【正文】 這類方法主要考慮兩幅相鄰圖像的亮度一致性，并不依賴于圖像中的明顯特征，所以它不需要考慮圖像的特征提取和特征匹配問題。圖像配準(zhǔn)技術(shù)的研究己有很長的歷史，其主要方法有兩種：特征無關(guān)的方法和基于特征的方法。這就涉及到圖像間匹配部分的對應(yīng)關(guān)系和實(shí)現(xiàn)對應(yīng)部分對準(zhǔn)所需的變換。通過圖像配準(zhǔn)技術(shù)，我們可以把兩幅圖像合成為同一坐標(biāo)系下的一幅圖像，進(jìn)而再把這幅得到的新圖像與另一幅圖像合成一幅圖像，最終把一個同一場景的序列圖像合成為同一坐標(biāo)系下的全維場景。下面用一張圖來說明圖像拼接的大體過程，圖52是圖像拼接的流程圖。總的來說，大概可分成有用信息提取、信息匹配、效果評估、圖像融合和生成目標(biāo)圖像等步驟。由于照片獲取的復(fù)雜度不同以及算法本身的限制，很多的圖像序列并不能成功的被拼接起來，因此需要研究一種成功率較高的圖像拼接算法；另外，由于圖像拼接技術(shù)大范圍的被應(yīng)用在虛擬漫游系統(tǒng)及全景圖瀏覽中，因此其實(shí)時性問題也是研究中的一個關(guān)鍵問題。所謂圖像配準(zhǔn)，即是要準(zhǔn)確的找到相鄰圖像間重疊區(qū)域的位置以及范圍，以便將相鄰的具有重疊區(qū)域的圖像“縫合”成一個新的更大畫面的視圖。由于相鄰照片存在亮度差，所以在圖像拼接完成之后，還要作亮度的平滑處理，以做到真正的無縫拼接。圖像特征明顯的，重疊區(qū)域可以小一些，反之，就要大一些。拼接的基本思想是相鄰的照片存在一些重疊，拼接工具識別出這些重疊區(qū)域，把相鄰的照片拼接在一起。圖像拼接的目的就是從一些相互重疊的照片中拼接出一幅無縫的全景圖。視角的全景圖像的技術(shù)。北京航空航天大學(xué)的侯在克、西安電子科技大學(xué)的劉金根、吳志鵬等則對基于輪廓特征的圖像拼接算法進(jìn)行了研究，基于特征的方法在一般情況下具有速度快、精度高的優(yōu)點(diǎn)，但是由于受到特征量的選擇、特征提取、幾何變形校正等因素的影響，使這種方法的使用受到限制，主要應(yīng)用于純粹的圖像配準(zhǔn)應(yīng)用中。國內(nèi)圖像拼接處理技術(shù)相對起步較晚，但近幾年來，在我國的一些科研院所和高等院校，有不少科研人員在從事這方面的研究。提高圖像的分辨率和獲得更大視野是進(jìn)行圖像拼接的兩個直接的和主要的目的。因此圖像拼接技術(shù)是本汽車縱梁在線檢測系統(tǒng)的重要部分。它主要應(yīng)用于視頻檢索、‘圖像的穩(wěn)定性、變化檢測、視頻壓縮、虛擬現(xiàn)實(shí)環(huán)境、增大相機(jī)的視野和分辨率及簡單的照片編輯。第四章 圖像拼接技術(shù)研究圖像拼接是指對于給定的圖像序列，根據(jù)相鄰圖像重疊區(qū)域內(nèi)像素點(diǎn)的信息進(jìn)行圖像的配準(zhǔn)定位，隨后進(jìn)行圖像的拼接，生成一幅逼真大型場景圖像的過程與技術(shù)。所以圖像復(fù)原一般要分為兩步：首先通過系統(tǒng)辨識方法，估計(jì)出退化參數(shù)，或PSF。任何己知模糊因子的模糊圖像均可用它們進(jìn)行復(fù)原。一般取0．10．001之間，視具體情況而定。Y越小，復(fù)原越準(zhǔn)確，然而噪聲抑制效果不好。所以當(dāng)Y不等于0時，雖然能抑制了噪聲的擴(kuò)大，但復(fù)原的模型沒有去卷積濾波器精確，造成復(fù)原的失真。通常我們并不知道信號和噪聲的功率，但Y往往可以用一個常量來代替?？梢钥闯觯S納濾波器不存在極點(diǎn)，即使當(dāng)H(u，v)等于0時，維納濾波器的分母至少等于Y，而且H（u，v)的零點(diǎn)也轉(zhuǎn)換成了維納濾波器的零點(diǎn)，所以對噪聲有抑制作用。另外，如果日∞，功有零點(diǎn)，那么在H(u，v)零點(diǎn)處，G(u，v)/H(u，v)等于無窮大，所以圖像在這些點(diǎn)處無法正確復(fù)原。以上過程就是逆濾波算法的基本處理過程。在本文中: (339)其中G(x，y)，F(xiàn)(u，v)，H(u，v)，N(u，v)分別是g(x，y), f(x，y)，h(u，v)，n(u，v)的二維傅立葉變換，而g(x，y)，f(x,y)，h(u，v)，n(u，v)分別表示退化圖像、原始圖像、退化因子和加性噪聲。為特定圖像退化類型而提出的復(fù)原方法只對該類型的退化圖像復(fù)原有效，而有些復(fù)原算法則是通用的，對多種類型的退化圖像復(fù)原有效。圖像復(fù)原主要取決于對圖像退化過程的先驗(yàn)知識掌握的精確程度。圖像復(fù)原的目的就是盡可能重現(xiàn)已經(jīng)退化了的圖像的本來面目。由公式(337)得到的g(x，y)與f(x，y)尺寸相同，由公式(3—38)得到的g(x，y)與f(x，y)尺寸大些。其過程可表示為：(338)其中稱為模糊算子或點(diǎn)擴(kuò)散函數(shù)，木表示卷積，f(x，y)表示原始(清晰)圖像，g(x，力表示觀察到的退化圖像。因?yàn)閷σ环鶎?shí)際的運(yùn)動模糊圖像，由于攝像機(jī)不同，很難知道其曝光時間和景物運(yùn)動速度。從物理現(xiàn)象上看，運(yùn)動模糊圖像實(shí)際上就是同一景物圖像經(jīng)過一系列的距離延遲后再疊加，最終形成的圖像。△t是每個像素對模糊產(chǎn)生影響的時間因子。如果模糊圖像是由景物在x方向上作勻速直線運(yùn)動造成的，則模糊后圖像任意點(diǎn)的值為(334)式中xo(t)是景物在X方向上的運(yùn)動分量，若圖像總的位移量為口，總的時間為T，則運(yùn)動的速率為Xo(t)=at/T。則模糊后的圖像為(333)式中g(shù)(x，y)為模糊后的圖像。假設(shè)圖像，f(x，y)有一個平面運(yùn)動，令Xo(t)和Yo(t)分別為在x和Y方向上運(yùn)動的變化分量，T表示運(yùn)動的時間。因?yàn)樽兯俚?、非直線運(yùn)動在某些條件下可以被分解為分段勻速直線運(yùn)動。這種方法具有普遍性，因而也是研究解決運(yùn)動模糊的主要手段。相機(jī)的曝光時間并不可能無限制地減小，而且隨著曝光時間減小，所得圖像信噪比減小，圖像的質(zhì)量也就較低，所以這種方法用途及其有限。本文以后所提系統(tǒng)，如無特別說明，均指線性移不變系統(tǒng)。因此，在圖像復(fù)原處理中，往往用線性和非時變系統(tǒng)模型來加以近似。如果任意信號延遲后再通過一個系統(tǒng)，其輸出結(jié)果也發(fā)生了等量的延遲，則稱該系統(tǒng)為非時變系統(tǒng)。系統(tǒng)的分類方法很多，例如可以分為線性系統(tǒng)和非線性系統(tǒng)：時變系統(tǒng)和非時變系統(tǒng)等等。成像光源或射線的散射等，這些因素都會導(dǎo)致圖像失真或退化。由于獲取圖像的方法不同，其退化形式是多樣的。圖像退化的形式有圖像模糊、失真、有噪聲等等。針對于勻速直線運(yùn)動模糊圖像的特點(diǎn)，差分法復(fù)原方法被提出，它只對勻速直線運(yùn)動模糊圖像復(fù)原有效，但是當(dāng)圖像尺寸較大時，其處理時間較長。(2)模糊圖像的復(fù)原最經(jīng)典的圖像復(fù)原算法是Nathan所使用的逆濾波算法以及1967年Helstrom提出的維納濾波算法，然而逆濾波算法對有噪聲的圖像復(fù)原效果特別差，而維納濾波算法雖然對帶噪聲圖像復(fù)原有效，但它需要知道圖像的信噪比復(fù)原效果才比較好。但是，由于這些方法的前提條件一般比較苛刻，實(shí)際的退化圖像未必能完全滿足這樣條件，故此其適用場合比較少。估計(jì)退化模型的參數(shù)并不是一件容易的事情，往往根據(jù)退化圖像中的一些特殊點(diǎn)、線、邊緣等進(jìn)行估計(jì)，或者采用其它方法如圖像分割法等等進(jìn)行估計(jì)。下面我們主要介紹退化模型的估計(jì)和復(fù)原的方法。本論文前邊已經(jīng)很詳細(xì)敘述了這方面的內(nèi)容。圖像復(fù)原關(guān)鍵是要知道圖像退化的過程，即要知道圖像退化模型，并據(jù)此采取相反的過程以求得原始(清晰)圖像。所得到圖像中的景物往往會模糊不清，我們稱之為運(yùn)動模糊圖像。圖像恢復(fù)利用退化現(xiàn)象的某種先驗(yàn)知識來重建被退化的圖像，復(fù)原技術(shù)就是把退化模型化，并且采用相反的過程進(jìn)行處理，以便恢復(fù)出原圖像。在成像過程中，由于成像系統(tǒng)的各種因素的影響，可能使圖像質(zhì)量降低，這種圖像質(zhì)量的降低，被稱之為“退化”。其中，在X方向上作灰度差實(shí)質(zhì)是將Roberts算子簡寫為： (331)從而推導(dǎo)出FED算子的模板 (332)比較公式(310)與(331)，顯然式(331)簡便多了。于是有： (330)當(dāng)我們只做r方向的灰度差時，隨著|F|的變化，檢測效果也會有所變化，當(dāng)舊o時，目標(biāo)各個邊的檢測一般沒有多大問題，但當(dāng)|F|=o時，目標(biāo)只有a、c邊被檢測出來，而b、d邊則檢測不出來：同樣逍理，當(dāng)|F|趨于無窮時，即目標(biāo)與y軸垂直時，則b、d邊被檢測出來，而a，e邊則檢測不出來。根據(jù)實(shí)際需要和快速性的要求，確定的非線性校正模型為： (327) (328) (329)其中，Xu,Yu為校正后坐標(biāo)；Xd，Yd為校正前坐標(biāo)；k1，k2為變形系數(shù)；r為像素點(diǎn)到圖像中心的鏡像距離。反之，當(dāng)某點(diǎn)的灰度值與其前一點(diǎn)的灰度值之差的絕對值為255時，便將該點(diǎn)的灰度值設(shè)為255，于是目標(biāo)的邊緣就被檢測出來了。 FED算法一．算法的理論基礎(chǔ)Roberts邊緣檢測算子是一種非線性算子，然而對一幅二值圖像來說，圖像的灰度只有兩個值，要么為0，要么為255，而圖像中目標(biāo)的邊緣為灰度突變的地方。由于生產(chǎn)過程的實(shí)時性，對計(jì)算機(jī)圖像處理的快速性有一定的要求。這就是我們將在下一節(jié)討論的高斯濾波與二階導(dǎo)數(shù)相結(jié)合的邊緣檢測方法。甚至一階導(dǎo)數(shù)很小的局部峰值也能導(dǎo)致二階導(dǎo)數(shù)過零點(diǎn)。原則上，過零點(diǎn)的位置精度可以通過線性內(nèi)插方法精確到子像素分辨率，不過由于噪聲，結(jié)果可能不會很精確。一．Laplacian算子平滑過的階躍邊緣二階導(dǎo)數(shù)是一個在邊緣點(diǎn)處過零的函數(shù)。這樣，通過找圖像強(qiáng)度的二階導(dǎo)數(shù)的零交叉點(diǎn)就能找到邊緣點(diǎn)。這樣做會導(dǎo)致檢測的邊緣點(diǎn)太多。Sobel算子是邊緣檢測器中最常用的算子之一?？紤]一下圖6．2中所示的點(diǎn)[x,y]周圍點(diǎn)的排列。Roberts算子是該點(diǎn)連續(xù)梯度的近似值，而不是所預(yù)期的點(diǎn)[i，j]刀處的近似值。根據(jù)以上基本理論，在最近的二十年里發(fā)展了許多邊緣檢測器，下面將討論常用的幾種邊緣檢測算法。注意梯度的幅值實(shí)際上與邊緣的方向無關(guān)，這樣的算子稱為各向同性算子(isotropic operators)。因此，同一維情況類似，圖像灰度值的顯著變化可用梯度的離散逼近函數(shù)來檢測。在一維情況下，階躍邊緣同圖像的一階導(dǎo)數(shù)局部峰值有關(guān)。邊緣檢測誤差通常是指邊緣誤分類誤差，即把假邊緣判成邊緣而保留，而把真邊緣判成假邊緣而去掉。在邊緣檢測算法中，前三個步驟用得十分普遍。常采用梯度幅值判據(jù)。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有顯著變化的點(diǎn)突顯出來。目前邊緣檢測算法有很多中，但他們的算法一般有如下四個步驟(其過程如圖4—10所示)：1．濾波：邊緣檢測算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。在實(shí)際中，階躍和線條邊緣圖像是很少見的，由于大多數(shù)傳感元件具有低頻特性，使得階躍邊緣變成斜坡型邊緣，線條邊緣變成屋頂形邊緣，其中的強(qiáng)度變化不是瞬間的，而是跨越一定的距離，這些邊緣如圖4_9所示。圖像中的邊緣通常與圖像強(qiáng)度或圖像強(qiáng)度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。圖像分析和理解的第一步常常是邊緣檢測(edge detection)。邊緣(edge)是指圖像局部強(qiáng)度變化最顯著的部分。頻率域處理方法是指圖像經(jīng)過傅立葉變換(FFT)，然后利用已設(shè)計(jì)好的低通濾波器濾除高頻噪聲。頻率域法是在圖像的變換域上進(jìn)行處理，對變換后的系數(shù)進(jìn)行相應(yīng)的處理，然后進(jìn)行反變換達(dá)到圖像去噪的目的。數(shù)字圖像噪聲處理方法一般可分為空域處理和頻域處理。但與之同時帶來的負(fù)面影響是圖像的細(xì)節(jié)也有一定的衰減，從視覺效果上來看圖像比處理前模糊。因?yàn)檫@種空間灰度相關(guān)性的存在，一般圖像的能量主要集中在低頻區(qū)域中，而圖像的細(xì)節(jié)部分集中在高頻區(qū)域。圖像去噪的目的就是在去除噪聲影響的同時盡可能多地保留圖像的原有有用信息。圖像在獲取和傳輸過程中，經(jīng)常會被噪聲破壞。(6)圖像數(shù)據(jù)壓縮與編碼：減少圖像數(shù)據(jù)量，以利于傳輸和儲存。(4)圖像分割：根據(jù)選定的特征將圖像劃分成幾個有意義的部分，從而使圖像在內(nèi)容上表達(dá)上更為簡單明了。(3)圖像增強(qiáng)：有目的地增強(qiáng)圖像中的有用信息，改善圖像的視覺效果，將圖像轉(zhuǎn)變?yōu)橐环N更適于人或機(jī)器分析的形式。(2)圖像復(fù)原：對一個退化的圖像進(jìn)行處理，使它恢復(fù)到原始目標(biāo)的狀態(tài)。總的來說，數(shù)字圖像處理包括以下幾個部分：(1)圖像變換：指圖像的二維變換，是數(shù)字圖像處理中的一個重要的數(shù)學(xué)基礎(chǔ)和有效的工具，數(shù)字圖像復(fù)原和增強(qiáng)處理及圖像特征的數(shù)字測度等許多算法都要涉及到數(shù)字圖像變換的理論。除此之外，圖像的合成，圖像的邊緣提取與分割，圖像的編碼、壓縮與傳輸，圖像的分析等技術(shù)也屬于圖像處理的內(nèi)容。數(shù)字圖像處理就是將一幅數(shù)字圖像經(jīng)過一系列的圖像處理步驟變?yōu)榱硗庖环鶊D像的過程。N1為采樣的行數(shù)，N2為采樣的列數(shù)。采樣，即在原始光學(xué)圖像的每個像素點(diǎn)位置上測量灰度值，將每個像素處的亮度轉(zhuǎn)換為與其成正比的電壓值，使圖像從空間位置連續(xù)的信號轉(zhuǎn)換成空間位置離散的信號：量化，即經(jīng)過A／D轉(zhuǎn)換將連續(xù)的灰度值用0255之間的對應(yīng)整數(shù)值來表示。圖像是對客觀世界的一種映像。為了不影響圖像識別和理解等后續(xù)處理，必須對獲取的圖像進(jìn)行一定的預(yù)處理，處理圖像首先要去除圖像中的噪聲，減少噪聲帶來的干擾，然后提取出圖像的特征信息。4．報(bào)表生成打印模塊：提供在線統(tǒng)計(jì)功能數(shù)據(jù)，可統(tǒng)計(jì)己檢測產(chǎn)品和不合格產(chǎn)品的數(shù)目，并能夠?qū)崟r打印輸出等。2．異常報(bào)警模塊：當(dāng)檢測系統(tǒng)發(fā)生異常情況時發(fā)出報(bào)警。1．該模塊包括判定模塊：主要對縱梁裝配工藝孔標(biāo)準(zhǔn)樣本圖像進(jìn)行預(yù)處理，提取關(guān)鍵的特征，建立特征庫。三．圖像拼接模塊：本檢測系統(tǒng)中由于汽車縱梁面積比CCD攝像機(jī)視角要大，所采集的每幅圖像都不能反映目標(biāo)的全貌，在實(shí)際中可采集多幅圖像，通過圖像拼接技術(shù)，將目標(biāo)不同部分拼接到一幅圖像中來反映目標(biāo)的整體特征。根據(jù)汽車縱梁裝配工藝孔機(jī)器視覺在線自動檢測系統(tǒng)的設(shè)計(jì)要求，在功能上可分為圖像攝取、圖像處理、圖像拼接及模式識別管理等四個模塊：一．圖像攝取模塊：實(shí)現(xiàn)檢測汽車縱梁到來及圖像采集功能。本檢測系統(tǒng)的汽車縱梁到位／通過實(shí)例圖如下圖3—6所示。當(dāng)有金屬物體進(jìn)入一個以一定頻率穩(wěn)定振蕩的高頻振蕩器的線圈磁場時，物體內(nèi)部產(chǎn)生渦流損耗，對于鐵磁性金屬物體有磁滯損耗，使振蕩回路電阻增大，能量損耗增加，以致振蕩減弱直至終止。根據(jù)以上比較，針對汽車縱梁緩慢移動通過流水線而來這一工業(yè)現(xiàn)場實(shí)際需要，我們選用渦流式接近開關(guān)來檢測汽車縱梁的到來，它對