基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻去鬼影的方法
【專利摘要】本發(fā)明提供一種基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻去鬼影的方法，對相互交錯(cuò)的具有相同曝光率的圖像進(jìn)行基于圖像配準(zhǔn)的邊緣檢測。在圖像配準(zhǔn)之后，運(yùn)動(dòng)檢測方法可以獲得更好的精確度。使用基于運(yùn)動(dòng)檢測的幀差法來減小計(jì)算復(fù)雜度，最后使用權(quán)重圖在一些極端邊界位置進(jìn)行調(diào)整來消除一些不好的特殊值。在一些邊界位置，傳統(tǒng)曝光融合方法的權(quán)重可能會(huì)是0，而與它相鄰的位置的權(quán)重則不是0，這些差別會(huì)使最后的高動(dòng)態(tài)范圍視頻在一些地方變得不精確。而本發(fā)明添加了一個(gè)偏移量后，權(quán)重值的變化會(huì)更加平滑。
【專利說明】
基于邊緣檢測和幀差法的局動(dòng)態(tài)范圍視頻去鬼影的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于計(jì)算機(jī)圖像領(lǐng)域，具體涉及一種基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍 視頻去鬼影的方法。
【背景技術(shù)】
[0002] 高動(dòng)態(tài)范圍是一種顯示真實(shí)場景的有效方法。比起傳統(tǒng)的照片拍攝，高動(dòng)態(tài)范圍 可以有效避免過度曝光或曝光不足的問題，使圖像更自然生動(dòng)，更接近人眼捕捉到的場景。 雖然高動(dòng)態(tài)范圍被人們廣泛接受，但對于大多數(shù)相機(jī)設(shè)備來說，高動(dòng)態(tài)范圍視頻仍然是一 個(gè)挑戰(zhàn)，因?yàn)樗媾R著設(shè)備存儲(chǔ)的限制和生成方法方面的問題。
[0003] 研究人員在這方面已經(jīng)做了大量的工作。一些研究人員以硬件的方法來解決問 題，這可以在相同的時(shí)間內(nèi)獲得多重曝光的圖像，并且在不添加任何步驟的前提下合成每 一個(gè)高動(dòng)態(tài)范圍幀。然而，這種方法太依賴硬件的性能和相機(jī)特制的結(jié)構(gòu)，對于大部分日常 使用的相機(jī)來說并不具有很高的實(shí)用性。
[0004] 其他的一些研究人則專注于使用軟件的方法來合成高動(dòng)態(tài)范圍圖像，這樣會(huì)遇到 圖像配準(zhǔn)和移除鬼影的問題。一臺(tái)普通的相機(jī)無法在相同的視角、相同的時(shí)間拍攝曝光不 同的圖像，所以幀間的物體運(yùn)動(dòng)就無法避免。因此軟件的方法需要做一些后期的處理。
[0005] 傳統(tǒng)的高動(dòng)態(tài)范圍合成技術(shù)需要建立不同曝光下臨近的幀之間的關(guān)系，這通常得 不到精確的結(jié)果，并且在一些特例條件下有可能失敗。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明要解決的問題是:提供一種基于邊緣檢測和幀差法的尚動(dòng)態(tài)范圍視頻去鬼 影的方法，在高動(dòng)態(tài)范圍視頻合成中，傳統(tǒng)的方法往往會(huì)產(chǎn)生鬼影，無法得到精確的、高質(zhì) 量的結(jié)果。而我們對于高動(dòng)態(tài)范圍視頻合成的結(jié)果的需求是比較高的，本發(fā)明就是來解決 在高動(dòng)態(tài)范圍視頻合成中消除鬼影，得到高質(zhì)量的圖像結(jié)果。
[0007] 本發(fā)明的技術(shù)解決方案為:對相互交錯(cuò)的具有相同曝光率的圖像進(jìn)行基于圖像配 準(zhǔn)的邊緣檢測。在圖像配準(zhǔn)之后，運(yùn)動(dòng)檢測方法可以獲得更好的精確度。使用基于運(yùn)動(dòng)檢測 的幀差法來減小計(jì)算復(fù)雜度，最后使用權(quán)重圖在一些極端邊界位置進(jìn)行調(diào)整來消除一些不 好的特殊值。在一些邊界位置，傳統(tǒng)曝光融合方法的權(quán)重可能會(huì)是〇,而與它相鄰的位置的 權(quán)重則不是0,這些差別會(huì)使最后的高動(dòng)態(tài)范圍視頻在一些地方變得不精確。而本發(fā)明添 加了一個(gè)偏移量后，權(quán)重值的變化會(huì)更加平滑。
[0008] 基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻區(qū)去鬼影的方法，具體包括以下步驟： [0009] 1)鬼影檢測：即利用圖像配準(zhǔn)檢測相鄰幀運(yùn)動(dòng)區(qū)域；由于在具有相同曝光率圖像 中的物體的輪廓邊緣是相似的，利用邊緣檢測的方法把圖像映射為二元圖像，并使用Canny 邊緣算子來生成邊緣位圖，使得不同分辨率下的錯(cuò)誤像素被檢測出來，得到圖像配準(zhǔn)后的 相鄰幀運(yùn)動(dòng)區(qū)域；因?yàn)閹g的運(yùn)動(dòng)非常小，所以相鄰幀的運(yùn)動(dòng)可以通過上述方法檢測出 來。這樣可以使算法不受到圖片曝光的影響，得到較好的結(jié)果。
[0010] 2)鬼影移除：采用基于運(yùn)動(dòng)區(qū)域檢測的幀差法;具體如下：圖像配準(zhǔn)之后，鬼影的 移除能夠通過檢測物體運(yùn)動(dòng)來實(shí)現(xiàn);首先選擇一個(gè)曝光點(diǎn)作為參考，其他曝光的位置結(jié)合 參考曝光點(diǎn)來檢測運(yùn)動(dòng)，通過檢測的結(jié)果，對每一幀，能夠產(chǎn)生一個(gè)二元權(quán)重位圖；對于參 考曝光點(diǎn)的圖像，所有的區(qū)域都會(huì)與最后的結(jié)果相關(guān)聯(lián)，而對于其他圖像，運(yùn)動(dòng)的區(qū)域?qū)?huì) 被忽略；
[0011] 在本發(fā)明中，跳過了映射和直接比較同一曝光的圖像兩個(gè)階段，通過幀差法，可以 檢測到每一幀的運(yùn)動(dòng)區(qū)域。
[0012] 3)高動(dòng)態(tài)范圍生成:采用基于權(quán)重調(diào)整的曝光融合方法；即在傳統(tǒng)的曝光融合方 法的計(jì)算中添加了一個(gè)偏移值A(chǔ)t，能夠避免在邊界值的曝光融合中產(chǎn)生的權(quán)重為零;使得 最后得到的高動(dòng)態(tài)范圍視頻無斑點(diǎn)。
[0013] 進(jìn)一步的，所述在傳統(tǒng)的曝光融合方法的計(jì)算中添加了一個(gè)偏移值A(chǔ)t，能夠避免 在邊界值的曝光融合中產(chǎn)生的權(quán)重為零，具體如下：
[0014]淡>4,=獅1% (蛑+汾）
[0015] 其中，嘗辦美為權(quán)重，Mi表示三種不同像素的度量值，分別是對比（Contrast)、飽和 (3已1：1?^1：；[011)11和暴露(￥611-61卩086(111688)。把八1：加到每個(gè)度量值上，能夠避免權(quán)重變?yōu)?零，BM k代表了權(quán)重位圖，在非參考圖像上，運(yùn)動(dòng)區(qū)域上的值取為0,非運(yùn)動(dòng)區(qū)域上的值取為 10
[0016] 進(jìn)一步的，步驟3)所述曝光融合方法是通過圖像金字塔和多種度量把不同曝光的 圖像融合成為最后的結(jié)果。
[0017] 進(jìn)一步的，使用Canny邊緣算子來生成邊緣位圖，具體如下：
[0018] Axi, ^ ? (!)
[0019] ^ ⑵
[0020] 其中：公式(1)中，EF和EF分別表示了參考圖像的邊緣檢測結(jié)果和曝光率為e的圖 像的邊緣檢測結(jié)果；A xdP A ^是-1，〇或1，表示每個(gè)分辨率下不同方向的偏移量，由EF和 EF的最小誤匹像素?cái)?shù)決定;公式(2)中，排列的偏移量是由A &和A yi的和得到的。
[0021] 有益效果:在一些傳統(tǒng)的方法中，基于相同場景的不同曝光的幀的中值是不可區(qū) 分的，通過使用從相同曝光的幀中獲得的信息來排列圖像，可以對不同方向上錯(cuò)誤匹配的 像素進(jìn)行計(jì)數(shù)，選擇錯(cuò)誤最少的。然而這樣可能會(huì)在一些太亮或太暗的極端像素點(diǎn)上失效。 本發(fā)明中，則是利用了相同曝光的臨近的幀，這樣可以有效避免以上錯(cuò)誤。其次在幀差法的 應(yīng)用中，得到令人滿意的結(jié)果是比較困難的，第一個(gè)原因，是幀差通常是由每幀的運(yùn)動(dòng)域組 成的，區(qū)分運(yùn)動(dòng)是屬于哪一幀是比較困難的；第二個(gè)原因就是噪聲的影響。對于第一個(gè)問 題，解決方案是標(biāo)記可能的錯(cuò)誤檢測的區(qū)域，通常是過度曝光或曝光不足的區(qū)域，然后使用 圖像修復(fù)的技術(shù)解決阻塞的問題;對于第二個(gè)問題，一些形態(tài)學(xué)的方法可以移除噪聲影響。
【附圖說明】
[0022]圖1為整個(gè)方法的具體流程；
[0023] 圖2為隧道的不同曝光幀的中值圖；
[0024] 圖3左側(cè)圖為新娘圖像的不同曝光幀的中值圖，右側(cè)圖為新娘圖像在相同曝光幀 的邊緣檢測圖；
[0025]圖4為本發(fā)明中提供的方法(下圖）和傳統(tǒng)曝光融合方法(上圖）的詳細(xì)實(shí)驗(yàn)結(jié)果對 比；
[0026]圖5為不同曝光下的輸入圖像；
[0027]圖6通過文獻(xiàn)[3]提供的曝光融合方法生成的高動(dòng)態(tài)范圍圖像；
[0028]圖7通過文獻(xiàn)[1]的Debevec和文獻(xiàn)[2]提供的MTB方法生成的高動(dòng)態(tài)范圍圖像； [0029]圖8通過文獻(xiàn)[4]中提供的Pece方法生成的最終高動(dòng)態(tài)范圍圖像；
[0030] 圖9通過本發(fā)明建議的方法生成的最終高動(dòng)態(tài)范圍圖像。
【具體實(shí)施方式】
[0031] 本發(fā)明使用的主要技術(shù)有:Canny邊緣檢測算子，曝光融合，下面具體說明本發(fā)明 所使用的各項(xiàng)技術(shù)的實(shí)施方式。解決的問題是:提供一種基于邊緣檢測和幀差法的高動(dòng)態(tài) 范圍視頻去鬼影的方法(附圖1)，包括以下步驟：
[0032] 1)鬼影檢測：即運(yùn)動(dòng)區(qū)域的檢測；由于在相同曝光圖像中的物體的輪廓邊緣是相 似的，可以利用邊緣檢測的方法來把圖像映射為二元圖像。這個(gè)方法是從Greg Ward的MTB [2]方法中獲得啟發(fā)，他的方法是基于相同場景下不同曝光的中值是難以區(qū)分的（附圖2)。 但是他的方法在一些情況下會(huì)失敗，比如圖像中包含一些極端像素點(diǎn)，亮度要么太高要么 太低（附圖3左側(cè)）。使用Canny邊緣算子來生成邊緣位圖（附圖3右側(cè)），這樣不同分辨率下的 錯(cuò)誤像素被檢測出來。因?yàn)閹g的運(yùn)動(dòng)非常小，所以相鄰幀的運(yùn)動(dòng)可以通過上述方法檢 測出來。這樣可以使算法不受到圖片曝光的影響，得到較好的結(jié)果。
[0033] 2)鬼影移除：圖像配準(zhǔn)之后，鬼影的移除可以通過檢測物體運(yùn)動(dòng)來實(shí)現(xiàn)。首先需要 選擇一個(gè)曝光點(diǎn)作為參考，其他曝光的位置結(jié)合參考曝光點(diǎn)來檢測運(yùn)動(dòng)，通過檢測的結(jié)果， 對每一幀，可以產(chǎn)生一個(gè)二元權(quán)重位圖。對于參考的圖像，所有的區(qū)域都會(huì)與最后的結(jié)果相 關(guān)聯(lián)，而對于其他圖像，運(yùn)動(dòng)的區(qū)域?qū)?huì)被忽略。
[0034] 在本發(fā)明中，跳過了映射和直接比較同一曝光的圖像兩個(gè)階段，通過幀差發(fā)，可以 檢測到每一幀的運(yùn)動(dòng)區(qū)域。
[0035] 3)高動(dòng)態(tài)范圍生成:本階段使用了基于權(quán)重調(diào)整的曝光融合方法。曝光融合方法 是一種常見的高動(dòng)態(tài)范圍圖像生成方法，通過圖像金字塔和多種度量，曝光融合方法把不 同曝光的圖像融合成為最后的結(jié)果。然而在一些邊界位置，通過傳統(tǒng)曝光融合方法獲得的 權(quán)重可能會(huì)為〇,這種極端情況可能會(huì)使最后的高動(dòng)態(tài)范圍視頻在一些區(qū)域產(chǎn)生斑點(diǎn)。所以 在本發(fā)明的方法中，對傳統(tǒng)的曝光融合方法中的計(jì)算中添加了一個(gè)合適偏移值，可以避免 在一些邊界值的曝光融合中產(chǎn)生的權(quán)重為零。
[0036] 1 .Canny邊緣檢測算子
[0037] Canny邊緣檢測算子是John F.Canny于1986年開發(fā)出來的一個(gè)多級(jí)邊緣檢測算 法，算法流程如下：
[0038] 1)圖像平滑:任何邊緣檢測算法都不可能再未經(jīng)處理的原始數(shù)據(jù)上很好地工作， 所以第一步是對原始數(shù)據(jù)與高斯mask作卷積，得到的圖像與原始圖像相比有些輕微的模 糊。這樣，單獨(dú)的一個(gè)像素噪聲在經(jīng)過高斯平滑的圖像上變得幾乎沒有影響。
[0039] 2)尋找圖像中的強(qiáng)度梯度:Canny算法的基本思想是尋找一幅圖像中灰度強(qiáng)度變 化最強(qiáng)的位置，所謂變化最強(qiáng)，即指梯度方向，。平滑后的圖像中每個(gè)像素點(diǎn)的梯度可以由 Sobel算子來獲得。首先利用如下的核來分別求沿水平(x)和垂直(y)方向的梯度 [0040] K_{GX} = {-101；-202；-101} ,K_{GY} = {121；000；-1-2-l}
[0041 ]之后便可利用公式來求得每一個(gè)像素點(diǎn)的梯度度量值
[0043] 3)非極大抑制:這一步的目的是將模糊的邊界變得清晰。通俗的講，就是保留了每 個(gè)像素點(diǎn)上梯度強(qiáng)度的極大值，而刪掉其他的值，對于每個(gè)像素點(diǎn)，進(jìn)行如下操作 [0044] a)將其梯度方向近似為一下值中的一個(gè)(0,45,90，135，180,225,270,315)
[0045] b)比較像素點(diǎn)，和其梯度方向正負(fù)方向的像素點(diǎn)的梯度強(qiáng)度
[0046] c)如果該像素點(diǎn)梯度強(qiáng)度最大則保留，否則抑制(刪除，即置為0)
[0047] 4)雙閾值:經(jīng)過非極大抑制后圖像中仍然有很多噪聲點(diǎn)。Canny算法中應(yīng)用了一種 叫雙閾值的技術(shù)。即設(shè)定一個(gè)閾值上界和閾值下界，圖像中的像素點(diǎn)如果大于閾值上界則 認(rèn)為必然是邊界，小于閾值下界則必然不是邊界，兩者之間的則認(rèn)為是候選項(xiàng)，需進(jìn)行進(jìn)一 步的處理。
[0048] 5)利用滯后的邊界跟蹤：和強(qiáng)邊界相連的弱邊界認(rèn)為是邊界，其他的弱邊界則被 抑制
[0049] 在本發(fā)明中，由于在相同曝光圖像中物體的輪廓是相似的，可以利用Canny邊緣檢 測算法來生成邊緣位圖。幀間的運(yùn)動(dòng)很小，所以相鄰幀之間的運(yùn)動(dòng)可以通過產(chǎn)生的邊緣位 圖來進(jìn)行評估，同時(shí)該算法也不會(huì)受不同曝光率的影響。
[0050] Ay^ - (!)
[0051]丨碰碰(E產(chǎn)戶, SU 你） （2)
[0052]公式1中，EIe和EF分別表示了參考圖像的邊緣檢測結(jié)果和曝光率為e的圖像的邊 緣檢測結(jié)果，A xdP A yi可以是-1，〇或1，表示每個(gè)分辨率下不同方向的偏移量，它們是由 EIe和EF的最小誤匹像素?cái)?shù)決定的。公式2中，排列的偏移量是由A A yi的和得到的。
[0053] 2.曝光融合:在圖像處理過程中，曝光融合是一個(gè)把同一個(gè)場景的多重曝光融合 進(jìn)一幅圖像中的技術(shù)。使用圖像金字塔和各種度量方式，曝光融合可以把不同曝光的圖像 融合進(jìn)一幅圖像中，但是在一些情況下可能會(huì)失敗。在一些邊界位置，傳統(tǒng)的曝光融合的方 法得到的權(quán)重可能是零，而它周圍的點(diǎn)則是非零。本發(fā)明中，通過加入一個(gè)細(xì)小的偏移量， 得到的權(quán)重值的變化會(huì)更加平滑，噪聲也會(huì)更少。
[0054] WMSP ^ BMk *
[0055] |熱=^
[0056] 其中，Mi表示三種不同像素的度量值，分別是對比（Contrast)、飽和（Saturation) h和暴露(Well-exposedness)。把A t加到每個(gè)度量值上，能夠避免權(quán)重變?yōu)榱?，BMk代表了 權(quán)重位圖，在非參考圖像上，運(yùn)動(dòng)區(qū)域上的值取為〇，非運(yùn)動(dòng)區(qū)域上的值取為1。W祀s是上一 步算出來權(quán)重圖，4:?是要進(jìn)行融合的圖片的實(shí)際像素值。I uv是融合出來的圖片。在附圖4中 可以看到本發(fā)明建議的方法（圖4下圖）明顯要比傳統(tǒng)的方法（圖4上圖）能夠得到更好的結(jié) 果。
[0057]實(shí)驗(yàn)結(jié)果：
[0058]本發(fā)明中的算法是在一臺(tái)8G內(nèi)存、CPU速度為3GHz的電腦上，通過matlab實(shí)現(xiàn)的。 一些主觀和客觀的實(shí)驗(yàn)結(jié)果展示了來自高動(dòng)態(tài)范圍視頻中沒有鬼影、高度細(xì)節(jié)的經(jīng)曝光融 合生成的圖像序列。附圖5為實(shí)驗(yàn)輸入的不同曝光下的圖片，附圖6到附圖9展示了不同方法 獲得的結(jié)果與本發(fā)明提供的方法實(shí)現(xiàn)的結(jié)果對比。
[0059]在高動(dòng)態(tài)范圍視頻生成中的關(guān)鍵問題是鬼影的移除和圖像排列。NIQE值代表了隱 藏圖像質(zhì)量評價(jià)，數(shù)值越低越好。在本發(fā)明中，提出了一個(gè)新的合成高動(dòng)態(tài)范圍視屏的方 法，在與其他傳統(tǒng)方法的比較中，可以看出明顯的優(yōu)勢，在高動(dòng)態(tài)范圍視頻生成的方法中得 到了更低的NIQE值。
[0061] 文獻(xiàn)：
[0062] [ 1 ]Debevec，Paul E?，and Jitendra Malik. "從照片中恢復(fù)高動(dòng)態(tài)范圍福射圖" ACM計(jì)算機(jī)圖像圖像特別興趣小組2008級(jí).ACM，2008.
[0063] [2]Greg Ward，"從手持曝光上獲得的對高動(dòng)態(tài)范圍圖像合成的快速穩(wěn)健的圖像 配準(zhǔn)"圖像設(shè)備之旅.Vol. 8，no. 2，2003
[0064] [3]Mertens,Tom,Jan Kautz,and Frank Van Reeth. "曝光融合"計(jì)算機(jī)圖形和應(yīng) 用，2007 ? PG ' 07 ? 15th 太平洋會(huì)議 IEEE, 2007 ?
[0065] [4]Pece,Fabrizio,and Jan Kautz. "位圖運(yùn)動(dòng)檢測：對動(dòng)態(tài)場景的高動(dòng)態(tài)范圍" 視覺媒體產(chǎn)品，2010會(huì)議IEEE，2010。
【主權(quán)項(xiàng)】
1. 基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻區(qū)去鬼影的方法，其特征在于:具體包括 以下步驟： 1) 鬼影檢測：即利用圖像配準(zhǔn)檢測相鄰幀運(yùn)動(dòng)區(qū)域；由于在具有相同曝光率圖像中的 物體的輪廓邊緣是相似的，利用邊緣檢測的方法把圖像映射為二元圖像，并使用Canny邊緣 算子來生成邊緣位圖，使得不同分辨率下的錯(cuò)誤像素被檢測出來，得到圖像配準(zhǔn)后的相鄰 幀運(yùn)動(dòng)區(qū)域； 2) 鬼影移除：采用基于運(yùn)動(dòng)區(qū)域檢測的幀差法;具體如下：圖像配準(zhǔn)之后，鬼影的移除 能夠通過檢測物體運(yùn)動(dòng)來實(shí)現(xiàn);首先選擇一個(gè)曝光點(diǎn)作為參考，其他曝光的位置結(jié)合參考 曝光點(diǎn)來檢測運(yùn)動(dòng)，通過檢測的結(jié)果，對每一幀，能夠產(chǎn)生一個(gè)二元權(quán)重位圖；對于參考曝 光點(diǎn)的圖像，所有的區(qū)域都會(huì)與最后的結(jié)果相關(guān)聯(lián)，而對于其他圖像，運(yùn)動(dòng)的區(qū)域?qū)?huì)被忽 略； 3) 高動(dòng)態(tài)范圍生成：采用基于權(quán)重調(diào)整的曝光融合方法；即在傳統(tǒng)的曝光融合方法的 計(jì)算中添加了一個(gè)偏移值A(chǔ)t，能夠避免在邊界值的曝光融合中產(chǎn)生的權(quán)重為零;使得最后 得到的高動(dòng)態(tài)范圍視頻無斑點(diǎn)。2. 根據(jù)權(quán)利要求1所述的基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻區(qū)去鬼影的方法， 其特征在于:所述在傳統(tǒng)的曝光融合方法的計(jì)算中添加了一個(gè)偏移值A(chǔ)t，能夠避免在邊界 值的曝光融合中產(chǎn)生的權(quán)重為零，具體如下：其中，W射4=為權(quán)重，Mi表示三種不同像素的度量值，分別是對比、飽和和暴露;把A t加 到每個(gè)度量值上，能夠避免權(quán)重變?yōu)榱悖珺Mk代表了權(quán)重位圖，在非參考圖像上，運(yùn)動(dòng)區(qū)域上 的值取為〇，非運(yùn)動(dòng)區(qū)域上的值取為1。3. 根據(jù)權(quán)利要求1或2所述的基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻區(qū)去鬼影的方 法，其特征在于:步驟3)所述曝光融合方法是通過圖像金字塔和多種度量把不同曝光的圖 像融合成為最后的結(jié)果。4. 根據(jù)權(quán)利要求1所述的基于邊緣檢測和幀差法的高動(dòng)態(tài)范圍視頻區(qū)去鬼影的方法， 其特征在于:使用Canny邊緣算子來生成邊緣位圖，具體如下：其中：公式（1)中，ΕΓ和EF分別表示了參考圖像的邊緣檢測結(jié)果和曝光率為e的圖像的 邊緣檢測結(jié)果；A Xi和△ yi是-1，〇或1，表示每個(gè)分辨率下不同方向的偏移量，由EP和EF的 最小誤匹像素?cái)?shù)決定;公式(2)中，排列的偏移量是由AxdP Ay1的和得到的。
【文檔編號(hào)】G06T7/00GK105931213SQ201610374771
【公開日】2016年9月7日
【申請日】2016年5月31日
【發(fā)明人】劉欽, 王豪, 宋強(qiáng), 王子杰, 蘇子權(quán)
【申請人】南京大學(xué)