【正文】 高度優(yōu)化。 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 14 第 4 章 圖像拼接技術(shù)的 GUI設(shè)計(jì) MATLAB 的主要功能 可靠的數(shù)值計(jì)算和符號(hào)計(jì)算功能、強(qiáng)大的繪圖功能、簡(jiǎn)單易學(xué)的語(yǔ)言體系以及為數(shù)眾多的應(yīng)用工具箱是 MATLAB 區(qū)別于其他科技應(yīng)用軟件的顯著標(biāo)志 [15]。程序代碼詳見(jiàn)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(jì)（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(duì)圖像配準(zhǔn)和圖像拼接的掌握，對(duì)圖像配準(zhǔn)的方法的理解，尤其是基于特征中的基于點(diǎn)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。利用 MATLAB 編程實(shí)現(xiàn)這部分的功能，程序代碼詳見(jiàn)附錄， MATLAB 仿真顯示結(jié)果如圖 31 所示： 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 12 c o r n e r m a t c h i n g l e f t i m a g e c o r n e r m a t c h i n g r i g h t i m a g e 圖 31 匹配角點(diǎn)對(duì)的 MATLAB 實(shí)現(xiàn)顯示圖 圖像拼接的原理 圖像拼接，是設(shè)計(jì)的最后關(guān)鍵步驟，利用角點(diǎn)檢測(cè)后篩選得到的兩對(duì)匹配角點(diǎn)對(duì)，把兩幅圖像拼接完成， 將配準(zhǔn)后的圖像進(jìn)行無(wú)縫縫合 [14]，需要對(duì)重疊區(qū)域重新設(shè)定數(shù)據(jù)值，在保證縫合處色調(diào)自然基礎(chǔ)上，保證信息損失量達(dá)到最小，目的是使處理后的最終結(jié)果能夠自然過(guò)渡，縫合的邊界更加平滑 ，最后顯示出完整的全景圖像。對(duì)已經(jīng)找出的匹配點(diǎn)，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。 圖像配準(zhǔn)的原理 將兩幅圖像進(jìn)行 Harris 角點(diǎn)檢測(cè)后，分別得到角點(diǎn)對(duì)應(yīng)與該圖像的坐標(biāo)位置，以該坐標(biāo)位置為中心，分別取其附近的 8 個(gè)像素值，然后進(jìn)行與另一幅圖像進(jìn)行匹配，找出距離最小的點(diǎn)作為匹配點(diǎn)。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(diǎn)，或極坐標(biāo)（參數(shù)空間）中的點(diǎn)，即原始圖像中給定性質(zhì)的曲線或直線上的所有點(diǎn)都集中到參數(shù)空間的某個(gè)點(diǎn)上形成峰值。 Hough 變換的主要優(yōu)點(diǎn)是：對(duì)圖像的局部缺損不敏感，受噪聲的影響較小。如果將這 8 個(gè)點(diǎn)的連接方向用方向符號(hào)來(lái)代替，再沿邊緣方向依次記錄每?jī)牲c(diǎn)間的連接方向，就可得到邊緣輪廓的方向鏈碼。它實(shí)際上是一串方向符號(hào)的序列?；诰€特征的圖像配準(zhǔn)算法能夠有效地解決這個(gè)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(jì)（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(gè)局部領(lǐng)域內(nèi)進(jìn)行連接操作，包括標(biāo)注和連接兩步。 邊緣連接算法可分為局部邊緣連接算法和全局邊緣連接算法。通常，稱前者為邊緣檢測(cè)，后者為邊緣連接。提取線特征的過(guò)程可分為兩步：首先，抽取反映灰度變化的基本單元 —— 邊緣 。 在基于點(diǎn)特征的圖像配準(zhǔn)算法中，特征點(diǎn)通常選取的是圖像中易于確定的特殊點(diǎn)，比如角點(diǎn)、直線交叉點(diǎn)、 T 型交匯點(diǎn)、高曲率點(diǎn)，以及特定區(qū)域的中心、重心等。 需要注意的是，在匹配過(guò)程中，并非 P 和 Q 中的所有點(diǎn)都有匹配點(diǎn)對(duì)，點(diǎn)集 P中的某些對(duì)應(yīng)點(diǎn)會(huì)在 Q 中丟失。 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 10 基于點(diǎn)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(diǎn)集， ? ?nqqqQ , 21 ?? 是待配準(zhǔn)圖像上的特征點(diǎn)集，配準(zhǔn)要實(shí)現(xiàn)的目的 就是確立兩個(gè)點(diǎn)集之間的對(duì)應(yīng)關(guān)系。 因此，基于特征的圖像配準(zhǔn)方法 [13]是實(shí)現(xiàn)高精度、快速有效和適用性廣的配準(zhǔn)算法的最佳選擇。對(duì)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)。本設(shè)計(jì)主要用到的就是基于特征的圖像配準(zhǔn)方法。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(diǎn)。一種好的圖像配準(zhǔn)算法，應(yīng)該能夠在各種情況下準(zhǔn)確找到圖像間的對(duì)應(yīng)信息，完成最優(yōu)的拼接過(guò)程 [12]。 通過(guò)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(diǎn)在參考圖像中所對(duì)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。 MATLAB 仿真 顯示結(jié)果如圖 2圖 22 所示： c o r n e r d e t e c t i o n l e f t i m a g e50 100 150 200 250 300 350 40050100150200250300350400450500550c o r n e r d e t e c t i o n r i g h t i m a g e50 100 150 200 250 300 350 40050100150200250300350400450500550 圖 21 Harris 角點(diǎn)檢測(cè) ——顯示所有角點(diǎn) 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 8 c o r n e r d e t e c t i o n l e f t i m a g e100 200 300 400100200300400500c o r n e r d e t e c t i o n r i g h t i m a g e100 200 300 400100200300400500 圖 22 Harris 角點(diǎn)檢測(cè) ——篩選后的角點(diǎn)顯示 本章小結(jié) 本章是對(duì)角點(diǎn)檢測(cè)算法的研究，主要是熟悉掌握 Harris 算法 的理論知識(shí)，與其他幾種角點(diǎn)檢測(cè)算法的比較，總結(jié)出選擇 Harris 算子作為設(shè)計(jì)方法的理由，最后利用 MATLAB 軟件對(duì)其編程，實(shí)現(xiàn)算法，然后進(jìn)一步粗略篩選角點(diǎn)，為下一步圖像配準(zhǔn)做準(zhǔn)備。 Moravec 角點(diǎn)檢 測(cè)算法 思路簡(jiǎn)單，計(jì)算過(guò)程易于實(shí)現(xiàn)，判斷條件少 定位準(zhǔn)確度不高，抗干擾能力低 Forstner 角點(diǎn)檢測(cè)算法 思路簡(jiǎn)單，易于實(shí)現(xiàn)，傳統(tǒng)的角點(diǎn)檢測(cè)算法 適應(yīng)性差，計(jì)算量大，對(duì)局部灰度信息依賴過(guò)強(qiáng) Harris 角點(diǎn)檢測(cè) 的 MATLAB 實(shí)現(xiàn) 利用 MATLAB 軟件編程，實(shí)現(xiàn)角點(diǎn)檢測(cè)的功能，驗(yàn)證 Harris 算子的應(yīng)用效果。 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 7 續(xù)表 21 各類角點(diǎn)檢測(cè)算法的比較表 算法 優(yōu)點(diǎn) 缺點(diǎn) 小波變 換 的角點(diǎn)提取算法 適應(yīng)性較強(qiáng)、利于實(shí)際應(yīng)用。 根據(jù)本節(jié)對(duì)各類算子的研究，分析，總結(jié)出算子的優(yōu)點(diǎn)和缺點(diǎn) [11]，如表 21所示 ： 表 21 各類角點(diǎn)檢測(cè)算法的比較表 算法 優(yōu)點(diǎn) 缺點(diǎn) Harris 角點(diǎn)檢測(cè) 算法 計(jì)算簡(jiǎn)單，魯棒性，穩(wěn)定性較高。 Forstner 算子與 Moravec 算子有大多數(shù)的方面相似，都是傳 統(tǒng)的點(diǎn)特征的提取算法，它們對(duì)各個(gè)像素鄰域進(jìn)行一定的梯度或差分運(yùn)算，選擇其極值點(diǎn)（極大或者極?。┗虺^(guò)給定閾值的點(diǎn)作為特征點(diǎn)。 Moravec 角點(diǎn)檢測(cè)算法是一種比較傳統(tǒng)的提取興趣點(diǎn)的算法，由于該算法是通過(guò)計(jì)算水平、垂直、對(duì)角線、反對(duì)角線四個(gè)方向上灰度方差檢測(cè)角點(diǎn)，該算子各項(xiàng)異性。提取的角點(diǎn)均勻合理，可以定量提取特征點(diǎn)， 計(jì)算量小，易于編程。 常用角點(diǎn)檢測(cè)算法比較 Harris 角點(diǎn)檢測(cè)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(cè)特征點(diǎn)，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(cè)興趣點(diǎn)。當(dāng) qTq? ，且 wTw? 時(shí)，該像素為待選點(diǎn)。其步驟為： (1)計(jì)算各像素的 Robert’s 梯度 jijiu ggugg ,1,1 ????? ?? （ 212） jijiv ggvgg ,11, ?? ????? （ 213） (2)計(jì)算 rr? 窗口中灰度的協(xié)方差矩陣 ????????? ?? ???221vuvvuu ggg gggNQ （ 214） 式中： )2/int(rk ? ? ?? ?? ?? ?? ?? ?? ?? 1 1 2,1,12 )(km kmi kn knj jijiu ggg （ 215） ? ?? ?? ?? ?? ?? ?? ?? 1 1 2,11,2 )(km kmi kn knj jijiv ggg （ 216） ? ?? ?? ?? ?? ?? ???? ??? 1 1 ,11,1,1 ))((km kmi kn knj ijjijijivu gggggg （ 217） (3)計(jì)算興趣值 q 和 w tr ND e tNtr Qwtr ND e tNq ??? 1,)(4 2 （ 218） 式中： DetN 代表矩陣 N 的行列式； trN 代表矩陣 N 的跡。 (3)選取候選點(diǎn)中的極值點(diǎn)作為特征點(diǎn)，在一定大小的窗口內(nèi)（可不同于興趣值計(jì)算窗口），將候選點(diǎn)中興趣值不是最大者去掉，僅留下一個(gè)興趣值最大者，該像素即為一個(gè)特征點(diǎn)。在以像素 ),( nm 為中心的 ww? 的圖像窗口中，相鄰 4 個(gè)方向像素灰度差的平方和為： ???? ??? ??1 2,1,1 )(kki nimnim ggV （ 27） ???? ?????? ?? 1 21,1,2 )(k ki iniminim ggV （ 28） ???? ??? ?? 1 21,3 )(k ki inminm ggV （ 29） ???? ?????? ?? 1 21,1,4 )(k ki iniminim ggV （ 210） 式中： )2/int(wk ? 。 Moravec 算子 Moravec 算子 [9]是 Moravec 提出的利用灰度方差提取點(diǎn)特征的算子。點(diǎn) ),( nm 的模值為： 2222122 ),(),(),( nmfWnmfWnmfM djdjjd ?? （ 25） 相角為： ),( ),(a rc t a n),( 12222 nmfW nmfWnmfA djdjjd ? （ 26） 然而 ， 模極大值點(diǎn)就是該點(diǎn)的模大于在相角方向上的兩個(gè)相鄰位置上模值的點(diǎn)。在 1log 2 ?? MJ 個(gè)尺度上 對(duì) P 進(jìn)行分解，即 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 4 尺度 Jjs i ??? 1,2 。對(duì)于圖像配準(zhǔn)來(lái)說(shuō)，由于兩幅圖像中共同特征往往是大而強(qiáng)的邊緣信息，根據(jù)小波變換能夠反映圖像的階躍型邊緣突變點(diǎn)的性質(zhì)，可以利用小波變換提取用于圖像配準(zhǔn)的特征點(diǎn)。其處理過(guò)程表示如下 [7]： ??????????22)~(yyxyxx ggg gggsGM （ 21） ~)(*)d e t ( 2 ??? kMtrkMR （ 22） 式中： xg 為 x 方向上的梯度， yg 為 y 方向上的梯度， )~(sG 為高斯模板， det為矩陣的行列式， tr 為矩陣的跡， k 為常數(shù)， R 表示圖中相應(yīng)像素點(diǎn)的興趣值。此外，角點(diǎn)特征也常用在漢字識(shí)別，染色體識(shí)別等應(yīng)用系統(tǒng)中。它是一種重要的圖像特征點(diǎn)，包含了圖 像中豐富的二維結(jié)構(gòu)信息，廣泛應(yīng)用于各種圖像處理技術(shù)中。參考圖像 待拼接圖像 圖像預(yù)處理 圖像預(yù)處理 檢測(cè)角點(diǎn)，篩選合適的角點(diǎn)對(duì)（一般為兩對(duì)） 利用角點(diǎn)對(duì)，線性插值拼接，實(shí)現(xiàn)全景顯示 東北石油大學(xué)本科生 畢業(yè)設(shè)計(jì)（論文） 3 第 2 章 角點(diǎn)檢測(cè)及 MATLAB 實(shí)現(xiàn) 角點(diǎn)定義 圖像匹配的算子，主要