洪永健 王天安 譚海波 郭晶晶 劉東堯 明家輝 萬豪

摘要

圖像拼接技術(shù)可以實現(xiàn)通過算法將不同角度拍攝的多幅圖像拼接成全景圖像，常規(guī)圖像拼接算法大多運行在計算機(jī)系統(tǒng)平臺，存在體積龐大、便攜性差等缺點。本文設(shè)計了基于嵌入式系統(tǒng)環(huán)境的圖像拼接系統(tǒng)，實現(xiàn)了一種在嵌入式系統(tǒng)中對圖像進(jìn)行快速拼接的算法。具體算法中實現(xiàn)選用Canny邊緣檢測提取圖像邊緣，減弱噪聲對拼接結(jié)果造成的影響；利用相位相關(guān)法實現(xiàn)對待拼接圖像的配準(zhǔn)，使用三角函數(shù)權(quán)重融合算法融合配準(zhǔn)后的圖像，實現(xiàn)了重疊區(qū)域的平緩過渡。

【關(guān)鍵詞】圖像拼接 相位相關(guān) 嵌入式處理系統(tǒng)

圖像拼接實現(xiàn)將多幅具有重合部分的圖像拼接成為一幅大尺寸，高分辨率的全景圖。

研究圖像拼接的意義就在于通過算法將輸入的常規(guī)相機(jī)拍攝的一般分辨率的不同角度下的普通圖像，拼接成為全景圖像，從而降低對采集圖像設(shè)備的過高要求，或者特殊環(huán)境下拍攝的圖像拼接到一起，組成全景圖像。本文結(jié)合實際需求，在嵌入式平臺上對圖像拼接算法進(jìn)行研究，并完成圖像在嵌入式系統(tǒng)環(huán)境下快速、準(zhǔn)確的拼接。

1 嵌入式圖像拼接算法設(shè)計

1.1 圖像的預(yù)處理

本系統(tǒng)中使用的圖像預(yù)處理方法為Canny邊緣檢測。具體的實現(xiàn)步驟為：

1.1.1 對圖像進(jìn)行高斯平滑

由于圖像中的邊緣信息對噪聲比較敏感，因此使用濾波器來對噪聲進(jìn)行處理，這里使用的高斯平滑用來削弱圖像中的噪聲對邊緣信息提取的影響。

1.1.2 求梯度的方向和幅值

對經(jīng)過高斯平滑后的圖像I（x，y）再求其偏導(dǎo)，得到圖像的偏導(dǎo)數(shù) ；對其求方向和幅值：

1.1.3 非極大值抑制

非極大值抑制實現(xiàn)起來就是將點P（x，y）與鄰域的8個點按導(dǎo)數(shù)減小的方向進(jìn)行幅值比較，若點P（x，y）小于該方向的兩個鄰域的點的值，那么該點不是極大值，在此處將該點梯度的幅值置0。

1.2 基于相位相關(guān)法的圖像配準(zhǔn)算法

由于圖像能夠等效為二維的信號，若一幅圖像的尺寸為M×N，用函數(shù)f（x，y）表示，則它的離散傅里葉變換可表示為

其中u=0，l，2，……，M-l；v=0，l，2，……，N-1。

使用快速傅里葉變換方法進(jìn)行變換，并且中心對齊后的效果圖如圖1所示。

若圖像f2相對圖像f1存在（dx，dy）的平移，可以表示為：

對圖像做傅里葉變換，可得到：

由上式可知，相對豐移量為（dx，dy）的兩幅圖像在頻率域中幅值相同，相位差為

計算的結(jié)果r是為虛數(shù)，對r進(jìn)行傅里葉逆變換的結(jié)果含有狄萊克函數(shù)8，其峰值點的位置坐標(biāo)就是（dx，dy），如圖2所示。

1.3 圖像融合算法

三角函數(shù)權(quán)重融合算法是基于漸入漸出法的改進(jìn)算法，其權(quán)值的分布是按照三角函數(shù)分布的，

權(quán)重滿足關(guān)系：

其中

，x是像素點的列數(shù)；L是重疊部分的左邊界，R是重疊部分的右邊界。

2 嵌入式圖像拼接試驗及分析

對于兩幅待拼接的圖像，當(dāng)這兩幅圖像的相對旋轉(zhuǎn)角度與重合率符合一定要求時使用本文的方法對其進(jìn)行拼接。原始圖像如圖3所示。

利用相位相關(guān)法計算得到邊緣檢測后的圖像的相對位置關(guān)系，根據(jù)結(jié)果對圖像進(jìn)行配準(zhǔn)。使用三角函數(shù)權(quán)重融合算法對圖像進(jìn)行融合后裁掉圖像上下的黑邊得到最終圖像拼接的結(jié)果如圖4。

根據(jù)輸出的信息圖像拼接算法總用時為10.67s，可以滿足系統(tǒng)實時性要求。

3 結(jié)論

本文重點討論了嵌入式系統(tǒng)下的圖像拼接算法，基于FPGA的嵌入式系統(tǒng)的硬件平臺和軟件系統(tǒng)設(shè)計流程，使用DEO-Nano-SoC構(gòu)建嵌入式Linux系統(tǒng)。利用相位相關(guān)法實現(xiàn)對待拼接圖像的配準(zhǔn)，以滿足系統(tǒng)的實時性要求；使用三角函數(shù)權(quán)重融合算法融合配準(zhǔn)后的圖像，實現(xiàn)了對拼接圖像的重疊區(qū)域的平緩過渡，所研究算法通過實際試驗驗證了其有效性和實時性。

參考文獻(xiàn)

[1]周戀玲，董思妤，夏芙蓉.圖像拼接算法研究與進(jìn)展[J].科教導(dǎo)刊，2015（10）：127-127.

[2]李翠.基于魚眼鏡頭的圖像拼接技術(shù)研究[D].天津：天津理工大學(xué)，2013.

[3]盧朝梁，馬BR華，于敏，徐志燕，崔樹民.基于平行直線組的可見光與紅外圖像配準(zhǔn)算法[J].解放軍理工大學(xué)學(xué)報，2015（05）：439-446.

[4]Du W Z， Song Z H， Yan W B， Wu L G. Fast image stitching under single camera rotate monitoring [J]. Journal of Image and Graphics，， 2016， 21 （02）： 245-254.

[5]陳宏.基于快速傅里葉變換的形狀檢索[J].價值工程，2012 （32）： 198-202.

[6]Bober M.MPEG - 7 visual shape descriptor. IEEE Trans.On Circuits and Systems for Video Technology. 2001，11 （06）： 716-719.