[发明专利]基于阵列镜头的图像重对焦方法

说明书

技术领域

本发明涉及一种基于阵列镜头的图像重对焦方法，属于图像处理及计算机视觉处理技术领域。

背景技术

图像重对焦技术是指利用图像处理技术，使得图像上不同对象成像清晰的过程。现有的图像重对焦方法，一般是利用立体匹配算法得到图像的若干深度层，对不同的深度图像进行重对焦。现有的图像重对焦方法，对于三维场景及动态场景的图像，重对焦效果并不理想。

发明内容

鉴于上述原因，本发明的目的在于提供一种基于阵列镜头的图像重对焦方法，利用阵列镜头获取的阵列图像组，进行重对焦，对于三维场景和动态场景的图像，重对焦效果良好。

为实现上述目的，本发明采用以下技术方案：

一种基于阵列镜头的图像重对焦方法，包括：

对阵列镜头进行标定，得到阵列镜头的内参数；该阵列镜头由若干镜头模组按照N*M阵列形式排列组合而成；

利用阵列镜头撷取阵列图像组，利用相应镜头的内参数对阵列图像中的相应图像进行校正，得到校正后的阵列图像组；

对校正后的阵列图像组，进行多视立体匹配；

在多视立体匹配的深度划分基础上，对任意一个深度层的图像进行重对焦。

所述多视立体匹配的方法是：

从校正后的阵列图像组中选取位于中心位置的图像作为参考图像，将参考图像的每个像素点作为网格点，建立空间曲面网，初始深度设为0；将场景空间沿参考图像的主轴方向划分成若干深度层，建立深度集合L；两两深度层的间隔根据两相邻深度层在参考图像上对应的像素位置差确定；

根据公式：

确定每个网格点的深度，其中f_x∈L，N是参考图像相邻像素集合，其中D_x(f_x)表示参考图像像素点X在深度f_x处的灰度一致性，表示参考图像两相邻像素点x₁，x₂分别取深度对应的光滑能量项；

建立能量函数确定每个网格点的深度，采用图割算法求解，计算图像中每个像素的深度，实现场景的深度划分。

本发明的优点是：

1、本发明的图像重对焦方法，利用阵列镜头重叠的小光圈代替单个镜头的一个大光圈，模拟了昆虫的复眼，可获得更多的图像信息，利用阵列图像的相互信息可实现更加清晰的重对焦效果；

2、本发明的图像重对焦方法，利用阵列镜头获取的阵列图像组，进行重对焦，对于三维场景及动态场景，避免了帧间运动估计问题，重对焦效果良好。

附图说明

图1是本发明的方法流程示意图。

具体实施方式

以下结合附图和实施例对本发明作进一步详细的说明。

如图1所示，本发明公开的基于阵列镜头的图像重对焦方法，包括：

S1：对阵列镜头进行标定，得到阵列镜头的内参数；

阵列镜头由若干镜头模组按照N*M阵列形式排列组合而成，对N*M个镜头进行标定。

S2：利用阵列镜头撷取阵列图像组，利用相应镜头的内参数对阵列图像中的相应图像进行校正，得到校正后的阵列图像组；

N*M个镜头撷取N*M个图像，构成阵列图像组，对其中的每个图像，利用相应的镜头内参数进行校正，得到校正后的阵列图像组。

S3：对校正后的阵列图像组，进行多视立体匹配；

从校正后的阵列图像组中选取位于中心位置的图像作为参考图像，将参考图像的每个像素点作为网格点，建立空间曲面网，初始深度设为0。将场景空间沿参考图像的主轴方向划分成若干深度层，建立深度集合L。两两深度层的间隔可以根据两相邻深度层在参考图像上对应的像素位置差确定。

根据公式：

确定每个网格点的深度，其中f_x∈L，N是参考图像相邻像素集合，其中D_x(f_x)表示参考图像像素点X在深度f_x处的灰度一致性，可以表示为除参考图像的其他图像与参考图像在深度为f_x时的投影点的归一化互相关(normalized cross-correlation)均值。表示参考图像两相邻像素点x₁，x₂分别取深度对应的光滑能量项。不同的D_x(f_x)和可以得到不同的深度重建效果。