖像的融合區(qū)的列。

所述混合梯度計算模塊用于根據(jù)源圖梯度bs和目標(biāo)梯度bt，計算混合梯度b，并將混合梯度b發(fā)送給圖像輸出模塊；所述混合梯度b根據(jù)公式b＝(alpha)*bs+(1-alpha)*bt計算，其中，alpha取值0-1，其為源圖梯度和目標(biāo)梯度混合的權(quán)重，alpha的默認(rèn)值為0.5，具體權(quán)重值可根據(jù)所需的融合效果而確定。

所述圖像輸出模塊用于根據(jù)線性方程o＝b/A確定輸出圖像的融合區(qū)圖像o，其中，A為上述的稀疏系數(shù)矩陣。

所述圖像輸出模塊還用于確定輸出圖像的非融合區(qū)圖像o’,對于輸出圖像的非融合區(qū)圖像o’，與目標(biāo)圖像的非融合區(qū)一致。

綜上所述，本發(fā)明提供的一種基于線性方程的圖形融合方法及系統(tǒng)，通過梯度圖的混合，進一步優(yōu)化了融合效果，為圖形處理技術(shù)增加一種高質(zhì)量、可行性高的圖形融合方法。

以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利 用本發(fā)明說明書及附圖內(nèi)容所作的等同變換，或直接或間接運用在相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。