利用普通數(shù)碼相機制作全景圖的分析畢業(yè)論文(編輯修改稿)
2025-07-23 20:41 本頁面
【文章內(nèi)容簡介】 須有部分重疊,重疊區(qū)域大小是圖像拼接最重要的影響因素，重疊比例越大，拼接就越容易。旋 轉(zhuǎn)照相機拍攝由于相機固定，較容易實現(xiàn)。 2．平移照相機拍攝 平移照相機指的是照相機在一個平行于成像平面的方向上平移。在固定焦距的情況下，照相機放置在一個滑軌上移動拍攝。物體和照相機的距離遠近，或者拍攝物體的大小都會影響到最后的拼接結(jié)果。這種情況的缺點是：拍攝的相片在 一個平面上，全景圖的三維感覺不如旋轉(zhuǎn)拍攝的效果好。 3．手持照相機拍攝 手持照相機拍攝這種方法比較容易做到，手持照相機原地旋轉(zhuǎn)拍攝，或者按一定的路線平行于對象拍攝。但是，拼接手持照相機的照片是很困難的，因為在拍攝過程中，照相機的運動非常復雜。原地旋轉(zhuǎn)拍攝類似于固定照相機旋轉(zhuǎn)拍攝，但是角度控制、旋轉(zhuǎn)控制都很差。沿一定路線移動時，類似于平移拍攝，控制距離和保持相同的成像平面是很困難的。 本文圖像的獲取采用的是第一種方法。拍攝時相鄰圖像具有一定程度的重疊 (一般是30％～50％)，以便于拼接而得到全景圖像。另外，拍攝時還需特別注意天氣和人員流動的影響，這樣可能會導致拼接圖像產(chǎn)生錯誤信息。盡量避免選擇太陽光強烈或多云的天氣(強烈的太陽光可能會使某些視點處采集的照片因逆光現(xiàn)象而不利于后期的處理；多云陰天時各視點處的照片容易出現(xiàn)亮度的較大變化)，以及人員流動量較大(可能出現(xiàn)某個人在多處視點的照片中出現(xiàn))等問題。 柱面投影算法柱面全景圖的正投影是指將平面照片投影到柱面形成全景圖的過程；反投影是將柱面全景圖在某個特定的觀察區(qū)域投影到柱面的切平面上供屏幕顯示的過程。有很多文獻都給出了正投影與反投影的變換公式。 實景圖像的柱面正投影算法是為了將多張實景圖像投影到一個圓柱面上，以柱面全景圖像的形式存儲。這樣一方面消除了實景圖像之間可能存在的重復景物信息，同時也得到了每張實景圖像上的像素點在視點空間中的位置信息。 數(shù)碼相機拍攝的一張實景圖像I，P（x,y）是實景圖像上的任意一個像素點。P在照相機坐標系下的坐標為：P(xW/2,yH/2,f)其中，W和H分別是實景圖像I的寬度和高度。 。XYOQZW 柱面投影示意圖H 照相機坐標系原點與像素點P的直線方程可以表示為參數(shù)方程的形式u=t(xW/2) （21）v=t(yH/2) （22）w=t(f) （23）其中以數(shù)碼相機的像素焦距f作為圓柱面的半徑，t是參數(shù)。圓柱面可以表示為：u2+w2=f2聯(lián)立以上兩個方程，可以求得： （24） （25） （26）（u,v,w）是像素點(x,y)在圓柱面上的投影點Q的參數(shù)坐標，把所有這樣的投影點組合在一起便得到全景圖像。但是，參數(shù)坐標是三維的，需要把它們轉(zhuǎn)變?yōu)槎S的圖像坐標才便于存儲。為了便于存儲，將此三維坐標轉(zhuǎn)換為二維圖像坐標。根據(jù)以下方程，可以求得像素點Q的二維坐標為(x1,y1)： （27） （28）顯然同一條垂直線上的兩個像素點P1（x,y）和P2（x,y1），它們在柱面全景圖像上具有相同的橫坐標x，那么它們正投影到柱面全景圖上橫坐標x,也必然相等，也就是說，柱面全景圖中的景物在垂直方向上不會發(fā)生形變。顯然，經(jīng)過投影后柱面圖像的寬度和高度都發(fā)生了變化，同時投影算法具有使景物在豎直方向上不發(fā)生形變的性質(zhì)。下面將對柱面圖像的高度和寬度變化進行討論，并從理論上證明豎直不變形的性質(zhì)，以便更深入地了解柱面投影的過程，為全景圖的拼接做好理論上的準備。WHmaxHminOθf（a）（b）寬度的變化（b）可知柱面投影圖像（展開圖）的寬度大小為W=fθ。高度的變化對實景圖像I上任一像素點P（x,y），0≤x≤W,0≦y≦H,柱面圖上對應點Q(x＇，y＇),由式（28）可知當x=0或x=W時柱面圖的高度最?。划攛=W/2時高度最大。從圖27中可直觀看出。當x=0，y=0時，并將式代入式（28），得y1＇= （29）當x=0，y=H時，得：y2＇= （210）故Hmin= y2＇ y1＇=Hcosθ （211） ii）當x=W/2，y=H時，Hmax=H綜上所述，可見投影后，寬度變小，高度由Hmin漸變到Hmax。再來看豎直方向上不發(fā)生形變的性質(zhì)。假設實景圖像I上有豎直形狀的景物，取該景物在同一條垂直直線上的兩個像素點（x,y）和（x,y＇）,這兩個像素點在柱面全景圖上將有相同的橫坐標，由式（27）可得： （212）實景圖像的柱面投影算法具有上述性質(zhì)，這樣可以分別對每一張實景圖進行柱面投影變換，然后通過圖像拼接得到完整的360度柱面全景圖。 第三章 基于SIFT特征的匹配算法 基于SIFT特征匹配拼接全景圖的流程基于SIFT的柱面全景圖全自動拼接的系統(tǒng)是一個以圖像處理算法為核心的系統(tǒng)。本章將介紹基于SIFT的柱面全景圖的拼接過程和涉及到的算法。本文所有的源圖像均取材于河南理工大學新校區(qū)內(nèi)部?；赟IFT的柱面全景圖全自動拼接的主要內(nèi)容有：（1）讀入采集到的一系列圖像（源圖像均為采用普通數(shù)碼相機和三腳架拍攝得到）；（2）提取每幅圖像的特征點；（3）計算圖像之間的匹配特征點對，計算圖像之間的坐標變換參數(shù)，實現(xiàn)輸入圖像按場景分組并對同組的圖像進行排序；（4）圖像拼接融合，輸出全景圖。全景圖SIFT特征點提取圖像匹配圖像融合圖像預處理特征點匹配圖像坐標變換圖像分組與排序輸入圖像 圖像預處理，這些格式均可以作為系統(tǒng)的輸入圖像。這兩種圖像的數(shù)據(jù)格式都是基于RGB顏色三色道模型的如果直接對彩色圖像進行處理，則對每個像素的操作都必須在R、G、B三個色彩空間上分別進行，這樣圖像處理的時間就是灰度圖像處理時間的三倍。在圖像的匹配階段，顏色信息并不能帶來匹配性能上的顯著提高，所以本文選擇在灰度空間進行圖像的匹配，減少圖像拼接過程中最為耗時的圖像匹配工作所消耗的時間。而在圖像匹配之后的工作，使用原始的彩色圖像。這就要涉及到圖像灰度化處理的問題。圖像灰度化過程是指把含有亮度和色彩的彩色圖像變換成灰度圖像的過程，對于RGB圖像，圖像灰度花化處理的墓地就是使模型中的R、G、B三個色道的顏色相等即R=G=B。本文我們選擇公式法對圖像進行灰度化處理。按照公式（32）計算得到圖像在（x,y）處的灰度值。R(x,y)=G(x,y)=B(x,y)=(x,y)+(x,y)+(x,y) （32） 基于SIFT特征點的提取算法和匹配在研究全景圖拼接的過程中，本著對操作的便捷性和高效性的原則，拼接過程用的Arcsoft Panorama Maker這個軟件進行操作。這個軟件在匹配算法上選擇了匹配效果好，魯棒性高的SIFT特征點提取算法，因此作為本文重點研究的算法。SIFT（尺度不變特征變換）算法，可以從圖像中檢測出大量的特征點，并提取出響應的特征向量。每個特征對物體旋轉(zhuǎn)、尺度縮放、仿射變化、亮度變化保持不變性。該算法主要包括五個步驟：（1） 尺度空間極值點的檢測，采用高斯函數(shù)來建立尺度空間，并利用高斯差分法檢測局部位置的極值點。在D(x,σ)極值區(qū)域關(guān)鍵點被檢測，再通過樣品周圍9*9*9領(lǐng)域來提取極值。（2） 關(guān)鍵點定位，在檢測到的關(guān)鍵點中需要經(jīng)過篩選才能成為真正的關(guān)鍵點，不穩(wěn)定的特征點是指分布于圖像邊緣或是一些低對比度的特征點，必須對這些點進行剔除以增加匹配穩(wěn)定性，提高抗噪聲能力。（3） 關(guān)鍵點方向分配，每個關(guān)鍵值被賦予一個規(guī)范的方向，使圖像的描述具有旋轉(zhuǎn)不變形。方向由在當前的圖像樣本點的梯度方向直方圖峰值確定。（4） 關(guān)鍵點描述符，基于尺度空間上，為每個關(guān)鍵點表明方向，以關(guān)鍵點為中心，取8*8的窗口。落在此范圍半徑為8的關(guān)鍵區(qū)域附近的像素點，都被標上了方向。我們?nèi)?個方向，并且每4*4的窗口上計算8個方向的梯度直方圖，因此關(guān)鍵點描述符為128維向量。（5） 特征點匹配，當圖像的特征向量生成以后，我們采用最近鄰（Nearest Neighbor,NN）算法來計算兩幅圖像對應特征向量之間的相似度。當它們之間的距離少于某個我們給定的閾值時，則匹配成功。 最近鄰算法最近鄰NN方法是應用最廣泛的尋找匹配點的方法，該方法通過公式(3—3)計算待匹配圖像特征點到基準圖像中的特征點之間的歐幾里德距離，并通過最
語文相關(guān)推薦
鄂ICP備17016276號-1