图像拼合中的渐晕校正模型

在图像拼合中，原始图像因曝光参数不统一或渐晕退化造成的色调不统一需要进行调节。

曝光差异可以通过简单的增益和偏置调节进行；渐晕是图像成像点距离中心的非线性退化，渐晕衰减与像素点偏离光心的距离有关，本文使用的是

V(r) = 1.0 + v1 * r^2 + v2 * r^4 + v3 * r^6

该模型描述了距离中心距离为r的像素点，渐晕衰减的大小。r是经过归一化[0-1]的距离，根据鱼眼图像和普通图像的有效成像区域来进行归一化。

图像之间的曝光可以根据增益系数来调节。 

在图像拼合中，我们可以根据图像之间重新采样的投影重叠区域，采样出同名点的RGB数值，这些点可以称为色彩控制点对。（如采用拼合特征点获取拼合参数，这些坐标控制点的RGB本身也可以作为色彩控制点）。色彩控制点，描述了同名点在不同图像上的RGB数值。求解增益模型和渐晕衰减，可以视为一个非线性全局优化问题。

我们的目的是找到一个渐晕和增益模型，使得全体色彩控制点经过函数映射后，RGB数值的差异最小。基于这个优化模型，即可求得非线性最小二乘意义下的图像渐晕衰减参数和各个图像的增益系数。

在实际实现的时候，增益和衰减可以视为简单的乘法运算 即   R1/Gain1*v(r1) = R2/Gain2*v(r2) 是我们的约束，即两幅图像经过自身增益和渐晕调整后的 RGB通道值接近。

R1，R2是色彩控制点的R通道数值，Gain1,Gain2为所在图像上的增益参数（R通道），v(r1),v(r2)分别为色彩控制点的渐晕衰减数值。

每张参与拼合的图像有三通道的增益系数，所有图像共享三通道的渐晕衰减参数。若图像张数为N ，则基于本文模型的优化参数个数为 3N + 3 * 3 （3指RGB三个通道）

要求色彩控制点个数 M   满足3*M > 2 * (3N + 9),实际操作上，这个条件非常容易满足。

本文介绍的算法实现的效果是比较理想的，抛弃了基于emor模型的做法，纯粹依靠优化模型和改进的控制点来进行非线性优化，实用而简单，并适合于鱼眼图像的模型。

下面是实际运行的测试数据和结果

直接融合结果

渐晕+增益校正结果