【正文】 這在航天照片的拍攝中顯得尤為突出。 最 后 重點研究 了 一種能夠在 MATLAB中實現(xiàn)的針對 具有 平移 特點 的 圖像 的拼接 算法 ，分析 該 算法 的各個運算過程，總結(jié)算法 中 存在的問題。圖像拼接是數(shù)字圖像處理領(lǐng)域的一個重要的研究方向，在攝影測量學(xué)、計算機視覺、遙感圖像處理、醫(yī)學(xué)圖像分析、計算機圖形學(xué)等領(lǐng)域有著廣泛的應(yīng)用價值。 論 文首先介紹了圖像拼接技術(shù)的研究現(xiàn)狀、特點及應(yīng)用領(lǐng)域，從而展示了圖像拼接技術(shù)廣闊的應(yīng)用前景。 針對以上分析出的問題， 論文 提出 了 三點改進(jìn)的方法， 逐一改進(jìn) 并通過實驗效果證明 改進(jìn)后的 算法的有效性。利用廣角鏡頭和掃描式相機可部分解決視角不足這一問題 [1]，但這些設(shè)備價錢昂貴，使用復(fù)雜，而且廣角鏡頭的邊緣難免會產(chǎn)生扭曲變形。 隨著虛擬現(xiàn)實技術(shù)的飛速發(fā)展，基于圖像的繪制技術(shù) (簡稱 IBR)已逐漸成為虛擬現(xiàn)實技術(shù)領(lǐng)域中一個熱點問題。 圖像拼接技術(shù)一個日益流行的研究領(lǐng)域，是虛擬現(xiàn)實、計算機視覺、計算 2 機圖形學(xué)和圖像處理等領(lǐng)域的重要研究課題，在宇宙空間探測、海底勘測、醫(yī)學(xué)、氣象、地質(zhì)勘測、軍事、視頻壓縮和傳輸、視頻的索引和檢索、物體的D3 重建、軍事偵察和公安取證、數(shù)碼相機的超分辨處理等領(lǐng)域都有廣泛的應(yīng)用。圖像融合技術(shù)是用來消除由于幾何校正、動態(tài)的場景或光照變化引起的相鄰圖像間的強度或顏色不連續(xù)問題，將兩幅經(jīng)過匹配確定出重疊區(qū)域的圖像合并為一幅無縫圖像。 2020 年， Shmuel Peleg 等人在 Rchard Szeliski 的基礎(chǔ)上作了進(jìn)一步的改進(jìn)，提出了自適應(yīng)圖像拼接模型 [4]，根據(jù)相機的不同運動而自適應(yīng) 3 選擇拼接模型，通過把圖像分成狹條進(jìn)行多重投影來完成圖像的拼接。這種方法拼接效果好、可靠性高 ，但是要求對攝像機進(jìn)行精確的標(biāo)定，同時要求攝像機透鏡本身的畸變參數(shù)引起的圖像變形可以忽略不計。相位相關(guān)法計算簡單精確，但要求待配準(zhǔn)圖像之間有較大重疊比例，同時計算量和適用范圍與圖像的大小有很大關(guān)系。比值匹配法是從一幅圖像的重疊區(qū)域中部分相鄰的 兩列上取出部分像素，然后以它們的比值作為模板，在另一幅圖像中搜索最佳匹配，這種算法計算量較小，但精度低 ； 塊匹配法 [10]是以一幅圖像重疊區(qū) 4 域中的一塊作為模板，在另一幅圖像中搜索與此模板最相似的匹配塊，這種算法精度較高，但計算量過 大； 網(wǎng)格匹配法 [11]首 先進(jìn)行粗匹配，每次水平或垂直移動一個步長，記錄最佳匹配位置，然后再進(jìn)行精確匹配，每次步長減半，循環(huán)此過程直至步長減為 0，這種算法較前兩種運算量有所減小，但如果粗匹配步長過大會造成較大的誤差。這種方法在特征輪廓的提 取上容易受到噪聲的干擾，其計算量隨著輪廓數(shù)量的增多而增長?，F(xiàn)有的幾種方法各有其優(yōu)缺點，如果能綜合利用這些方法的優(yōu)點將會取得更好的匹配結(jié)果。相機在采集圖像的過程中，存在著多種運動方式，如平移、旋轉(zhuǎn)、傾斜等，這也使得到的圖像具有不同的特點。因此，針對這些特點產(chǎn)生了特定的圖像拼接算法。圖像拼接技術(shù)的特點決定了它沒有標(biāo)準(zhǔn)的測試圖像，也沒有統(tǒng) 一的評價標(biāo)準(zhǔn)，衡量一個算法的優(yōu)劣主要靠人的主觀視覺感知 。 圖 是由多幅遙感圖像拼接成的某地區(qū)的全景圖像。 1996 年，美國發(fā)射第一顆業(yè)務(wù)氣象衛(wèi)星艾薩（ ESSA），主要提供可見光云圖。 醫(yī)學(xué)圖像分析 在醫(yī)學(xué)領(lǐng)域，從 CT 圖像、 X 光照片到人體的細(xì)胞照片，醫(yī)學(xué)圖像的質(zhì)量和處理手段都有極高的要求，許多圖像處理技術(shù)也是在解決醫(yī)學(xué)圖像問題的過程中產(chǎn)生的。 在外科手術(shù)中，由于缺少對視網(wǎng)膜整體狀況進(jìn)行檢查的工具，視網(wǎng)膜激光手術(shù)的成功率低。 8 圖 視網(wǎng)膜全景圖 圖像拼接在虛擬現(xiàn)實技術(shù)中的應(yīng)用 虛擬現(xiàn)實是一種人與通過計算機生成的虛擬環(huán)境之間可自然交互的人機界面。基于幾何模型的方法需要大量 的環(huán)境建模以及昂貴的專門硬件的支持，而且計算機圖形的生成和顯示時間依賴于圖形的復(fù)雜度。 Apple 公司的“ Quick Time VR” [17]就是基于該技術(shù)的一個典型的系統(tǒng)，通過在全景圖上開窗口，實時生成用戶需要觀察的虛 10 擬環(huán)境，經(jīng)不同全景圖之間的切換來實現(xiàn)在虛擬環(huán)境中的漫游，使用戶能主動地 從不同視點和方向了解環(huán)境。 圖 圖像拼接的基本流程 圖像拼接的方法很多，不同的算法步驟會有一 定的差異，但大致的過程是相同的。 （ 4） 圖像的變換和重構(gòu) 即統(tǒng)一坐標(biāo)系的過程，根據(jù)建立的數(shù)學(xué)轉(zhuǎn)換模型，將待拼接圖像轉(zhuǎn)換到參考圖像的坐標(biāo)系中，以此來構(gòu)成完整的圖像。數(shù)碼相機的應(yīng)用提高了采集圖像的質(zhì)量，同時普通攝像機及 CCD 攝像機采集的實時的 視頻序列也常用于圖像拼接。 (3) 手持照相機拍攝，站在原地拍攝四周，或者沿著照相機得光軸垂直方向走動拍攝。拍攝得到的一系列圖像中相鄰兩張必須有部分重疊。 平移照相機拍攝 平移照相機拍攝指的是照相機在一個平行于成像平面的方向上平移。另外，由于拍攝的圖像均在一個平面上，通過這種方法獲得的全景圖的 D3 效果不如旋轉(zhuǎn)拍攝的好。 以上方 法均不同程度的限制了照相機的運動，使獲取的圖像滿足一定的要求。 主要研究內(nèi)容如下： （ 1）查閱并學(xué)習(xí)了國內(nèi)外大量的相關(guān)文獻(xiàn)，對圖像拼接領(lǐng)域的發(fā)展和國內(nèi)外的研究現(xiàn)狀有了一個總體的認(rèn)識，對圖像拼 接技術(shù)的特點和圖像拼接技術(shù)的應(yīng)用領(lǐng)域做了概括和分析。通過 實驗證明各方法的有效性。重點 14 介紹了 Matlab 二次開發(fā)的新特性。 15 第二章 數(shù)字圖像處理軟件 MATLAB 簡介 1980 年前后， Matlab 的首創(chuàng)者 Cleve Moler 博士在 New Mexico 大學(xué)講授線性代數(shù)課程時，看到了用高級語言編程解決工程計算問題的諸多不便，因而構(gòu)思開發(fā)了 Matlab 軟件 (Matrix Laboratory，矩陣實驗室 )。不久，他們成立了 Mathworks 軟件開發(fā)公司并將 Matlab 正式推向市場。在美國等發(fā)達(dá)國家的大學(xué)里 Matlab 是一種必須掌握的基本工 16 具，而在國外的研究設(shè)計單位和工業(yè)部門，更是研究和解決工程計算問題的一種標(biāo)準(zhǔn)軟件。 （一） Matlab 主包 Matlab 主包包括以下 5 個部分 。 Matlab 工作環(huán)境給用戶提供了管理工作空間內(nèi)的變量和輸入、輸出數(shù)據(jù)的功能，并給用戶提供了不同的工具用以開發(fā)、管理、調(diào)試 M文件和 Matlab 應(yīng)用程序。 (4)Matlab 數(shù)學(xué)函數(shù)庫 17 Matlab 數(shù)學(xué)函數(shù)庫是數(shù)學(xué)算法的一個巨大集合，該函數(shù)庫既包含了諸如求和、正弦、余弦、復(fù)數(shù)運算之類的簡單函數(shù) 。 Simulink 允許用戶在屏幕上繪制框圖來模擬一個系統(tǒng)，并能夠動態(tài)地控制該系統(tǒng)。包括以下幾個領(lǐng)域的模塊集 : ● DSP(數(shù)字信號處理 ) ● FiedPoint(定點 ) ● Nonlinear Control Design(非線性控制設(shè)計 ) ● Communications(通信 ) 18 （三） Matlab 工具箱 工具箱是 Matlab 用來解決各個領(lǐng)域特定問題的函數(shù)庫，它是開放式的，可以用，也可以根據(jù)自己的需要進(jìn)行擴展。應(yīng)用 Matlab 的各種工具箱可以在很大程度上減小用戶編程時的復(fù)雜度。從該版本開始， Matlab 由 DOS 下的應(yīng)用程序改進(jìn)為 Windows 下的應(yīng)用程序，更易于操作，從而大大拓展了其應(yīng)用范圍并加速了該軟件的更新過程。此后的 Matlab , , 到 1999 年 1 月推出的 版本，分別在前面版本的基礎(chǔ)上前進(jìn)了一大步。 MathWorks 公司的MATLAB 系列產(chǎn)品所具備的優(yōu)勢能夠很好地解決上面的問題，現(xiàn)今已發(fā)展成為工業(yè)界產(chǎn)品設(shè)計和開發(fā)的標(biāo)準(zhǔn)平臺。這些函數(shù)的數(shù)值運算是針對矩陣操作優(yōu)化過的，所以用戶可以使用他來代替底層編程語言如C 語言。并且不管用戶是使用已有的算法，還是自行開發(fā)，MATLAB 提供了一個通用的平臺。此外，用戶可以快速地將代碼片段和知識轉(zhuǎn)換成可以重復(fù)使用的自動分析例程，不需要變量聲明和維數(shù)定義，可很快編寫出程序。利用 Simulink 提供的子系統(tǒng)和 Sfunction 功能，用戶可以方便地建立自己的專業(yè)模塊庫，或?qū)⒁延械拇a結(jié)合到仿真模型中使用。 ealTime Workshop 支持 Simulink 的外部應(yīng)用模式，即把用戶的實時目標(biāo)板與 Simulink的模型相連接。從圖中可以看出這兩張圖片中間有一部分重合區(qū)域，根據(jù)這部分重合區(qū)域，計算機就能夠?qū)ふ业絻蓮垐D片的匹配點加以拼接。E:\39。)。 xiaotu=Y(1:50,1:50)。 [m1 n1]=size(X)。 t(i,j)= c(i,j)/b(i,j)。 A1=H(1:end,lie:end)。 E=cat(2,X1,K,Y1)。一下是程序中預(yù)處理圖片的程序和說明： h=imread(39。E:\39。 %對圖像進(jìn)行灰度處理 圖像的配準(zhǔn) 首先給出進(jìn)行圖像配準(zhǔn)的程序段： xiaotu=Y(1:50,1:50)。 c(i,j)=sum(sum(temp.*X))。 [hang,lie]=find(t==MAX)。 圖 在三維曲面圖中底面代表原左半部分圖片，底面每個坐標(biāo)上都對應(yīng)一個值 ，最大為 1。 [hang,lie]=find(t==MAX)。對該部分以一定的方式處理后，與原圖片中不重合的部分進(jìn)行物理上的拼接就能夠得到實驗的最后結(jié)果。 %在左半部圖像中找出重合部 分 K=imlinb(.5,A1,.5,B1)。 %把三部分從左到右排列完成拼接過程 分析 該程序 存在的問題 該程序能過自動找出匹配點運用該匹配點進(jìn)行拼接，但是 圖像之間重合部分的處理還不夠。在處理重合部分的過程中用到了 imlinb 函數(shù)，本節(jié)將主要對這個函數(shù)的使用加 以 改進(jìn)，實現(xiàn)無縫拼接。語句的實際功能 ，它把 A1 和 B1 各分成一半再相加起來。 a50=uint8(a50)。 %把假設(shè)的圖像去掉 為重合部分假設(shè)的左邊圖像就好像 “ 拉鎖 ” 的源頭 ， 當(dāng) o=1 時 ： K=imlinb(N/(N+1),A(1:end,1),1/(N+1),B(1:end,1))。并且 o 每增加一個值， a50 就記憶下當(dāng)時 K 的狀態(tài)。 30 改進(jìn)后的程序 以下是對重合部分過濾進(jìn)行改進(jìn)的程序： clear all。)。 Y=rgb2gray(y)。 I=double(H)。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 end end MAX=max(max(t))。 B1=H(1:end,lie:end)。 end E=cat(2,a1,a2)。 33 完成彩色拼接 實驗中用到的圖片是彩色的圖像，但是實驗結(jié)果中顯示的都是灰度處理后的實驗效果拼 接圖，如果讓實驗效果變?yōu)椴噬男Ч?，更能夠?qū)χ睾喜糠诌^濾的過程一目了然。 每一幅彩色圖片在輸入 MATLAB 后，都是以 3 個同規(guī)格的矩陣在圖像平面的法線上排列存放的，這三個矩陣分別對應(yīng)了 R(紅 )， G(綠 )和 B (藍(lán) ) 三個分量 。 %讀取右半部分圖像 h=imread(39。 %提取右圖的第一基色層 Yb=y(:,:,2)。 %提取左圖的第二基色層 Hc=h(:,:,3)。 y=imread(39。E:\39。 Yc=y(:,:,3)。 Hc=h(:,:,3)。 [M1 N1]=size(I)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 a1=h(1:end,1:lie1,1:end)。 Bhb=Hb(1:end,lie:end)。 for o=1:(N1lie+1) Ka=imlinb((N1lie+2o)/(N1lie+2),Bha(1:end,o),o/(N1lie+2),Bya(1:end,o))。 a1=cat(2,a1,K)。在重合部分處理過程中也會相對的復(fù)雜。 本節(jié)主要在程序結(jié)構(gòu)上進(jìn)行改進(jìn)，使之能夠自動完成左右或者上下特點圖像的拼接。圖 形象的用幾何圖形構(gòu)成了這種假設(shè)的狀態(tài)。 在對第 5（重合）部分進(jìn)行處理之后把他們按原來的位置排列好就能夠完成拼接。 自動識別拼接方向的彩色圖像拼接程序 以下程序 是利用了左上右下的假設(shè)，以黑色填充假設(shè)中 3， 7 部分 ，并以ifelseend 結(jié)構(gòu)語句連接左右與上下 兩種 重合部分 過濾程序完成拼接 的。 y=imread(39。E:\39。 Yc=y(:,:,3)。 [M N]=size(Ya)。 [M1 N1]=size(I)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 a12=h(1:hang1,1:end,1:end)。 a5ha=Ha(hang:end,lie:end)。 a5yb=Yb(1:M1hang+1,1:N1lie+1)。