【正文】 ............................................................................. 15 可視化圖形用戶界面設(shè)計 .................................................................... 16 圖像拼接的 GUI 設(shè)計實現(xiàn) ................................................................... 19 本章小結(jié) ................................................................................................ 20 東北石油大學(xué)本科生畢業(yè)設(shè)計（論文） II 結(jié) 論 ............................................................................................................................ 21 參考文獻 ...................................................................................................................... 22 致 謝 ...............................................................................................錯誤 !未定義書簽。圖像拼 接技術(shù)就是將數(shù)張有重疊部分的小視角圖像 (可能是不同時間、不同視角或者不同傳感器獲得的 )拼成一幅寬視角的無縫高分辨率圖像，滿足人們在各個領(lǐng)域研究的需要的技術(shù)。 圖像拼接的意義 圖像配準是圖像融合的基礎(chǔ) ， 而且圖像配準算法的計算量一般非常大 ， 因此圖像拼接技術(shù)的發(fā)展很大程度上取決于圖像配準 技術(shù)的創(chuàng)新。 圖像拼接 的現(xiàn)狀及 發(fā)展動向 在國內(nèi)，圖像拼接技術(shù)研究雖然起步相對較晚，但發(fā)展迅速。 2021 年，針對動態(tài)全景圖像拼接，由杜威、李華兩人提出了一種應(yīng)用于動態(tài)場景的全景圖表示方法，可以將視頻紋理和全景圖結(jié)合起來，構(gòu)造出動態(tài)全景圖 [2]。 2021 年，尹麗華、安居白、夏妍妍， 提出基于特征點匹配的圖像拼接算法，能夠得到較理想的拼接結(jié)果 [4]。 隨著人 們對圖像拼接算法研究的深入，逐漸將稀疏分解矩陣引入圖像拼接領(lǐng)域 [5]。 圖像拼接的流程 圖像拼接的方法很多，不同的算法步驟會有一定差異，但大致的過程是相同的。其中圖像配準是整個圖像拼接技術(shù)的核心部分，直接決定了圖像拼接結(jié)果的好壞。 圖像配準主要指對參考圖像和待拼接圖像中的匹配信息進行提取，在提取出的信息中尋 找最佳的匹配 ， 圖像配準是整個圖像拼接技術(shù)的核心。因此，實現(xiàn)精確、穩(wěn)定、 快速圖像匹配算法有利于對視覺信息后續(xù)處理 研究。角點，又稱為興趣點，是像素點在其鄰域內(nèi)的各個方向上灰度變化量足夠大的點，且大于閾值的點。角點最大的優(yōu)點是：它所代表的局部結(jié)構(gòu)關(guān)系信息不會因為視角的不同而改變，這在三維物體識別上很有用。 常用角點檢測的算法 Harris 算子 Harris 算子是 Harris和 Stephens 提出的一種基于信號的角點特征提取的算子。 小波變換算子 小波變換算子 [8]可以非常有效地用于信號的多分辨率局部分析 ， 它已經(jīng)被成功的用于許多圖像分析領(lǐng)域。 假設(shè)圖像 P 具有 MM? 個像素。選擇適當?shù)亩S平滑函數(shù) ),( yx? ，定義小波為： x yxyx ??? ),(),(1 ?? （ 23） y yxyx ??? ),(),(2 ?? （ 24） 構(gòu)造出離散濾波器，在尺度 j2 上，采用二維離散小波變換的快速算法計算每個 點 ),( nm 的離散二進小波變換 ),(12 nmfW dj ， ),(22 nmfW dj 。當模極大值點大于所設(shè)定的門限值時，則該點被認為是特征點。其提取點特征的步驟為： (1)計算各像元的興趣值 IV（ Interest Value）。 取其中最小者作為該像素的興趣值，即： ? ?4321, ,m in VVVVIV nm ? （ 211） 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 5 (2)給定一經(jīng)驗閾值，將興趣值大于該閾值的點作為候選點，閾值的選擇應(yīng)以候選點中包括所需要的特征點，而又不含過多的非特征點為原則。 Forstner 算子 Forstner 算子 [10]是通過計算各像素的 Robert’s 梯度和以像素 ),( nm 為中心的一個窗口灰度協(xié)方差矩陣，在圖像中尋找具有盡可能小而接近圓的誤差橢圓的點作為特征點。 (4)確定待選點 如果興趣值大于給定的閾值，則該像元為待選點，閾值為經(jīng)驗值，可參考下 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 6 列值： ~?qT ??? ??? )5( )~( ccw fwfTcw （ 219） 式中： w 為權(quán)平均值； cw 為本權(quán)的中值。 (5)選取極值點 以權(quán)值 w 為依據(jù)，選擇極值點，即在一個適當窗口中選擇 w 最大的待選點，而去掉其余的點。相對于 Moravec 算法，在抗噪能力有了很大提高，而且兼顧了效率和精度兩方面的要求，誤檢測率低。 基于小波變 換 的特征點提取算法在實際應(yīng)用中，可以滿足圖像配準的要求，而且適用性也比較強，但是由于它的計算量比較大，不利于圖像的快速配準，用MATLAB 軟件對其編程，運行時間需要的較多。具有思路簡單，計算過程易于實現(xiàn)，判斷條件少的優(yōu)點，但其定位準確度不高，抗噪能力較低。它們提取的特征點較 強的依賴于局部灰度信息，其適應(yīng)性較差而且計算量較大，因此，它們 逐步被基于小波變換算子所代替。角 點提取可靠性高，抗干擾性強 定位性能差，對角點位置變化比較敏感 ， 閾 值 、 高斯 函數(shù)方差、 k 值沒有確定值。 計算量較大，不利于快速配準。首先：把參考圖像和待匹配圖像中的角點全部檢測出來，根據(jù)圖像顯示得知，角點數(shù)量繁多；其次：利用程序?qū)崿F(xiàn)角點的篩選，剩余為數(shù)不多的角點，為下一步角點匹配做好鋪墊 ，程序代碼詳見附錄 。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 9 第 3 章 圖像配準與拼接算法研究 圖像配準是圖像處理的基本任務(wù)之一，用于將不同時間、不同傳感器、不同視角及不同的拍攝條件下獲取的兩幅或者多幅圖像進行匹配。在針對同一場景 進行采集時，由于采集設(shè)備的原因和光照強度的影響，在采集到的圖像中可能存在大面積的同色區(qū)域，或者平移、縮放、旋轉(zhuǎn)等多種問題，這些問題會影響整個拼接過程，而通過圖像配準我們就可以選擇一種最佳的配準算法，能夠在各種復(fù)雜的情況下都能找到準確的圖像對應(yīng)關(guān)系，達到圖像拼接的目的。 圖像配準的方法 迄今為止，在國內(nèi)外的圖像處理研究領(lǐng)域，已經(jīng)報道了相當多的圖像配準研究工作，并產(chǎn)生了不少圖像配準方法。大致上來講，有三種圖像配準方法，包括：基于灰度信息的圖像配準方法，基于特征的圖像配準方法和基于優(yōu)化策略的圖像配準方法。基于特征的圖像配準是配準中最常見的方法。它可以克服利用圖像灰度信息進行圖像配準的缺點，主要體現(xiàn)在以下 3 個方面： (1)圖像的特征點比圖像的 像素點少很多，從而大大減少了匹配過程 計算量；(2)特征點的匹配度量值對位置變化比較 敏感，可以大大提高匹配的精度； (3)特征點的提取過程可以減少噪聲的影響，對灰度變化、圖像形變以及遮擋等都有較好的適應(yīng)能力。根據(jù)特征選擇和特征匹配方法的不同，衍生出多種不同的基于特征的圖像配準方法，可分為基于點特征的圖像配準算法和基于線特征的圖像配準算法。利用對應(yīng)關(guān)系來求解變換模型參數(shù) ， 具體配準過程如下： (1)對參考圖像上的特征點集 P 中的一個特征點 ip 建立以其為中心，大小為nn? 的目標窗口 nnP ； (2)相對于參考圖像上的特征點 ip ，在待配準圖像上取大小為 mm? 的窗口mmQ （ nm?? ），并確保特征點 ip 的同名特征點在搜索窗口 mmQ 內(nèi)； (3)目標窗口 nnP 在搜索窗口 mmQ 上滑動 ， 同時計算其相似性度量 ， 確定特征點ip 的同名特征點 iq 。因此，所尋找的是 P 和 Q 之間的最大匹配點子集kiqp ii ,2,1,),( ?? ，其中 ),min( nmk ? 。 基于線特征的圖像配準算法 線特征的提取是基于線特征的圖像配準算法中的關(guān)鍵一步。 其次，再將這些不連續(xù)的邊緣片段連接或者編組為有意義的線狀特征。常用的邊緣檢測方法有 Roberts 算子、 Laplacian 算子、 Sobel算子、 Prewitt 算子等。 基于點特征的圖像配準算法具有較強的有效性和可靠性，然而，當待配準圖像和標準圖像之間存在較大的幾何差異時，點特 征的提取很困難。鏈碼首先是由美國學(xué)者 Freeman 提出的，所以鏈碼有時又被稱為 Freeman 碼。在數(shù)字圖像中，圖像的邊緣點 實際上是一些離散的像素點，除圖像邊界上的點外，所有的像素點都有 8 個相鄰的點與之連接。 (2)全局邊緣連接算法 Hough 變換是最常用的全局邊緣連接算法，它能夠?qū)⑦吘墮z測算子抽取出的圖像邊緣像素連接起來組成的區(qū)域封閉的邊界。 Hough 變換的基本思想是點 —— 線的對偶性。這樣，就把原始圖像中給定形狀的曲線或直線的檢測問題，變成了尋找參數(shù)空間中的峰值問題，也即把檢測整體特性（給定曲線的點集）變成檢測局部特性的問題。 接著，將圖像一中 的角點 1 與圖像二中的所有角點進行相減，得到一個最小誤差值，并記錄下該位置，這樣依次將圖像一中的角點 2，角點 3 一直到最后的角點都進行相減，即可得到兩幅圖像之間的最佳匹配點。 圖像配準的 MATLAB 實現(xiàn) 通過篩選角點的步驟后，在剩下為數(shù)不多的角點中，選擇兩對正確的匹配角點對，為圖像拼接建立起橋梁。 圖像拼接的 MATLAB 實現(xiàn) 利用圖像配準過程中找到的匹配角點對，通過 MATLAB 編程，實現(xiàn)圖像拼接，使最后的完整全景圖像顯示出來。本設(shè)計就是利用角點的特征實現(xiàn)配準，最后用精準的配準角點對實現(xiàn)圖像的拼接。 數(shù)值計算和符號計算功能 MATLAB 以矩陣作為數(shù)據(jù)操作的基本單位，這使得矩陣運算變得非常簡捷、方便、高效。高質(zhì)量的數(shù)值計算功能為 MATLAB 贏得了聲譽。 MATLAB 提供了兩個層次的繪圖操作：一種是對圖形句柄進行的低層 繪圖操作，另一種是建立在低層繪圖操作之上的高層繪圖操作。 語言體系 MATLAB 具有程序結(jié)構(gòu)控制、函數(shù)調(diào)用、數(shù)據(jù)結(jié)構(gòu)、輸入 /輸出、面向?qū)ο蟮瘸绦蛘Z言特征，所以使用 MATLAB 也可以像使用 BASIC、 FORTRAN、 C 等傳統(tǒng)編程語言一樣，進行程序設(shè)計，而且簡單易學(xué)、編程效率高。 MATLAB工具箱 MATLAB 包含兩部分內(nèi)容：基本部分和各種可選的工具箱。 MATLAB 工具箱分為兩大類：功能性工具箱和學(xué)科性工具箱。學(xué)科性工具箱專業(yè)性比較強，如控制 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 15 系統(tǒng)工具箱（ Control System Toolbox）、信號處理工具箱（ Signal Processing Toolbox）、神經(jīng)網(wǎng)絡(luò)工具箱（ Neural Network Toolbox）、最優(yōu)化工具箱（ Optimization Toolbox）、金融工具箱（ Financial Toolbox）、統(tǒng)計學(xué)工具箱（ Statistics Toolbox）等。在實際操作中，可以通過建立 M 文件完成編程。所謂圖形用戶界面（ Graphical User Interface， GUI）是指由窗口、菜單、對話框等各種圖形元素組成的用戶界面。 東北石油大學(xué)本科生 畢業(yè)設(shè)計（論文） 16 可視化圖形用戶界面設(shè)計 GUI 設(shè)計模板 在 MATLAB 主窗口中，打開 File 菜單中的 New 子菜單， 再 選擇其中的 GUI命令，就會顯示圖形用戶界面設(shè)計模板，如圖 42 所示： 圖 42 GUI 設(shè)計模板圖 MATLAB 為 GUI 設(shè)計一共準備了 4 種模板，分別是 Blank GUI（默認）、