一种基于线条特征的图像拼接算法_徐奕
基于SIFT特征点的图像拼接技术研究
基于SIFT特征点的图像拼接技术研究一、本文概述图像拼接技术作为计算机视觉领域的重要研究方向，旨在将多幅具有重叠区域的图像进行无缝连接，生成一幅宽视角或全景图像。
这一技术在许多领域都有着广泛的应用，如遥感图像处理、虚拟现实、全景摄影等。
近年来，随着数字图像处理技术的快速发展，基于特征点的图像拼接方法因其高效性和稳定性受到了广泛关注。
其中，尺度不变特征变换（SIFT）作为一种经典的特征提取算法，在图像拼接中发挥着重要作用。
本文旨在深入研究基于SIFT特征点的图像拼接技术，分析其基本原理、算法流程以及关键步骤，并通过实验验证其在实际应用中的效果。
文章将介绍SIFT算法的基本原理和特征提取过程，包括尺度空间的构建、关键点检测和描述子的生成等。
将详细阐述基于SIFT特征点的图像拼接流程，包括特征匹配、几何变换模型的估计、图像配准和融合等步骤。
同时，还将讨论在拼接过程中可能出现的问题和相应的解决方法。
本文将通过实验验证基于SIFT特征点的图像拼接方法的有效性。
实验中，将使用不同场景和不同类型的图像进行拼接，分析算法在不同情况下的性能表现。
还将与其他图像拼接算法进行对比，以评估SIFT算法在图像拼接中的优势和局限性。
文章将总结基于SIFT特征点的图像拼接技术的研究成果和实际应用价值，并展望未来的研究方向和发展趋势。
通过本文的研究，旨在为图像拼接技术的发展和应用提供有益的参考和借鉴。
二、SIFT算法原理尺度不变特征变换（Scale-Invariant Feature Transform，SIFT）是一种广泛应用于图像处理和计算机视觉领域的特征检测和描述算法。
SIFT算法的核心思想是在不同的尺度空间上查找关键点，并计算出关键点的方向，生成一种描述子，这个描述子不仅包含了关键点，也包含了其尺度、方向信息，使得特征具有尺度、旋转和亮度的不变性，对于视角变化、仿射变换和噪声也保持一定的稳定性。
SIFT算法主要包括四个步骤：尺度空间极值检测、关键点定位、关键点方向赋值和关键点描述子生成。
基于sift特征的图像匹配算法
２１ ．特征点方向的确定
利用特征点邻域像素的的梯 度方 向分布特征 ，为每
一
个特征点指定方 向参数 ，使算子具有 尺度不变性 。
ｍｘ ）√ ＋ ｙ Ｌ 一） ＋ ， １ Ｌ ， ｌ （ ＝ ｌ） （ １） ） （Ｙ ， ， 一 ｘ ， ， ＋一 ｘ— ０ｘ ）ｏ ｎ ＯｙＯ Ｌ ， １／ （ １）三 一） ） ９ ， ＝ ２ ， －（ｙ ）（ ｘ ，一 Ｏ １） （ ） ｙ ｔ ｔ ａ ＋ ￣ －）Ｌ ＋ ，） ，
２２ ＊ 个种子 点 ，每个 种子 点８ 方 向 ，共可生 产３ 个数 个 ２
二 、算 法 实现 和 实验 结果
实验算法采用Ｖ ２ ０ 开发 。结果如下 ： Ｃ ０８ 第一 组实 验 ，上 图是 由下 图放大 而来 ，且 ±
光 照 强 度 。两 幅 图 中
的箭 头 方 向代 表 了该 像 素 点 的梯 度 方 向 ，
ＬｘＹｏ ＝Ｇ ｘＹ ） （，） （ ） （，， ） （， ，ｏ Ｉｘ ２
ＳＦ 特征匹配算法是Ｄａｉ Ｌ ｗｅ ０ ４ ＩＴ ｖｄＧ．ｏ 在２ ０ 年总结了
现有 的基于不变量特征检测技术的基 础上 ，提出的一种
基于尺度空 间的，对 图像缩放 、旋转甚至仿 射变换保持
不 变性 的 图像 局部特 征描述算 法 。ＳＦ 特征是 图像 局 ＩＴ
骤 ：１ 特征点 的检测 ；２特 征 向量 的生成 ；３特 征 向 ． 是 ． ．
量的匹配。
尺度对应 于图像 的概貌特征 ，小尺度对应于图像 的细节
特征 。选择 合适 的尺度 因子平 滑是建 立 尺度空 间 的关 键 。在这里 ，主要是建立高斯金字塔和Ｄ Ｇ（ ｉ ｅｅ ｃ Ｏ Ｄ ｆ ｒｎ ｅ
１ ． ．
基于特征相关的图像配准与拼接算法研究
８ ８・
科
韩 禹 王 港
（ 河北工业大学 控 制科 学与工程学院 ， 天津 ３ ０ ０ １ ３ ０ ） 摘 要： 图像 拼接技 术现在应 用的范围已经愈加广泛 ， 无论在计 算机视 觉 ， 三维重建 ， 医学图像 处理 ， 全景建设等领域都得 到了广泛 应用。 作为图像 处理领域的一门科学 ， 已经受到越 来越 多的重视。 本文对图像拼接的基本原理进行说 明介绍 ， 同时介绍一些基本的拼接 算 法， 主要是基于特征点的研究。并且对 图像拼接 未来的发展进行一个展望。 关键词 ： 图像 拼 接 ； 图像 配 准 ； 图像 融 合 １图像预处理
法 — — 几 何 校正 。 出现畸变后 ， 我们需要校正 。几何校正的一般思路是 以一 幅没
有失真的图像为准， 对 它的各个像素点进行分析 ， 建立一个模型。 然 后对失真图像的像素点 的数据信息和标 准的图像进行 比较 ， 找出两 者之间的关系 ， 然后进行校 正。我们最终 目的是为了找到校正后图 像 中每个像素的亮度值 。 具体操作为 ： ①对图像像素进行坐标变换 ， 找到一种数学关系 ， 建立图像像素点坐标和参考图对应点坐标 间的 图 １得到的角点提取 图像 关系， 根据这 一数 学关系校正所选 的图像各个控制点 的坐标 ， 即在 提取角点之后 ， 下一步是将这些角点进行 匹配 ， 找到相似的点。 图像 的行上逐点计算 出校正后每个控 制点 所对应的原始 图像 的位 我们使用 Ｎ Ｃ Ｃ最大相关法 的算法来完成 。 置。 ② 计算灰度 内插用 ｘ ， ｙ ） 表示几何基 准图像的坐标 系 ， 用ｇ （ ｘ ’ ， ３ 图像 融 合 在完成预处理和配准的准备工作之后 ， 将要融合图像 。通 过前 Ｙ ’ ） 表示校正后 的图像坐标系 ， 设两个 图像坐标系之间关系如下 ： ｙ ｈ ２ （ ｘ ， ｙ ） 面对 图像的预处理 以及配准 ， 两张 图片重合的部分可 以匹配的特征 以及相关的信息都 已获取 ，下面就是要将两 张图的重合部分融合 ， ｈ ｉ （ ｘ ， ｙ ） ＝ ∑ ∑ａ ｉ ｊ ｘ ｉ ｙ ￣ 变为一张图片。这张新的图片将集 合两张 图共有 的场景 ， 并且具有 较 高的清晰度。 为此 ， 我们需要合适正确的算 法。 下面介绍两种常用 的图像融合方法 。 ｈ （ ｘ ＇ ｙ ） ＝ ∑ ∑ｂ ｉ ｊ ｘ ｌ ｙ ￣ ３ ． １加权平 均法 。加权平均法 是对重合 区域 的像 素值进行 加 如果假设基 准图像为 ｆ （ ｘ ， ｙ ） ， 失真图像为 ｇ （ ｘ ’ ， Ｙ ’ ） 对 于同一控 权， 之后进行叠加平均 。这种方法 和平均值法比较接近。 制点它的灰度不变 ， 则有如下关系 ｆ （ ｘ ， ｙ ） ＝ ｇ （ ｘ ’ ， Ｙ ’ ） Ⅲ 。 ３ ． ２欧 氏距离法 。由于一幅图像 中的每个 像素的权重不 同， 它 ２ 图像 配 准 与到图像边沿 的距离成正 比 ， 离重叠 区域越近 ， 像素点 的光 强贡献 经过预处理之后 ， 图像可以开始进行 配准 。每 张图片都有其与 应该越大。 因此 ， 欧 氏距离法就是要计算 出距离 ， 来辨别出不同的像 众不 同的特征 ， 正确选取特征是完成好此项工作的前提 。选择特征 素点 ， 将不 同的权重分配给各个像素。融 合算 法中计算距离映射 ｄ 要遵循明显 ， 易于操作 的特征 。因此 ， 我们要选择 的特征就是角点 ， （ Ｘ ， Ｙ ） ， 利用块距离和欧式距 离 ， 计算 到最近 的透 明点或边 的距离 。 角点是指图像 中明显不 同的两种图案交界处 的点 ， 角点 的周 围有 明 融合变形 图像 的公式为 ： 显变化和差异的特征 。 角点是指沿 图像边缘曲线上 的曲率局部极大 值点 ， 或 者在一定条件下可 以放宽为 曲率大于一定 阈值 的点 。也就 ｃ ｃ ｘ ， ｙ ） ＿ 是说 ，角点是指图像上在二维空 间内灰度 和边 缘方向变化剧烈 的 ４ 图像 拼 接 缝 的 消 除 点， 和周围的邻点有着明显差异 。如 图 １ ， 水杯 ， 水笔 ， 键盘 ， 桌 面之 但 由于各种原 因及客观条件 的限制 ， 在某些情 况下 ， 当拍摄 照 间的交界处都是角点。本文所说 的角点主要指 Ｈａ ｒ ｒ ｉ ｓ 角点 ， 下面对 明的环境条件 不好 的下 ， 两 幅图像 的一些属性会发生改变 ， 如果不 Ｈ ａ ｒ ｒ ｉ ｓ 算子 的原 理做 一个简单 的介绍 ， Ｈ ａ ｒ ｒ ｉ ｓ 角 点检 测算法 只涉 及 做理会而强行 拼接的话 ， 会使拼 接位置上产生明显的拼接缝 ， 甚 至 到图像 的一阶导数 ， 首先定义矩 阵 Ｍ： 出现模糊失真的情况 。 这样的话我们很难说拼接获得了成功 。因此
图像拼接论文
基于特征点的图像拼接算法研究指导教师：学生姓名：学号：专业：计算机技术院（系）：信息工程学院完成时间：2013年11月摘要:图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准，经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。
图像拼接的过程由图像获取，图像配准，图像合成三步骤组成。
其中图像配准是整个图像拼接的基础。
本文研究了基于特征图像配准算法。
利用基于特征Harris角点检测算法提取出初始特征点对，实现实现特征点对的精确匹配。
最后用加权平均对实现图像融合。
实验证明该算法适应性较强，在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。
同时该算法准确率高，鲁棒性强，具有较高的使用价值。
关键词：：图像拼接图像配准特征点图像合成Abstract:Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot．The image mosaic process consists of the following steps．Image acquisition, image registration, image fusion．fusion．Image registration is the important foundation of image mosaic．This article has studied a image registration algorithrm feature-based image registration algorithm．Firstly, corners are extracted using improved Harris operator to extract the initial feature point pairs. Then, the correct matching feature point pairs are used to realize the image registration．Finally,use the Weighted Average Fusion Rule to fuse the images.The experiment results indicate this algorithmhas better registration results under a variety of conditions such as different light ,bigger rotation and repetitive texture.At the same time, this algorithm has good effect in image registration, high accurate rate, strong robustness，higher use value．Key words:Image mosaic Image registration Feature points Image fusion目录第一章绪论 (1)1.1图像拼接的研究意义 (1)1.2国外研究现状 (1)第二章图像拼接基本理论 (3)2.1成像基础 (3)2.1图像变换模型 (3)2.2 图像拼接流程 (6)2.3图像配准算法 (6)2.4图像合成 (8)第三章基于特征的图像配准 (9)3.1 基于点的特征提取 (9)3.2 基于Harris角点检测算法 (9)3.3 特征点匹配 (10)3.3 图像融合 (11)第四章实验分析 (11)4.1 实验 (11)实验结论 (13)参考文献 (14)第一章绪论1.1图像拼接的研究意义随着计算机技术的发展，计算机在各个学科领域得到了应用。
基于SIFT特征的图像自动拼接
基于SIFT特征的图像自动拼接
曹红杏;柳稼航;阮萍
【期刊名称】《电视技术》
【年(卷),期】2008(032)0z1
【摘要】介绍一种基于SIFT特征的图像拼接方法.它首先使用SIFT算法提取特征点及其描述符,然后分别为两幅待拼接图的特征描述符建立K-d树,并通过K-d树查找和确定初始匹配点对.接下来介绍和使用新提出的一种利用投影变换前后的相对位置关系实现匹配对精炼的方法.接着在匹配点对中选择包围区域最大的4对点,用以计算交换矩阵,最终得到拼接图像.实验结果证明,该方法有效.
【总页数】3页(P146-148)
【作者】曹红杏;柳稼航;阮萍
【作者单位】中国科学院,西安光学精密机械研究所,陕西,西安,710119;中国科学院研究生院,北京,100048;中国科学院,西安光学精密机械研究所,陕西,西安,710119;中国科学院,西安光学精密机械研究所,陕西,西安,710119
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于SIFT特征的消防侦察图像自动拼接算法 [J], 徐琰;刘盛鹏;李建中
2.基于图像内在特征的图像自动拼接方法 [J], 马超杰;杨华;李晓霞;吴丹
3.基于SIFT特征检测的医学显微图像自动拼接 [J], 汤井田;王凯;肖嘉莹
4.基于SIFT特征匹配的监控图像自动拼接 [J], 张朝伟;周焰;吴思励;林洪涛
5.一种基于SIFT特征的航拍图像序列自动拼接方法 [J], 高超;张鑫;王云丽;王晖因版权原因，仅展示原文概要，查看原文内容请购买。
基于SIFT特征的显微图像拼接算法研究
基于SIFT特征的显微图像拼接算法研究作者：刘毛毛来源：《新农村》2011年第14期【摘要】本文研究并实现了一种基于SIFT特征的显微镜下图像拼接算法，通过对显微下图像中的SIFT特征的提取、特征比对以及图像映射等过程，将两幅甚至多副包含重叠区域的图像无缝的拼接起来。
【关键词】SIFT，显微镜，图像处理图像拼接是计算机视觉中的重要分支，通过将两幅以上的具有部分重叠的图像进行无缝拼接，从而得到较高分辨率或宽视角的图像。
图像拼接算法按照原理划分主要有两类：按照全局特征与按照局部特征。
利用全局特征的拼接一般是用fourier的相位相关，估计出频移、旋转和缩放。
利用局部特征的拼接算法一般从不同的图像中提出特征信息，并将特征点进行初步匹配，然后剔出相差过大匹配对，最后计算映射矩阵。
SIFT特征是目前较为常用的局部特征，通过提取与尺度无关的图像信息，可以较全面的提取出图像的局部特征，并进行匹配。
一、 SIFT特征的提取SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。
SIFT特征的提取主要有四步：在SIFT特征的提取算法中，主要应用了尺度空间理论。
尺度空间理论目的是模拟图像数据的多尺度特征。
高斯卷积核是实现尺度变换的唯一线性核[]，于是一副二维图像的尺度空间定义为：Ｌ（x，y，σ）＝G（x，yσ）*Ｉ（x，y）（1）其中G（x，yσ）是尺度可变高斯函数，G（x，y，σ）＝■e-（x2+y2）/2σ2（2）其中（x，y）是空间坐标，σ是尺度坐标。
为了有效的在尺度空间检测到稳定的关键点，应用高斯差分尺度空间（DOG scale-space）。
利用不同尺度的高斯差分核与图像卷积生成。
D（x，y，σ）＝（G（x，y，kσ）-G（x，yσ））*Ｉ（x，y）＝Ｌ（x，y，kσ）-Ｌ（x，y，σ）（3）DOG算子计算简单，是尺度归一化的LoG算子的近似。
特征提取主要分为几个部分：1.图像金字塔的构建：图像金字塔共O组，每组有S层，下一组的图像由上一组图像降采样得到。
基于SIFT算子的图像拼接融合算法_徐秋波
总第２７５期２０１２年第９期计算机与数字工程Ｃｏｍｐｕｔｅｒ ＆Ｄｉｇｉｔａｌ ＥｎｇｉｎｅｅｒｉｎｇＶｏｌ．４０Ｎｏ．９１１０基于ＳＩＦＴ算子的图像拼接融合算法＊徐秋波 李 鹏 秦富童（中国人民解放军６３８８０部队 洛阳 ４７１００３）摘 要 为满足各类可视化仿真系统对于全景图的需求，对图像拼接融合技术进行了深入研究，提出了一种基于ＳＩＦＴ算子的图像拼接融合算法，可以将多幅图像组成图像序列拼接获得广视角全景图，并通过实例验证了方法有效性。
关键词 ＳＩＦＴ；图像拼接融合；广视角全景像中图分类号 ＴＰ３０１．６Ｉｍａｇｅ Ｍｏｓａｉｃ ａｎｄ Ｆｕｓｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ ＳＩＦＴ ＯｐｅｒａｔｏｒＸＵ Ｑｉｕｂｏ ＬＩ Ｐｅｎｇ ＱＩＮ Ｆｕｔｏｎｇ（Ｎｏ．６３８８０Ｔｒｏｏｐｓ ｏｆ ＰＬＡ，Ｌｕｏｙａｎｇ ４７１００３）Ａｂｓｔｒａｃｔ Ｉｎ ｏｒｄｅｒ ｔｏ ｍｅｅｔ ｔｈｅ ｄｅｍａｎｄ ｏｆ ｖａｒｉｏｕｓ ｖｉｓｕａｌ ｓｉｍｕｌａｔｉｏｎ ｓｙｓｔｅｍｓ，ｔｈｅ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｉｍａｇｅ ｍｏｓａｉｃ ａｎｄ ｆｕｓｉｏｎ ｉｓ ｓｔｕｄｉｅｄ ｉｎｄｅｐｔｈ．Ａｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ＳＩＦＴ ｏｐｅｒａｔｏｒ ｉｓ ｐｒｏｐｏｓｅｄ，ｂｅｉｎｇ ａｂｌｅ ｔｏ ｍｏｓａｉｃ ｍｕｌｔｉｐｌｅ ｉｍａｇｅｓ ｔｏ ａｃｑｕｉｒｅ ｔｈｅ ｗｉｄｅ ａｎｇｌｅ ｐａｎｏｒａｍａ．Ｔｈｅ ｖａｌｉｄ－ｉｔｙ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｖｅｒｉｆｉｅｄ ｗｉｔｈ ｓｏｍｅ ｅｘａｍｐｌｅｓ．Ｋｅｙ Ｗｏｒｄｓ ＳＩＦＴ，ｉｍａｇｅ ｍｏｓａｉｃ ａｎｄ ｆｕｓｉｏｎ，ｗｉｄｅ ａｎｇｌｅ ｐａｎｏｒａｍａＣｌａｓｓ Ｎｕｍｂｅｒ ＴＰ３０１．６１ 引言随着计算机视觉、计算机图形学、多媒体通信等技术的发展，各个领域的各种模拟系统、三维虚拟实景系统以及其它可视化仿真系统不断涌现。
一种基于SURF算法的图像拼接方法[发明专利]
![一种基于SURF算法的图像拼接方法[发明专利]](https://img.taocdn.com/s3/m/cc66ea8464ce0508763231126edb6f1aff007103.png)
(10)申请公布号(43)申请公布日 (21)申请号 201511027879.X(22)申请日 2015.12.30G06T 3/40(2006.01)G06T 3/00(2006.01)(71)申请人哈尔滨工业大学地址150001 黑龙江省哈尔滨市南岗区西大直街92号(72)发明人马琳 贾彤 谭学治(74)专利代理机构哈尔滨市松花江专利商标事务所 23109代理人杨立超(54)发明名称一种基于SURF 算法的图像拼接方法(57)摘要一种基于SURF 算法的图像拼接方法，涉及图像处理技术领域。
本发明为了解决采用SIFT 算法和Harris 角点算法存在特征点提取速度慢，而且鲁棒性低，致使图像拼接处理效果不理想的问题。
应用Matlab 对工业摄像头进行驱动，完成摄像头的标定，以使用摄像头进行视频录制；应用灰色世界法，对所录制视频中每一帧的图像进行白平衡的调节；应用SURF 算法，对白平衡调节后的同时刻录制的两张照片进行特征点提取；应用RANSAC 算法，将已经标出特征点的两张图像进行误匹配特征点对剔除；采用插值运算，将经RANSAC 算法处理后的图像拼接在一起，完成图像拼接，获得视角更大的图像。
本发明尤其是适用于工业摄像头平台下的图像拼接。
(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书5页 附图2页CN 105608671 A 2016.05.25C N 105608671A1.一种基于SURF算法的图像拼接方法，其特征在于，所述方法的实现过程为：步骤一：应用Matlab对工业摄像头进行驱动，完成摄像头的标定，以使用摄像头进行视频录制；步骤二：应用灰色世界法，对所录制视频中每一帧的图像进行白平衡的调节；步骤三：应用SURF算法，对白平衡调节后的同时刻录制的两张照片进行特征点提取；步骤四：应用RANSAC算法，将已经标出特征点的两张图像进行误匹配特征点对剔除；步骤五：采用插值运算，将经RANSAC算法处理后的图像拼接在一起，完成图像拼接，获得视角更大的图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第26卷第2期2004年4月湖州师范学院学报Journal of Huzhou Teachers CollegeVol.26No.2Apr.,2004一种基于线条特征的图像拼接算法X徐奕(湖州师范学院信息工程学院,浙江湖州313000)摘要:全景图像是通过将普通照相机拍摄到的、边界部分有重叠的图像进行拼接而创建形成的.利用图像重叠部分对应像素的相似性,提出了一种行之有效的拼接算法,即通过特征线条的数据分布来配准图像,使得到的图像无缝平滑.关键词:图像拼接;算法;重叠图像;全景图像中图分类号:TP391.41文献标识码:A文章编号:10091734(2004)020133030引言真实的世界是一个丰富的信息源,而视觉信息又是其中最重要的信息.我们通常能够获取现实世界中的一系列图像,而把这些图像合成为全景图像常常对我们更为重要.图像拼接技术的目的就是把一系列真实世界的图像合成为一个单一的、更大的、更复杂的全景图像,使我们可以更加客观、形象地认识和理解真实世界.我们所用的全景图像素材是通过普通照相机采集的照片,经过数字化得到的边界部分重叠的图像.因为全景图像表示的是人在某一视点观察到的空间,视点不动而观察方向改变.所以在拍照时将照相机固定在支架上,尽量避免转动时镜头的偏斜和俯仰,并以镜头为轴转动一定角度连续拍照.拍照时使相邻图像具有一定程度的内容重叠,以便于拼接而得到全景图像.要实现图像拼接,必须先实现图像配准,即对图像进行匹配.目前图像配准的主要方法有两类:基于区域的配准和基于特征的配准.前者是把一幅图像中某一像素的像素值领域作为模板,然后在另一幅图像中搜索具有相同(或相似)像素值分布的对应点领域.如文献[1]中的方法是直接利用图像像素值,计算量较大,并且容易受到光照条件的影响;后者是通过图像像素值导出符号特征(如特征点、特征线段等)来实现匹配.例如文献[2]~[3]中的方法对于光照变化相对稳定,同时它可以通过对特征属性的简单比较来实现配准,因此比基于区域的方法要快得多.1配准拼接图像拼接一般要进行三方面的处理,首先是图像预处理,包括各图像间的平移、旋转、畸变以及光强等的校正;其次是图像的对准,根据图像中重叠部分来定位图像;最后是无缝拼接,消除拼接起来的图像中的缝隙效应.两张图片的拼接可以分为水平拼接和垂直拼接,这两种方法的实现原理基本一致.本文以水平拼接为例来说明.1.1预处理考虑到普通照相机采集的照片基本上没有畸变,且拍摄时间相当接近,光照变化不明显,所以为了方便拼接处理,只需对其进行大小调整就行.用软件ACDSee将所需的照片打开,可以发现,通常的照片规格为:X收稿日期:20040325作者简介:徐奕(1981-),女,浙江海宁人,湖州师范学院信息工程学院04届本科毕业生,研究方向:图形学.134湖州师范学院学报第26卷长1124像素,宽816像素,文件格式为jpeg.处理时,先选择菜单栏上的/工具0,打开其中的/调整大小0命令,在弹出的/图像调整大小0对话框中设置新的大小,长、宽均缩至512像素.此时,文件格式仍为jpeg,而我们要求的文件格式为bmp,所以还需通过Windows自带的/画图0程序将调整大小之后的图片另存为bmp格式的图像.1.2配准定位图像配准的工作就是搜寻相邻两幅图像中的相同内容,从而确定它们的相对位置.也就是确定相邻图像在宽度、高度上的重叠程度(拍照时不可避免地会造成水平或垂直方向上的错位),去掉重叠,然后再进行平滑连接得到全景图像.1.2.1算法思路算法的思路是利用图像间隔的一定距离的2列上的部分像素,即在前一幅图像的重叠区域中分别从2列上取出部分像素,用它们的比值作为模板,然后在第2幅图像中搜索最佳匹配,即对于第2幅图像,由左至右依次从间距相同的2列上取出部分像素,并逐一计算其对应像素比值,然后将这些比值依次与模板进行比较,其最小差值对应的列就是最佳匹配.虽然在比较中只利用了一组数据,其实可以说是利用了2列像素及其所包含的区域的信息.一般情况下相邻图像重叠的范围大约是30%~50%.具体作法:在第1幅图像的右边,相隔20个像素距离的2列上,取对应的2组数,各有200个像素.计算其比值得到一个浮点数组base[200],将它作为比较的模板.在第2幅图像中,相隔同样距离的2列上各取出300个像素的数据,取的点相对于模板上下多出50个像素,这是因为第2幅图像可能有垂直方向上的交错,同时又假定错开距离不超过50个像素.计算它们的比值,得到浮点数组image[300].在开始时取第1、21列,接着取第2、22列,视重叠宽度的多少依次下去.具有不同数量的数组,一般取图像宽度的一半(与重叠量有关),即取到第I mage_width/2,Im-age_width/2+20列.匹配时,首先要进行垂直方向的比较,对第2幅图像中所取的每一个数组,要计算对应元素值差的平方和,因为上下可能交错为50个像素,所以需计算101个垂直方向的差值平方和.设垂直方向交错距离为dis,则对每一dis(0~100)进行计算,就得到一个E[dis],其中E[dis]=E199i=0(image[i+dis]-base[i])2.计算差值平方和的目的是寻求与模板的最佳匹配,从而确定重叠交错距离.对应最小值的就认为是组内最佳匹配,并记录垂直方向距离dis.接着循环计算所有的数组与模板对应值的差值平方和,得到每个数组的组内最佳匹配和垂直方向距离.最后将每个数组的组内最佳匹配值进行水平方向的比较,得到的最小值就认为是全局最佳匹配.由它对应数组的垂直方向距离dis就可决定垂直方向上的交错距离,由它的对应数组的位置和第1幅图中的模板位置就可决定水平方向的重叠距离.1.2.2算法描述设模板两列像素的距离为D,具体算法如下:Procedure image matchingbegininput base[200]//输入模板值for(k=0;k<image2_width/2;k++)input part of column k+1,k+1+D of image2y image[300]//输入第2幅图像for(dis=0;dis<=100;dis++)E[dis]=E199i=0(image[i+hdis]-base[i])2//计算差值平方和y_small=100//设组内最小值初值(垂直方向)for(dis=0;dis<=100;dis++)if(E[dis]<y_small)y_small=E[dis]//组内最小值(垂直方向)m_dis[k]=dis//组内最佳匹配距离(垂直方向)bestmch[k]=y_smallx_small=110//设全局最小值初值(水平方向)for(k=0;k<image2_width/2;k++)if (bestmch[k]<x_small)x_dis=k;y_dis=m_dis[k]//得到决定重叠交错距离的横向、纵向方向距离end得到的x_hdis 、y_hdis 可决定重叠交错距离.例如,如果模板的前一列距离图像右边为100个像素,k 等于120,则重叠220个像素;如果模板列从第60个像素取数,image[i ]从第10个像素取数,又y_dis=40,则交错10个像素,说明第2幅图像相对第一幅图像偏上10个像素.1.3无缝拼接找到了重叠范围之后,如果仅仅是简单的叠加,则会造成图像的模糊和明显的边界,这是图像拼接所不能容忍的.平滑连接就是要使拼接区域平滑,提高图像质量.因此我们可以采用淡入淡出的思想,利用渐入渐出的方法[5],即在重叠部分由前一幅图像慢慢过渡到第2幅图像,并删去水平方向错开的图像部分.具体做法为:设渐变因子为0<d<1,对应的前后2幅图像重叠部分像素值为image1、image2,结果为ima ge3,则im -age3=d*image1+(1-d)*image2,其中的d 由1慢慢变化到0,它与图像之间的水平方向重叠距离有关.但是对于图像要求在高保真度的情况下(比如拼接病理切片),只要图片基本不存在畸变,也可以不采用图像平滑算法,只要准确定位,就能够实现无缝拼接.[4]2实验结果及分析在实验中,我们以山西省人民医院远程病理科门诊患者的病理切片在显微镜下采集的彩色图片作为实验图像,图像重叠区域为20%~30%,最后取得较为满意的结果,如图1所示.待配准图像a1待配准图像b1图像a1和b1的拼接结果c1图1待配准图像a1和b1的拼接待配准图像a2待配准图像b2图像a1和b1的拼接结果c2图2待配准图像a2和b2的拼接试验中的算法是利用图像像素的RGB 值.在处理效果上,当图像本身质量较好时,算法能做到准确无误地匹配拼接,边界融合相当完美.有时由于拍照的原因造成图像质量下降(图像偏暗或偏亮),但只要在一定程度之内,算法也能进行准确地拼接.当然,算法也有其局限性,在配准点附近可能存在着不稳定性,这时如果存在干扰很可能埋没图像特征,有可能导致拼接失败.在时间花费上,处理时间与模板维数(像素个数)和事先选定的水平方向最大重叠距离以及垂直方向最大交错距离密切相关.在这里所选定的这3者分别是200个像素、第2幅图像宽度的一半以及50个像素,结果处理时间也比基于面积的方法大大减少.如果根据具体情况调节这些参数的大小,就会进一步减少运算量,从而减少时间的花费.(下转第140页)135第2期 徐奕:一种基于线条特征的图像拼接算法140湖州师范学院学报第26卷参考文献:[1]李存斌,樊建平.ASP高级编程及其项目应用开发[M].北京:中国水利水电出版社,2003.125~202.[2]宣小平,但正刚,张文毅.ASP数据库系统开发实例导航[M].北京:人民邮电出版社,2003.98~152,211~293.[3]John J.SQL基础(第二版)[M].高京义,汤严译,北京:清华大学出版社,2003.22~125.The Design and Implementation of the On lineMerchand ise Sale S ystem Based on the ASP TechnologyW ANG Jue(Faculty of Information&Engineerin g,Huzhou T eachers College,Huzhou313000,China)Abatract:We have set up an on line merchandise sale system based on the ASP and SQL Server technology.This paper describes the concrete design thought and imple menta tion method of each function module,including the creation of front flat web pages,the design of module of back flat database,the dynamic link between the front fla t system and the back flat system,the disposition of data source,etc.Key words:E business;on line merchandise sale system;ASP;SQL Server2000(上接第135页)参考文献:[1]王立峰,潘志庚,石教英.全景图像的拼合及优化算法[J].计算机应用研究,1999,16(6):59~61.[2]钟力,张茂军,孙立峰,等.360度柱面全景图像生成算法及其实现[J].小型微型计算机系统,1999,20(12):899~903.[3]钟力,胡晓峰.重叠图像拼接算法[J].中国图像图形学报,1998,3(5):367~370.[4]韩丽萍,杨永红,陈礼民.一种改进的病理切片图片拼接算法[J].计算机应用与软件,2003,20(7):56~58.A Stitching Algorithm Based on Character LinesXU Yi(Faculty of Information&Engineerin g,Huzhou T eachers College,Huzhou313000,China)Abstract:The panoramic images can be created by0stitching0together overlapping images taken with an ordinary camer-a.In this paper the author puts forward a valid algorithm,which makes use of the corresponding pixels.similarity of overlapping ima ges portion to make the ima ges seamless and smooth.Key words:image stitching;algorithm;overlapping ima ge;panoramic image。