【正文】 征、閉合區(qū)域、顯著特征、高層結(jié)構(gòu)描述與句法描述等等。通過研究得出的經(jīng)典相似性度量包括 :自相關(guān)函數(shù)、互相關(guān)函數(shù)、歸一化積相關(guān)函數(shù)與距離函數(shù)。局部變換主要是指變換參數(shù)對(duì)位置可以存在依賴性 ,也就是說 ,在不同位區(qū)域內(nèi) ,變換參數(shù)模型可以不同 。 搜索策略 搜索策略的目的是在搜索空間中找出圖像之間進(jìn)行旋轉(zhuǎn)、平移等變換的最優(yōu)配準(zhǔn)參數(shù)。在圖像配準(zhǔn)時(shí)通常運(yùn)用的搜索策略一般包含以下幾種 :黃金分割法、多尺度搜索、松馳算法、 Brent 法、窮盡搜索、分層搜索、線性規(guī)劃、三次插值法、廣義變換、模擬退火算法、奴群算法、遺傳算法和神經(jīng)網(wǎng)絡(luò)等。另一類是基于特征的圖像配準(zhǔn)算法 ,這類算法主要是通過提取圖像特征 ,進(jìn)行圖像之間特征的匹配 ,匹配后按匹配關(guān)系來構(gòu)建圖像間的變換關(guān)系 ,此類算法只需要提取圖像的部分信息 ,從而能縮減計(jì)算時(shí)間。該算法的原理是基于不同圖像中景物的相對(duì)位置一般不變的情況下 ,根據(jù)局部的對(duì)應(yīng)關(guān)系能夠確定全局的對(duì)應(yīng)關(guān)系。采用塊配準(zhǔn)法時(shí) ,當(dāng)模板數(shù)據(jù)較大時(shí)算法的配準(zhǔn)精度會(huì)很高 ,但同時(shí)計(jì)算量也將增大。 比值配準(zhǔn)法 陜西理工學(xué)院畢業(yè)論文 第 7 頁 共 22 頁 比值配準(zhǔn)法是在兩幅圖像的重疊區(qū)域內(nèi)找出兩列像素的相隔距離 ,將這兩列像素之間的比值作為配準(zhǔn)模板 ,在第二幅圖像與第一幅圖像的重疊區(qū)域中找到對(duì)應(yīng)位置 ,從而確定圖像配準(zhǔn)位置。在圖像配準(zhǔn)中 ,可以使用的特征有很多 ,例如輪廓、角點(diǎn)、邊緣、高曲率點(diǎn)、區(qū)域特征等 …], 因此出現(xiàn)很多種基于特征的圖像配準(zhǔn)算法。例如 :索貝爾算子 (Sobel)、 Roberts 算子、Canny 算子、馬爾算子 (LOG)等。此種算法在空間上易于實(shí)現(xiàn) ,可以比較準(zhǔn)確的找出圖像邊緣 ,有一定抗噪能力。當(dāng)圖像噪聲較低且在垂直方向與水平方向存在陸峭邊緣的情況下 ,該算法往往具有良好效果 ,可以比較準(zhǔn)確的定位圖像 邊緣。此種算法能夠在邊緣檢測(cè)和噪聲抑制之間取得平衡。 3） 單像素寬，要有很高的選擇性，對(duì)每個(gè)邊緣有唯一的響應(yīng)。抑制噪聲和邊緣精確定位是無法同時(shí)得到足的，即邊緣檢測(cè)算法通過圖像平滑算子去除噪聲，勢(shì)必增加邊緣定位的不確定性；反之，提高邊緣檢測(cè)算子對(duì)邊緣的敏感性，同時(shí)也提高了對(duì)噪 聲的敏感性。二是使用高斯濾波器能夠同時(shí)在空域和頻域達(dá)到最佳 。這樣還能克服拉普拉斯算子對(duì)噪聲敏感的缺點(diǎn)，減少了噪聲的影響。 馬 爾算子 (LOG) 馬爾算子 經(jīng)常出現(xiàn)在雙邊緣像素邊界，對(duì)噪聲比較敏感，所以很少用它檢測(cè)邊緣，而是用來判斷邊緣像素位于圖像的明區(qū)還是暗區(qū) 根據(jù)上表可以看出本實(shí)驗(yàn)最好的檢測(cè)方法是用 坎尼 算子來進(jìn)行邊緣檢測(cè)。其次 ,我們將根據(jù)實(shí)際圖像來設(shè)定一個(gè)閥值 ,遍歷圖像中的每一個(gè)像素點(diǎn) ,如果該點(diǎn)的興趣值大于該點(diǎn)的閥值 ,那么這個(gè)點(diǎn)就作為一個(gè)候選點(diǎn)出現(xiàn)。 Forstner 檢測(cè)法的計(jì)算速度比較快而且計(jì)算的精度也比較高 ,但這種檢測(cè)法的計(jì)算過程中非常復(fù)雜。 對(duì)于圖像 ),( yxI ，當(dāng)在點(diǎn)（ x,y)處平移 ),( yx?? 后的自相似性可以通過自相關(guān)函數(shù)給出： 2)(),( )],(),([),(),( yvxuIvuIvuwyxyxc yxWvu ???????? ? ? () 其中 ),( yxW 是以點(diǎn) ),( yx 為加權(quán)函數(shù)，既可以用常數(shù)表示，又可以用高斯加權(quán)函數(shù)表示 根據(jù)泰勒展開，對(duì)圖像 ),( yxI 在平移 ),( yx?? 后進(jìn)行一階近似 ： ])][,(),([),(),(),(),(),(xyvsvsvuIvuIvuIvuIxvuIyxIyvxuI???????????? () 公式中（ 2）中 xs II、 是圖像 ),( yxI 偏導(dǎo)數(shù) 較為穩(wěn)定。這種檢測(cè)法的核心思想是 :對(duì)具有較低分辨率的原始圖像 ,判斷某個(gè)核心點(diǎn)為角點(diǎn)的原則是計(jì)算過核心點(diǎn)的任意一條直線與 USAN 區(qū)域的交點(diǎn)的個(gè)數(shù)。為了使圖像包括的信息更全面 ,更為準(zhǔn)確 ,使用圖像融合技術(shù)是很好的一個(gè)選擇 ,這些優(yōu)點(diǎn)是單一源圖像所不具備的 ,經(jīng)過圖像融合技術(shù)融合的圖像將更加滿足人們的要求 ,圖像融合技術(shù)可以降低圖像的部分冗余信息 ,只保留我們主要關(guān)注的信息 ,所以經(jīng)過圖像融合技術(shù)融合后的信息 ,相對(duì)來說比源圖像的 信息量要稍微少一點(diǎn)。而圖像融合的關(guān)鍵就是要選擇一種好的融合策略 ,使得融合后的圖像在臨界點(diǎn)上無拼接拼縫 ,過度平滑 ,實(shí)現(xiàn)無縫拼接。得到質(zhì)量更高的圖像信息是圖像融合的最終目的。 Daily 等人于1979 年率先研究出在地質(zhì)解釋中應(yīng)用 Landsat_MSS 圖像和雷達(dá)圖像的復(fù)合圖像 ,最簡(jiǎn)單的圖像融合由此產(chǎn)生 。之后 ,研究者 Adelson使用拉普拉斯技術(shù)將焦距不同的出自同一相機(jī)的多張圖像制作成具有擴(kuò)展景深的一幅融合圖像。隨著小波理論的不斷發(fā)張 ,在九十年代后期 ,離散小波技術(shù)逐漸應(yīng)用于圖像融合技術(shù)中。圖像融合技術(shù)是一種信息融合的有效工具 ,已廣泛應(yīng)用于軍事偵查、紅外目標(biāo)檢測(cè)、經(jīng)濟(jì)信息、智能機(jī)器人視覺、醫(yī)療診斷、遙感圖像處理、計(jì)算機(jī)城市規(guī)劃、交通管制、決策支持系統(tǒng)等領(lǐng)域。該融合主要是在圖像的基礎(chǔ)層面上進(jìn)行的融合 ,多數(shù)是對(duì)多傳感器目標(biāo)和背景要素的測(cè)量結(jié)果進(jìn)行融合處理。原因二是 ,相對(duì)于特征 級(jí)圖像融合及決策級(jí)圖像融合 ,該融合有很多信息量需要處理 ,因此需要的時(shí)間比較長(zhǎng) ,而對(duì)圖像設(shè)備要求也較高。特征級(jí)融合是對(duì)實(shí)時(shí)處理有利的一種融合 ,這種方法既可以對(duì)客觀信息進(jìn)行壓縮又可以保留足夠多的圖像信息。為了提高決策的可靠性和智能性 ,該融合方法主要是使用認(rèn)知模型 ,利用專家判決系統(tǒng)和大型數(shù)據(jù)庫進(jìn)行模擬識(shí)別、推理、分析、判決這樣一個(gè)過程。 決策級(jí)圖像融合方法包括 :模糊邏輯、帶置信度因子的生成規(guī)則、關(guān)系事件代數(shù)方法、貝葉斯估計(jì)法、 DS 證據(jù)推理法等。 CCD 英文全稱： Chargecoupled Device，中文全稱：電荷耦合元件。一塊 CCD 上包含的像素?cái)?shù)越多，其提供的畫面分辨率也就越高。 萬能工具顯微鏡 萬能工具顯微鏡用來精確測(cè)量各種工件 尺寸、角度、形狀和位置，以及螺紋制件的各種參數(shù)。在選好零件將零件擦洗干凈避免影響實(shí)驗(yàn)。 實(shí)驗(yàn)標(biāo)定 尺寸測(cè)量結(jié)果精確與否的關(guān)鍵在于系統(tǒng)的精度，而系統(tǒng)標(biāo)定的準(zhǔn)確與否直接影響到整個(gè)系統(tǒng)的精度，因此準(zhǔn)確地實(shí)現(xiàn)測(cè)量系統(tǒng)的標(biāo)定是保證直線度誤差精確測(cè)量的前提。顯然，零件圖像的尺寸（單位：像素）與零件的實(shí)際尺寸（單位 mm）之間具有一一對(duì)應(yīng)的線性關(guān)系，即兩物之間的測(cè)量比為常熟 ? 。 系統(tǒng)標(biāo)定過程： 選擇 Lo =5 mm 標(biāo)準(zhǔn)塊規(guī)作為標(biāo)準(zhǔn)樣品， 對(duì)測(cè)量系統(tǒng)的放大率 β =L0/Li進(jìn)行標(biāo)定，其中 Li 為標(biāo)準(zhǔn)塊規(guī)在計(jì)算機(jī)圖像中的尺寸，以像素點(diǎn)的數(shù)量表示。 下圖 在 CCD 下拍攝 5mm 量塊的圖像： 圖 CCD 下配送結(jié)合的量塊 將其放在 MATLAB 中進(jìn)行邊緣提取進(jìn)行標(biāo)定，其提取圖像如 圖 所示 ： 圖 matlab 處理結(jié)果 經(jīng)過 手動(dòng)提取 像素點(diǎn)， 在同一 ?y 35 下提取 y 的值分別為 ?1x 667， ?2x 87 所以求解 標(biāo)定系數(shù)β=5/(66787)= 陜西理工學(xué)院畢業(yè)論文 第 16 頁 共 22 頁 圖像處理 本次實(shí)驗(yàn)圖像處理用到 Matlab 軟件。對(duì)特征的測(cè)量時(shí)要從數(shù)字化出發(fā)，精確的估計(jì)產(chǎn)生這些數(shù)據(jù)的原始模擬量的性質(zhì)。因此，本文主要討論以下三個(gè)因素 圖像采集過程中的干擾因素 在用 ccd 攝像機(jī)進(jìn)行圖像數(shù)據(jù)采集的過程中，通常不可避免地會(huì)引入噪音。當(dāng)選取不同的圖像分割算法或同一算法中參數(shù)選取的不同都會(huì)引入不同程度的誤差，通常人們根據(jù)圖像處理的不同需要而采取不同的圖像分割算法及參數(shù)。其實(shí)還包括理論誤差，本次實(shí)驗(yàn)不考慮。 本次 畢設(shè) 也有許多不足之處。希望在今后的學(xué)習(xí)生活中完善這方面的不足。她對(duì)我進(jìn)行了無私的指導(dǎo)和幫助，不厭其煩的幫助我修改和改進(jìn)。 感謝我的同學(xué)特別是李蓬勃同學(xué)，在我寫論文過程中給予了我很多素材，還有在實(shí)驗(yàn)過程中給我了許多指導(dǎo)。0039。1.39。 ext])。 %img1=imgread(39。 %img2=imgread(39。 img1 = rgb2gray(img1)。 img2 = rgb2gray(img2)。 img0 = imMosaic(img2,img1,1)。mosaic_39。 figure,imagesc(img0),title(39。39。 lenna_Sobel=zeros(x,y)。 title(39。 2 0 2。 1 2 1]。 H2 = [1 2 1。)。 %輸出原圖象； subplot(2,2,1)。 lenna = double(lenna)。),colormap gray。.39。 %fis(img0) figure,imshow(img0)。39。39。)。)。39。 %img2 = imread([f 39。jpg39。 Manufacture . 20xx． [22]B. K. Ghaffary, A. A. Sawchuk. A survey of new techniques for I mageregistration and mapping, Proceedings of the SPIE:Applications of Digital Image Processing, ， 1983, pp. 222239. [23] L. G. Brown. A survey of image registration techniques. ACM Computer Surveys[J].1992,4(24):556569 [24] Barbara Zitova. Jan Flusser. Image registration methods:a survey. Imaging and Vision Computing[J] .20xx. ： 9771000. [25]L. G. Brown. A survey of image registration techniques. ACM Computer Surveys, 1992/4/24 [26]Richard Szeliski. Video mosaics for virtual environments. Computer Graphics and Applications, IEEE, Mar 1996. 陜西理工學(xué)院畢業(yè)論文 第 23 頁 共 22 頁 陜西理工學(xué)院畢業(yè)論文 附錄 A 拼接程序 clear close all,clc。再次向指導(dǎo)過我?guī)椭^我的老師表示衷心 的感謝！ 感謝 本 論文所涉及到的各位學(xué)者。在論文撰寫的過程中遇到了無數(shù)的困難和阻礙，都在老師和同學(xué)的幫助下順利完成。在 通過圖像 處理獲得 長(zhǎng)度的過程中由于許多知識(shí)不能熟練的掌握導(dǎo)致誤差比較大。本課題主要用到全自動(dòng)攝像儀來獲取圖片，然后利用 Harris 角點(diǎn)檢測(cè)法提取特征點(diǎn)，從而進(jìn)行圖拼接、圖像融合，最后利用邊緣檢測(cè)的方法獲得大尺寸零件的尺寸。如操作過程中所使用的數(shù)碼攝像機(jī)自身廣角本身村子誤差，這就是儀器誤差，在最后的電腦上進(jìn)行數(shù)據(jù)處理也會(huì)出現(xiàn)偏差。通常影響數(shù)碼照相機(jī)成像質(zhì)量的因素有： ccd 芯片、分辨率 A/D 轉(zhuǎn)換。因?yàn)檫@是一個(gè)估計(jì)的過程，所以誤差是不可避免的。處理后的圖像如下 陜西理工學(xué)院畢業(yè)論文 第 18 頁 共 22 頁 圖 Sobel 算子、 Prewitt 算子處理后的圖像 邊緣提取圖像如下 ： 圖 邊緣提取圖像 在邊緣提取后同過手動(dòng)提取坐標(biāo)點(diǎn)的方式獲得兩個(gè)端點(diǎn)坐標(biāo)為 1B (71,180) 2B (402,180)則 測(cè)量 尺寸為 ： 陜西理工學(xué)院畢業(yè)論文 第 19 頁 共 22 頁 mmL 0 0 8 )71402(? ??? （ ） 則實(shí)驗(yàn)誤差為 %%1 0 03 ?????? L LL? （ ） 本次實(shí)驗(yàn)的誤差為 % 測(cè)量系統(tǒng)的誤差分析 圖像是客觀世界的映射，但是在數(shù)字圖像分析 的過程中，由于各種因素的作用和影響，原始圖像中的連續(xù)信息有所損失，只剩下它的一個(gè)離散的近似。上、下邊界坐標(biāo)相減，即為塊規(guī)厚度 Li(i= 1,2,3, ,…n ) 在圖像中所占的像素?cái)?shù)。 但是，前提條件是使用畸變較小的光學(xué)鏡頭，并且系統(tǒng)穩(wěn)定。 要想得到零件的實(shí)際尺寸 d ， 必須建立數(shù)字圖像像素與實(shí)際尺寸的對(duì)應(yīng)關(guān)系。 圖像獲取過程是將零件放在實(shí)驗(yàn)臺(tái)上通過粗調(diào)和微調(diào)來獲取零件的高清圖像。 實(shí)驗(yàn)內(nèi)容介紹 實(shí)驗(yàn)流程圖如下， 圖 實(shí)驗(yàn)流程圖 實(shí)驗(yàn)系統(tǒng)搭建圖 圖像拼接 陜西理工學(xué)院畢業(yè)論文 第 14 頁 共 22 頁 圖 實(shí)驗(yàn)臺(tái) 本次實(shí)驗(yàn)主要是在圖 的試驗(yàn)臺(tái)上完成。 CCD上有許多排列整齊的電容，能感應(yīng)光線，并將影像轉(zhuǎn)變成數(shù)字信號(hào)。 CCD 是一種半導(dǎo)體器件，能夠把光學(xué)影像轉(zhuǎn)化為數(shù)字信號(hào)。這里用寬