1.一种基于线扩展函数LSF标准差的虚实融合模糊一致性处理方法，通过电缆将摄像机与计算机进行连接，真实场景中包含着ARToolkit中的Hiro方形黑白标识卡；其特征在于具体的步骤如下：步骤1、使用摄像机拍摄真实场景，获得真实场景图像并用I1表示；

步骤2、利用matlab的rgb2gray函数将I1灰度化得到真实场景灰度图像I2，并根据公式Gx(f(x,y))＝(f(x+1,y)‑f(x‑1,y))/2计算I2在水平方向上的梯度Gx，其中(x,y)为图像I2中x行y列的像素,f为图像I2中的像素灰度值，f(x+1,y)‑f(x‑1,y)为(x,y)像素的左右邻点的灰度差值，得到真实场景梯度图像I3；

步骤4、根据sobel算子的y方向模板[1 2 1；0 0 0；‑1 ‑2 ‑1]提取I2在垂直方向的边缘，设置边缘的长度阈值为L个像素，获得大于长度阈值L的边缘的个数N，每条边缘我们用Ej表示，设有j＝1,2…N；

步骤5、针对边缘Ej，选取合适的矩形感兴趣区域Rj，Rj的高为边缘Ej的长度并且边缘Ej为该包含区域R的中心线，利用plot函数绘制在I3的感兴趣区域R中每一行的梯度曲线；

步骤6、将感兴趣区域Rj中所有梯度曲线进行均值拟合，得到曲线Sj，当曲线Sj只有一个波峰时，判断该曲线是否属于正态分布，如果满足正态分布曲线则进行下一步；当S有两个波峰时，则判断其波峰值是否相等，若不相等则认为曲线S不是高斯型曲线，则舍弃该边缘直线Ej；得到满足正态分布的曲线所对应的边缘直线的个数记为M，且1<＝j<＝M<＝N；

步骤7、根据公式

计算满足正态分布的曲线Sj的标准差，其中q′j,max为曲线S的波峰值，q′j为曲线S上每个坐标的y值；

步骤8、根据公式

计算出第一数字图像I1中所有符合高斯型曲线边缘梯度曲线的标准差均值；

步骤9、在散焦模糊PSF退化模型中，PSF是点光源经过相机光圈发生散焦、衍射、散射等变化形成一个扩大像素的数学过程描述，由于高斯型PSF的圆周对称性可以将PSF简化为一维的LSF，它是形成模糊图像上的一条直线或者边缘的数学过程描述， 因此将由步骤8计算边缘直线的标准差均值作为图像I1的LSF标准差σ；

步骤10、高斯模糊的半径r为近似于3σ的奇数值，在边长为r的正方形Rect中画一个半径为r/2的内接圆C，计算内接圆C在正方形Rect中每个边长为1的小正方形内占的面积，得到一个r*r的面积矩阵ar；

步骤11、结合标准差σ与公式 计算r*r的高斯模板中每个系数

的值，其中k＝r/2，x∈[0,2k],y∈[0,2k]，将模板左上角归一化为1，即模板中每个系数除以g(1,1)，得到高斯模板矩阵gr；

步骤12、根据公式h＝gr*ar求出相应的矩阵hr，其中ar为步骤10中得到的面积矩阵，gr为步骤11中得到的高斯模板矩阵，并将矩阵hr进行归一化处理使该矩阵内的值在[0,1]之间以及矩阵内的所有元素之和等于1，得到最后的权重矩阵Hr；

步骤13、在以某个像素P为中心的r*r邻域内取每个像素的颜色值组成r*r的颜色矩阵Cr， 利用公式Pr＝Cr*Hr计算得到矩阵Pr，取矩阵Pr内所有元素值的和作为像素P的颜色值；

步骤14、利用ARToolkit的simple程序将I1进行二值化处理，将得到的二值化图像进行边缘检测、连通域分析以及筛选处理，提取出矩形区域作为标识卡候选区域Areai，其中i＝

0,1,2…n；接着根据标识卡对候选区域Areai进行标识卡模板匹配值计算，若候选区域Areai具有最高匹配值而且匹配值大于提前设定阈值，则认为Areai是检测到的标识卡区域Am，然后系统会存储标识卡区域Am的相关信息，比如面积、识别号码、方向、匹配值、四个顶点的坐标值及其四条边的直线方程表达式，首先通过提取出标识卡四个角点的坐标，结合摄像机内参P与世界坐标系上标识卡相对应角点的三维坐标(Xm,Ym,Zm)计算出摄像机相对于标识卡的位置，也就是由旋转矩阵和平移矩阵组成的转换矩阵Tcm，利用转换矩阵Tcm将虚拟物体叠加注册在I1上，得到融合场景图像并用I4表示；

步骤15、针对I4中虚拟物体的每个像素的R，G，B三个通道分别做步骤13中的运算，根据计算得到每个像素的颜色值重新绘制I4得到第三数字图像I5最终实现虚实物体间的模糊一致性；

利用以上步骤实现了基于LSF标准差的虚实融合模糊一致性处理方法。