freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

圖像拼接技術(shù)的畢業(yè)設(shè)計(jì)-閱讀頁

2024-12-13 00:31本頁面
  

【正文】 接的圖像和原程序 待拼接圖像以及特點(diǎn) 圖 是實(shí)驗(yàn)中待拼接的原圖像, A 是左半部分 B 是右半部分。 A B 圖 實(shí)驗(yàn)中待拼接的原圖像 23 源程序 在 Matlab 中實(shí)現(xiàn)拼接的 源 程序: clear all。 h=imread(39。)。E:\39。 Y=rgb2gray(y)。 [M N]=size(Y)。 I=double(H)。 [M1 N1]=size(I)。 for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 end end MAX=max(max(t))。 B1=Y(1:end,1:N1lie+1)。 K=imlinb(.5,A1,.5,B1)。 Y1=Y(1:end,N1lie+2:end)。 figure(2),imshow(E)。 25 部分源程序分析 圖像的預(yù)處理 一張圖片在運(yùn)行程序之前都要以一定的方式儲(chǔ)存到所使用軟件的內(nèi)存中,軟件以某種格式記錄下來,這樣 圖片在軟件中才能夠被處理。E:\39。 %讀取待處理的左半部圖像 y=imread(39。)。 %對圖像進(jìn)行灰度處理 H=rgb2gray(h)。%從右圖中左上角截取一個(gè) 50*50 像素的小圖 I=double(H)。%把截取的小圖修改成 double 格式并賦予 X for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 end end 26 MAX=max(max(t))。 以上是本程序的配準(zhǔn)環(huán)節(jié)。 求出所有這些 圖片 與右圖左上角的小圖的相似度值,并賦予新的矩陣 t, 圖 是 t(相似度矩陣)的三維曲面圖。越接近 1 就代表對應(yīng)該點(diǎn)的 temp 與右圖左上角的小圖越相似。 MAX=max(max(t))。 利用上面語句 找出矩陣 t 中的最大值與該最大值對應(yīng)的坐標(biāo)點(diǎn)。 圖像拼接 找到圖像的匹配點(diǎn)后,根據(jù)對應(yīng)的坐標(biāo)就可以找出兩圖像中重合的部分。以下是這段程序的部分以及說明。 %在右半部圖像中找出重合部分 A1=H(1:end,lie:end)。 %把兩重合部分以 + 進(jìn)行過濾 X1=H(1:end,1:lie)。 %截取右半部非重合部分 E=cat(2,X1,K,Y1)。在拍照片取景時(shí),因?yàn)楣鈴?qiáng),對比度,光線角 度等很多問題會(huì)導(dǎo)致兩張照片有微小差異,以至于用該方法拼接出來的圖片很明顯有兩條不太美觀的線 .并且該算法只能針對具有左右平移的圖像進(jìn)行拼接, 拼接出來的圖像也一定是灰度的,具有一定的局限性。 28 第四 章 對 圖像拼接算法的改進(jìn) 對 重合部分過度 的改進(jìn) 在實(shí)驗(yàn)中用到的具有左右平移特點(diǎn)的圖像中必然會(huì)有重合部分。 imlinb 函數(shù) 在原程序中 , K=imlinb(.5,A1,.5,B1)。語句,圖 是利用幾何圖像把整個(gè)圖像的拼接過程形象的表現(xiàn)出來: 圖 圖 左邊的長方形代表左半部圖像,右邊則代表 右 半部圖像,中間則是重合部分,重合部分中間的一條線就代表 K=imlinb(.5,A1,.5,B1)。 圖 這時(shí)如果對 圖 進(jìn)行改進(jìn)變成如 圖 所示, 重合部分就能夠得到完 29 整的過 濾,在視覺上達(dá)到平滑過濾的效果。改進(jìn)后的程序 分析 如下: 設(shè):重合部分的列像素?cái)?shù)為 N 左半部圖像的重合部分為 A 右半部圖像重合部分為 B a50=ones(M1hang+1,1)。 %為重合部分過濾假設(shè)的左邊圖像 for o=1:N K=imlinb((N+1o)/(N+1),A(1:end,o),o/(N+1),B(1:end,o))。 end a50=a50(1:end,2:end)。 這時(shí)的 K= N/(N+1)A+1/(N+1)B 顯然這時(shí)的 K 近似等于 A, 經(jīng)過a50=cat(2,a50,K)。當(dāng) o 逐漸慢慢變大, (N+1o)/(N+1)逐漸變小而 o/(N+1)逐漸變大, K 也逐漸的近似于 B。相當(dāng)于一個(gè)“拉鎖”慢慢的合上。去掉假設(shè)的圖像,兩重合部分的圖像就以 圖 的形式疊加好了。 clc。E:\39。 h=imread(39。)。 H=rgb2gray(h)。 xiaotu=Y(1:80,1:30)。 X=double(xiaotu)。 [m1 n1]=size(X)。 c(i,j)=sum(sum(temp.*X))。 t(i,j)= c(i,j)/b(i,j)。 31 [hang,lie]=find(t==MAX)。 a2=Y(1:end,(N1lie+2):end)。 B2=Y(1:end,1:N1lie+1)。 a1=cat(2,a1,K)。 figure(1),imshow(E)。圖 是對過渡過程改進(jìn)后的實(shí)驗(yàn)效果圖 圖 圖 對重合部分進(jìn)行加強(qiáng)過度處理后在效果中很明顯看不見拼接后的痕跡了。本節(jié)將對程序進(jìn)一步改進(jìn),使之能夠完成彩色圖像的拼接。原點(diǎn)對應(yīng)于黑色,離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對應(yīng)于白色,其他顏色落于由紅、綠和藍(lán)三基色組成的彩色立方體中。 在圖像預(yù)處理時(shí)輸入以下程序,就可以把圖像拆分成 3 個(gè)基色圖: y=imread(39。)。E:\39。 %讀取左半部分圖像 Ya=y(:,:,1)。 %提取右圖的第二基色層 Yc=y(:,:,3)。 %提取左圖的第一基色層 Hb=h(:,:,2)。 %提取左圖的第三基色層 把 Ya、 Ha, Yb、 Hb 和 Yc、 Hc 兩兩看成待拼接的灰度圖像進(jìn)行拼接,最后再把拼接好的圖像以 cat 語句“摞”起來,就能夠完成一次彩色的拼接了。 clc。E:\39。 h=imread(39。)。 Yb=y(:,:,2)。 [M N]=size(Ya)。 Hb=h(:,:,2)。 xiaotu=Ya(1:80,1:30)。 X=double(xiaotu)。 [m1 n1]=size(X)。 c(i,j)=sum(sum(temp.*X))。 35 t(i,j)= c(i,j)/b(i,j)。 [hang,lie]=find(t==MAX)。 a2=y(1:end,(N1lie+2):end,1:end)。 Bya=Ya(1:end,1:N1lie+1)。 Byb=Yb(1:end,1:N1lie+1)。 Byc=Yc(1:end,1:N1lie+1)。 Kb=imlinb((N1lie+2o)/(N1lie+2),Bhb(1:end,o),o/(N1lie+2),Byb(1:end,o))。 K=cat(3,Ka,Kb,Kc)。 end E=cat(2,a1,a2)。 相對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 要對每一個(gè)色素層進(jìn)行拼接再還原成彩色的圖片。 彩色拼接效果圖 對比 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。 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 。 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。 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 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。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。 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。 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。 39 clear all。 lim=2。E:\39。 h=imread(39。)。 Yb=y(:,:,2)。 Ha=h(:,:,1)。 Hc=h(:,:,3)。 xiaotu=Yb(1:30,1:30)。 X=double(xiaotu)。 [m1 n1]=size(X)。 c(i,j)=sum(sum(temp.*X))。 t(i,j)= c(i,j)/b(i,j)。 [hang,lie]=find(t==MAX)。 a3=uint8(ones(hang1,lie+N1N1))。 a4=h(hang:end,1:lie1,1:end)。 a5hb=Hb(hang:end,lie:end)。 a5ya=Ya(1:M1hang+1,1:N1lie+1)。 a5yc=Yc(1:M1hang+1,1:N1lie+1)。%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))。 41 Kc=imlinb((N1lie+2o)/(N1lie+2),a5hc(1:end,o),o/(N1lie+2),a5yc(1:end,o))。 a5=cat(2,a5,K)。 elseif lielim a5=h(1,1:N1lie+1,1:end)。 Kb=imlinb((M1hang+2o)/(M1hang+2),a5hb(o,1:end),o/(M1hang+2),a5yb(o,1:end))。 K=cat(3,Ka,Kb,Kc)。 end a5=a5(2:end,1:end,1:end)。 a7=uint8(ones(hang+M1M1,lie1))。 a89=y(M1hang+2:end,1:end,1:end)。 b2=cat(2,a4,a5,a6)。 E=cat(1,b1,b2,b3)。 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)場景以及三維動(dòng)畫的基礎(chǔ),因此對它的研究具有十分重要的現(xiàn)實(shí)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 。 本論文重點(diǎn)對 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 。 文章中算法的不足之處是 : ( 1) 對于像素高的圖片 計(jì)算量較大,運(yùn)算時(shí)間較長。 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。無論在理論上還是在應(yīng)用上均處于初級階段,還需做大量深入、細(xì)致的研究工作。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。 高配準(zhǔn)率快速配準(zhǔn)算法的實(shí)現(xiàn)。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 級數(shù)增長,在這種情況下要實(shí)現(xiàn)高精度的配準(zhǔn),必然占用較長的運(yùn)算時(shí)間。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。 感謝與王老師同組的李
點(diǎn)擊復(fù)制文檔內(nèi)容
公司管理相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1