【正文】 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)和鼓勵下，這篇論文才得以完成。而傳統(tǒng)的利用人工選取控制點以及串行的執(zhí)行方式很難滿足快速和實時的要求。 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用價值和前景，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、識別、雷達(dá)目標(biāo)跟蹤與識別等應(yīng)用中都要求高配準(zhǔn)率下的快速圖像配準(zhǔn)。許多算法在上述差別較小時適用，當(dāng)圖像灰度差別 增大時適用區(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)。 根據(jù)作者對圖像拼接技術(shù)的研究和體會，總結(jié)出圖像拼接技術(shù) 在以下幾個方面有待于進(jìn)一步的研究： 較大幾何位置差別條件下的拼接技術(shù)的實現(xiàn)。目前 國內(nèi)外對圖像配準(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。 （ 2） 對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。該算法對于具有 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。 然后 介紹了圖像拼接的基本流程、圖像的各種采集方式。 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，特點和應(yīng)用領(lǐng)域，指出了研究圖像拼接技術(shù)的重要意義。 imshow(E)。 b3=cat(2,a7,a89)。 b1=cat(2,a12,a3)。 a7=cat(3,a7,a7,a7)。 42 end a6=y(1:M1hang+1,N1lie+2:end,1:end)。 a5=cat(1,a5,K)。 Kc=imlinb((M1hang+2o)/(M1hang+2),a5hc(o,1:end),o/(M1hang+2),a5yc(o,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))。 end a5=a5(1:end,2:end,1:end)。 K=cat(3,Ka,Kb,Kc)。 Kb=imlinb((N1lie+2o)/(N1lie+2),a5hb(1:end,o),o/(N1lie+2),a5yb(1:end,o))。 if hanglim a5=h(1:M1hang+1,1,1:end)。 a5yb=Yb(1:M1hang+1,1:N1lie+1)。 a5hc=Hc(hang:end,lie:end)。 a5ha=Ha(hang:end,lie:end)。 a3=cat(3,a3,a3,a3)。 a12=h(1:hang1,1:end,1:end)。 40 end end MAX=max(max(t))。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 [M1 N1]=size(I)。 I=double(Hb)。 [M N]=size(Ya)。 Hb=h(:,:,2)。 Yc=y(:,:,3)。 Ya=y(:,:,1)。E:\39。)。 y=imread(39。 clc。 自動識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。 這樣，在處理重合部分前，先判斷匹配點的坐標(biāo)具有以上兩類特點中的哪類 特點，再選擇對重合部分進(jìn)行上下過濾或者左右過濾，就能夠自動完成選擇方向的圖像拼接了。 在對第 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。程序中找到的匹配點坐標(biāo) (hang,lie)就是圖中綠色部分12 3 4 5 6 圖 7 89 38 左上角的點對應(yīng)在黃色部分的坐標(biāo)。圖 形象的用幾何圖形構(gòu)成了這種假設(shè)的狀態(tài)。但是在左右拼接的時候需要拆分的是原圖像的左右兩邊，上下拼接的時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。 本節(jié)主要在程序結(jié)構(gòu)上進(jìn)行改進(jìn)，使之能夠自動完成左右或者上下特點圖像的拼接。 在彩色的效果圖中也可以看出，加強過濾后的圖像也看不出原來拼接的痕跡，實驗證明對重合部分進(jìn)行加強過濾比原來的效果要好。在重合部分處理過程中也會相對的復(fù)雜。 figure(1),imshow(E)。 a1=cat(2,a1,K)。 Kc=imlinb((N1lie+2o)/(N1lie+2),Bhc(1:end,o),o/(N1lie+2),Byc(1:end,o))。 for o=1:(N1lie+1) Ka=imlinb((N1lie+2o)/(N1lie+2),Bha(1:end,o),o/(N1lie+2),Bya(1:end,o))。 Bhc=Hc(1:end,lie:end)。 Bhb=Hb(1:end,lie:end)。 Bha=Ha(1:end,lie:end)。 a1=h(1:end,1:lie1,1:end)。 end end MAX=max(max(t))。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 [M1 N1]=size(I)。 I=double(Ha)。 Hc=h(:,:,3)。 Ha=h(:,:,1)。 Yc=y(:,:,3)。 Ya=y(:,:,1)。E:\39。)。 y=imread(39。 34 彩色拼接程序 以下是采用了彩色拼接方法的程序 ： clear all。 %提取左圖的第二基色層 Hc=h(:,:,3)。 %提取右圖的第三基色層 Ha=h(:,:,1)。 %提取右圖的第一基色層 Yb=y(:,:,2)。)。 %讀取右半部分圖像 h=imread(39。E:\39。 每一幅彩色圖片在輸入 MATLAB 后，都是以 3 個同規(guī)格的矩陣在圖像平面的法線上排列存放的，這三個矩陣分別對應(yīng)了 R(紅 )， G(綠 )和 B (藍(lán) ) 三個分量 。 對圖像進(jìn)行 RGB 拆分處理 RGB 色彩空間是用于顯示和保存彩色圖像的最常用的彩色空間，對應(yīng)于人類視覺的三基色即紅、綠、藍(lán)三種顏色，該空間由 R(紅 )， G(綠 )和藍(lán) (B) 三個分量組成，在三維空間中的三個軸分別與之對應(yīng)。 33 完成彩色拼接 實驗中用到的圖片是彩色的圖像，但是實驗結(jié)果中顯示的都是灰度處理后的實驗效果拼 接圖，如果讓實驗效果變?yōu)椴噬男Ч?，更能夠?qū)χ睾喜糠诌^濾的過程一目了然。 32 對過度過程改進(jìn)后的實驗效果圖 圖 是未進(jìn)行改進(jìn)的實驗效果圖。 end E=cat(2,a1,a2)。 for o=1:(N1lie+1) K=imlinb((N1lie+2o)/(N1lie+2),B1(1:end,o),o/(N1lie+2),B2(1:end,o))。 B1=H(1:end,lie:end)。 a1=H(1:end,1:(lie1))。 end end MAX=max(max(t))。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 [M1 N1]=size(I)。 I=double(H)。 [M N]=size(Y)。 Y=rgb2gray(y)。E:\39。)。 y=imread(39。 30 改進(jìn)后的程序 以下是對重合部分過濾進(jìn)行改進(jìn)的程序： clear all。 最后再 用程序 a50=a50(1:end,2:end)。并且 o 每增加一個值， a50 就記憶下當(dāng)時 K 的狀態(tài)。語句，把 K 賦予到“拉鎖”的源頭上，使 K 記憶在 a50 上。 %把假設(shè)的圖像去掉 為重合部分假設(shè)的左邊圖像就好像 “ 拉鎖 ” 的源頭 ， 當(dāng) o=1 時 ： K=imlinb(N/(N+1),A(1:end,1),1/(N+1),B(1:end,1))。 a50=cat(2,a50,K)。 a50=uint8(a50)。 要達(dá)到這種效果 就需要 把重合部分分成若干列（行），每一列（行）按從左到右（從上到下）進(jìn)行不同程度的比例分配。語句的實際功能 ，它把 A1 和 B1 各分成一半再相加起來。語句是對重合部分進(jìn)行過濾的 ，它 運行的效果 相當(dāng)于 K=.*A1+.*B1。在處理重合部分的過程中用到了 imlinb 函數(shù)，本節(jié)將主要對這個函數(shù)的使用加 以 改進(jìn)，實現(xiàn)無縫拼接。 下一章將針對以上提出的問題進(jìn)行分步的改進(jìn)。 %把三部分從左到右排列完成拼接過程 分析 該程序 存在的問題 該程序能過自動找出匹配點運用該匹配點進(jìn)行拼接，但是 圖像之間重合部分的處理還不夠。 %截取左半部非重合部分 Y1=Y(1:end,N1lie+2:end)。 %在左半部圖像中找出重合部 分 K=imlinb(.5,A1,.5,B1)。 B1=Y(1:end,1:N1lie+1)。對該部分以一定的方式處理后，與原圖片中不重合的部分進(jìn)行物理上的拼接就能夠得到實驗的最后結(jié)果。 賦予 27 （ hang,lie） 該坐標(biāo)點就是左半部圖像中與右半部圖像左上角的匹配點 。 [hang,lie]=find(t==MAX)。可以看出：在 t 中，大部分的坐標(biāo)都近似為 1，但是一定 會 有一個最大值（最相似）。 圖 在三維曲面圖中底面代表原左半部分圖片，底面每個坐標(biāo)上都對應(yīng)一個值 ，最大為 1。其中 temp 是左邊圖像中所有能夠截取出的像素為 50*50 的小圖。 [hang,lie]=find(t==MAX)。 t(i,j)= c(i,j)/b(i,j)。 c(i,j)=sum(sum(temp.*X))。%把左半部分圖像修改成 double 格式并賦予 I X=double(xiaotu)。 %對圖像進(jìn)行灰度處理 圖像的配準(zhǔn) 首先給出進(jìn)行圖像配準(zhǔn)的程序段： xiaotu=Y(1:50,1:50)。 %讀取待處理的右半部圖像 Y=rgb2gray(y)。E:\39。)。一下是程序中預(yù)處理圖片的程序和說明： h=imread(39。 程序運行的結(jié)果以及分析 圖 是 該程序 運行的結(jié)果： 圖 在運行結(jié)果中可以看出，圖像拼接前是彩色的圖像，拼接好后只得到了灰度的圖像，而且在兩棵樹中間部分具有明顯的拼接痕跡。 E=cat(2,X1,K,Y1)。 X1=H(1:end,1:lie)。 A1=H(1:end,lie:end)。 24 [hang,lie]=find(t==MAX)。 t(i,j)= c(i,j)/b(i,j)。 c(i,j)=sum(sum(temp.*X))。 [m1 n1]=size(X)。 X=double(xiaotu)。 xiaotu=Y(1:50,1:50)。 H=rgb2gray(h)。)。 y=imread(39。E:\39。 clc。從圖中可以看出這兩張圖片中間有一部分重合區(qū)域，根據(jù)這部分重合區(qū)域，計算機(jī)就能夠?qū)ふ业絻蓮垐D片的匹配點加以拼接。用戶可以在 Simulink 的示波器上實時監(jiān)測目標(biāo)板上的信號，考察其實時運行的結(jié)果。 ealTime Workshop 支持 Simulink 的外部應(yīng)用模式，即把用戶的實時目標(biāo)板與 Simulink的模型相連接。只需要簡單的操作，用戶無需繁瑣的手工 編程與調(diào)試就可以生成應(yīng)用代碼。利用 Simulink 提供的子系統(tǒng)和 Sfunction 功能，用戶可以方便地建立自己的專業(yè)模塊庫，或?qū)⒁延械拇a結(jié)合到仿真模型中使用。模型可以是含有離散時 間、連續(xù)時間系統(tǒng)或混合的系統(tǒng)。此外，用戶可以快速地將代碼片段和知識轉(zhuǎn)換成可以重復(fù)使用的自動分析例程，不需要變量聲明和維數(shù)定義，可很快編