【正文】 （ 218） 式中： DetN 代表矩陣 N 的行列式； trN 代表矩陣 N 的跡。 常用角點檢測算法比較 Harris 角點檢測算法是基于圖像的灰度自相關(guān)函數(shù)的一種算法，該算法直接從原始圖像中檢測特征點，能夠在圖像發(fā)生灰度變化、旋轉(zhuǎn)和干擾噪聲等情況下檢測興趣點。 Moravec 角點檢測算法是一種比較傳統(tǒng)的提取興趣點的算法，由于該算法是通過計算水平、垂直、對角線、反對角線四個方向上灰度方差檢測角點，該算子各項異性。 根據(jù)本節(jié)對各類算子的研究，分析，總結(jié)出算子的優(yōu)點和缺點 [11]，如表 21所示 ： 表 21 各類角點檢測算法的比較表 算法 優(yōu)點 缺點 Harris 角點檢測 算法 計算簡單，魯棒性，穩(wěn)定性較高。 Moravec 角點檢 測算法 思路簡單，計算過程易于實現(xiàn)，判斷條件少 定位準(zhǔn)確度不高，抗干擾能力低 Forstner 角點檢測算法 思路簡單，易于實現(xiàn)，傳統(tǒng)的角點檢測算法 適應(yīng)性差，計算量大，對局部灰度信息依賴過強 Harris 角點檢測 的 MATLAB 實現(xiàn) 利用 MATLAB 軟件編程，實現(xiàn)角點檢測的功能，驗證 Harris 算子的應(yīng)用效果。 通過圖像配準(zhǔn)提取出參考圖像和待拼接圖像中的匹配信息，利用各種算子找出待拼接圖像中特征點在參考圖像中所對應(yīng)的位置，尋找最佳匹配，進(jìn)而確定兩幅圖像的變換關(guān)系。各種方法都是面向一定范 圍的應(yīng)用領(lǐng)域，也具有各自的特點。對于不同特征的圖像，選擇圖像中容易提取，并能夠在一定程度上代表待配準(zhǔn)圖像相似性的特征作為配準(zhǔn)依據(jù)。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 10 基于點特征的圖像配準(zhǔn)算法 已知 ? ?mpppP , 21 ?? 是標(biāo)準(zhǔn)參考圖像上的特征點集， ? ?nqqqQ , 21 ?? 是待配準(zhǔn)圖像上的特征點集，配準(zhǔn)要實現(xiàn)的目的 就是確立兩個點集之間的對應(yīng)關(guān)系。 在基于點特征的圖像配準(zhǔn)算法中，特征點通常選取的是圖像中易于確定的特殊點，比如角點、直線交叉點、 T 型交匯點、高曲率點，以及特定區(qū)域的中心、重心等。通常，稱前者為邊緣檢測，后者為邊緣連接?；诰€特征的圖像配準(zhǔn)算法能夠有效地解決這個缺陷，以下介紹兩種基于線特征的算法： (1)局部邊緣連接算法 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 11 鏈碼描述子是一種典型的局部邊緣連接算法，它在一個局部領(lǐng)域內(nèi)進(jìn)行連接操作，包括標(biāo)注和連接兩步。如果將這 8 個點的連接方向用方向符號來代替，再沿邊緣方向依次記錄每兩點間的連接方向，就可得到邊緣輪廓的方向鏈碼。圖像變換前在圖像空間，變換后在參數(shù)空間，將笛卡爾坐標(biāo)系（圖像空間 ）中的線變換成斜率 —— 截距坐標(biāo)空間中的點，或極坐標(biāo)（參數(shù)空間）中的點，即原始圖像中給定性質(zhì)的曲線或直線上的所有點都集中到參數(shù)空間的某個點上形成峰值。對已經(jīng)找出的匹配點，在圖像上進(jìn)行顯示，這樣有利于人眼判斷該算法是否匹配正確。程序代碼詳見附錄， MATLAB 仿真結(jié)果顯示如 圖 32 所示： 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 13 i m a g e r e g i s t r a t i o n100 200 300 400 500 600 700 800100200300400500600 圖 32 圖像拼接 ——全景顯示圖 本章小結(jié) 本章的工作是對圖像配準(zhǔn)和圖像拼接的掌握，對圖像配準(zhǔn)的方法的理解，尤其是基于特征中的基于點特征的配準(zhǔn)算法的理解，總結(jié)出圖像配準(zhǔn)和圖像拼接的原理。 MATLAB 還提供了十分豐富的數(shù)值計算函數(shù)，而且所采用的數(shù)值計算算法都是國際公認(rèn)的最先進(jìn)、可靠的算法，其程序由世界一流專家編制和高度優(yōu)化。利用 MATLAB 高層繪圖操作，用戶不需過多的考慮繪圖細(xì)節(jié)，只需給出一些基本參數(shù)就能繪制所需圖形。基本部分構(gòu)成了MATLAB 的核心內(nèi)容，也是使用和構(gòu)造工具箱的基礎(chǔ)。 MATLAB 軟件的用戶界面窗口，包括命令窗口、工作 空 間窗口、當(dāng)前目錄窗口、 命令歷史窗口 和啟動平臺窗口。在這種用戶界面中，用戶的操作既形象生動，又方便靈活，所以當(dāng)今絕大部分開發(fā)環(huán)境與應(yīng)用程序都采用圖形用戶界面，許多流行的開發(fā)工具都可以進(jìn)行圖形用戶界面的設(shè)計。選擇不同的 GUI 設(shè)計模板時，在 GUI 設(shè)計窗口中顯示的結(jié)果是不一樣的。 GUI設(shè)計窗口的菜單欄有 File、 Edit、 View、 Layout、 Tools 和 Help 共 6 個菜單項，使用其中的命令可以完成圖形用戶界面的設(shè)計操作。在選中對象的前提下，單 擊 鼠標(biāo)右鍵，會彈出一個 快捷菜單，可以從中選擇某個子菜單進(jìn)行相應(yīng)的操作。 Push Button 控件是在操作過程中需要的操作按鈕，在圖 47 中顯示的最下方的四個按鈕。為了顏色不單調(diào)，避免 GUI 的整體背景單一顏色化，采用添加一個模塊，把 GUI的整體背景用程序更改成想要的圖片，以便觀看效果清晰，舒服。normalized39。 uistack(ha,39。)。off39。off39。)。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 20 圖 47 GUI 結(jié)果顯示圖 本章小結(jié) 本章主要是對設(shè)計工具軟件的介紹，對 MATLAB 的功能進(jìn)行詳細(xì)總結(jié)，描述了圖像用戶界面（ GUI）設(shè)計的工作界面，對操作按鈕的 解釋，按自己操作的過程總結(jié)了 GUI 的基本操作流程。 (2)對于 Harris 角點檢測算子檢測出的角點，先進(jìn)行粗略篩選，剩余較少數(shù)量的角點， 再 進(jìn)行細(xì)致篩選，選出兩對精確匹配的角點對。因此，研究基于特征點的圖像拼接技術(shù)具有重要的理論意義和實用價值。 II1 = imread(39。 I1=rgb2gray(II1)。 %讀入待配準(zhǔn)圖像 [H2 W2 D2] = size(II2)。 %x 方向濾波 fy1 = [2。2]。 Ixy1 = Ix1.*Iy1。gaussian39。 Ixy1 = filter2(h1,Ixy1)。 %記錄角點位置，角點處值為 1 R1 = zeros(height1,width1)。 %auto correlation matrix R1(i,j) = det(M1)*(trace(M1))^2。 end end。amp。amp。amp。amp。 t1 = t1+1。 [posc1, posr1] = find(result1 == 1)。 title(39。 plot(posr1,posc1,39。 Ix2 = filter2(fx2,I2)。1。 Iy4 = Iy2.^2。 h2= fspecial(39。 Iy4 = filter2(h2,Iy4)。 result2 = zeros(height2,width2)。Ixy2(i,j) Iy4(i,j)]。 if R2(i,j)R2max* R2(i,j)=0。 for i = 2:height21 for j = 2:width21 if R2(i,j) *R2max amp。 R2(i,j) R2(i1,j) amp。 R2(i,j) R2(i,j1) amp。 R2(i,j) R2(i+1,j1) amp。 R2(i,j) R2(i+1,j+1) result2(i,j) = 1。 end。axis on。 hold on。hold off X1=[]。 R1m=0。 ii=posc2(r)。 for k=t14:t1 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 26 for r=1:3 ii=posc2(r)。X2(1,1)=jj。 dd=10^10。amp。amp。 aa2=k。*r39。)。 subplot(122),imshow(II2),hold on plot(X2(1,1),Y2(1,1),39。*r39。)。 Y239。 0 0 1 1 ]39。 % solve the linear system a = t(1)。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 27 % construct transformation matrix (T) T = [a b tx 。 1 H2 1 H2 。 % min y : max y [Xp,Yp] = ndgrid(Xpr,Ypr)。 clear Ip。*bilinear39。)。 % blue % offset and copy original image into the warped image offset = round( [ min( [ cp(1,:) 0 ] ) min( [ cp(2,:) 0 ] ) ] )。 axis image。 。image registration39。 % show the result figure。*bilinear39。 % red Ip(:,:,2) = interp2(II2(:,:,2), xI, yI, 39。 yI = reshape( X(2,:),wp,hp)39。 % = size(Yp) % do backwards transform (from out to in) X = T \ [ Xp(:) Yp(:) ones(wp*hp,1) ]39。 Xpr = min( [ cp(1,:) 0 ] ) : max( [cp(1,:) W1] )。 0 0 1]。 % = s sin(alpha) tx = t(3)。 Y1 ]。 。 Y239。title(39。)。corner matching left image39。 plot(X1(2,1),Y1(2,1),39。 X1(2,1)=posr1(aa2)。 Y2(2,1)=ii。amp。jj=posr2(r)。 end end end Y1(1,1)=posc1(aa1)。 if d2(ii,jj,k)dd dd=d2(ii,jj,k)。 d2(ii,jj,k)=abs(abs(I1(i1,j1)I1(i+1,j+1))+abs(I1(i+1,j1)I1(i1,j+1))abs(I2(ii1,jj1)I2(ii+1,jj+1))abs(I2(ii+1,jj1)I2(ii1,jj+1)))。 for k=t14:t1 for r=1:3 i=posc1(k)。X2=[]。r.39。corner detection right image39。 t2 subplot(122)。 end。 R2(i,j) R2(i+1,j) amp。 R2(i,j) R2(i,j+1) amp。 R2(i,j) R2(i1,j+1) amp。 R2(i,j) R2(i1,j1) amp。 end。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 25 if R2(i,j) R2max R2max = R2(i,j)。 R2max = 0。 height2 = size(I2,1)。,[7 7],2)。 clear Ix2。 Iy2 = filter2(fy2,I2)。1。)。)。imshow(II1)。 end。amp。amp。amp。am