基于相機(jī)平移模式下的圖像拼接技術(shù)研究

1 引言
    自然界是一個豐富的信息源，但由于單一相機(jī)視場范圍的限制，無法一次拍攝出視角寬廣的視場。近年來，隨著生物科學(xué)的發(fā)展，人們對于昆蟲復(fù)眼結(jié)構(gòu)及成像機(jī)理的認(rèn)識更為透徹。根據(jù)現(xiàn)有的實驗結(jié)果，昆蟲復(fù)眼由按固定方式排列的許多小的單眼組成，每個小眼都對應(yīng)一個相應(yīng)的小視場，每個小視場又有一部分相互重疊，從而構(gòu)成昆蟲復(fù)眼廣視場角的特征，然后經(jīng)昆蟲神經(jīng)系統(tǒng)處理得到完整的視場信息，人們借鑒“蠅眼”的成像機(jī)理，將多個相機(jī)放置在不同位置獲取圖像。不同位置的相機(jī)覆蓋含有目標(biāo)物體的整個視場，往往得到一組序列圖像，然而這些圖像中存在大量冗余信息，如何簡單有效地表示真實世界成為目前研究的熱點。
    圖像拼接技術(shù)就是對一組相互間存在重疊區(qū)域的圖像序列實施配準(zhǔn)，最后拼接成一幅包含這組圖像序列信息的寬視場、完整的新圖像的技術(shù)。圖像拼接包含圖像的預(yù)處理、最佳拼接縫的定位及圖像的平滑過渡3個過程。

2 圖像拼接技術(shù)
    這里是在焦距、光照等不變的情況下通過拼接沿水平和垂直方向移動相機(jī)拍攝到的靜態(tài)圖像來模擬復(fù)眼成像的、基本過程。由于各個相機(jī)(“小眼”)的放置位置是按照一定規(guī)則設(shè)置的，且相機(jī)移動放置過程中整個系統(tǒng)的光學(xué)參數(shù)和工作時的物距一定，因此所獲得的不同位置的4幅圖的重疊比例也是一定的。圖1為所獲取的相鄰4幅圖像的關(guān)系示意圖。

    獲取圖像后，首先對圖像進(jìn)行邊緣檢測的預(yù)處理，并確定相鄰圖像在高度、寬度上的重疊程度，利用圖像重疊區(qū)域?qū)?yīng)像素點灰度值的相似性對圖像進(jìn)行配準(zhǔn)，最后對配準(zhǔn)后的圖像進(jìn)行平滑拼接，得到一個大視場范圍的全景圖。
2．1 圖像預(yù)處理
    由于這里所采集的圖像不是在同一時刻同一地點拍攝得到的，光照度的不均以及曝光強(qiáng)度的不同導(dǎo)致在不同角度采集到的4幅圖像的灰度值會有不同程度的偏移。而且拍攝時不可避免的出現(xiàn)各種噪聲、畸變和對比度降低等狀況，也會導(dǎo)致圖像中包含的有效信息減少，如果直接對所采集的圖像進(jìn)行匹配，往往得不到理想的結(jié)果。為了提高圖像配準(zhǔn)的精度和拼接的質(zhì)量，必須先將圖像轉(zhuǎn)化為灰度圖像Gray(i，j)，然后選用不具有方向性的拉普拉斯算子

對灰度數(shù)據(jù)進(jìn)行銳化處理：
    L(i,j)=Gray(i,j)×H (1)
式中，L(i，j)為銳化后的圖像灰度值。
    經(jīng)銳化處理后，圖像的輪廓更為清晰，邊界更趨于明顯，有利于進(jìn)一步搜索拼接位置。
2．2 最佳拼接縫的定位
    圖像預(yù)處理可減少圖像匹配工作的盲目性，降低誤匹配概率。圖像配準(zhǔn)算法思路：在待匹配的第1幅圖像的重疊部分選取中間間隔一定距離的兩組像素點對應(yīng)的灰度比值作為模板，然后在第2幅圖像中對應(yīng)的重疊區(qū)域搜索最佳匹配位置。減少錯誤匹配現(xiàn)象出現(xiàn)概率的重點在于增加選取的兩組模板的有效信息量，減少干擾信息。具體實現(xiàn)如下：
    以“小眼1”與“小眼2”所成像的匹配算法為例。圖2為兩幅待拼接圖像的示意圖，大小均為(WxH)像素。這兩幅待拼接的圖像為左右重疊關(guān)系，重疊區(qū)域在兩幅圖像中所占比例約60％。圖2中Image11、Image22分別表示Image1、Image2非重疊區(qū)域的圖像，Image12和Image21表示Image1和Image2重疊區(qū)域的圖像。

    (1)在Image12區(qū)域內(nèi)選取連續(xù)的5列像素點，然后選取距離這5列間隔均為span的另外5列上的像素點，將這兩組對應(yīng)像素點的灰度比值集合作為α模板，α模板生成公式為：
   
    (2)同步驟(1)，即：在Image21中從最左邊起依次取間隔為span的兩組像素點，計算其對應(yīng)像素點的灰度比值的集合作為b1模板，b1模板的生成公式為：
   
式中，L(i,j)、R1(i,j)均為經(jīng)銳化處理后的圖像灰度值。
    (3)計算a模板與b1模板絕對差值作為c1模板：
   

   
    對模板c1對應(yīng)的列向量求和，得到用來表示模板a和模板b1灰度相似度的評價函數(shù)sum1，表示為：
   
    (4)在第2幅圖像中右移1列，按照步驟(2)選取對應(yīng)列的像素構(gòu)成b2模板，重新計算c2和sum2；同理再繼續(xù)移動相應(yīng)的列數(shù)得到b2，b3…模板，并計算得到模板c2，c3…和sum2，Sum3…。
    (5)兩幅圖的模板的相似度越高，對應(yīng)的模板c計算出的sum就越小。找出步驟(4)中得到的sum2，sum3．．．中的最小值summmin及其對應(yīng)的坐標(biāo)(x，y)，即為與 Image，最佳拼接位置。
2．3 圖像的平滑過渡
    經(jīng)圖像配準(zhǔn)過程，得到兩幅相鄰圖像的最佳匹配位置。如果僅僅根據(jù)所求得的平移參數(shù)將兩幅圖像簡單地疊加起來求平均，則會導(dǎo)致拼接而成的圖像出現(xiàn)清晰的邊界，圖像拼接的痕跡非常明顯。為了實現(xiàn)圖像的無縫拼接，必須對圖像的重疊部分進(jìn)行平滑處理。
    為使相鄰兩幅圖像在灰度及顏色上都平滑拼接起來，結(jié)合圖像融合技術(shù)，在拼接圖Image3的重疊區(qū)域中的像素灰度值是由待拼接的兩幅圖像Image1和Image2中對應(yīng)的像素值灰度的加權(quán)平均獲得，其余非重疊區(qū)域的像素保留。具體實現(xiàn)方法如下：

   
    式中，I(x,y)、I1(x，y)、I2(x，y)分別為拼接圖Image3、待拼接圖像Image1和Image2的灰度值，d(0<d<1)是漸變因子，由像素點距離重疊區(qū)域邊緣的距離決定。由此實現(xiàn)Image1到Image2的平滑拼接，得到最終的拼接圖Image3。按照上述算法處理步驟，直到完成相鄰4幅圖像的無縫拼接。

3 仿真實驗數(shù)據(jù)與結(jié)果
    使用Matlab7．1圖像處理平臺，分別對拍攝到的4幅圖像的拼接過程仿真結(jié)果進(jìn)行說明。圖3所示是4幅待拼接圖像，它們大小相同，以像素為單位，均為243×343。圖4為左右相鄰兩幅圖像的拼接圖。圖5為未經(jīng)過圖像平滑處理的4幅圖像拼接結(jié)果圖。圖6為使用圖像平滑算法處理后的結(jié)果圖，圖像大小為332×448。

    上述算法涉及到模板選取問題，值得注意的是：(1)在圖像配準(zhǔn)算法中所提取的特征區(qū)域不僅要具有獨特的特征。而且要含有足夠多的有效信息；(2)選取的每一初始模板a和b1，b2…中兩列的水平間隔應(yīng)不小于20個像素單位，如果間隔距離太小，則可能模板a的灰度值變化不明顯，導(dǎo)致匹配點不準(zhǔn)確，造成誤匹配；而且這兩列的間距不能大于重疊寬度，否則第2列可能越界。(3)如果選取的Image2模板中出現(xiàn)黑色像素點(灰度值為0)，則會導(dǎo)致比值無窮大及模板c不存在，即這種算法失效。為避免這種情況出現(xiàn)，可在對拼接效果影響輕微的情況下將待匹配Image2灰度值增加0．000 00001。

4 結(jié)束語
    研究基于相機(jī)平移運動模式的圖像拼接算法，對采集到的相鄰4幅圖像進(jìn)行以下處理：(1)預(yù)處理和圖像邊緣檢測技術(shù)對于圖像的配準(zhǔn)十分重要，經(jīng)過銳化后的圖像其邊界將更趨于明顯，大大減少了配準(zhǔn)所用時間，提高了匹配的準(zhǔn)確性。(2)在圖像匹配算法中增加模板的有效信息量，通過將兩模板對應(yīng)的灰度比值作為評價模板進(jìn)行匹配對比而確定最佳拼接位置。該算法雖然在計算量上有所增加，但大大增加了匹配的可靠性，具有較好的實用性。(3)利用平滑因子對兩幅圖像的重疊區(qū)域的像素進(jìn)行融合操作，過渡自然，銜接良好，較好地實現(xiàn)了無縫拼接。
    由實驗結(jié)果可以看出，本文算法合理，可行性強(qiáng)，能夠達(dá)到良好的拼接效果。下一步工作是研究如何提高拼接速度，減少縮短時間。