李麗英

（江西機電職業(yè)技術學院，江西 南昌 330013）

圖像拼接(Image Mosaics)技術把針對同一場景的相互有部分重疊的一系列圖片合成大且寬視角的圖像[1]，拼接后的圖像最大程度地與原始圖像接近，失真盡可能小，沒有明顯的縫合線川。圖像拼接技術當前主要應用于計算機視覺識別鄰域[2]。利用圖像的拼接與圖像的渲染結合，通過不斷改進算法，使得計算機視覺識別速度愈加迅速。此外，圖像拼接技術在軍事紅外預警中有著非常關鍵的作用[3]，例如獲取360°的環(huán)形全景圖像會使對整個軍事活動的細節(jié)把握更加準確，而獲得360°環(huán)形全景圖像的最佳方法就是圖像拼接技術[4]。

1 圖像拼接實現(xiàn)流程

圖像拼接實現(xiàn)流程如圖1所示。

1）圖像預處理過程。包括數(shù)字圖像處理的基本操作，如去噪、邊緣提取[5]、直方圖處理[6]等，本文實驗獲取的圖像沒有經(jīng)過圖像傳輸與圖像復雜處理過程，預處理操作較為簡單，獲取原始圖像的灰度圖即可。

2）圖像特征提取。本文中采用Canny算法實現(xiàn)邊緣檢測過程，Canny算子是一個具有濾波、增強、檢測的多階段的優(yōu)化算子，相比其他算法Canny算法檢測出的邊緣更多更加清晰，實現(xiàn)效果更好[7]。

3）圖像配準。在圖像配準過程中參考目標圖像中對應的拼接位置，其中包含在圖像中找到模板或特征點的對應位置，通過使用特定的模板匹配算法[8]，來確定兩個圖像之間的變換關系。

4）圖像融合。通過融合拼接圖像的匹配（相似）區(qū)域來獲得拼接重建后圖像的平滑[9]，并且完成圖像無縫鏈接，構成全景圖像。

圖1 圖像拼接實現(xiàn)流程圖

2 實驗

2.1 獲取原始灰度圖像

通過手持相機設備，獲取兩幅巖石風景圖像，如圖2所示，選取巖石風景的原因是：巖石風景的條紋分布類型多種多樣，本文的核心檢測算法更加適合，而且?guī)r石風景的顏色變化較少，更加貼近灰度圖像。

圖2 原始彩色圖像（待拼接）

圖3是獲取的原始灰度圖像，通過對單個灰度圖像完成圖像的拼接過程，即可實現(xiàn)彩色圖像的拼接。

圖3 原始灰度圖像（待拼接）

2.2 圖像特征提?。–anny邊緣檢測算法）

Canny邊緣檢測算法[10]實現(xiàn)步驟：1）用高斯濾波器平滑圖像；2）用一階偏導的有限差分來計算梯度的幅值和方向；3）對梯度幅值進行非極大值抑制；4）用雙閾值算法檢測和連接邊緣。

Canny邊緣檢測算法完成邊緣檢測后獲得的邊緣圖像如圖4所示。

圖4 Canny算法獲得兩幅圖像的邊緣

完成邊緣檢測后，提取兩圖像中的相似特征，進行匹配。經(jīng)過觀察對比圖2中的兩幅圖可得：左圖中的左邊部分和右圖中的右邊部分存在相似特征。在Matlab軟件平臺用鼠標點選圖2左圖中的相似區(qū)域獲得一個40×40的相似邊緣特征圖像，具體過程如圖5和圖6所示。

圖5 鼠標選取的圖像相似邊緣特征區(qū)域

圖6 相似邊緣特征提取

2.3 圖像的配準與融合

通過圖像相似邊緣特征提取可獲得一個包含特征信息的二值矩陣，另一幅圖像經(jīng)邊緣檢測后可獲得一幅二值化圖像，即一個二值化矩陣。在此基礎上利用矩陣處理方式找到與特征相匹配的矩陣。圖像匹配過程：通過遍歷大矩陣中每一個40×40的模塊，讓特征矩陣與標準模塊做相關運算，如果特征配準越多則相關值越大；若相關運算的取值位于[0，1]區(qū)間（相關值越接近1），即是與目標特征配準的區(qū)域。圖7中綠色框中的模塊為目標相似邊緣特征區(qū)域，對準相應的坐標，即可完成圖像融合。

圖7 相似邊緣配準

圖像融合后的圖像如圖8所示。實驗操作的兩幅圖像，大小相同、光照條件一致、沒有經(jīng)過預處理階段，最終融合效果較好。由于兩幅圖像經(jīng)拼接后部分像素缺失，圖8中右上角和左下角存在部分黑色長條。

圖8 圖像融合（拼接完成）

3 結論

圖像拼接技術能夠很好地解決拍攝中相機視野和高分辨率照片之間的平衡問題，研究精確且高速的圖像拼接算法具有十分重要的應用價值。本文采用基于特征的圖像拼接算法，利用Canny算子進行邊緣檢測提取數(shù)字圖像特征，通過圖像預處理（去噪，邊緣提取，直方圖處理等）、圖像配準、圖像重構融合等操作，在Matlab平臺下實現(xiàn)兩幅大小一樣、光照條件一致的灰度圖像的拼接。

本文實驗場景對圖像的處理方法較為簡單，圖像拼接過程具有待改進的空間，如本文完成的是兩幅灰度圖像的拼接過程，后期可以考慮不同大小圖像相似特征的匹配，存在傾斜特征的圖像匹配，不同光照強度下的圖像匹配等。