装毕业论文
题目 数字图像拼接算法的研究与实现
院 部信息科学与工程学院 专业班级计算机科学与技术 4班 届 次2006届 _____________________ 学生姓名潘 智 _____________________ 学 号 20022449 ____________________ 指导教师高华教授
二OO六年六月十日
数字图像拼接算法的研究与实现
Research and realizati on of the con cate nati
on
algorithm of digital image
专业 计算科学与技术 Specialty 学生 Computer scie nee and tech no logy 潘智 Un dergraduate 指导教师
Pan Zhi 高华教授 Supervisor Prof. GaoHua 山东农业大学 二oo六年六月
Shandong Agricultural University
June 2006
山东农业大学学士学位论文
摘要
针对多种环境下的图像拼接问题，本文提出一种基于线匹配的图像拼接算法。 在对原始图像进行了预处理（包括降噪、滤波、灰度变化等操作）的基础上，结 合实际图像，禾I」用模板匹配理论以及点、线匹配的原理，通过确定两幅图像的最 佳拼接线，实现了图像快速拼接。本文在MATLAB^境中，采用多幅实物图像（同 一事物不同环境、不同角度下拍摄到的图像），进行仿真试验。试验表明，该算 法具有较高的稳定性、可靠性。也有较强的实用价值，为进一步深入研究提供了 理论基础。
关键词：图像处理；图像拼接；线匹配
山东农业大学学士学位论文
Abstract
En vir onment aga inst various comb in ati ons of images, prese nted a paper based on the images centerline matching algorithms. In the original image processing (including Reduce noise, filter, using change operation), on the basis of the actual images, using template matching theory and point, the line matching theory, by identifying the best center line two images, images achieved rapid, seamless comb in atio ns. All in MATLAB en vir onment, the use of physical imagery sites (the same things different environment, different angles to the shooting images), a simulation testing. Tests showed that the algorithm with higher stability, reliability. There are strong practical values, as a theoretical foundation for further in-depth study. Keyword: Image process ing; Picture con cate nati on; Li ne is matched
山东农业大学学士学位论文
目录
1. 绪论 .................................................................. 1
1.1背景和意义 ........................................................ 1 1.2数字图像拼接技术的研究现状 ........................................ 2 1.3数字图像拼接的解决方案 ........................................... 4 1.4本文结构 ......................................................... 7. 1.5运行平台简介 ...................................................... 7 2. 图像的预处理 ........................................................ .10
2.1原始图像的灰度化 ................................................. 10 2.2图像的平移、旋转： ............................................ 12 2.3图像的配准： .................................................... 1.3 2.4图像的定位： .................................................... 1.3 2.5本章小结： ...................................................... 1.4 3. 数字图像的拼接 ....................................................... 15
3.1差异度的计算 .................................................... 1.5 3.2区域差异度的计算以及拼接线的确认 ................................ 1 6 3.3拼接线匹配的算法 ................................................. 17 3.4拼接后的处理 .................................................... 1.7 3.5实验结果 ......................................................... 18 3.6本章小结 ......................................................... 20 4. 不规则图像的拼接 ..................................................... 21
4.1几何校正 ......................................................... 21 4.2变形校正及区域定位拼接 .......................................... 21 4.3本章小结： ....................................................... 22 5. 结束语 ............................................................... 23 参考文献................................................................ 24 致谢.................................................................... 27
山东农业大学学士学位论文
附录.................................................................... 28
Con te nts
1. In troduct ion ....................................................................................................... 1..
1.1 Backgro und and meaning ......................................................................... 1. 1.2 The nu merical picture puts together to connect the tech ni cal research prese nt con diti on .............................................................................. 2 1.3 The solutio n that nu merical picture puts together to connect .4 1.4 This text structure ....................................................................................... 7. 1.5 Circulate the terrace brief introduction ..................................... 7 2. The picture prepares the process ing .10..
2.1 The ash degrees of the orig inal picture tur n ............................. 10 2.2 Picture of even move, revolve ................................................................... 12 2.3 The picture goes together with to allow ..................................... 13 2.4 The fixed position of the picture .................................................. 1 3 2.5 This sub-footing ......................................................................................... 14 3. The nu merical picture puts together to connect ................................................ 1.5
3.1 The calculati on of the differe nee degree ..................................... 15 3.2 The calculation of the difference degree of the district and put together to conn ect the lin ear con firmati ons ..................................... 16 3.3 Put together the calculate way that connect line's match ...... 17 3.4 Put together the processing connects behind ............................... 17 3.5 The experiment is as a result .................................................................... 18 3.6 A sub-footing ............................................................................................ 20 4. The irregular picture puts together to connect several correct ........................... 21.
4.1 Several correct ......................................................................................... 21 4.2 Transform to correct and the district fixed position put together
to connect ....................................................................................................... 21 4.3 A sub-footing ............................................................................................ 22 5. End the Ian guage .............................................................................................. 23. Reference ............................................................................................................... 24 Send tha nks ........................................................................................................... 27. Appe ndix ................................................................................................................ 28
山东农业大学学士学位论文
1. 绪论
1.1背景和意义
所谓“图像拼接”就是如何将多幅来自同一场景的有重叠区域的小尺寸图像 合成为一幅大尺寸的高质量图像。也就是说，是将两幅以上的具有部分重叠的图 像进行无缝拼接从而得到较高分辨率或宽视角的图像， 照片的合成。
图像拼接技术的发展为图像降噪、视场扩展、运动物体去除、模糊消除
这一技术首先应用于卫星
，空
间解析度的提高和动态范围增强提供了可能性。由于图像拼接在各种不同领域有 许多应用，如图像恢复、计算机特效、视频图像压缩和视频编辑。从而在原有图 像拼接技术发展的基础上成为当代图像处理中的一个焦点问题。
在图像拼接的历史上，最先由D. P.Capel （美）⑴提出了一种光度测定对 准法，平衡了各帧之间的曝光差异，使拼接图像看起来比较自然。出于几何对准 误差从实际上是很难消除的。所以在图像融合过程中必须找一个恰当的平滑算法， 使得最终的拼接图像没有明显的拼接缝隙
图像拼接作为图像处理的一个重要组成部分， 也正朝着一个日益流行的研究 领域前进，并得到广泛应用。它已经成为照相绘图学、计算机视觉、图像处理和 计算机图形学研究中的热点。研究图像拼接技术的目的大致分为以下两个方面：
一方面就是把一系列真实世界的图像合成为一个单一的、 更大的、更复杂的 全景图像，使我们可以更加客观、形象地认识和理解真实世界•我们所用的全景 图像素材是通过普通照相机采集的照片，经过数字化得到的边界部分重叠的图 像.因为全景图像表示的是人在某一视点观察到的空间，
视点不动而观察方向改
变•所以在拍照时将照相机固定在支架上，尽量避免转动时镜头的偏斜和俯仰， 并以镜头为轴转动一定角度连续拍照.拍照时使相邻图像具有一定程度的内容重 叠，以便于拼接而得到全景图像。
另一方面是为了把图像的各个部分通过对齐一系列空间重叠的图像
，构造
1
山东农业大学学士学位论文
一
个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。以数 字化图像为研究背景，通过数码照相或扫描仪扫描得到的图片保存到计算机的磁 盘。在远距离拍摄大的事物不够清晰或扫描大的纸张由于比扫描仪还大 要
购买更大的扫描仪价格就得翻倍，所以只有一部分一部分的拍摄或扫描，然后再 进行拼接。如果手工拼接，则速度太慢且精度不易控制，不能满足要求。
因此，建立可靠拼接模型，研究一种有效的算法十分重要。同时也为进一步开 展相关领域的学习和科研打下良好的基础。
，如果
1.2数字图像拼接技术的研究现状
图像拼接在虚拟现实、地理信息系统（GIS）、视频压缩和医学图像处理等领 域都有重要的应用。利用现有图像采集设备获取单幅图像的实际视区 （field of view）范围通常是有限的，虽然利用图像处理工具通过剪切等功能可以实现图像 的手动拼接，但这种方法精度不高且不实用，不能满足人们的需求，因此利用 计算机实现自动拼接图像显得十分必要。通常图像拼接是通过搜索相邻两幅图 像中相同的内容，再确定其相对位置，然后平滑连接就可实现自动拼接了
［2］
。
图像拼接技术中经常面临着这样一个问题：如何将多幅图像拼接成一幅完 整的全景图像。传统的方法有两种：（1）选取两列不相邻的像素，利用其比值作 为拼接参照物进行匹配拼接⑶；⑵随意选取一个区域进行匹配拼接［4］。但是， 这两种方法在噪声环境以及在图像大部分纹理变化平缓的情况下失去了拼接能 力。而且从人类行为学的角度来看，这些拼接方法与人类拼接的过程是不符的。 如果我们能尽可能的模仿人类的拼接过程，这无疑将大大提高拼接效果。正是 基于这点出发，利用小波变换和形态学部分达到此目的，解决在噪声环境下拼 接的问题。
目前，拼接通常采用的方法有两种：一种是基于两图像重叠部分在
RGB或
CMY颜色系统中所对应的灰度级的相似性，自动寻找两幅图像的最佳匹配位置，
2
山东农业大学学士学位论文
这种方法常用的算法有以下几种：（1）基于块的匹配［5］［17］［24］，取第一幅图像重叠 部分的一块作为模板，在第二幅图像中搜索具有相同 （或相似）值的块，从而确 定重叠位置，进一步确定拼接点，当模板较大时算法的精度比较高，但模板越 大计算量就越大。（2）比值匹配⑹是在第一幅图像的重叠区域内，取相邻两列上 的部分像素，用它们的比值作为模板，在另一幅图像中搜索最佳匹配，这种算 法计算量较前一种算法有所减少，但由于所取的像素减少，所以精度也有所降 低。（3）基于网格的快速匹配⑺曲，该算法是基于块匹配的，在搜索过程中，首 先进行粗略匹配，每次移动一个步长，计算对应像素点
RGBS的差的平方和，
记录最小值的网格位置为目前最佳匹配位置；接下来以该位置为中心进行精确 匹配，每次步长减半，再次搜索最小值，循环这个过程直到步长为
0,最后就
得到了最佳拼接位置；该算法在一定程度上减小了运算量，但在粗略匹配过程 中，由于移动的步长较大，所以很有可能无法得到两幅图像完全匹配的最佳网 格，而达不到精确拼接。
另一种是基于特征的拼接方法，首先从两幅图中选择一系列特征，然后根 据相似性原则进行图像间的特征匹配，最后采用优化过程计算从一幅图像到另 一幅图像的变换。特征点可以是图像的角点、封闭轮廓线的中心、纹理特征点 或其它突出点。如果在前一幅图像中以特征点
A为中心的窗口与后一幅图像中
以特征点B为中心的同样大小窗口的内容相似，那么，两个特征点被认为是匹 配的，这种特征匹配方法称为模板匹配 ⑹，其它类似的可以比较的信息包括： 灰度分布、Fourier频谱、小波系数、直方图以及链码等。
在国内外各种文献中出现的以下几种算法较为常见：基于小波变换与形态 学的
［9］
、基于边界重叠图像的［5］［20］、基于特征的图像拼接［10］、基于全局运动估计 的、基于空域匹配的冋19］等等。图像拼接最终能否达到良好效果，最重要的 一点，
［11］
就是选择一个快速的、精确度高的方法。但是，很多图像对准方法有各 种各样的缺陷，如基于空域匹配的方法。这种方法利用互相关函数对两幅图像 进行相似性度量，使得互相关函数值（一般使用最小平方差函数）最小。这种 方法简单直观，但是很难处理镜头存在旋转和缩放情况，而要搜索整个图像空 间，计算代价高昂，对
3
山东农业大学学士学位论文
图像噪声也很敏感，所以对于全景图的制作并不适用基 于图像特征的方法。这种方法提取图像边界、轮廓线等特征进行匹配，构造方 程组，通过数值计算得到变换参数。该方法的缺点在于依赖于图像特征，一旦 特征选取有误差。再比如基于小波变换的，尽管此类方法利用了小波变换及形 态处理，具有相对较强的抗噪声能力，能够较好的满足显微图像处理等高噪声 环境下的拼接需求，提高了运算量，但由于只是针对有可能的特征物进行匹配， 所以速度并无明显变化，在许多情况下反而改变不大。针对图像拼接过程中计 算量较大的问题，本文提出一种基于线匹配的图像拼接算法，该算法在有效地 降低计算量的同时能保证拼接的准确性。
图像拼接的研究在技术上已经取得了一定突破，然而离复杂多变的实际应 用要求还有一定差距，许多新方法仅停留在理论和文章上或者限定在比较狭窄 的约束范围内，并不能以产品的形式大范围投入使用。因而图像拼接的实用化 研究仍然有很长的路要走。
当然，图像拼接的具体应用发展也很迅猛，从原来的静止拍摄场景应用， 如建筑物图片、相片等，发展到移动视频、犯罪现场的监控等实时监控场合应 用，增加神经网络自适应识别学习和改进型 CLAFIC训练功能，对于系统响应的 速度、网络化、智能化、拼接效率以及成功率等实用化要求也越来越高。随着 上述核心技术的研究发展，应用领域和功能等也获得大幅提高。
1.3数字图像拼接的解决方案
为了实现数字图像拼接必须对图像进行预处理（包括图像的灰度化；图像 的平移、旋转；图像配准；图像定位等等），图像拼接一般要进行多方面的处理， 首先是图像预处理，包括各图像的灰度化以及图像间的平移、旋转、畸变以及 光强等的校正；其次是图像的对准，根据图像中重叠部分来定位图像；最后是 无缝拼接，消除拼接起来的图像中的缝隙效应。
两张图片的拼接可以分为水平拼接和垂直拼接，这两种方法的实现原理基 本一致•本文以水平拼接为例来说明。图像配准的工作就是搜寻相邻两幅图像 中的相同内
4
山东农业大学学士学位论文
容，从而确定它们的相对位置•也就是确定相邻图像在宽度、高度 上的重叠程度（拍照时不可避免地会造成水平或垂直方向上的错位 ），去掉重叠， 然后再进行平滑连接得到全景图像。
在此过程中引入“差异度”这一概念。为了准确得到拼接线的位置，消除 伪匹配的存在，差异度最小的地方不一定是就是真实的拼接线所在处，因此必 须对拼接线进行确认。
为了使图像准确拼接，必须判断最小的差异度是不是真正的拼接位置。 有 图像的连续性可知，若是拼接位置，则两幅图像拼接线附近区域的中对应像素 的差异度较小，因此有引入“区域差异度”这一概念，就是通过计算拼接线附 近的某个区域中所有对应列的差异度来确定真实的拼接线，把拼接线的某个区 域中所有对应的列的差异度的和称为区域差异度。通常伪匹配线出现的位置不 会很多，所以只要对最小n个差异度进行区域差异度的计算即可，最小区域差 异度的列为图像的拼接线。
从而使拼接算法很好的得到了改善，解决了拼接上受空间等条件的限制， 提高了拼接效率和运算速度。
5
山东农业大学学士学位论文
图像拼接的流程图如下图1所示:
原始图像的灰度化
输入拍摄的原始 平移、旋转等 原始图像的预处理
▼
图像配准
差异度计算 1
区域差异度计算
图像定位
确定最佳拼接线 输出拼接后的图像
图1.1图像拼接的流程
6
山东农业大学学士学位论文
1.4本文结构
全文结构划分为六章：
1绪论。解释课题研究背景，分析了图像拼接技术的研究现状。 给出了不同 环境下的图像拼接的解决方案，简要介绍了本文的行文安排，最后对运行平台 作了简单介绍。
2图像的预处理。给出了图像拼接的预处理方案，包括：图像拼接的灰度化， 图像的滤波降噪，图像的旋转，图像的配准以及图像的定位。
3数字图像拼接。研究了一种基于线匹配的拼接方法： 通过确定两幅图像的 最佳拼接线，不需要手工指定特征点，可对图像进行快速、自动无缝拼接。
4结合不同的环境给出具体得拼接理论。从理论上结合实际环境下的图像的 存在形式，进行拼接理论的分析，给出了理论上的拼接算法，为以后的工作提 供了理论基础。
5结束语。总结了论文的主要工作，对数字图像拼接的发展做出了展望。 1.5运行平台简介
为了实现各部分的功能，本文将利用 MATLAB吉合VC语言编程实现，下面 简单介绍一下MATLAB^ VC语言。
MATLA是一套高性能的数值计算和可视化数学软件,被誉为“巨人肩上的工具”。 由于使用Matlab编程运算与人进行科学计算的思路和表达方式完全一致，
所以
不像学习其它高级语言 -- 如 Basic、Fortran和C等那样难于掌握，用Matlab 编写程序犹如在演算纸上排列出公式于求解问题，所以又被称为“演算纸式科 学算法语言”。
MATLA的含义是矩阵实验室（MATRIX LABORATORY主要用于方便矩阵的 存取，其基本元素是无须定义维数的矩阵。
MATLAB!问世以来，就是以数值计
7
山东农业大学学士学位论文
算称雄。MATLA进行数值计算的基本单位师复数数组（或称阵列），这使得MATLAB 高度“量化”。由于它不需要定义数组的维数，并给出矩阵函数、特殊矩阵专 门的库函数，使之在求解诸如信号处理、建模、系统识别、控制、优化等领域 的问题时，显得大为简捷、高效、方便，这是其他高级语言所不能比拟的。MATLAB 中包括了被称作工具箱（TOOLBO）的各类应用问题的求解工具。工具箱实际上是 对MATLABS行扩展应用的一系列 MATLA函数（称为M文件），它可用来求解 各类学科问题，包括信号处理、图像处理、控制系统辨识、神经网络等。
事实上正是 由于MATLAB数值计算功能的强大，MATLAB与许多程
序都有接 口，例如 C、C++、VC、Fortran、VB、Java、SPSS（ —个著 名的统计软件）、Excel、Word等，其实质也是通过接口在程序中调用 MATLAB的功能。例如：如果 现在我们用VC编写的一个软件，其中 要 求解有5个未知数的线形方程组，如果用C\\C++语言来写程序的话其 编程量是很大的，如果在C\\C++语言中能用MATLAB那么简单的代码 来实现该功能就可以大大减少工作量，VC和MATLAB接口就是做这个 工作的。
MATLAB^提供了大量用C\\C++重新编写的MATLAB库函数，包括
初等数学函数、线形代数函数、矩阵操作函数、数值计算函数、特殊 数学函数、插值函数等等，还可以利用MATLAB的编译工具将m文件 方便的转化为C\\C++语言、可执行程序（exe）、动态连接库文件（dll）、 COM组件等等，并可直 接供C\\C++语言调用，利用VC和MATLAB接 口技术可以在VC中充分发挥MATLAB的数值计算功能，并且可以不依 赖MATLAB^件运行，我们在编写程序时，可以在VC下做出很漂亮的界 面，而把 复杂 的数 值处理 交给MATLAB去做（实际上MATLAB也能做界 面GUI（Graphic User In terface）, 而且做 出的界 面我认为 并不 比VC逊色， 但是需要MATLAB软件作为后台运 行，如果不依赖MATLAB软件运行 的话，可以在VC中调用GUI），然后通过接口技术将MATLAB集成到 VC中，这样可以大大减轻编程的负担，并减少程序编写时间。
8
山东农业大学学士学位论文
随着MATLA版本的不断升级，其所含的工具箱的功能也越来越丰富＜ 因此, 应用范围也越来越广泛，成为涉及数值分析的各类工程的不可不用的工具
9
山东农业大学学士学位论文
2. 图像的预处理
由于各种自然因素和人为因素的影响，比如光照、气候、图像噪音、摄像 机性能、拍摄角度等，造成得到的图像产生扭曲以及噪声严重等现象，给图像拼 接带来了相当大的困难。因此，在图像拼接之前，为了提高运行速度及效率，须 对图像进行必要的预处理：首先将拍摄得到的彩色图像转化为灰度图像，然后进 行噪声滤除、二维图像降噪 等工作，这样处理之后会使得图像质量好一些，为 后期的图像拼接提供了有利的条件。 2.1原始图像的灰度化
2.1.1图像灰度化的目的
由于图像在拼接的过程中数据计算量很大，要占用很大的内存空间。再加 上图像自身的因素，拼接效率相当低。为了节省存储空间和提高运行效率，需 要对已有的彩色图像进行预处理，去掉彩色信息使其成为灰度图像。待拼接完 毕后，我们可以再把灰度图像转变成彩色图像。
实验证明将彩色图像转变成灰度图像之后再进行拼接， 拼接速度要快得多， 效率也有明显的提高。
2.1.2灰度化
本文采用了 MATLAB©言中提供的真彩色图像转化为灰度图像的函数：
l=rgb2gray(RGB)
其中RGB代表真彩色图像，I代表灰度图像.如图3.1表示拍摄得到的真彩 色图像，其灰度图像如图3.2所示：
10
山东农业大学学士学位论文
图2.1 拍摄得到的真彩色图像
图22 二维灰度图像
经过灰度化后的图像质量参差不齐，主要是两方面的原因：一是来自拍摄 得到的图像本身的差异，如：从不同的环境、不同的角度以及受光亮的影响等 等；二是来自拍摄者自身以及相机的因素(包括拍摄者的摄影技术、相机的分 辨率等等)。如果直接用拍摄到的彩色图像直接拼接，发现得到的图像有明显的 拼接痕迹，有时还会出现拼接完全模糊的现象，并且运行效率比较低。鉴于本 文的目的是基于线匹配，它基本上体现了图像拼接一种整体分布上的表现。如 果不做去噪声的处理，会加大各个参数之间权衡的难度，因为噪声是一种局部 的不定干扰因素，它的直接影响就是：在拼接过程中局部像素的值，过大或者 过小，从而影响拼接的精确度。
为此我们要对图像做去噪声的处理。本文采用的是维纳滤波。下面简单介 绍一下维纳滤波原理及意义：
在肯定了去噪声的意义后之后，问题的关键在于采用何种滤波函数，在噪 声成因的基础上经过试验比较，发现二维自适应除噪滤波器效果更明显。于是 本文利用了 MATLA提供的图像处理函数工具中的 Weiner2函数，对有噪声的图 像进行低通滤波，它能根据图像的局部方差调整滤波器的输出。
局部方差越大，
滤波器的平滑作用越强。它的最终目标是使恢复图像fi(x,y)与原始图像f(x,y) 的均方差误差：
e2=E[f(x,y)-f
i
(x,y)]最小
2
如图2.3和图2.4给出了两幅图像在维纳滤波前后的灰度图像的对比。通
11
山东农业大学学士学位论文
过进行同一幅图像在处理前后的对比，可以看出滤波后的图像比滤波前的图像 在质量方面有明显的提高：它的清晰度有了较明显的提高，并且图像的锯齿现 象也得到了一定的改善。
图2.3维纳滤波前的图像
图2.4 维纳滤波后的图像
维纳滤波的部分程序：
[l,m]=imread('1g.jpg'); figure,imshow(l);
读入图像;
[K n oise]=wie ner2(J1, [5 5]); 滤波 figure,imshow(K);
2.2图像的平移、旋转：
由于图像在拍摄的过程中受各个方面的因素的干扰，会出现扭曲旋转的现 象。为了在拼接的过程中利于操作，我们必须对图像进行平移和旋转，使它们 有尽可能多的相似点同时也为我们下一步进行图像配准以及图像的定位打下基 础。在此我们
12
山东农业大学学士学位论文
利用基于 FPG皆(field programmable gate array ，简称 FPGA) 的高速高质量图像平移旋转。
这种方法的基本原理是：图像在二维空间中的旋转运算分解成为三次一维 空间内的平移运算。从而将用于图像旋转运算的二维插值运算简化为在一维空 间中进行的一维插值运算。为了保证图像旋转后的质量，采用3阶B」羊条对每次 平移后像素点的灰度值进行插值运算，并使用了一种基于IIR(无限脉冲响应)和 FIR数字滤波器的3阶BJ样条插值法的高速实现方案；最后针对 256灰度级。256 X 256像素的图像设计出一种基于FPG的高速、高质量的硬件图像旋转及显示系 统。 2.3图像的配准
图像配准是图像融合技术的基本环节和首要问题，只有经过配准后的图像 才能进行有效的融合拼接。其中，目标图像间存在很多的特征信息可以利用， 所以常规的配准方法都可以适用。在此我们引用图像识别中小目标的配准的方 法析了其配准特点，对目标图像进行配准。
下面简单介绍一下该配准方法的配准原理：
首先运用成像原理，用焦距、分辨率和像元尺寸建立不同
CCD (Charge
［14］
，分
Coupled Device )之间的视场对应关系，利用此关系完成目标视场的截取放大， 使不同
CCD得到的图像视场一样大。然后在分析通常采用的最小平均绝对误差 (MAD相关匹配方法缺陷的基础上，提出用最多近邻点距离
(MCD的匹配方法来
对准目标位置，完成目标质心的配准。实验结果表明，此方法可以很好地配准 目标图像，且误差不超过2个像素。由于其针对性强，因而其配准融合效果良 好，具有较强的实际应用价值。 2.4图像的定位
图像定位匹配比较是图像拼接检测中的关键问题，常用于图像拼接、印刷、 影印等行业的产品自动化质量检测系统中。本文采用一种基于最小二乘互相关 的图像
13
山东农业大学学士学位论文
定位匹配算法［15］。该算法将图像互相关信息和最小二乘匹配结合实现高 精度图像定位匹配，同时又采用了金字塔分层来提高定位匹配速度。本算法已 经在实验和实际拼接系统中得到应用。结果表明，该算法较好地解决了以往图 像定位配准精度和速度的问题，大大节省了图像匹配的时间，提高了图像检测 的效率。
这种方法的简介及原理如下：
在两图像间的偏差比较小时，最小二乘法的定位精度可以达到亚像素级甚 至1/100像素级的水平。但随着定位精度要求的提高，运算量也会相应增大。 如果在匹配过程中对图像采用“金字塔思想”分层，然后分层对图像进行定位 匹配，将定位结果作为下一层的预测值参与下一次定位匹配，可以弥补最小二 乘迭代运算量大、速度低的不足。最小二乘互相关定位匹配算法就是将互相关 计算、金字塔分层与最小二乘匹配结合来进行定位匹配的算法。算法主要包括 图像特征区域选取、相关匹配以及最小二乘互相关计算三个方面。其中图像特 征区域选取是在标准模板图像和实际采集图像上选取相对应的特征区域以适应 将来的图像定位匹配。
所选取的特征区域必须具备以下一些特征：（1）图像灰度变化不能太剧烈。 （2）图像形状比较规则。在选择了特征区域的同时，图像本身的一些特征参数也 就相应地确定下来，其中主要是图像旋转角度的确定；相关匹配是用不同带宽 的低通滤波器对原始影像进行低通滤波，得到一组不同“分辨率”的影像；然 后从最高级
（最粗的“分辨率”）开始，对两幅图像进行匹配，将结果作为预测值, 对下一级
（较高的“分辨率”）的图像进行匹配，最后达到原始信号的精度；最小 二乘匹配是在互相关匹配的基础上的一个迭代求精的过程。 2.5本章小结
本章主要介绍了图像拼接前的一些准备工作，即图像的预处理，包括以上 四个方面的内容。详细介绍了有关内容，为下面的工作做了准备。
14
山东农业大学学士学位论文
3. 数字图像的拼接
一个能发光的物体称为有源物体，其颜色由它发出的光波决定，可使用RGB
相加混色模型表示。计算机显示器是一个有源物体，因而计算机图像通常可用 RG相加混色模型来描述颜色，如位图是 Win dows系统中最常用的图像，其格式 采用的就是RGB®色模型，其他模型可转换成RGB!型，本文原始图像采用的颜 色模型是RGB!型，在这个模型中，彩色图像中的每个像素值表示特定颜色的强 度，一个像素用R、G B三个分量表示，即：
G（像素值）=R（红色的百分比）+ G（绿色的百分比）+B（蓝色的百分比）。 对于彩色图像的灰度化，可采用不同颜色表示方法之间的转化来实现，在 YU『表示方法中，丫分量的物理含义就是亮度，它含了灰度图像的所有信息，用丫 分量就可表示一幅灰度图像,U和V分量代表了色差信号。
YUV和RG之间有着如下的对应关系：由于通常对图像颜色变换后的结果只 关心它的灰度分量,而并不关心它的彩色分量部分.所以由上面的YUV^RG之间 的转化关系就可以得到：如下面式子所示的简化的表示方法：
C2（像素值）=30%
红+ 59%绿+ 11%蓝。根据R, G, B的值，求出丫值后，就能给出灰度图像的 表示,也即彩色图像转换为灰度图像的原理。 3.1差异度的计算
现在，我们从最简单的形式做讨论：
设两幅图像P1和P2高度相同，为同一水平的两幅图像，即拍摄时不存在平 移等视点变化。P1、P2为待拼接的图像，P1和P2为左右重叠关系（上下重叠关系 可用同样的方法实现），P1在P2的左边；图像P1、P2可用如下的矩阵形式表示：
(***** 川
. * 〕；：
(***** 川 ** 、
1
1
:|L
【5⑥764235〕
p
FT ・ * *
11 + 伽76511 ■ V
L
山东农业大学学士学位论文
y M
15
N
山东农业大学学士学位论文
由于重叠区域的内容是相同的，其差异性主要是亮度和饱和度，因此它们 在灰度级上是相似的，根据他们在灰度级上的差异度可以拼接线的位置。
由于两幅图像之间有一定的重叠区域，如果用整个重叠区域对图像进行匹 配，运算量较大[22][23]，同时又无法确定整个重叠区域的大小，为了在减少运算 量的同时确保拼接点的准确性，从图像 P2的左边起，取第i列（其中k+1< i < N-k-1,本文的实验取k=5,i=6 ）像素为模板线，图像P1的第j列（其中k+1 < j < M-k-1 ）列与图像P2第i列的差异度。 所谓差异度就是指
L
.
2
d 耳= C pirn C p2m
m=i
其中6m为图像pi第i列中的第m个像素的像素值Cp2m为图像p2第j列 中的第m个像素的像素值。dij表示图像pi的第i列与图像p2第j列的差异度。 从差异度的计算公式可得dij > 0; dij的大小反映出两列像素的差异程度，值越 小说明差异越小。
因为拼接线处两幅图像的像素比较接近， 所以在拼接线处差异度的值较小， 于是差异度最小两列像素所在的位置为图像的拼接线。
然而由于伪匹配的存在差异度最小的地方不一定是就是真实的拼接线所在 处，因此必须对拼接线进行确认。在此引入区域差异度。 3.2区域差异度的计算以及拼接线的确认
为了使图像准确拼接，必须判断最小的差异度dij是不是真正的拼接位置。 有
图像的连续性可知，若是拼接位置，则两幅图像拼接线附近区域的中对应像 素的差异度较小，因此可以通过计算拼接线附近的某个区域中所有对应列的差 异度来确定真实的拼接线，把拼接线的某个区域中所有对应的列的差异度的和 成为区域差异
16
山东农业大学学士学位论文
度。计算如下：
分别以图像pi第i列和图像p2第j列为中线左右各取K各像素宽度，一
17
山东农业大学学士学位论文
次构成两个对应区域（区域宽度 2k+1）,区域差异度是:
n L
2
2]
RegionD
jj H
cp；c 醫d
j
其中RegionDj表示以差异度为dj的拼接线的区域差异度。通常伪匹配线出 现的位置不会很多，所以只要对最小 n个差异度进行区域差异度的计算即可， 最小区域差异度的列为图像的拼接线。 3.3拼接线匹配的算法 （1） i=k+1,y=1;
（2） 计算图像P2中第i列像素在图像P1中的差异度dj ,取最小的前n个差 异度；
（3） 计算最小的前n个差异度的区域差异度Regio nDj,设区域差异度的最小 值为 D（si,sj）;
（4） y=y+1,如果y < T则执行（5）,否则执行（6）; （5） i=i+x 转入（2）;
（6） 计算D （Si,Sj）中的最小值，由最小的区域差异度来确定图像的最佳拼 接线位置；
（7） 由（6）确定的拼接线对图像进行拼接； （8） 灰度图像转变成彩色RGB图像； （9） 输出拼接后的图像，结束。
算法中x为图像P2种列像素的间隔，y为拼接线的条数，T为拼接线总的 条数，本文的实验取 x=3，T=10，n=10，k=5。 3.4拼接后的处理
如果将两幅亮度、对比度有差异的图像拼接起来，而不进行任何处理，图 像的颜色可能会出现明显的不协调。通常情况下，相邻像素的像素值是相近的， 为了改善图像颜色的不协调可以选择以拼接线为中心的一个矩形小邻域对
18
山东农业大学学士学位论文
（黑色）、W （白色）图像的颜色分量采取线性插值滑过渡。
［21］
，已达到颜色亮度的平
以拼接线为中心线左右各取宽度为 w的区域，那么区域的总宽度为2W+1设 拼接线左边第w个像素的颜色分量为Ci，右边第w个像素的颜色分量为C2，则插 值步长计算如下：
delta=（c 2一ci） / （2w+1）
从左边第w个像素到右边第w个像素，它们的位置分别记为1，2,……， 2w+1；那么第i个位置的颜色分量的值为ci+（ i 一 1）delta，其中（1 < i < 2w）。 3.5实验结果
对亮度、对比度差异不大的两幅图像做本文的方法进行拼接实验，拼接后 的图像不存在颜色不协调现象，效果很好（实验一）； 实验一：对两幅亮度、对比度差异不大的图像进行拼接
图3.2为拼接后的图像
19
山东农业大学学士学位论文
转换后的RGB图像如图3.3 :
图 3.3为RGB图像
实验二：对两幅亮度、对比度差异较大的图像进行拼接
图3.4 拼接前的两幅图像
图 3.5拼接后的图像
对亮度、对比度差异较大的两幅图像用本文的方法进行拼接实验，拼接的 位置准确，但拼接后的图像在拼接处出现了 （尤其是图像亮度对比明显的上部分） 比较明显的不协调（实验二），必须对图像进行进一步处理，使整个图像协调。
20
山东农业大学学士学位论文
图3.6经优化后的拼接图像
RGB图像如图3.7:
图3.7转化后的RGB图像
3.6本章小结
本章提出了一种基于线匹配的图像拼接算法，用线差异度进行匹配，有效 地减少了计算量，同时通过区域差异度确保拼接线的可靠性。实验结果表明该 方法运算速度快、拼接位置准确，算法有效可行。为下一阶段的研究存在较大 位移和较大角度旋转的图像拼接打下了基础，同时寻找到了校正亮度和对比度 的方法，以解决拼接后的图像颜色不协调问题。
4. 不规则图像的拼接
基于上一章的研究，本章我们将重点研究不规则图像的拼接。也就是说， 同一事物由于拍摄角度的不同，存在较大的位移和较大的旋转。这就要求我们 在拼接的过程中只有前面的预处理不能解决问题，必须需要进一步的研究。比 如有的需要对
21
山东农业大学学士学位论文
图像进行局部放大或者缩小之后，才能确定图像的最佳拼接线， 以此才能求得最佳的拼接位置。 4.1几何校正
本节讨论的变形图像是用数码照相机在不同位置和不同方向对场景所拍 摄的重叠数字化图像。由于相机空间位置和拍摄条件的不一致，因此图像间存 在几何变形、亮度、色度等差别。由于我们事先拍摄到的两幅实物图像一般存 在较大的重叠区，这为我们计算图像的相对大小以及相对旋转变形提供了前提。
首先，我们来定义“同名点” ：同名点为在两幅图像重叠区域中的同一 特征点，特征点是由于景物的物理与几何特性使图像中局部区域的灰度产生显 著变化而形成的明显点，如角点、圆点等.用影像匹配中的相关函数测度算法， 交互选择目标点和待匹配点来识别同名点。具体计算过程为：在前一幅图像中 先确定 一个待定点，即目标点。以此点为中心选 m n（可取m=n ）个像素的灰度阵列作 为目标区D,再在待拼接的图像中搜索所需要和目标区 □相似的特征区域区域的方法可以采用前面拼接线确定的思想进行搜索。
由于时间上的关系以及图像的区域搜索可以作为一门单独的课程来做，在 此图像的搜索只给出理论上的实现思想，不再作具体的实施操作。 4.2变形校正及区域定位拼接
在图像拍摄过程中，存在着图像的系统变形•变形有两大类：辐射变形和 几何变形•由此产生影像灰度分布之间的差异•两幅图像之间的几何变形，不 仅存在着相对移位，而且还存在着图形变化•如果是线性变换的，就可以用前 面提到的图像定位方法对图像进行定位、配准后，进行拼接。如果图像的变化， 不是线性变化，如辐射变形等
对于这种情况，我们可以对图像的局部放大或者缩小后，对图像进行重定 位，然后进行拼接。由于时间的关系，本部分内容也不再作过多的实际实现操 作，只做理论上的分析，为以后进一步研究提供理论基础。
［22］
，搜 索匹配
22
山东农业大学学士学位论文
4.3本章小结
本章针对一种变形图像，考虑到图像间存在的几何变形和辐射变形，从定 义同名点开始，着手实现几何变形校正、精确定位重叠区域进行平滑拼接，构 成大图像所研究的这类图像和拼接技术，对拍摄条件和设备无苛刻要求。也就 是说，从两幅变形图像开始，进行拼接理论的分析，从而实现多幅图像的拼接
23
山东农业大学学士学位论文
5. 结束语
图像拼接的问题是现代图像处理中研究的重点和热点问题之一。本文以图 像处理技术为基本手段，以MATLABB像处理为基本工具，分别对现实生活中同 一事物不同环境、不同角度下拍摄到的图像进行了预处理、拼接线的确认等处 理操作。同时，针对多幅不同类型的事物图像进行了试验，试验的结果表明本 文的算法能有效和可靠的对同一事物不同角度的图像进行拼接。 本文的主要工作有：
（1） 研究了在复杂背景下进行图像的预处理方法，该方法能有效的提高待拼 接图像的质量，为图像拼接线的确认提供了良好的条件。
（2） 利用差异度来确定拼接线的位置，事实证明该方法具有匹配效率高、速 度快、拼接线准确率高等特点。
由于客观条件及时间的限制，本文的工作做得不够完善，还有待于进一步的 提高，可以从以下几个方面继续研究： （a） 对多幅彩色变形图像进行拼接。
（b） 利用结合小波的有关知识，对不同环境下，差别较大的图像进行拼接。
24
山东农业大学学士学位论文
参考文献
［1］
Sheiks . Eliminating
ghosting and exposure artifacts in image mosaics［J］ . In : Proceedings of IEEE Computer Society Conference on Computer Visio n and Pattern Recognition , Hawaii , 2001 .
［2］ 兰培真，马越，邱志雄，金一丞.不同视点重叠图像自动拼接算法［J］,2001年 第2期，总第49期
［3］ 杨帆、周又玲.基于轮廓特征的路面裂缝图像拼接［J］，华东理工大学中国 科技信息，2002年第二期
［4］ 荆根强、张天序、杨卫东、左峥嵘.局部自适应序列图像拼接算法［J］，红 外与激光工程，2003年第十七期
Matthew Uyttendaele , Ashley Eden , Richard
⑸ 王玉珍.边缘重叠图像拼接中的特征块选取［J］，西北师范大学学报(自 然科学
版)，2000年第二十二期 ［6］
一种改进的基于比值模板匹配的显微图像拼接 程,2005年第二十二期
［7］ 樊庆文,王小龙,秦思南,张华.一种改进的变网格模板数字图像快速拼接算 法［J］，现代制造工程2005(2)
［8］ Zhu Yuanping,XiaLimin. A kind of be applicable to the picture to put together to connect from the orientation
template to match the calculate
方青、王博亮.［J］,计算机工
way. The calculator engin eeri ng and applied［J］ 2003.3」
［9］ 李波.一种基于小波和区域的图像拼接方法［J］，电子科技，2004(3) ［10］ 蔺想红，王维盛.一种基于特征匹配的全景图自动拼接方法［J］,西北师范 大学学报(自然科学版),2005年第4期
25
山东农业大学学士学位论文
［11］ 赵向阳、杜利民• 一种全自动稳健的图像拼接融合算法［J］，中国图像图 形学报，2000年第二^一期
［12］ 李盛慧、顾国庆.运用区域标定自动机的文字图像拼接算法［J］，计算机应 用与软件，2004年第九期
［13］ 李开宇,张焕春,经亚枝.基于FPG的高速高质量图像旋转［J］,中国图象 图形学报,2004年3月第9卷第3期
［14］ 陶冰洁，王敬儒，魏宇星，彭真明• 一种实用的小目标配准方法［J］，红外 与激光工程，2005年8月第34卷第4期 ［15］
秋琦.基于最小二乘互相关算法的图像定位匹配研究 学报，2003年9月，第24卷第9期
［16］ 小雷工作室.YUV与RGB之间的变换［J］， http://www.havideo.com/chi nese/xiaoleigz/yuvrgb.html
［17］ 方贤勇、潘志庚、徐丹.图像拼接的改进算法［J］，计算机辅助设计与图形 学学报，2002年第六期
［18］ 李忠新、茅耀斌、王执铨.基于对数坐标映射的图像拼接方法［J］，中国图 像图形学报，2004年第十期
［19］ 张兆礼、赵春晖、梅晓丹.现代图像处理技术及Matlab实现［M］,人民邮 电出版社,2000年
［20］ SuZhixun, FengJingbo, CaoJunjie. The panorama picture puts together to connect the calculate way, scienee and engineering university college journal of DaLia n［J］, Issue 4 of 2001
［21］ 杜慧茜、梅文博、苏广川.基于图像统计特征的平移线性插值方法，北京 理工大学学报，2005年6月第25卷第6期
［22］ 张显全、唐振军、卢江涛.基于图像线匹配的图像拼接［J］，计算机科学，
王岩松，阮［J］,通信
26
山东农业大学学士学位论文
2003年第七期
［23］ 李佳、解凯.基于条形图的全景图像拼接［J］，哈尔滨师范大学自然科学 学报，2004年第十六期
［24］ 朱正明、姜明、马小明.基于特征点匹配的图像拼接系统［J］，林业科学， 1996年第十八期
[25] 刘金根、吴志鹏、刘上乾、殷世民，一种基于特征区域分割的图像拼接算 法，西安电子科技大学学报（自然科学版）[J] ， 2002年12月第29卷第6期 [26] 徐 奕.一种基于线条特征的图像拼接算法,湖州师范学院学报[J],2004年4 月第26卷第2期
27
山东农业大学学士学位论文
致谢
本文是在指导老师高华教授的悉心指导下完成的。高教授学识渊博、治学 严谨、平易近人。在毕业设计中对我的悉心指导和谆谆教诲使我受益匪浅，谨 此表示崇高的敬意和衷心的感谢。
数字图像拼接算法的设计与实现是一项比较复杂，而且图像质量受环境的 影响，变化很大。从构思、开始设计、编程实验到撰写完论文报告，差不多花 费三个月的时间。该研究所涉及到的实际问题和技术细节比较多，许多技术都 是在开发过程中根据需要才去学习的，整个完成过程历经艰难而富挑战性并且 研究设计过程其乐无穷。
此次毕业设计不仅是对我专业知识的一种检验和补充，同时更重要的是使 我认识到与别人积极合作的关键作用。这些都是在书本中学不到的，这种团结 互助的合作精神将贯穿于我以后的工作与学习，也使我受益终身。在此，对同 组同学也表示诚挚的谢意！
28
山东农业大学学士学位论文
附录
图像拼接部分源代码：
clc; clear;
A=imread('d:\\a1.jpg');
in fo=imfi nfo('d:\\a1.jpg'); figure(1); imshow(A); A=rgb2gray(A);
imshow(A);
B=imread('d:\\a2.jpg');
in fo=imfi nfo('d:\\a1.jpg'); figure (3); imshow(B);
B=rgb2gray(B); figure(4); imshow(B); [m, n]=size(A); [s,t]=size(B); for i=1:m
K(i,1)=A(i,1);
end figure®
figure(2);
29
山东农业大学学士学位论文
imshow(K);
for i=1:t for j=1:s
G(j,i)=B(j,i); end end figure(6); imshow(G); clear;
fun cti on tran sform
」m age =
image_8x8_block_dct( in put_image ) tran sfor m
」m age =
zeros( size( in put_image,1 ),size( in put_image,2 )); for m = 0:15
for n = 0:15
tran sform_im age(m*8+[1:8], n*8+[1:8])
pdip_dct2( in put_image( m*8+[1:8] ,n *8+[1:8]));
end end
fun cti on restored_image =
」m age ) restored_image =
zeros( size( tran sfor m」m age,1 ),size( tran sform」m age,2 ));
image_8x8_block_i nv_dct( tran sfor mfor m = 0:15
30
山东农业大学学士学位论文
for n = 0:15
restored_image( m*8+[1:8], n*8+[1:8])=...
pdip_i nv_dct2( tran sform_im age( m*8+[1:8] ,n *8+[1:8]));
end end
维纳滤波的部分源程序：
[I,m]=imread('1g.jpg'); figure,imshow(I); title('origi nal')
J1=im noise(l,'gaussia n',0,0.02); [K n oise]=wie ner2(J1, [5 5]); figure,imshow(K);
灰度图像转化为RGB图像的部分程序： J=gray2i nd(f);'将灰度图像转化为索引图像 figure,imshow(J);'
k=ind2rgb(J);'将索引图像转化为RGB图像 isrgb(k);'判断是不是真彩色RGB图像
Function
zhcse(k);'调用此VC函数来实现判断
figure,imshow(k);'输出 RGB 图像 部分VC源码： #include \"stdafx.h\" #include \"图像拼接技术.h\" #include \"MainFrm.h\" #ifdef _DEBUG
#defi ne new DEBUG_NEW
31
山东农业大学学士学位论文
#un def THIS_FILE
static char THIS_FILE[] = _FILE_; #en dif
IMPLEMENT_DYNAMIC(CMai nF rame, CMDIFrameWnd) BEGIN_MESSAGE_MAP(CMa in Frame, CMDIFrameWnd) END_MESSAGE_MAP() static UINT i ndicators[]= {
ID_SEPARATOR, ID_INDICATOR_CAPS, ID_INDICATOR_NUM, ID_INDICATOR_SCRL, };
int CMai nFrame::O nCreate(LPCREATESTRUCT IpCreateStruct) {
if (CMDIFrameWnd::。nCreate(lpCreateStruct) == -1)
return -1; if
(!m_w ndToolBar.CreateEx(this, TBSTYLE_FLAT, WS_CHILD |
// status line in dicator
WS_VISIBLE | CBRS_TOP
| CBRS_GRIPPER | CBRS_TOOLTIPS | CBRS_FLYBY |
CBRS_SIZE_DYNAMIC) ||
!m_wn dTooIBar.LoadTooIBar(IDR_MAINFRAME)) {
TRACE0(\"FaiIed to create toolbar'n\"); return -1;
// fail to create
if (!m_w ndStatusBar.Create(this) ||
32
山东农业大学学士学位论文
!m_wn dStatusBar.Setl ndicators(i ndicators, sizeof( in dicators)/sizeof(UINT)))
{
TRACEO(\"Failed to create status bar\\n\"); return -1; }
// fail to create
// TODO: Delete these three lines if you don't want the toolbar to // be dockable
m_wn dToolBar.E nableDocki ng(CBRS_ALIGN_ANY); En ableDocki ng(CBRS_ALIGN_ANY); DockCo ntrolBar(&m_wn dToolBar);
return 0; }
BOOL CMai nF rame::PreCreateWi ndow(CREATESTRUCT & cs) {
if( !CMDIFrameWnd::PreCreateWi ndow(cs))
return FALSE;
// TODO: Modify the Win dow class or styles here by modifyi ng // the CREATESTRUCT cs
return TRUE; #ifdef _DEBUG
void CMa inF rame::AssertValid() const
33
山东农业大学学士学位论文
{
CMDIFrameWnd::AssertValid(); }
void CMainF rame::Dump(CDumpCo ntext& dc) const {
CMDIFrameWnd::Dump(dc); }
#en dif 〃_DEBUG 所有源码：
團像拼接羽■+“「
实验过的部分图像:
34
山东农业大学学士学位论文
图A为原始RGB图像
拼接前的灰度图像：
图B为灰度图像
拼接后的图像及转化后的RGB图像
图C为拼接后的灰度图像 图D为转换后的RGB图像
35
山东农业大学学士学位论文
第五章部分理论图像：
（该部分图像只是理论图像，不是实验结果）： 进行几何校正的图像：
图E为局部放大的拼接 理论上拼节后的图像如图G：
图F校正后的拼接
图G理论上的拼接图像
36
因篇幅问题不能全部显示，请点此查看更多更全内容