【導(dǎo)讀】的、完整的、高清晰的新圖像的技術(shù)。圖像拼接是數(shù)字圖像處理領(lǐng)域的一個(gè)重。計(jì)算機(jī)圖形學(xué)等領(lǐng)域有著廣泛的應(yīng)用價(jià)值。其次對(duì)圖像拼接的基本流程、圖像的各種采集。方式進(jìn)行了概括和總結(jié)。然后介紹了數(shù)字圖像處理軟件MATLAB的功能、組。成、發(fā)展歷程以及二次開發(fā)的新特性。最后重點(diǎn)研究了一種能夠在MATLAB. 中實(shí)現(xiàn)的針對(duì)具有平移特點(diǎn)的圖像的拼接算法，分析該算法的各個(gè)運(yùn)算過程，驗(yàn)效果證明改進(jìn)后的算法的有效性。待拼接的圖像和原程序.....

　　

【正文】 程序 ： clear all。 clc。 y=imread(39。E:\39。)。 h=imread(39。E:\39。)。 Ya=y(:,:,1)。 Yb=y(:,:,2)。 Yc=y(:,:,3)。 [M N]=size(Ya)。 Ha=h(:,:,1)。 Hb=h(:,:,2)。 Hc=h(:,:,3)。 xiaotu=Ya(1:80,1:30)。 I=double(Ha)。 X=double(xiaotu)。 [M1 N1]=size(I)。 [m1 n1]=size(X)。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 c(i,j)=sum(sum(temp.*X))。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 35 t(i,j)= c(i,j)/b(i,j)。 end end MAX=max(max(t))。 [hang,lie]=find(t==MAX)。 a1=h(1:end,1:lie1,1:end)。 a2=y(1:end,(N1lie+2):end,1:end)。 Bha=Ha(1:end,lie:end)。 Bya=Ya(1:end,1:N1lie+1)。 Bhb=Hb(1:end,lie:end)。 Byb=Yb(1:end,1:N1lie+1)。 Bhc=Hc(1:end,lie:end)。 Byc=Yc(1:end,1:N1lie+1)。 for o=1:(N1lie+1) Ka=imlinb((N1lie+2o)/(N1lie+2),Bha(1:end,o),o/(N1lie+2),Bya(1:end,o))。 Kb=imlinb((N1lie+2o)/(N1lie+2),Bhb(1:end,o),o/(N1lie+2),Byb(1:end,o))。 Kc=imlinb((N1lie+2o)/(N1lie+2),Bhc(1:end,o),o/(N1lie+2),Byc(1:end,o))。 K=cat(3,Ka,Kb,Kc)。 a1=cat(2,a1,K)。 end E=cat(2,a1,a2)。 figure(1),imshow(E)。 相對(duì)于灰度圖像的拼接程序來說，彩色拼接的程序要復(fù)雜的多，因?yàn)樗?36 要對(duì)每一個(gè)色素層進(jìn)行拼接再還原成彩色的圖片。在重合部分處理過程中也會(huì)相對(duì)的復(fù)雜。 彩色拼接效果圖 對(duì)比 圖 是沒有加強(qiáng)過濾的彩色拼接效果圖，圖 是加強(qiáng)過濾并且完成彩色變換的效果圖。 在彩色的效果圖中也可以看出，加強(qiáng)過濾后的圖像也看不出原來拼接的痕跡，實(shí)驗(yàn)證明對(duì)重合部分進(jìn)行加強(qiáng)過濾比原來的效果要好。 圖 圖 37 實(shí)現(xiàn) 上下 拼接 在取景的時(shí)候如果遇到高聳入云的建筑物，一張照片不能夠完整的表現(xiàn)整個(gè)建筑 的時(shí)候，就需要拍攝兩張具有上下平移特點(diǎn)的圖像進(jìn)行拼接 。 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(dòng)完成左右或者上下特點(diǎn)圖像的拼接。 左上右下的假設(shè) 在圖像拼接的過程中需要把不是重合的部分挑出來，對(duì)重合部分進(jìn)行過濾，最后把三部分進(jìn)行拼接就完成了整個(gè)拼接過程。但是在左右拼接的時(shí)候需要拆分的是原圖像的左右兩邊，上下拼接的時(shí)候需要拆分的是原圖像的上下兩邊，這就給統(tǒng)一的程序帶來了困難。 為了使程序能夠適應(yīng)兩種拼接的過程，以及擴(kuò)展到能夠?qū)Ψ亲笥一蛏舷缕揭频那闆r拼接，需要把兩張圖片假設(shè)成 以 下 狀態(tài)形式。圖 形象的用幾何圖形構(gòu)成了這種假設(shè)的狀態(tài)。 圖 中黃色的部分代表左（上）圖，藍(lán)色的部分代表右（下）圖 ，綠色的部分代表了重合部分。程序中找到的匹配點(diǎn)坐標(biāo) (hang,lie)就是圖中綠色部分12 3 4 5 6 圖 7 89 38 左上角的點(diǎn)對(duì)應(yīng)在黃色部分的坐標(biāo)。同樣，根據(jù)這個(gè)坐標(biāo)以及各圖像像素大小的值，就完全可以把圖片拆分成如 圖 所示的 7 個(gè)部分。 在對(duì)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。 如果是具有左右或者上下特點(diǎn)拼接的圖像， 在圖像匹配中找到的點(diǎn)的坐標(biāo)就 具 有如下特點(diǎn)： 1 如果是左右拼接的圖像，找出的匹配點(diǎn)的橫坐標(biāo)（ hang） 一定近似為 1 2 如果是上下拼接的圖像，找出的匹配點(diǎn)的縱坐標(biāo)（ lie） 一定近似為 1。 這樣，在處理重合部分前，先判斷匹配點(diǎn)的坐標(biāo)具有以上兩類特點(diǎn)中的哪類 特點(diǎn)，再選擇對(duì)重合部分進(jìn)行上下過濾或者左右過濾，就能夠自動(dòng)完成選擇方向的圖像拼接了。 ifelseend 結(jié)構(gòu) 如果想讓程序能夠具有選擇性的特點(diǎn)，就需要用到下面一種結(jié)構(gòu)： if 表達(dá)式 語句 1 else 語句 2 end 作用： 如果表達(dá)式成立則執(zhí)行語句 1，否則執(zhí)行語句 2. 利用上 面的結(jié)構(gòu)， 再根據(jù)圖像中匹配點(diǎn)的特點(diǎn) ，適當(dāng)?shù)母膭?dòng)程序結(jié)構(gòu) 就 能夠 完成自動(dòng)識(shí)別拼接方向的彩色圖像拼接程序。 自動(dòng)識(shí)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。 39 clear all。 clc。 lim=2。 y=imread(39。E:\39。)。 h=imread(39。E:\39。)。 Ya=y(:,:,1)。 Yb=y(:,:,2)。 Yc=y(:,:,3)。 Ha=h(:,:,1)。 Hb=h(:,:,2)。 Hc=h(:,:,3)。 [M N]=size(Ya)。 xiaotu=Yb(1:30,1:30)。 I=double(Hb)。 X=double(xiaotu)。 [M1 N1]=size(I)。 [m1 n1]=size(X)。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 c(i,j)=sum(sum(temp.*X))。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 t(i,j)= c(i,j)/b(i,j)。 40 end end MAX=max(max(t))。 [hang,lie]=find(t==MAX)。 a12=h(1:hang1,1:end,1:end)。 a3=uint8(ones(hang1,lie+N1N1))。 a3=cat(3,a3,a3,a3)。 a4=h(hang:end,1:lie1,1:end)。 a5ha=Ha(hang:end,lie:end)。 a5hb=Hb(hang:end,lie:end)。 a5hc=Hc(hang:end,lie:end)。 a5ya=Ya(1:M1hang+1,1:N1lie+1)。 a5yb=Yb(1:M1hang+1,1:N1lie+1)。 a5yc=Yc(1:M1hang+1,1:N1lie+1)。 if hanglim a5=h(1:M1hang+1,1,1:end)。%左右過濾 for o=1:(N1lie+1) Ka=imlinb((N1lie+2o)/(N1lie+2),a5ha(1:end,o),o/(N1lie+2),a5ya(1:end,o))。 Kb=imlinb((N1lie+2o)/(N1lie+2),a5hb(1:end,o),o/(N1lie+2),a5yb(1:end,o))。 41 Kc=imlinb((N1lie+2o)/(N1lie+2),a5hc(1:end,o),o/(N1lie+2),a5yc(1:end,o))。 K=cat(3,Ka,Kb,Kc)。 a5=cat(2,a5,K)。 end a5=a5(1:end,2:end,1:end)。 elseif lielim a5=h(1,1:N1lie+1,1:end)。%上下過濾 for o=1:(M1hang+1) Ka=imlinb((M1hang+2o)/(M1hang+2),a5ha(o,1:end),o/(M1hang+2),a5ya(o,1:end))。 Kb=imlinb((M1hang+2o)/(M1hang+2),a5hb(o,1:end),o/(M1hang+2),a5yb(o,1:end))。 Kc=imlinb((M1hang+2o)/(M1hang+2),a5hc(o,1:end),o/(M1hang+2),a5yc(o,1:end))。 K=cat(3,Ka,Kb,Kc)。 a5=cat(1,a5,K)。 end a5=a5(2:end,1:end,1:end)。 42 end a6=y(1:M1hang+1,N1lie+2:end,1:end)。 a7=uint8(ones(hang+M1M1,lie1))。 a7=cat(3,a7,a7,a7)。 a89=y(M1hang+2:end,1:end,1:end)。 b1=cat(2,a12,a3)。 b2=cat(2,a4,a5,a6)。 b3=cat(2,a7,a89)。 E=cat(1,b1,b2,b3)。 imshow(E)。 43 第五 章 總結(jié)與展望 工作 總結(jié) 圖 像拼接是一個(gè)日益流行的領(lǐng)域，圖像拼接技術(shù)作為數(shù)字圖像處理領(lǐng)域的一個(gè)重要分支，是近年來圖像處理領(lǐng)域中的新興技術(shù)，也是數(shù)字視頻、虛擬現(xiàn)實(shí)場(chǎng)景以及三維動(dòng)畫的基礎(chǔ)，因此對(duì)它的研究具有十分重要的現(xiàn)實(shí)意義。 論 文主要研究了圖像拼接技術(shù)，首先介紹了圖像拼接技術(shù)的概念，研究現(xiàn)狀，特點(diǎn)和應(yīng)用領(lǐng)域，指出了研究圖像拼接技術(shù)的重要意義。 其次介紹了 數(shù)字圖像處理軟件 Matlab 的功能和組成以及發(fā)展歷程 ，重點(diǎn)介紹了 Matlab 二次開發(fā)的新特性 。 然后 介紹了圖像拼接的基本流程、圖像的各種采集方式。 本論文重點(diǎn)對(duì) 在 Matlab 中能夠?qū)崿F(xiàn)左右拼接 的算法進(jìn)行了研究 ，在分析 原有算法 的基礎(chǔ)上， 第五章提出了 三 點(diǎn)改進(jìn)的 方法 ，并且全都實(shí)現(xiàn) 了 改進(jìn)的目的 ,用實(shí)驗(yàn)證明各種算法的有效性 。該算法對(duì)于具有 左右平移和上下平移 的圖像都能夠?qū)崿F(xiàn)光滑 過濾，無縫拼接。 文章中算法的不足之處是 : （ 1） 對(duì)于像素高的圖片 計(jì)算量較大，運(yùn)算時(shí)間較長(zhǎng)。 （ 2） 對(duì)于具有較大尺寸的縮放、 非線性變形 以及具有角度旋轉(zhuǎn) 的圖像，在拼接中受到算法局限性的制約。 未來工作展望 圖像拼接技術(shù)作為數(shù)字圖像處理的一個(gè)重要分支，不斷與其它學(xué)科結(jié)合，發(fā)展速度日新月異，但是還有許多問題需要進(jìn)一步解決。目前 國(guó)內(nèi)外對(duì)圖像配準(zhǔn)和圖像融合技術(shù)的研究還不夠系統(tǒng)、不夠深入，還沒有形成完整的理論框架 44 和體系。無論在理論上還是在應(yīng)用上均處于初級(jí)階段，還需做大量深入、細(xì)致的研究工作。 根據(jù)作者對(duì)圖像拼接技術(shù)的研究和體會(huì)，總結(jié)出圖像拼接技術(shù) 在以下幾個(gè)方面有待于進(jìn)一步的研究： 較大幾何位置差別條件下的拼接技術(shù)的實(shí)現(xiàn)。在 待配準(zhǔn)圖像之間有較大的尺寸比例差別、較大的旋轉(zhuǎn)角及較大的平移時(shí)，甚至還伴隨著各自圖像的畸變，或存在較嚴(yán)重的幾何校正殘余誤差等情況下的配準(zhǔn)，是圖像配準(zhǔn)技術(shù)存在的最大的困難。許多算法在上述差別較小時(shí)適用，當(dāng)圖像灰度差別 增大時(shí)適用區(qū)域受到了限制，如何提高算法的適用性，開發(fā)智能型的通用的圖像配準(zhǔn)方法是圖像配準(zhǔn)技術(shù)追求的最高目標(biāo)。 高配準(zhǔn)率快速配準(zhǔn)算法的實(shí)現(xiàn)。 目前，高配準(zhǔn)率快速的圖像配準(zhǔn)算法的研究有著很大的實(shí)用價(jià)值和前景，在導(dǎo)彈的地形和地圖匹配制導(dǎo)、序列圖像目標(biāo)分析、跟蹤、識(shí)別、雷達(dá)目標(biāo)跟蹤與識(shí)別等應(yīng)用中都要求高配準(zhǔn)率下的快速圖像配準(zhǔn)。但目前已有的基于灰度的圖像配準(zhǔn)方法中遍歷的搜索和基于特征的圖像配準(zhǔn)方法中的特征匹配都是比較耗時(shí)的運(yùn)算，當(dāng)待配準(zhǔn)的圖像尺寸變大時(shí)，圖像數(shù)據(jù)量增大，特征點(diǎn)數(shù)量隨之增多，特征匹配的計(jì)算量更是呈幾何 級(jí)數(shù)增長(zhǎng)，在這種情況下要實(shí)現(xiàn)高精度的配準(zhǔn)，必然占用較長(zhǎng)的運(yùn)算時(shí)間。而傳統(tǒng)的利用人工選取控制點(diǎn)以及串行的執(zhí)行方式很難滿足快速和實(shí)時(shí)的要求。因此如何能夠結(jié)合并行計(jì)算機(jī)和神經(jīng)網(wǎng)絡(luò)等方法進(jìn)一步提高圖像配準(zhǔn)的速度是圖像配準(zhǔn)的一大難題。 45 致 謝 值此論文完成之際，謹(jǐn)向我的導(dǎo)師 王一丁 教授 致以崇高的敬意和衷心的感謝！在撰寫畢業(yè)論文過程中，王老師給了我很大的幫助，在他的指導(dǎo)和鼓勵(lì)下，這篇論文才得以完成。 感謝與王老師同組的李爭(zhēng)