CN109859104B - 一种视频生成图片的方法、计算机可读介质及转换系统 - Google Patents
一种视频生成图片的方法、计算机可读介质及转换系统 Download PDFInfo
- Publication number
- CN109859104B CN109859104B CN201910050480.5A CN201910050480A CN109859104B CN 109859104 B CN109859104 B CN 109859104B CN 201910050480 A CN201910050480 A CN 201910050480A CN 109859104 B CN109859104 B CN 109859104B
- Authority
- CN
- China
- Prior art keywords
- pictures
- picture
- video
- frame
- adjacent frames
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 5
- 244000269722 Thea sinensis Species 0.000 description 20
- 235000006468 Thea sinensis Nutrition 0.000 description 12
- 235000020279 black tea Nutrition 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 235000009569 green tea Nutrition 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000013616 tea Nutrition 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种视频生成图片的方法，用于拼接视频中所有的图片，避免图片拼接错位重影或者拼接失败，该方法包括以下步骤，步骤S1：将场景拍摄成视频；步骤S2：获取视频中每一帧图片中间区域的特征；步骤S3：对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐；及步骤S4：输出全景图。本发明还提供一种计算机可读介质。本发明还提供一种转换系统。
Description
【技术领域】
本发明涉及计算机视觉领域，提供了一种视频生成图片的方法、计算机可读介质及转换系统。
【背景技术】
现有的视频拼接技术都是基于SIFT、SURF等特征算子计算每帧图片映射的单应矩阵或多应矩阵，然后再按计算得到的单应矩阵或多应矩阵将每帧图片映射到同一坐标空间，以将所有图片拼接起来形成一张完整的大图。但因为这种方法在手机等电子设备拍摄视频时，容易造成图片边缘目标模糊扭曲，最后造成拼接图片的效果不理想，影响后续检测识别图片内特征的操作。
【发明内容】
为克服现有技术存在的问题，本发明提供一种视频生成图片的方法、计算机可读介质及转换系统。
本发明解决技术问题的方案是提供一种视频生成图片的方法，用于拼接视频中所有的图片，避免图片拼接错位重影或者拼接失败，该方法包括以下步骤，步骤S1：将场景拍摄成视频；步骤S2：获取视频中每一帧图片中间区域的特征；步骤S3：对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐；及步骤S4：输出全景图；步骤S3包括，步骤S31：处理相邻两帧图片的边缘区域；步骤S32：识别相邻两帧图片中间区域相同的特征；及步骤S33：将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片；步骤S31包括，步骤S311：获取每帧图片的中心点；步骤S312：识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离；及步骤S313：在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
优选地，步骤S2包括，步骤S21：读取视频并截取视频中间区域；步骤S22：检测中间区域的特征；及步骤S23：使用高层语义对检测出的特征进行标记。
优选地，步骤S312前还包括，步骤S3121：以中心点为原点建立坐标系；步骤S3122：检测每帧图片边缘区域的特征。
优选地，所述特征包括形状、颜色及纹路。
优选地，所述中间区域为根据拍摄设备聚焦范围内的区域。
优选地，视频为沿特征在场景位置的顺序依次拍摄，以确保相邻两帧图片与场景实际的位置顺序一致。
本发明还提供一种计算机可读介质，其特征在于：所述计算机可读介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述的视频生成图片的方法。
本发明还提供一种转换系统，其特征在于：所述转换系统包括拍摄模块，用于将场景拍摄成视频；预处理模块，用于获取视频中每一帧图片中间区域的特征；处理模块，用于对比相邻两帧图片，获取每帧图片的中心点，识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离，及在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征，之后根据相邻两帧中相同的特征将两帧图片矫正对齐；输出模块，用于输出全景图。
与现有技术相比，本发明的视频生成图片的方法具有以下优点：
1.将场景拍摄为视频，通过利用中间区域的特征对每帧图片进行校正对齐，可以避免由于边缘区域的模糊扭曲的特征导致相邻两帧图片两两拼接后，生成的全景图存在误差。
2.通过对边缘区域的特征进行矫正对齐，使视频中每帧图片的边缘区域更加接近真实场景，以使拼接结果更为精细、完整。
【附图说明】
图1是本发明第一实施例视频生成图片的方法的流程示意图。
图2是本发明第一实施例视频生成图片的方法图1中步骤S2的流程示意图。
图3是本发明第一实施例视频生成图片的方法图1中步骤S3的流程示意图。
图4是本发明第一实施例视频生成图片的方法图3中步骤S31的流程示意图。
图5是本发明第一实施例视频生成图片的方法图4中步骤S312的流程示意图。
图6是本发明第一实施例视频生成图片的方法检测并标记的相邻两帧图片中特征的示意图。
图7A是本发明第一实施例视频生成图片的方法替换相邻两帧图片边缘区域模糊扭曲的特征示意图。
图7B本发明第一实施例视频生成图片的方法拼接相邻两帧图片的示意图。
图8是本发明第三实施例转换系统的模块示意图。
图9是本发明第三实施例转换系统中处理单元的模块示意图。
附图标记说明：1、转换系统；11、拍摄模块；12、预处理模块；13、处理模块；14、输出模块；121、截取单元；122、检测单元；123、标记单元；131、处理单元；132、识别单元；133、拼接单元；1311、捕获模组；1312、建模模组；1313、检测模组；1314、计算模组；1315、替换模组。
【具体实施方式】
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明第一实施例提供一种视频生成图片的方法，用于拼接视频中所有的图片，避免图片拼接错位重影或者拼接失败，该方法包括以下步骤，
步骤S1：将场景拍摄成视频；
步骤S2：获取视频中每一帧图片中间区域的特征；
步骤S3，对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐；及
步骤S4：输出全景图。
首先，将场景拍摄成视频，拍摄时由于拍摄设备聚焦范围的原因，所以视频中只有中间区域是清晰的，而边缘区域可能会出现模糊扭曲的情况，进而获取视频中每一帧图片中间区域的特征，然后对图片边缘区域模糊扭曲的特征进行矫正对齐，即对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐，最后将矫正对齐后的图片输出为一张全景图。
可以理解，场景为无人超市中的无人货架，特征即为无人货架中商品的特征，特征包括商品的形状、颜色及纹路。中间区域即为聚焦范围内的区域，边缘区域为非中间区域；图片模糊扭曲处的特征为相对图片清晰处的特征模糊扭曲，如辨识出一特征的90％为清晰的，则辨识出该特征的80％为模糊扭曲的。
可以理解，由于拍摄目标距离成像平面距离小，成像平面的水平移动会造成边缘的拍摄目标与成像平面较大的角度变化，使相邻两帧图片拼接时容易拼接错位或者完全拼接不上，通过获取视频帧中间区域对图片进行拼接，可以有效解决该问题。
矫正对齐为将相邻两帧图片映射投影到同一平面，相同的特征采用重叠映射。全景图为视频中所有图片均完成矫正对齐之后的图片。
视频为沿特征在场景位置的顺序依次拍摄，以确保相邻两帧图片与场景实际的位置顺序一致。如场景中从左往右依次有特征A、B、C、D、F,拍摄这一场景时，以从A-F的方向进行拍摄，也可以从F-A的方向进行拍摄。
请参阅图2，步骤S2包括，
步骤S21：读取视频并截取视频中间区域；
步骤S22：检测中间区域的特征；及
步骤S23：使用高层语义对检测出的特征进行标记；
由于拍摄的视频只有中间区域是清晰的，所以读取视频后截取视频中间区域的特征，然后检测每一帧图片中的特征,进而使用高层语义对检测出的特征进行标记。
可以理解，使用低层特征检测图片中的特征，然后使用高层语义标记检测的特征，高层语义为从检测特征中选择最佳的特征，如使用低层特征提取了一瓶雪碧中的所有特征，其中有部分特征由于光照角度等因素影响，从这些特征中不能准确的辨识出这瓶雪碧，使用高层语义标记检测的特征时，避开被光照角度等因素影响的特征，以选择最能辨识出这瓶雪碧的特征，高层语义标记的特征与这瓶雪碧的对应关系为唯一的。
请参阅图3，步骤S3包括，
步骤S31：处理相邻两帧图片的边缘区域；
步骤S32：识别相邻两帧图片中间区域相同的特征；及
步骤S33：将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片。
标记出每一帧图片中间区域的特征之后，然后处理相邻两帧图片的边缘区域；继而根据相邻两帧图片中间区域的特征，识别相邻两帧图片中间区域特征相同的特征，然后将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片。
可以理解，重叠映射为使相邻两帧图片中相同的两个特征映射在相同的位置，使相同的两个特征只显示一个。
在一些应用场景中，第一帧图片中间区域检测出了多个特征，其中包括红茶和绿茶，第二帧图片中间区域也检测出了多个特征，其中包括绿茶和雪碧，然后处理这两帧图片中的边缘区域，进而识别这相邻的两帧图片中间区域相同的特征，即绿茶为相同的特征，继而对这两帧图片中间区域相同的绿茶的特征进行重叠映射，以将这两帧图片拼接为一张图片，则拼接后的图片中间区域的特征为红茶、绿茶、雪碧。
作为一种变形，步骤S23可以省略，直接使用检测的特征，识别相邻两帧图片中间区域相同的特征。
请参阅图4，步骤S31包括，
步骤S311：获取每帧图片的中心点；
步骤S312：识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离；及
步骤S313：在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
处理相邻两帧图片的边缘区域时，先获取每帧图片的中心点，中心点为每帧图片的正中心，即对角线的交点。然后识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离，最后在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
请参阅图5，在步骤S312之前还包括，步骤S3121：以图片的中心点为原点建立坐标系；步骤S3122：检测每帧图片边缘区域的特征。即识别相邻两帧图片边缘区域内相同的特征之前，先以两帧图片各自的中心点为原点建立坐标系，然后检测每帧图片边缘区域的特征，继而识别相邻两帧图片边缘区域内相同的特征，并根据该特征在各自坐标系中的位置计算该特征到中心点的距离，最后在这两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
在一些应用场景中，第一帧图片建立的坐标系中，边缘区域检测了多个特征，其中的特征包括可乐、红茶，第二帧图片建立的坐标系中，边缘区域也检测了多个特征，其中的特征包括红茶、雪碧，继而识别这两帧图片中相同的特征，即红茶为相同的特征，然后计算这两帧图片中红茶的特征到各自中心点的距离，计算得出第一帧图片中红茶的特征到第一帧图片中心点的距离为2cm，第二帧图片中红茶的特征到第二帧图片中心点的距离为3cm,最后在这两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征，即选择第一帧图片中红茶的特征替换掉第二帧图片中红茶的特征，替换时可以替换红茶中的部分特征，也可以替换红茶中全部的特征。
可以理解，相邻两帧图片相同的特征到各自图片中心的距离越远，则认为该处的特征为模糊扭曲的，反之，则认为该处的特征为清晰的，继而使用清晰的特征替换模糊扭曲的特征。
作为一种变形，步骤S3121与步骤S3122的顺序可以替换，即先检测每帧图片边缘区域的特征，然后以图片的中心点为原点建立坐标系。
请参阅图6，步骤S312具体为，识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离。以检测的第一帧图片和第二帧图片中的特征为例，拍摄视频的方向为从左往右移动拍摄，这两帧图片中均检测了多个特征，第一帧图片的中的特征包括a、b、c、d、e、f，这些特征的坐标系中的位置依次为，a(-3.5，1)，b(-3，-0.8)，e(1.2，-1.2)，f(3，1)。第二帧图片的中的特征包括a、b、c、d、e、f，这些特征的坐标系中的位置依次为，a(-4，1)，b(-3.5，-0.8)，e(0.7，-1.2)，f(2.5，1)。然后识别这两帧图片中边缘区域相同的特征，即第二帧图片中的特征a与第一帧图片中的特征a相同，第二帧图片中的特征b与第一帧图片中的特征b相同，第二帧图片中的特征e与第一帧图片中的特征e相同，第二帧图片中的特征f与第一帧图片中的特征f相同。
然后计算两帧图片中相同的特征距各自中心点的距离，可以通过特征在坐标系中的位置直接计算其距图片中心点的距离，也可以根据特征在坐标系中的位置通过勾股定理计算其距图片中心点的距离。计算得出第一帧图片中特征a距第一帧图片中心点的距离小于第二帧图片中特征a距第二帧图片中心点的距离，第一帧图片中特征b距第一帧图片中心点的距离小于第二帧图片中特征b距第二帧图片中心点的距离，第一帧图片中特征e距第一帧图片中心点的距离大于第二帧图片中特征e距第二帧图片中心点的距离，第一帧图片中特征f距第一帧图片中心点的距离大于第二帧图片中特征f距第二帧图片中心点的距离。
请参阅图7A，步骤S313具体为，在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。即选择第一帧图片中的特征a替换第二帧图片中的特征a，选择第一帧图片中的特征b替换第二帧图片中的特征b，选择第二帧图片中的特征e替换第一帧图片中的特征e，选择第二帧图片中的特征f替换第一帧图片中的特征f。
请继续参阅图6，步骤S32：识别相邻两帧图片中间区域相同的特征。在检测的第一帧图片和第二帧图片中，第一帧图片中间区域的特征为c、d,第二帧图片中间区域的特征为c、d,识别这两帧图片中相同的特征，即第一帧图片中的特征c与第二帧图片中的特征c相同，第一帧图片中的特征d与第二帧图片中的特征d相同。
请参阅图7B，步骤S33具体为，将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片。即把第一帧图片中的特征a与第二帧图片中的特征a进行重叠映射，把第一帧图片中的特征b与第二帧图片中的特征b进行重叠映射，并把第一帧图片与第二帧图片拼接为一张图片，拼接后图片中的特征为a、b、c、d、e、f，且这些特征均为清晰的。
步骤S4具体为，视频中所有的图片均完成拼接之后，将拼接后的图片生成一张全景图并输出。由于全景图中的特征经过矫正对齐的处理，所有全景图中所有的特征均为清晰的。
输出全景图之后，通过识别并存储全景图中的特征，进而可以直接从全景图中识别出每个特征具体是什么，在清晰的特征中识别出的准确率更高。
作为一种变形，相邻两帧图片中间区域相同的特征不用采用重叠映射，拼接相邻两帧图片之前先去除一次相邻两帧图片中间区域内相同特征。
本发明第二实施例提供一种计算机可读介质，计算机可读介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的视频生成图片的方法。
请参阅图8，本发明第三实施例提供一种转换系统1，转换系统1包括拍摄模块11，用于将场景拍摄成视频；预处理模块12，用于获取视频中每一帧图片中间区域的特征；处理模块13，用于对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐；输出模块14，用于输出全景图。
预处理模块12包括截取单元121、检测单元122及标记单元123。截取单元121读取视频并截取视频中间区域，检测单元122检测中间区域的特征，标记单元123使用高层语义对检测出的特征进行标记。
请参阅图9，处理模块13包括处理单元131、识别单元132及拼接单元133。处理单元131处理相邻两帧图片的边缘区域，识别单元132识别相邻两帧图片中间区域相同的特征，拼接单元133将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片。
处理单元131包括捕获模组1311、建模模组1312、检测模组1313、计算模组1314及替换模组1315。捕获模组1311获取每帧图片的中心点，建模模组1312以中心点为原点建立坐标系，检测模组1313检测每帧图片边缘区域的特征，计算模组1314识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离，替换模组1315在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
与现有技术相比，本发明的视频生成图片的方法具有以下优点：
1.将场景拍摄为视频，通过利用中间区域的特征对每帧图片进行校正对齐，可以避免由于边缘区域的模糊扭曲的特征导致相邻两帧图片两两拼接后，生成的全景图存在误差。
2.通过对边缘区域的特征进行矫正对齐，使视频中每帧图片的边缘区域更加接近真实场景，以使拼接结果更为精细、完整。
以上所述仅为本发明较佳实施例而已，并不用以限制本发明，凡在本发明原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。
Claims (8)
1.一种视频生成图片的方法，用于拼接视频中所有的图片，避免图片拼接错位重影或者拼接失败，其特征在于：该方法包括以下步骤，
步骤S1：将场景拍摄成视频；
步骤S2：获取视频中每一帧图片中间区域的特征；
步骤S3：对比相邻两帧图片，根据相邻两帧中相同的特征将两帧图片矫正对齐；及
步骤S4：输出全景图；
步骤S3包括，
步骤S31：处理相邻两帧图片的边缘区域；
步骤S32：识别相邻两帧图片中间区域相同的特征；及
步骤S33：将相邻两帧图片中间区域相同特征进行重叠映射并拼接为一张图片；
步骤S31包括，
步骤S311：获取每帧图片的中心点；
步骤S312：识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离；及
步骤S313：在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征。
2.如权利要求1所述的视频生成图片的方法，其特征在于：步骤S2包括，
步骤S21：读取视频并截取视频中间区域；
步骤S22：检测中间区域的特征；及
步骤S23：使用高层语义对检测出的特征进行标记。
3.如权利要求1所述的视频生成图片的方法，其特征在于：步骤S312前还包括，
步骤S3121：以中心点为原点建立坐标系；
步骤S3122：检测每帧图片边缘区域的特征。
4.如权利要求1所述的视频生成图片的方法，其特征在于：所述特征包括形状、颜色及纹路。
5.如权利要求1所述的视频生成图片的方法，其特征在于：所述中间区域为根据拍摄设备聚焦范围内的区域。
6.如权利要求1所述的视频生成图片的方法，其特征在于：视频为沿特征在场景位置的顺序依次拍摄，以确保相邻两帧图片与场景实际的位置顺序一致。
7.一种计算机可读介质，其特征在于：所述计算机可读介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-6中任一项中所述的视频生成图片的方法。
8.一种转换系统，其特征在于：所述转换系统包括拍摄模块，用于将场景拍摄成视频；预处理模块，用于获取视频中每一帧图片中间区域的特征；处理模块，用于对比相邻两帧图片，获取每帧图片的中心点，识别相邻两帧图片边缘区域内相同的特征，并计算该特征距各自中心点的距离，及在两帧图片的相同特征中选择靠近中心点的特征替换掉远离中心点的特征，之后根据相邻两帧中相同的特征将两帧图片矫正对齐；输出模块，用于输出全景图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910050480.5A CN109859104B (zh) | 2019-01-19 | 2019-01-19 | 一种视频生成图片的方法、计算机可读介质及转换系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910050480.5A CN109859104B (zh) | 2019-01-19 | 2019-01-19 | 一种视频生成图片的方法、计算机可读介质及转换系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109859104A CN109859104A (zh) | 2019-06-07 |
| CN109859104B true CN109859104B (zh) | 2020-04-17 |
Family
ID=66895283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910050480.5A Active CN109859104B (zh) | 2019-01-19 | 2019-01-19 | 一种视频生成图片的方法、计算机可读介质及转换系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109859104B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393381B (zh) * | 2021-07-08 | 2022-11-01 | 哈尔滨工业大学（深圳） | 管道内壁图像的生成方法、装置及终端设备 |
| CN114155473B (zh) * | 2021-12-09 | 2022-11-08 | 成都智元汇信息技术股份有限公司 | 基于帧补偿的切图方法、电子设备及介质 |
| CN114615426A (zh) * | 2022-02-17 | 2022-06-10 | 维沃移动通信有限公司 | 拍摄方法、装置、电子设备和可读存储介质 |
| CN114750147B (zh) * | 2022-03-10 | 2023-11-24 | 深圳甲壳虫智能有限公司 | 机器人的空间位姿确定方法、装置和机器人 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016165016A1 (en) * | 2015-04-14 | 2016-10-20 | Magor Communications Corporation | View synthesis-panorama |
| CN105303544A (zh) * | 2015-10-30 | 2016-02-03 | 河海大学 | 一种基于最小边界距离的视频拼接方法 |
| CN105869113B (zh) * | 2016-03-25 | 2019-04-26 | 华为技术有限公司 | 全景图像的生成方法和装置 |
| CN106530267B (zh) * | 2016-11-30 | 2017-11-21 | 长沙全度影像科技有限公司 | 一种避免全景图像错位的融合方法 |
| CN107580175A (zh) * | 2017-07-26 | 2018-01-12 | 济南中维世纪科技有限公司 | 一种单镜头全景拼接的方法 |
| CN109146833A (zh) * | 2018-08-02 | 2019-01-04 | 广州市鑫广飞信息科技有限公司 | 一种视频图像的拼接方法、装置、终端设备及存储介质 |
-
2019
- 2019-01-19 CN CN201910050480.5A patent/CN109859104B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109859104A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859104B (zh) | 一种视频生成图片的方法、计算机可读介质及转换系统 | |
| CN110705405B (zh) | 目标标注的方法及装置 | |
| CN111160172B (zh) | 泊车位检测方法、装置、计算机设备和存储介质 | |
| US10540806B2 (en) | Systems and methods for depth-assisted perspective distortion correction | |
| CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
| CN110650292B (zh) | 辅助用户拍摄车辆视频的方法及装置 | |
| US10140495B2 (en) | Deconvolution of digital images | |
| CN110796201B (zh) | 一种标注框的修正方法、电子设备及存储介质 | |
| US8953900B2 (en) | Increased quality of image objects based on depth in scene | |
| CN112712487B (zh) | 一种场景视频融合方法、系统、电子设备及存储介质 | |
| US10970578B2 (en) | System and method for extracting information from a non-planar surface | |
| CN112396073A (zh) | 基于双目图像的模型训练方法、装置及数据处理设备 | |
| CN116503414B (zh) | 屏幕缺陷检测方法、装置、计算机设备和存储介质 | |
| CN104392416A (zh) | 一种运动场景的视频拼接方法 | |
| CN113938674B (zh) | 视频质量检测方法、装置、电子设备及可读存储介质 | |
| CN111062374A (zh) | 身份证信息的识别方法、装置、系统、设备及可读介质 | |
| CN107480580B (zh) | 图像识别方法和图像识别装置 | |
| CN110599525A (zh) | 图像补偿方法和装置、存储介质及电子装置 | |
| CN113554586B (zh) | 像素异常的显著性自动评估 | |
| US20120033888A1 (en) | Image processing system, image processing method, and computer readable medium | |
| CN112465702B (zh) | 一种多路超高清视频同步自适应拼接显示处理方法 | |
| JP5148573B2 (ja) | 画像処理システム、画像処理方法およびプログラム | |
| CN112997217A (zh) | 从视频图像进行文档检测 | |
| CN108447107B (zh) | 用于生成视频的方法和装置 | |
| CN117745532A (zh) | 基于目标物体追踪的视频拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |