用于在数字图像处理设备中拼接图像的方法

摘要

一种用于在数字图像处理设备中拼接图像的方法。一种在数字图像处理设备中拼接图像以至少将第一图像与第二图像进行组合的方法，所述方法包括：获得第一图像和第二图像中第二图像与第一图像重叠的匹配区域；改变第二图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域的灰度级中的至少一个的步骤中的改变率。

说明书

本申请要求于2011年6月15日提交到韩国知识产权局的第 10-2011-0057978号韩国专利申请的优先权，该申请的全部公开通过引用包含 于此。

技术领域

示例性实施例涉及一种用于在数字图像处理设备中产生全景 (panoramic)图像的方法，更具体地讲，涉及一种用于在数字图像处理设备 (诸如监控摄像机、数字相机、电话相机和相机图像接收设备)中拼接图像 的方法。

背景技术

诸如监控摄像机、数字相机、电话相机和相机图像接收设备的数字图像 处理设备可通过至少将第一图像与第二图像进行组合来产生全景图像。在用 于拼接图像以至少将第一图像与第二图像进行组合的方法中，在第一区域和 第二区域之间第二区域与第一区域重叠的匹配区域中，处理灰度级 (gradation)是重要的。因此，如果第二图像的灰度级在没有改变的情况下 被用于匹配区域，则第二图像到第一图像的边界线的附近显得明显。

因此，传统的用于在数字图像处理设备中拼接图像的方法包括以下两个 操作。

首先，获得第一图像和第二图像之间第二图像与第一图像重叠的匹配区 域。

其次，根据第一图像的匹配区域的对应像素的灰度级来改变第二图像的 匹配区域的每个像素的灰度级。这样做，第二图像的与第二图像相对于第一 图像的边界线接近的像素的灰度级被改变为与第一图像的对应像素的灰度级 相似。

因此，第二图像到第一图像的边界线的附近不会显得明显。

此外，当第一图像和第二图像之间的灰度级的差较大时，在第二图像到 第一图像的边界线周围可能产生涂抹现象(smear-looking phenomenon)。

发明内容

一个或多个示例性实施例提供了一种在数字图像处理设备中拼接图像的 方法，所述方法可防止当第一图像和第二图像之间的灰度级的差较大时在第 二图像到第一图像的边界线的附近产生涂抹现象。

根据示例性实施例的一方面，提供了一种在数字图像处理设备中拼接图 像以至少将第一图像与第二图像进行组合的方法，所述方法包括：(a)获得 第一图像和第二图像中第二图像与第一图像重叠的匹配区域；(b)改变第二 图像的整个区域的灰度级，以使第一图像的匹配区域的代表性灰度级与第二 图像的匹配区域的代表性灰度级相同，其中，根据改变第二图像的整个区域 的灰度级之前的第二图像的灰度级的水平来设置在改变第二图像的整个区域 的灰度级中的至少一个的步骤中的改变率；(c)根据第一图像的匹配区域的 对应像素的灰度级来改变第二图像的匹配区域的每个像素的灰度级，将第二 图像的与第二图像相对于第一图像的边界线接近的像素的灰度级改变为与第 一图像的对应像素的灰度级相似。

操作(b)可包括：(b1)改变第二图像的整个区域的红色(R)灰度级， 以使第一图像的匹配区域中的代表性红色(R)灰度级与第二图像的匹配区域 中的代表性红色(R)灰度级相同，其中，根据改变第二图像的整个区域的灰 度级之前的第二图像的红色(R)灰度级的水平来设置在改变第二图像的整个 区域的红色(R)灰度级中的每一个的步骤中的改变率；(b2)改变第二图像 的整个区域中的绿色(G)灰度级，以使第一图像的匹配区域的代表性绿色 (G)灰度级与第二图像的匹配区域的代表性绿色(G)灰度级相同，其中， 根据改变第二图像的整个区域的灰度级之前的第二图像的绿色(G)灰度级 的水平来设置在改变第二图像的整个区域中的绿色(G)灰度级中的每一个 的步骤中的改变率；(b3)改变第二图像的整个区域中的蓝色(B)灰度级， 以使第一图像的匹配区域的代表性蓝色(B)灰度级与第二图像的匹配区域的 代表性蓝色(B)灰度级相同，其中，根据改变第二图像的整个区域的灰度级 之前的第二图像的蓝色(B)灰度级的水平来设置在改变第二图像的整个区域 中的蓝色(B)灰度级中的每一个的步骤中的改变率。

在操作(b1)中，设置第一图像的匹配区域中的代表性红色(R)灰度 级与第二图像的匹配区域的代表性红色(R)灰度级的步骤可包括：(b1-1a) 获得第一图像的匹配区域的所有红色(R)灰度级中的每一个的百分位； (b1-1b)获得第二图像的匹配区域的所有红色(R)灰度级中的每一个的百 分位；(b1-1c)将与第一图像的匹配区域的所有红色(R)灰度级的设置百分 位对应的红色(R)灰度级设置为第一图像的匹配区域的代表性红色(R)灰 度级；(b1-1d)将与第二图像的匹配区域的所有红色(R)灰度级的设置百分 位对应的红色(R)灰度级设置为第二图像的匹配区域的代表性红色(R)灰 度级。

操作(b1)可包括：(b1-2a)将第二图像的整个区域的红色(R)灰度级 归一化至0至1的范围内；(b1-2b)假设第一图像的匹配区域的归一化的代 表性红色(R)灰度级是Rd_(i-1)，第二图像的匹配区域的归一化的代表性红色 (R)灰度级是Rd_i，根据等式获得红色(R)伽马值γ(R)。(b1-2c) 通过使用获得的红色(R)伽马值γ(R)作为乘数对第二图像的整个区域的归一 化的红色(R)灰度级中的每一个求平方；(b1-2d)将γ(R)平方的结果值扩大 至属于原始灰度级范围；(b1-2e)将扩大的结果值设置为第二图像的整个区 域的红色(R)灰度级。

在操作(b2)中，设置第一图像的匹配区域中的代表性绿色(G)灰度 级与第二图像的匹配区域的代表性绿色(G)灰度级的步骤可包括：(b2-1a) 获得第一图像的匹配区域的所有绿色(G)灰度级中的每一个的百分位； (b2-1b)获得第二图像的匹配区域的所有绿色(G)灰度级中的每一个的百 分位；(b2-1c)将与第一图像的匹配区域的所有绿色(G)灰度级的设置百分 位对应的绿色(G)灰度级设置为第一图像的匹配区域的代表性绿色(G)灰 度级；(b2-1d)将与第二图像的匹配区域的所有绿色(G)灰度级的设置百分 位对应的绿色(G)灰度级设置为第二图像的匹配区域的代表性绿色(G)灰 度级。

操作(b2)可包括：(b2-2a)将第二图像的整个区域的绿色(G)灰度级 归一化至0至1的范围内；(b2-2b)假设第一图像的匹配区域的归一化的代 表性绿色(G)灰度级是Gd_(i-1)，第二图像的匹配区域的归一化的代表性绿色 (G)灰度级是Gd_i，根据等式获得绿色(G)伽马值γ(G)；(b2-2c) 通过使用获得的绿色(G)伽马值γ(G)作为乘数对第二图像的整个区域的归一 化的绿色(G)灰度级中的每一个求平方；(b2-2d)将γ(G)平方的结果值扩大 至属于原始灰度级范围；(b2-2e)将扩大的结果值设置为第二图像的整个区 域的绿色(G)灰度级。

在操作(b3)中，设置第一图像的匹配区域中的代表性蓝色(B)灰度 级与第二图像的匹配区域的代表性蓝色(B)灰度级的步骤可包括：(b3-1a) 获得第一图像的匹配区域的所有蓝色(B)灰度级中的每一个的百分位； (b3-1b)获得第二图像的匹配区域的所有蓝色(B)灰度级中的每一个的百 分位；(b3-1c)将与第一图像的匹配区域的所有蓝色(B)灰度级的设置百分 位对应的蓝色(B)灰度级设置为第一图像的匹配区域的代表性蓝色(B)灰 度级；(b3-1d)将与第二图像的匹配区域的所有蓝色(B)灰度级的设置百分 位对应的蓝色(B)灰度级设置为第二图像的匹配区域的代表性蓝色(B)灰 度级。

操作(b3)可包括：(b3-2a)将第二图像的整个区域的蓝色(B)灰度级 归一化至0至1的范围内；(b3-2b)假设第一图像的匹配区域的归一化的代 表性蓝色(B)灰度级是Bd_(i-1)，第二图像的匹配区域的归一化的代表性蓝色 (B)灰度级是Bd_i，根据等式获得蓝色(B)伽马值γ(B)；(b3-2c) 通过使用获得的蓝色(B)伽马值γ(B)作为乘数对第二图像的整个区域的归一 化的蓝色(B)灰度级中的每一个求平方；(b3-2d)将γ(B)平方的结果值扩大 至属于原始灰度级范围；(b3-2e)将扩大的结果值设置为第二图像的整个区 域的蓝色(B)灰度级。

根据示例性实施例的另一方面，提供了一种在数字图像处理设备中拼接 图像以组合多个图像的方法，所述方法包括：(a)获得多个图像中的每个图 像的平均灰度级；(b)将所述多个图像中在平均灰度级上具有与其他图像最 大差的一个图像设置为参考图像，并将包括参考图像的所述多个图像中的所 述其他图像中的每一个设置为对象图像；(c)针对设置的对象图像中的每一 个执行以下操作(c1)至(c3)。

在操作(c1)，可获得参考图像相对于邻近图像的匹配图像并可获得对象 图像相对于所述邻近图像的匹配区域。

在操作(c2)，对象图像的整个区域的灰度级可被改变，以使参考图像的 匹配区域的代表性灰度级与对象图像的匹配区域的代表性灰度级相同，其中， 将在改变对象图像的整个区域的灰度级中的至少一个的步骤中的改变率设置 为对象图像的灰度级被改变之前的对象图像的灰度级的水平。

在操作(c3)，根据邻近图像的匹配区域的对应像素的灰度级来改变对象 图像的匹配区域的每个像素的灰度级，并将对象图像的与对象图像相对于所 述邻近图像的边界线接近的像素的灰度级改变为与所述邻近图像的对应像素 的灰度级相似。

根据示例性实施例的另一方面，提供了一种在数字图像处理设备中拼接 图像以组合多个图像的方法，所述方法包括：(a)将多个图像中由用户选择 的一个图像设置为参考图像；(b)将包括参考图像的所述多个图像中的其他 图像中的每一个设置为对象图像；(c)针对设置的对象图像中的每一个执行 以上操作(c1)至(c3)。

附图说明

通过参照附图详细描述示例性实施例，上述和/或其他方面将会变得更加 清楚，其中：

图1示出根据示例性实施例的将被组合的第一图像和第二图像；

图2示出图1的第一图像和第二图像中的每一个的匹配区域；

图3示出通过将图2的第二图像与图2的第一图像进行组合获得的全景 图像；

图4是用于解释根据示例性实施例的用于拼接图像的方法的流程图；

图5是用于解释图4的操作(b)的曲线图；

图6是示出在图4的操作(c)中用于改变第二图像的匹配区域的像素的 灰度级的率(rate)的α值分配表；

图7是用于解释图4的操作(b)的流程图；

图8是用于解释图7的操作(b1)的流程图；

图9是用于解释图7的操作(b2)的流程图；

图10是用于解释图7的操作(b3)的曲线图；

图11是用于解释在图7的操作(b1)中设置第一图像的匹配区域的代表 性红色(R)灰度级和第二图像的匹配区域的代表性红色(R)灰度级的流程 图；

图12示出图11中描述的灰度级与百分位(percentile)之间的关系；

图13是用于详细解释在完成图11的设置之后，图7的操作(b1)的流 程图；

图14是用于解释在图7的操作(b2)中设置第一图像的匹配区域的代表 性绿色(G)灰度级和第二图像的匹配区域的代表性绿色(G)灰度级的流程 图；

图15是用于详细解释在完成图14的设置之后，图7的操作(b2)的流 程图；

图16是用于解释在图7的操作(b3)中设置第一图像的匹配区域的代表 性蓝色(B)灰度级和第二图像的匹配区域的代表性蓝色(B)灰度级的流程 图；

图17是用于详细解释在完成图16的设置之后，图7的操作(b3)的流 程图；

图18是用于解释根据另一示例性实施例的用于拼接图像的方法的流程 图；

图19是用于详细解释图18的操作(f)的流程图；

图20是用于详细解释在图19的操作(f1)中如何设置参考图像的灰度 级改变之前的代表性红色(R)灰度级和灰度级改变之后的代表性红色(R) 灰度级的流程图；

图21是用于详细解释在完成图20的设置之后，图19的操作(f1)的流 程图；

图22是用于详细解释在图19的操作(f2)中如何设置参考图像的灰度 级改变之前的代表性绿色(G)灰度级和灰度级改变之后的代表性绿色(G) 灰度级的流程图；

图23是用于详细解释在完成图22的设置之后，图19的操作(f2)的流 程图；

图24是用于详细解释在图19的操作(f3)中如何设置参考图像的灰度 级改变之前的代表性蓝色(B)灰度级和灰度级改变之后的代表性蓝色(B) 灰度级的流程图；

图25是用于详细解释在完成图24的设置之后，图19的操作(f3)的流 程图；

图26是用于解释根据另一示例性实施例的用于拼接图像的方法的流程 图。

具体实施方式

参考用于示出示例性实施例的附图以获得对本发明构思、本发明构思的 优点以及通过实施本发明构思而实现的目标的充分理解。在下文中，将参照 附图详细描述示例性实施例。附图中的相同标号表示相同的元件。

如在此所使用的，术语“和/或”包括相关列出项中的一个或多个的任意 组合或所有组合。当诸如“…中的至少一个”的表述在一列元素之后时，该 表述修饰整列元素，而不修饰该列的各个元素。

图1示出根据示例性实施例的将被组合的第一图像11和第二图像12。 参照图1，在数字图像处理设备(诸如监控摄像机、数字相机、电话相机和 相机图像接收设备)中根据基于示例性实施例的图像拼接方法来组合第一图 像11和第二图像12。第一图像11和第二图像12中的每一个包括沿垂直方向 的m个像素和沿水平方向的n个像素。

图2示出图1的第一图像11的匹配区域11d和第二图像12的匹配区域 12d。参照图2，第一图像11被划分为主区域11a和匹配区域11d。同样，第 二区域12被划分为主区域12a和匹配区域12d。匹配区域11d和12d中的每 一个表示第二图像12与第一图像11重叠的区域。

图3示出通过将图2的第二图像12与图2的第一图像11进行组合获得 的全景图像。参照图2和图3，当第二图像12的匹配区域12d与第一图像11 的匹配区域11d重叠时，根据示例性实施例来改变第二图像12的灰度级。因 此，根据示例性实施例产生的全景图像31被划分为第一图像11的主区域11a、 与第一图像11和第二图像12的重叠区域对应的灰度级改变的匹配区域312、 以及第二图像12的灰度级改变的主区域313。

图4是用于解释根据示例性实施例的用于拼接图像的方法的流程图。图 5是用于解释图4的操作(b)的曲线图。换句话说，图5是示出第一图像11 的匹配区域11d和第二图像12的匹配区域12d的每个灰度级的百分位的曲 线。在本实施例中，尽管灰度级范围从0到255，但灰度级被归一化为0至1 并随后被恢复，从而防止计算结果溢出所述范围。在图5中，“51”表示图2 的第一图像11的匹配区域11d的灰度级百分位，“52old”表示图2的第二图 像12的匹配区域12d的原始灰度级百分位，“52new”表示第二图像12的匹 配区域12d的被改变的灰度级百分位，“Pset”表示设置百分位，“Sd_(i-1)”表 示第一图像11的匹配区域11d的代表性灰度级，“Sd_i”表示第二图像12的匹 配区域12d的代表性灰度级。在如本实施例的图像处理方法中，可通过使用 百分位而不是使用百分数来更快地获得合适的代表性值。

图6是示出在图4的操作(c)中用于改变第二图像12的匹配区域12d 的像素的灰度级的率(rate)的α值分配表。在图1至图3、图5和图6中， 相同的标号表示具有相同功能的元素。现在将参照图2至图6描述图4的图 像拼接方法。

根据本实施例的图像拼接方法包括操作(a)至(c)。在操作(a)中， 获得第一图像11和第二图像12中第二图像12与第一图像11重叠的匹配区 域11d和12d。获得用于图像拼接的匹配区域11d和12d的方法已是公知的。 例如，可通过使用共同的特征来获得匹配区域11d和12d，或者提前精确设 置的区域可被获得作为匹配区域11d1和12d。因此，在此将省略其详细描述。

在操作(b)，第二图像12的匹配区域12d和主区域12a的灰度级被改变， 以使在图5中第一图像11的匹配区域11d的代表性灰度级Sd_(i-1)与第二图像 12的匹配区域12d的代表性灰度级Sd_i相同。这样做，根据在第二图像12的 灰度级被改变之前第二图像12的灰度级的水平来设置第二图像12的匹配区 域12d和主区域12a的灰度级中的至少一个或每一个的改变的改变率。

在操作(b)，仅第二图像12的匹配区域12d的改变的灰度级百分位的曲 线52new在图5中被示出，而第二图像12的主区域12a的改变的灰度级百分 位的曲线在图5中被省略。换句话说，第二图像12的整个匹配区域12d和主 区域12a的灰度级被改变，以使第一图像11的匹配区域11d的代表性灰度级 Sd_(i-1)与第二图像12的匹配区域12d的代表性灰度级Sd_i相同。当然，当仅 第二图像12的匹配区域12d的灰度级被改变时，第二图像12的匹配区域12d 和第二图像12的主区域12a可以以不同的亮度被看到。

因此，由于第二图像12的匹配区域12d和主区域12a的灰度级被改变， 因此可防止当第一图像11和第二图像12之间的灰度级的差较大时在第二图 像12到第一图像11的图3的边界线31b的附近产生涂抹现象。

根据第二图像12的灰度级被改变之前的第二图像的灰度级的水平来设 置在改变第二图像12的匹配区域12d和主区域12a的灰度级中的每一个灰度 级的步骤中的改变率。换句话说，在第二图像12的低灰度级被改变为与第一 图像11的低灰度级相似的同时，第二图像12的高灰度级被改变为与第一图 像11的高灰度级略微接近或较少相似。

因此，由于通过使用对低灰度级中的差别敏感的视觉特征，仅第二图像 12的低灰度级被改变为与第一图像11的低灰度级相似，因此可防止产生涂 抹现象并且可减少第二图像12的灰度级的改变。

在操作(c)，根据第一图像11的匹配区域11d的对应像素的灰度级来改 变第二图像12的匹配区域12d的每个像素的灰度级。这样做，第二图像12 的与第二图像12相对于第一图像的图3的边界线31b接近的像素的灰度级被 改变为与第一图像11的对应像素的灰度级相似。

图6的被应用于本实施例的操作(c)的α值在以下等式1中被置换。

R_i3(x，y)＝α·R_i2(x，y)+(1-α)·R_(i-1)(f(x，y))    [等式1]

在等式1中，“R_i3(x，y)”表示在改变之后第二图像12的匹配区域12d的 第(x，y)像素的灰度级。“R_i2(x，y)”表示在改变之前第二图像12的匹配区 域12d的第(x，y)像素的灰度级，即，根据操作(b)的结果的灰度级。 “R_(i-1)(f(x，y))”表示第一图像11的匹配区域11d的对应像素的灰度级。 “f(x，y)”表示第一图像11的匹配区域11d的像素的坐标被转换为与第二图 像12的匹配区域12d的像素的坐标对应。

因此，当图6的α值在等式1中被置换时，第二图像12的最接近图6 的边界线31b的行中的像素的灰度级被改变为与第一图像11的对应像素的灰 度级相同。第二图像12的下一个最接近图6的边界线31b的行中的像素的灰 度级中的每一个被改变为通过将改变之前的灰度级中的每一个的一半与第一 图像11的匹配区域11d的对应像素的灰度级的一半相加而获得的值。第二图 像12的匹配区域12d的其他像素的灰度级与改变之前的灰度级相同。

结果，根据操作(c)的结果，第二图像12到第一图像11的边界线31b 的附近不会显得明显。图6的α值仅是示例。例如，α值“0”、“0.25”、“0.75” 和“1”可如图6中被应用。

由于操作(c)的方法已知，因此在此将省略其进一步的描述。在本实施 例中，由于操作(b)被插入到本方法，可获得上述附加效果。因此，现在将 详细描述操作(b)。

图7是用于详细解释图4的操作(b)的流程图。图8是用于解释图7 的操作(b1)的流程图。换句话说，图8是示出第一图像11的匹配区域11d 和第二图像12的匹配区域12d中的每一个的红色(R)灰度级的百分位的曲 线。在本实施例中，尽管灰度级范围从0到255，但灰度级被归一化为0至1 并随后被恢复，从而防止计算结果溢出所述范围。

在图8中，“81”表示图2的第一图像11的匹配区域11d的红色(R) 灰度级百分位，“82old”表示图2的第二图像12的匹配区域12d的原始红色 (R)灰度级百分位，“82new”表示第二图像12的匹配区域12d的被改变的 红色(R)灰度级百分位，“Pset(R)”表示设置百分位，“Rd_(i-1)”表示第一 图像11的匹配区域11d的代表性红色(R)灰度级，“Rd_i”表示第二图像12 的匹配区域12d的代表性红色(R)灰度级。

图9是用于解释图7的操作(b2)的流程图。换句话说，图9是示出第 一图像11的匹配区域11d和第二图像12的匹配区域12d中的每一个的绿色 (G)灰度级的百分位的曲线。在图9中，“91”表示图2的第一图像11的匹 配区域11d的绿色(G)灰度级百分位，“92old”表示图2的第二图像12的 匹配区域12d的原始绿色(G)灰度级百分位，“92new”表示第二图像12的 匹配区域12d的被改变的绿色(G)灰度级百分位，“Pset(G)”表示设置百 分位，“Gd_(i-1)”表示第一图像11的匹配区域11d的代表性绿色(G)灰度级， “Gdi”表示第二图像12的匹配区域12d的代表性绿色(G)灰度级。

图10是用于解释图7的操作(b3)的曲线图。换句话说，图10是示出 第一图像11的匹配区域11d和第二图像12的匹配区域12d中的每一个的蓝 色(B)灰度级的百分位的曲线。在图10中，“101”表示图2的第一图像11 的匹配区域11d的蓝色(B)灰度级百分位，“102old”表示图2的第二图像 12的匹配区域12d的原始蓝色(B)灰度级百分位，“102new”表示第二图像 12的匹配区域12d的被改变的蓝色(B)灰度级百分位，“Pset(B)”表示设 置百分位，“Bd_(i-1)”表示第一图像11的匹配区域11d的代表性蓝色(B)灰 度级，“Bd_i”表示第二图像12的匹配区域12d的代表性蓝色(B)灰度级。

参照图7至图10，图4的操作(b)包括操作(b1)、(b2)和(b3)。在 操作(b1)，第二图像12的整个匹配区域12d和主区域12a的红色(R)灰度 级被改变，以使图8的第一图像11的匹配区域11d的代表性红色(R)灰度 级Rd_(i-1)与第二图像12的匹配区域12d的代表性红色(R)灰度级Rd_i相同。 这样做，在改变第二图像12的整个匹配区域12d和主区域12a的红色(R) 灰度级中的每一个的步骤中的改变率根据第二图像12的灰度级被改变之前 的红色(R)灰度级的水平而被设置。

在操作(b1)，仅第二图像12的匹配区域12d的被改变的红色(R)灰 度级百分位的曲线82new在图8中被示出，而第二图像12的主区域12a的被 改变的红色(R)灰度级百分位的曲线在图8中被省略。换句话说，第二图像 12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11的匹 配区域11d的代表性灰度级Rd_(i-1)与第二图像12的匹配区域12d的代表性灰 度级Rd_i相同。

在操作(b2)，第二图像12的整个匹配区域12d和主区域12a的绿色(G) 灰度级被改变，以使图9的第一图像11的匹配区域11d的代表性绿色(G) 灰度级Gd_(i-1)与图9的第二图像12的匹配区域12d的代表性绿色(G)灰度 级Gd_i相同。这样做，在改变第二图像12的整个匹配区域12d和主区域12a 的绿色(G)灰度级中的每一个的步骤中的改变率根据第二图像12的灰度级 被改变之前的绿色(G)灰度级的水平而被设置。

在操作(b2)，仅第二图像12的匹配区域12d的被改变的绿色(G)灰 度级百分位的曲线92new在图9中被示出，而第二图像12的主区域12a的被 改变的绿色(G)灰度级百分位的曲线在图9中被省略。换句话说，第二图 像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像11 的匹配区域11d的代表性灰度级Gd_(i-1)与第二图像12的匹配区域12d的代表 性灰度级Gd_i相同。

在图7中描述的操作(b3)，第二图像12的整个匹配区域12d和主区域 12a的蓝色(B)灰度级被改变，以使图10的第一图像11的匹配区域11d的 代表性蓝色(B)灰度级Bd_(i-1)与图10的第二图像12的匹配区域12d的代 表性蓝色(B)灰度级Bd_i相同。这样做，在改变第二图像12的整个匹配区 域12d和主区域12a的蓝色(B)灰度级中的每一个的步骤中的改变率根据第 二图像12的灰度级被改变之前的蓝色(B)灰度级的水平而被设置。

在操作(b3)，仅第二图像12的匹配区域12d的被改变的蓝色(B)灰 度级百分位的曲线102new在图10中被示出，而第二图像12的主区域12a 的被改变的蓝色(B)灰度级百分位的曲线在图10中被省略。换句话说，第 二图像12的整个匹配区域12d和主区域12a的灰度级被改变，以使第一图像 11的匹配区域11d的代表性灰度级Bd_(i-1)与第二图像12的匹配区域12d的 代表性灰度级Bd_i相同。

因此，由于如以上参照图7至图10所述来改变第二图像12的整个匹配 区域12d和主区域12a的红色(R)、绿色(G)和蓝色(B)灰度级，因此可 防止当第一图像11和第二图像12之间的灰度级的差较大时在第二图像12到 第一图像11的图3的边界线31b的附近产生涂抹现象。

因此，由于通过使用对低灰度级中的差别敏感的视觉特征，仅第二图像 12的低灰度级被改变为与第一图像11的低灰度级相似，因此可防止涂抹现 象的产生并且可减少第二图像12的灰度级的改变。

图11是用于详细解释在图7的操作(b1)中，如何设置图8的第一图像 11的匹配区域11d的代表性红色(R)灰度级Rd_(i-1)和第二图像12的匹配区 域12d的代表性红色(R)灰度级Rd_i的流程图。

图12示出如图11中描述的图像的灰度级与百分位(percentile)之间的 关系。在图12中，参照标号121表示例如第一图像11的匹配区域11d或第 二图像12的匹配区域12d的多个灰度级。参照图2、图8、图11和图12， 现在将描述在图7的操作(b1)中，如何设置第一图像11的匹配区域11d的 代表性红色(R)灰度级Rd_(i-1)和第二图像12的匹配区域12d的代表性红色 (R)灰度级Rd_i的说明。

在操作(b1-1a)，获得第一图像11的匹配区域11d的所有红色(R)灰 度级(例如，121)中的每一个的百分位。

在操作(b1-1b)，获得第二图像12的匹配区域12d的所有红色(R)灰 度级(例如，121)中的每一个的百分位。

在操作(b1-1c)，在第一图像11的匹配区域11d的所有红色(R)灰度 级(例如，121)之中，与设置百分位对应的红色(R)灰度级被设置为第一 图像11的匹配区域11d的代表性红色(R)灰度级Rd_(i-1)。

在操作(b1-1d)，在第二图像12的匹配区域12d的所有红色(R)灰度 级(例如，121)之中，与设置百分位对应的红色(R)灰度级被设置为第二 图像12的匹配区域12d的代表性红色(R)灰度级Rd_i。

如上所述，在根据示例性实施例的图像处理方法中，可通过使用百分位 而不是使用百分数来更快地获得合适的代表性值。

通常，“50”可被视为合适的设置百分位。然而，低于“50”的百分位可 以是合适的。这是因为考虑到对低灰度级中的差别敏感的视觉特征，低于“50” 的百分位的灰度级可以是代表性灰度级。例如，设置百分位可以是“20”。当 然，可通过实验最终确定设置百分位。例如，在图12中，当设置百分位为“20”、 “30”、“40”和“50”时，代表性灰度级分别是“50”、“90”、“115”和“127”。

图13是用于详细解释在完成图11的设置之后，图7的操作(b1)的流 程图。现在将参照图2、图8和图13描述在完成图11的设置之后在图7的 操作(b1)中执行的剩余操作。

在操作(b1-2a)，第二图像12的整个匹配区域12d和主区域12a的红色 (R)灰度级被归一化为在“0”至“1”的范围内。如上所述，在本实施例中， 尽管灰度级范围从0至255，但灰度级被归一化为0至1并随后被恢复，从 而防止计算结果落在所述范围之外。

第一图像11的匹配区域11d的代表性红色(R)灰度级和第二图像12 的匹配区域12d的代表性红色(R)灰度级被毫无疑问地归一化。此外，在第 一图像11的匹配区域11d的红色(R)灰度级和第二图像12的整个匹配区域 12d和主区域12a的红色(R)灰度级首先被归一化之后，可获得第一图像11 的匹配区域11d的代表性红色(R)灰度级和第二图像12的匹配区域12d的 代表性红色(R)灰度级。

在操作(b1-2b)，假设第一图像11的匹配区域11d的归一化的代表性红 色(R)灰度级是Rd_(i-1)，第二图像12的匹配区域12d的归一化的代表性红 色(R)灰度级是Rd_i，根据等式获得红色(R)伽马(gamma) 值“γ(R)”。

详细地讲，当共同的对数被应用于上述等式的两侧时，等式2被建立。

log(Rd_(i-1))＝γ(R)·log(Rd_i)    [等式2]

因此，可通过等式3获得红色(R)伽马值“γ(R)”。

$\gamma \left(R\right)=\frac{\log \left({\mathrm{Rd}}_{(i-1)}\right)}{\log \left({\mathrm{Rd}}_i\right)}$[等式3]

接下来，在操作(b1-2c)，通过使用获得的红色(R)伽马值“γ(R)”作 为乘数(multiplier)对第二图像12的整个匹配区域12d和主区域12a的归一 化的红色(R)灰度级中的每一个求平方。

因此，如以上参照图8所述，第二图像12的整个匹配区域12d和主区域 12a的红色(R)灰度级被改变，以使第一图像11的匹配区域11d的代表性 红色(R)灰度级Rd_(i-1)与第二图像12的匹配区域12d的代表性红色(R) 灰度级Rd_i相同。

由于针对第一图像11的匹配区域11d的代表性红色(R)灰度级Rd_(i-1) 和第二图像12的匹配区域12d的代表性红色(R)灰度级Rd_i的设置百分位 均小于“50”，因此，可根据第二图像12的灰度级被改变之前的红色(R)灰 度级的水平来设置在改变第二图像12的整个匹配区域12d和主区域12a的红 色(R)灰度级中的每一个的步骤中的改变率。

根据实验，发现当红色(R)伽马值“γ(R)”小于“0.4”时出现亮度饱 和。因此红色(R)伽马值“γ(R)”应该大于或等于“0.4”。

接下来，在操作(b1-2d)，“γ(R)”平方的结果值被扩大至属于原始灰度 级范围。在操作(b1-2e)，扩大的结果值被设置为第二图像12的整个匹配区 域12d和主区域12a的红色(R)灰度级。

图14是用于详细解释在图7的操作(b2)中，如何设置第一图像11的 匹配区域11d的代表性绿色(G)灰度级和第二图像12的匹配区域12d的代 表性绿色(G)灰度级的流程图。图14的流程图实质与图11的流程图相同。 然而，为了更好地理解这两个图之间的差别，现在将参照图2、图9、图12 和图14描述图14的流程图。

在操作(b2-1a)，获得第一图像11的匹配区域11d的所有绿色(G)灰 度级(例如，121)中的每一个百分位。

在操作(b2-1b)，获得第二图像12的匹配区域12d的所有绿色(G)灰 度级(例如，121)中的每一个百分位。

在操作(b2-1c)，在第一图像11的匹配区域11d的所有绿色(G)灰度 级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第一 图像11的匹配区域11d的代表性绿色(G)灰度级Gd_(i-1)。

在操作(b2-1d)，在第二图像12的匹配区域12d的所有绿色(G)灰度 级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第二 图像12的匹配区域12d的代表性绿色(G)灰度级Gd_i。

如上所述，在图12中，当设置百分位为“20”、“30”、“40”和“50”时， 代表性灰度级分别是“50”、“90”、“115”和“127”。

图15是用于解释在完成图14的设置之后，在图7的操作(b2)中执行 的操作的流程图。图15实质上与图13的流程图相同。然而，为了更好地理 解这两个图之间的差别，现在将参照图2、图9和图15描述图15的流程图。

在操作(b2-2a)，第二图像12的整个匹配区域12d和主区域12a的绿色 (G)灰度级被归一化为在“0”至“1”的范围内。如上所述，尽管灰度级 范围从0至255，但灰度级被归一化为0至1并随后被恢复，从而防止计算 结果落在所述范围之外。

第一图像11的匹配区域11d的代表性绿色(G)灰度级和第二图像12 的匹配区域12d的代表性绿色(G)灰度级被毫无疑问地归一化。此外，在 第一图像11的匹配区域11d的绿色(G)灰度级和第二图像12的整个匹配区 域12d和主区域12a的绿色(G)灰度级首先被归一化之后，可获得第一图像 11的匹配区域11d的代表性绿色(G)灰度级和第二图像12的匹配区域12d 的代表性绿色(G)灰度级。

在操作(b2-2b)，假设第一图像11的匹配区域11d的归一化的代表性绿 色(G)灰度级是Gd_(i-1)，第二图像12的匹配区域12d的归一化的代表性绿 色(G)灰度级是Gd_i，根据等式获得绿色(G)伽马值“γ(G)”。

详细地讲，当共同的对数被应用于上述等式的两侧时，等式4被建立。

log(Gd_(i-1))＝γ(G)·log(Gd_i)    [等式4]

因此，可通过等式5获得绿色(G)伽马值“γ(G)”。

$\gamma \left(R\right)=\frac{\log \left({\mathrm{Rd}}_{(i-1)}\right)}{\log \left({\mathrm{Rd}}_i\right)}$[等式5]

接下来，在操作(b2-2c)，通过使用获得的绿色(G)伽马值“γ(G)”作 为乘数对第二图像12的整个匹配区域12d和主区域12a的归一化的绿色(G) 灰度级中的每一个求平方。

因此，如以上参照图9所述，第二图像12的整个匹配区域12d和主区域 12a的绿色(G)灰度级被改变，以使第一图像11的匹配区域11d的代表性 绿色(G)灰度级Gd_(i-1)与第二图像12的匹配区域12d的代表性绿色(G) 灰度级Gd_i相同。

由于针对第一图像11的匹配区域11d的代表性绿色(G)灰度级Gd_(i-1)和第二图像12的匹配区域12d的代表性绿色(G)灰度级Gd_i的设置百分位 均小于“50”，因此，可根据第二图像12的灰度级被改变之前的绿色(G) 灰度级的水平来设置在改变第二图像12的整个匹配区域12d和主区域12a的 绿色(G)灰度级中的每一个的步骤中的改变率。

根据实验，发现当绿色(G)伽马值“γ(G)”小于“0.4”时出现亮度饱 和。因此，绿色(G)伽马值“γ(G)”应该大于或等于“0.4”。

接下来，在操作(b2-2d)，“γ(G)”平方的结果值被扩大至原始灰度级范 围。在操作(b2-2e)，扩大的结果值被设置为第二图像12的整个匹配区域12d 和主区域12a的绿色(G)灰度级。

图16是用于解释在图7的操作(b3)中，如何设置第一图像11的匹配 区域11d的代表性蓝色(B)灰度级和第二图像12的匹配区域12d的代表性 蓝色(B)灰度级的流程图。图16中示出的流程图实质与图11的流程图相同。 然而，为了解释这两个图之间的差别，现在将参照图2、图10、图12和图 16描述图16的流程图。

在操作(b3-1a)，获得第一图像11的匹配区域11d的所有蓝色(B)灰 度级(例如，121)中的每一个百分位。

在操作(b3-1b)，获得第二图像12的匹配区域12d的所有蓝色(B)灰 度级(例如，121)中的每一个百分位。

在操作(b3-1c)，在第一图像11的匹配区域11d的所有蓝色(B)灰度 级(例如，121)之中，与设置百分位对应的蓝色(B)灰度级被设置为第一 图像11的匹配区域11d的代表性蓝色(B)灰度级Bd_(i-1)。

在操作(b3-1d)，在第二图像12的匹配区域12d的所有蓝色(B)灰度 级(例如，121)之中，与设置百分位对应的绿色(G)灰度级被设置为第二 图像12的匹配区域12d的代表性蓝色(B)灰度级Bd_i。

如上所述，在图12中，当设置百分位为“20”、“30”、“40”和“50”时， 代表性灰度级分别是“50”、“90”、“115”和“127”。

图17是用于详细解释在完成图16的设置之后，图7的操作(b3)的流 程图。图17实质上与图13的流程图相同。然而，为了更好地理解这两个图 之间的差别，现在将参照图2、图10和图17描述图17的操作。

在操作(b3-2a)，第二图像12的整个匹配区域12d和主区域12a的蓝色 (B)灰度级被归一化为在“0”至“1”的范围内。如上所述，尽管灰度级范 围从0至255，但灰度级被归一化为0至1并随后被恢复，从而防止计算结 果落在所述范围之外。

第一图像11的匹配区域11d的代表性蓝色(B)灰度级和第二图像12 的匹配区域12d的代表性蓝色(B)灰度级被毫无疑问地归一化。此外，在第 一图像11的匹配区域11d的蓝色(B)灰度级和第二图像12的整个匹配区域 12d和主区域12a的蓝色(B)灰度级首先被归一化之后，可获得第一图像11 的匹配区域11d的代表性蓝色(B)灰度级和第二图像12的匹配区域12d的 代表性蓝色(B)灰度级。

在操作(b3-2b)，假设第一图像11的匹配区域11d的归一化的代表性蓝 色(B)灰度级是Bd_(i-1)0，第二图像12的匹配区域12d的归一化的代表性蓝 色(B)灰度级是Bd_i，根据等式获得蓝色(B)伽马值“γ(B)”。

详细地讲，当共同的对数被应用于上述等式的两侧时，等式6被建立。

log(Bd_(i-1))＝γ(B)·log(Bd_i)    [等式6]

因此，可通过等式7获得蓝色(B)伽马值“γ(B)”。

$\gamma \left(B\right)=\frac{\log \left({\mathrm{Bd}}_{(i-1)}\right)}{\log \left({\mathrm{Bd}}_i\right)}$[等式7]

接下来，在操作(b3-2c)，通过使用获得的蓝色(B)伽马值“γ(B)”作 为乘数对第二图像12的整个匹配区域12d和主区域12a的归一化的蓝色(B) 灰度级中的每一个求平方。

因此，如以上参照图10所述，第二图像12的整个匹配区域12d和主区 域12a的蓝色(B)灰度级被改变，以使第一图像11的匹配区域11d的代表 性蓝色(B)灰度级Bd_(i-1)与第二图像12的匹配区域12d的代表性蓝色(B) 灰度级Bd_i相同。

由于针对第一图像11的匹配区域11d的代表性蓝色(B)灰度级Bd_(i-1)和第二图像12的匹配区域12d的代表性蓝色(B)灰度级Bd_i的设置百分位 均小于“50”，因此，可根据第二图像12的灰度级被改变之前的蓝色(B)灰 度级的水平来设置在改变第二图像12的整个匹配区域12d和主区域12a的蓝 色(B)灰度级中的每一个的步骤中的改变率。

根据实验，发现当蓝色(B)伽马值“γ(B)”小于“0.4”时出现亮度饱 和。因此，蓝色(B)伽马值“γ(B)”应该大于或等于“0.4”。

接下来，在操作(b3-2d)，“γ(B)”平方的结果值被扩大至属于原始灰度 级范围。在操作(b3-2e)，扩大的结果值被设置为第二图像12的整个匹配区 域12d和主区域12a的蓝色(B)灰度级。

图18是用于解释根据另一示例性实施例的用于拼接图像的方法流程图。 在图18的当前实施例中，操作(a)、(b)和(c)分别与图4的实施例的操 作(a)、(b)和(c)对应。换句话说，关于图4的实施例的图5至图17及 其描述被等同地应用于图18的本实施例。

总得来说，图4的实施例的灰度级校正操作e和f被添加到图18的本实 施例。这是因为仅当图4的实施例被应用时，图像拼接效果才非常高，但是 全景图像的清晰度和再现性在某些情况下会降低。

参照图18，本实施例包括作为用于在数字图像处理设备中组合多个图像 的图像拼接方法的操作S181和(a)至(f)。

在操作S181，用于依次指示经受操作(a)至(c)的图像的数量的变量 “i”被设置为“2”。在操作(a)，获得(i-1)图像和i图像中i图像与(i-1) 图像重叠的匹配区域(参照关于图4的操作(a)的描述)。

在操作(b)，i图像的整个区域的灰度级被改变，以使(i-1)图像的匹 配区域的代表性灰度级与i图像的匹配区域的代表性灰度级相同。这样做， 在改变i图像的整个区域的灰度级中的每一个的步骤中的改变率根据图像i 的灰度级被改变之前的i图像的灰度级的水平而被设置(参照关于图4的操 作(b)的描述)。

在操作(c)，根据(i-1)图像的匹配区域的对应像素的灰度级来改变i 图像的匹配区域的每个像素的灰度级。这样做，i图像的与i图像相对于(i-1) 图像的边界线接近的像素的灰度级被改变为与(i-1)图像的对应像素的灰度 级相似(参照关于图4的操作(c)的描述)。

在操作(d1)，确定i图像是否是最终图像。

在操作(d1)，如果i图像不是最终图像，则在操作(d2)变量i加1， 并随后执行操作(a)至操作(c)。换句话说，针对所有目标图像执行操作(a) 至操作(c)。

在操作(e)，在灰度级被改变之前的所有图像之中，具有最大灰度级与 最小灰度级之间的最大差的图像被设置为参考图像。这是因为具有最大灰度 级与最小灰度级之间的最大差的图像很可能是对用户而言重要的图像(即， 前景图像)。

在操作(f)，通过应用设置的参考图像的灰度级改变的程度来校正包括 参考图像的所有图像的所有灰度级。因此，由于应用了操作(b)中的参考图 像的灰度级改变的程度，因此参考图像的灰度级可被恢复为改变之前的灰度 级，并且所有其他图像的所有灰度级可被校正为与改变之前的灰度级更接近。 因此，所有图像中的每一个可参照参考图像而变得与原始图像更接近，因此， 全景图像的清晰度和再现性可被另外地提高。

图19是用于解释图18的操作(f)的流程图。参照图19，图18的操作 (f)包括操作(f1)至(f3)。

在操作(f1)，通过使用参考图像的灰度级改变之前的代表性红色(R) 灰度级和灰度级改变之后的代表性红色(R)灰度级来获得参考图像的红色 (R)灰度级改变的程度。通过使用所获得的参考图像的红色(R)灰度级改 变的程度来校正包括参考图像的所有图像的所有红色(R)灰度级。

在操作(f2)，通过使用参考图像的灰度级改变之前的代表性绿色(G) 灰度级和灰度级改变之后的代表性绿色(G)灰度级来获得参考图像的绿色 (G)灰度级改变的程度。通过使用所获得的参考图像的绿色(G)灰度级改 变的程度来校正包括参考图像的所有图像的所有绿色(G)灰度级。

在操作(f3)，通过使用参考图像的灰度级改变之前的代表性蓝色(B) 灰度级和灰度级改变之后的代表性蓝色(B)灰度级来获得参考图像的蓝色 (B)灰度级改变的程度。通过使用所获得的参考图像的蓝色(B)灰度级改 变的程度来校正包括参考图像的所有图像的所有蓝色(B)灰度级。

图20是用于详细解释在图19的操作(f1)中，如何设置参考图像的灰 度级改变之前的代表性红色(R)灰度级和灰度级改变之后的代表性红色(R) 灰度级的流程图(参照图11的描述)。参照图20，为了在图19的操作(f1) 中设置参考图像的灰度级改变之前的代表性红色(R)灰度级和灰度级改变之 后的代表性红色(R)灰度级，在操作(f1-1a)，获得参考图像的灰度级改变 之前的所有红色(R)灰度级中的每一个的百分位。

在操作(f1-1b)，获得参考图像的灰度级改变之后的所有红色(R)灰度 级中的每一个的百分位。在操作(f1-1c)，在参考图像的灰度级改变之前的所 有红色(R)灰度级之中，将与设置百分位对应的红色(R)灰度级设置为参 考图像的灰度级改变之前的代表性红色(R)灰度级。在操作(f1-1d)，在参 考图像的灰度级改变之后的所有红色(R)灰度级之中，与设置百分位对应的 红色(R)灰度级被设置为参考图像的灰度级改变之后的代表性红色(R)灰 度级。

图21是用于详细解释在完成图20的设置(参照图13的描述)之后，图 19的操作(f1)的流程图。参照图21，在操作(f1-2a)，包括参考图像的所 有图像的灰度级改变之后的所有红色(R)灰度级被归一化为在“0”至“1” 的范围内。

在操作(f1-2b)，假设参考图像的灰度级改变之前的归一化的代表性红 色(R)灰度级是Rd(u)，参考图像的灰度级改变之后的归一化的代表性红 色(R)灰度级是Rd(c)，根据等式Rd(u)＝Rd(c)^γ(R)获得红色(R)伽马值“γ(R)”。

在操作(f1-2c)，通过使用获得的红色(R)伽马值“γ(R)”作为乘数对 包括参考图像的所有图像的归一化的红色(R)灰度级中的每一个求平方。在 操作(f1-2d)，“γ(R)”平方的结果值被扩大至属于原始灰度级范围。在操作 (f1-2e)，扩大的结果值被设置为包括参考图像的所有图像的红色(R)灰度 级。

图22是用于解释在图19的操作(f2)中，如何设置参考图像的灰度级 的改变之前的代表性绿色(G)灰度级和灰度级改变之后的代表性绿色(G) 灰度级的流程图。参照图22，根据对在图19的操作(f2)中如何设置参考图 像的灰度级改变之前的代表性绿色(G)灰度级和灰度级改变之后的代表性 绿色(G)灰度级的详细解释，在操作(f2-1a)，获得参考图像的灰度级改变 之前的所有绿色(G)灰度级中的每一个的百分位。

在操作(f2-1b)，获得参考图像的灰度级改变之后的所有绿色(G)灰度 级中的每一个的百分位。在操作(f2-1c)，在参考图像的灰度级改变之前的所 有绿色(G)灰度级之中，与设置百分位对应的绿色(G)灰度级被设置为参 考图像的灰度级改变之前的代表性绿色(G)灰度级。在操作(f2-1d)，在参 考图像的灰度级改变之后的所有绿色(G)灰度级之中，与设置百分位对应 的绿色(G)灰度级被设置为参考图像的灰度级改变之后的代表性绿色(G) 灰度级。

图23是用于详细解释在完成图22的设置(参照图15的描述)之后，图 19的操作(f2)的流程图。参照图23，在操作(f2-2a)，包括参考图像的所 有图像的灰度级改变之后的所有绿色(G)灰度级被归一化为在“0”至“1” 的范围内。

在操作(f2-2b)，假设参考图像的灰度级改变之前的归一化的代表性绿 色(G)灰度级是Gd(u)，参考图像的灰度级改变之后的归一化的代表性绿 色(G)灰度级是Gd(c)，根据等式Gd(u)＝Gd(c)^γ(G)获得绿色(G)伽马值“γ(G)”。

在操作(f2-2c)，通过使用获得的绿色(G)伽马值“γ(G)”作为乘数对 包括参考图像的所有图像的归一化的绿色(G)灰度级中的每一个求平方。 在操作(f2-2d)，“γ(G)”平方的结果值被扩大至属于原始灰度级范围。在操 作(f2-2e)，扩大的结果值被设置为包括参考图像的所有图像的绿色(G)灰 度级。

图24是用于详细解释在图19的操作(f3)中，如何设置参考图像的灰 度级的改变之前的代表性蓝色(B)灰度级和灰度级改变之后的代表性蓝色 (B)灰度级的流程图。参照图24，根据在图19的操作(f3)中如何设置参 考图像的灰度级改变之前的代表性蓝色(B)灰度级和灰度级改变之后的代表 性蓝色(B)灰度级，在操作(f3-1a)，获得参考图像的灰度级改变之前的所 有蓝色(B)灰度级中的每一个的百分位。

在操作(f3-1b)，获得参考图像的灰度级改变之后的所有蓝色(B)灰度 级中的每一个的百分位。在操作(f3-1c)，在参考图像的灰度级改变之前的所 有蓝色(B)灰度级之中，与设置百分位对应的蓝色(B)灰度级被设置为参 考图像的灰度级改变之前的代表性蓝色(B)灰度级。在操作(f3-1d)，在参 考图像的灰度级改变之后的所有蓝色(B)灰度级之中，与设置百分位对应的 蓝色(B)灰度级被设置为参考图像的灰度级改变之后的代表性蓝色(B)灰 度级。

图25是用于详细解释在完成图24的设置(参照图17的描述)之后，图 19的操作(f3)的流程图。参照图25，在操作(f3-2a)，包括参考图像的所 有图像的灰度级改变之后的所有蓝色(B)灰度级被归一化为在“0”至“1” 的范围内。

在操作(f3-2b)，假设参考图像的灰度级改变之前的归一化的代表性蓝 色(B)灰度级是Bd(u)，参考图像的灰度级改变之后的归一化的代表性蓝 色(B)灰度级是Bd(c)，根据等式Bd(u)＝Bd(c)^γ(B)获得蓝色(B)伽马值“γ(B)”。

在操作(f3-2c)，通过使用获得的蓝色(B)伽马值“γ(B)”作为乘数对 包括参考图像的所有图像的归一化的蓝色(B)灰度级中的每一个求平方。在 操作(f3-2d)，“γ(B)”平方的结果值被扩大至属于原始灰度级范围。在操作 (f3-2e)，扩大的结果值被设置为包括参考图像的所有图像的蓝色(B)灰度 级。

图26是用于解释根据另一示例性实施例的用于拼接图像的方法的流程 图。除了操作(e)，图26的实施例与图18的实施例实质相同，因此图26的 实施例的其他操作与图18的实施例的那些操作相同。

参照图26，在操作(e)，所有图像之中由用户选择的图像被设置为参考 图像。其他校正操作(f)与以上参照图19至图25描述的图18的实施例的 操作相同。

因此，根据图26的本实施例，在操作(b)中的参考图像的灰度级改变 的程度被应用，并且因此参考图像的灰度级可被恢复至改变之前的灰度级， 所有其他图像的所有灰度级可被校正至与改变之前的灰度级相似。因此，所 有图像中的每一个可参照参考图像而变得与原始图像更接近，因此，全景图 像的清晰度和再现性可被额外地提高。

如上所述，根据上述示例性实施例，第二图像的整个区域的灰度级被改 变，以使第一图像的匹配区域的代表性灰度级与第二图像的匹配区域的代表 性灰度级相同。因此，可防止当第一图像11和第二图像12之间的灰度级的 差较大时，第二图像到第一图像的边界线附近的涂抹现象。

根据第二图像12的灰度级被改变之前的第二图像的灰度级的水平来设 置在改变第二图像的整个区域的灰度级中的每一个的步骤中的改变率。换句 话说，第二图像的低灰度级被改变为与第一图像的低灰度级相似，而第二图 像的高灰度级被改变为与第一图像的高灰度级略微接近或较少相似。

因此，由于通过使用对低灰度级中的差别敏感的视觉特征，仅第二图像 的低灰度级被改变为与第一图像的低灰度级相似，因此可防止涂抹现象的产 生并可减少第二图像的灰度级的改变。

同时，在如上改变的第二图像的匹配区域的每个像素的灰度级根据第一 图像的匹配区域的对应像素的灰度级而被改变时，第二图像的与第二图像相 对于第一图像的边界线接近的像素的灰度级被改变为与第一图像的对应像素 的灰度级相似。

因此，第二图像到第一图像的边界线附近不会显得明显。

尽管已参照本发明构思的示例性实施例具体显示和描述了本发明构思， 但本领域的普通技术人员将理解，在不脱离由权利要求限定的本发明构思的 精神和范围的情况下，可在形式和细节上进行各种改变。