纖維圖像拼接算法的研究

彭 軼，唐莉萍，陳夢睿

（東華大學a.信息科學與技術學院；b.計算機科學與技術學院，上海 201620）

纖維圖像拼接算法的研究

彭 軼a，唐莉萍a，陳夢睿b

（東華大學a.信息科學與技術學院；b.計算機科學與技術學院，上海 201620）

針對全景顯示長纖維顯微圖像的需求，提出一種纖維圖像的拼接算法.通過不同方向的細長纖維產生用以拼接的多邊形對象.由于塊狀對象適合于最優化計算，因此，線狀特征的塊狀化轉換提高了匹配的穩定性和精度.圖像的拼接通過多邊形的重疊匹配實現，通過迭代匹配實現多邊形的逼近計算.試驗證明本文算法能實現細長纖維圖像的無縫拼接.

圖像拼接；纖維圖像；線性相關；迭代匹配

圖像拼接是將具有重疊區的多幅數字圖像或多幀視頻圖像通過數字配準和融合，獲得單幅寬視場圖像或動態全景圖［1－2］，它是照相繪圖學、計算機視覺、圖像處理和計算機圖形學研究中的熱點，廣泛應用于醫學探查［3－5］、光學觀測天文學、衛星遙感和合成孔徑雷達（SAR）［6］、視頻監控和虛擬現實［7－8］等領域.目前有關圖像拼接算法的文獻可以分為基于變換域［9－10］、基 于 圖 像 特 征［11－12］、基 于 圖 像 灰 度［13］共3類.

在對織物纖維的長度自動檢測時，由于顯微鏡跟蹤拍攝范圍的限制，需要對纖維分圖像拍攝，然后通過大圖拼接獲取完整的纖維信息.目前纖維圖像的拼接方法主要有基于邊緣特征點的匹配［14］、基于掩碼點的匹配［15］以及基于圖像灰度的固定模板窮盡搜索匹配算法［16］（簡稱模板匹配算法）等.基于邊緣特征點的匹配較多用于纖維橫截面圖像的拼接，通過提取圖像特征，可以大大縮減圖像信息量，具有計算量較小、速度快的特點，但拼接效果的好壞與特征點的提取準確與否密切相關［17］.而模板匹配算法雖不受拼接圖像內容的限制，具有精度高、抗干擾性強等優點，但隨著模板的增大，運算量將迅速增加.

本文以長纖維縱向圖像的準確、快速拼接為研究方向，依據纖維縱向圖像的特點，提出一種長纖維顯微圖像特征提取及其匹配拼接算法.先以基于線性相關度的評價準則，評價不同特征區域對特征提取的穩健性和配準精度的影響.然后根據評價結果，提出利用纖維細長、平滑的外形特征，將纖維重疊區域的線狀特征匹配轉化為基于塊狀的特征匹配，通過重疊區域多邊形塊狀的邊界信息提取出有效特征，實現迭代匹配.最后將算法應用于纖維樣本試驗驗證.

“可能你看到的是足爐！”彤彤自信地回應說，足爐比手爐大一些，常常是用錫或銅制成的金屬壺。最常用的足爐叫“湯婆子”，又稱“湯媼”“錫夫人”“腳婆”，使用方法跟現在的熱水袋如出一轍，即將壺內注入熱水，擰上蓋子，包上厚布，放入被窩中焐腳。

1 纖維圖像的特點

待拼接的纖維圖像如圖1所示.由于纖維試樣中只包含若干條纖維段，使得采集到的圖像與常見的自然圖像不同，后者通常包含豐富的內容，而前者除含有少量的纖維目標對象以外，多數部分為背景，圖像的內容相對簡單.通過觀察，纖維圖像有以下特點：

（1）前景點（即纖維）形狀呈狹長條狀，前景點與背景點面積懸殊；

（2）任意兩條纖維在彎曲程度和伸展方向上都不完全相同，幾乎不存在相互平行的纖維；

（3）相鄰兩幅圖像間的纖維重疊面積相對較小；

自古以來，藍寶石就有“帝王之石”之稱。傳說藍寶石可讓佩戴者免遭人妒忌，并可蒙受神靈垂愛，于是古代國王就在頸間配戴藍寶石，作為避免受傷的強力防御物。19世紀，正是由于一顆被世人譽為“擁有它者必為王”的卡魯大帝的護身藍寶石，改變了拿破侖一世和愛妻約瑟芬的命運。

［3］PERIASWAMY S，FARID H.Medical image registration with partial data［J］.Medical Image Analysis，2006，10（3）：452－464.

圖1 待匹配的纖維圖像Fig.1 Fiber images for matching

結合以上纖維圖像特點和對現有拼接算法分析，較小的重疊比例難以達到基于變換域方法的要求；相似區域太多，類似于紋理圖像，應用輪廓特征方法的效果不明顯；基于圖像灰度的方法，模板的大小和位置難以選取.因此，本文提出一種針對細長纖維圖像的拼接算法.

2 圖像內容對匹配準確度和穩定度的相關性分析

選用何種方法進行匹配，需要依據一個客觀的評估標準對匹配結果進行準確度評估.本文用線性相關知識［18］定義評價函數如式（1）所示.

Step 2在當前輪廓點的四鄰域內尋找標記不為“已找過”的輪廓點，如果未找到，則轉入Step 5，否則進入Step 3；

評價函數的收斂區域與圖像拼接的穩定性有關，收斂區域的大小與兩個待拼接的圖像內容相關.為了解釋這個問題，假設有兩組待拼接圖像，前景點分別是線狀（不平行）和塊狀區域，如圖2所示.

圖2 待拼接圖像內容Fig.2 Images to be spliced

智能半自動法測量患者肝臟體積：在IQQA-Liver自動分析軟件中載入原始數據，調整好增強各期順序后系統讀入數據。選擇門脈期圖像，在大三維模式下，系統會自動根據肝臟解剖位置及肝臟密度勾畫出每層的肝實質輪廓，點擊“修改”后，用“畫筆／高級畫筆”功能在二維圖像上編輯修正，得到滿意全肝輪廓后結束修改，點擊“確定”后便得到全肝體積。

但《舊唐書》載“盧鴻一”之名凡五見，可知此非傳寫之誤，而是史官撰寫之誤。史官何以誤書?唐張彥遠《歷代名畫記》卷九《唐朝上》記載:“盧鴻一名浩然，高士也。工八分書，擅畫山水樹石，隱于嵩山。開元初征，拜諫議大夫，不受。”觀此可知:盧鴻，一名浩然。蓋史官誤讀“盧鴻一”為名，于是又改“名”為“字”，遂成此誤。《新唐書》卷一九六《盧鴻傳》已刪訂《舊傳》衍文“一”字，而“字顥然”則仍襲其誤(“浩”“顥”二字通)。關于“盧鴻一”與“盧鴻”之是非，前人已有辯證，可參見清葉廷琯《吹網錄》卷二《盧鴻之名下無一字》條，但葉氏所述較為繁雜，條理混亂，故進一步廓清之。

MMC由于直流側沒有集中布置的電容器，為保持直流母線電壓正負極對稱，需在直流側或換流變二次側設置接地點。常見接地方式主要有直流側經電阻接地、交流側構造接地點或利用換流變壓器接地。

圖3 塊狀和線狀區域匹配評價函數的比較Fig.3 Matching evaluation function comparison between block area and linear area

3 纖維圖像拼接算法

3.1 目標區域劃定

［5］BUTZ T，THIRAN J P.Affine registration with feature space mutual information ［C］／／Medical Image Computing and Computer－Assisted Intervention.London：Springer，2001：549－556.

圖4 纖維圖像的目標區域（深色填充）Fig.4 The target areas of fiber images（dark color）

對兩幅圖像進行左右拼接過程中，只要關心相鄰的左、右重疊部分的圖像內容.拼接之前，先判斷重疊區域中能否劃定出目標區域.通常單根纖維提取出的單像素連續輪廓在同一像素列上有兩個輪廓點，可以通過掃描像素列上的輪廓點總數判斷區域內纖維條數.當纖維條數大于1時，可以劃定目標區域進行圖像拼接；否則認為冗余信息不足，無法完成圖像拼接.

3.2 特征提取

圖5 纖維輪廓Fig.5 Contours of fibers

對于塊狀區域拼接，需要多邊形塊狀的邊界信息.本文選定的塊狀區域由y軸方向的兩條直線和x方向的兩條纖維組成，提取相同x值時y方向上的纖維邊界最大差值作為特征提取.為了簡化特征提取算法，先對纖維輪廓進行跟蹤分段處理.具體步驟如下：

Step 1在纖維輪廓上任意選取一點作為當前輪廓點，記錄其x坐標值作為xmax；

如 100 JD 36×6中，100為適用于最小井徑100 mm，JD為深井多級泵，36 為流量（m3/h），6 為葉輪級數；

以綠色建筑評價為核心的集成軟件系統正在形成，目前已開發完成的10個軟件是該集成系統中的重要組成部分。逐漸擺脫了用戶只能使用國外軟件才能設計計算的困境，我們直接面對市場，面對我國用戶，達到了用戶使用成本低，價格便宜，符合中國標準，使用方便，服務到位。同時，企業在研發過程中，不斷學習新技術，不斷增加核心部分，使企業在綠色建筑設計領域的競爭力大幅度提高。

(4)注重社會合作。美國高校向社會提供大型儀器設備的開放共享，其不僅面向學校、科研院所進行資源共享，更是對整個美國社會開放共享，這種高度開放的形式，有利于整個社會的科技進步，對美國高校而言，一是可以帶來較大資金收益，二是降低了大型科學儀器設備的空置率和浪費，提高了大型科學儀器設備的使用效率和科研產出，是雙贏的共享模式。

Step 4標記當前輪廓點為“已找過”，將新找到的輪廓點作為當前輪廓點，返回Step 2；

Step 5標記當前輪廓點為“已找過”，其灰度值與上一個輪廓點保持一致，纖維輪廓跟蹤分段操作結束.

圖6 輪廓跟蹤前、后放大圖Fig.6 The enlargement before and after contour tracking

經上述操作，圖5所示的纖維輪廓被劃分為6個線段，如圖7（a）所示.將每段纖維輪廓點按x坐標值從小到大順序存儲.程序從左到右、從上到下進行掃描時，依次對跟蹤到的每一段纖維輪廓按順序標號，第一段標記為0，第二段標記為1，依此類推.如果將每個線段標號作為纖維輪廓的第3個坐標z坐標，則可以認為圖5中的每個線段處于不同的z平面上，如圖7（b）所示，它們在x－z平面內的投影如圖7（c）所示.此時，只需對同一個x坐標輪廓點的各輪廓線段分別計算兩兩之間的y坐標值之差，將最大差值的兩個輪廓線段作為x對應的特征值.

圖7 輪廓段分布示意圖Fig.7 Schematic diagram of contours distribution

3.3 迭代匹配

通過特征提取得到每一個x坐標對應的特征值，即特征序列.圖8（a）和8（b）分別是圖1（a）和1（b）待拼接的纖維圖像的特征序列.記圖1（a）為A，圖1（b）為B.若相鄰兩幅圖像A和B可以拼接，則待拼接區域（即兩幅圖像的重疊部分）的特征序列必定部分一致，也即一定有塊狀區域重合，因此，可以通過在兩幅圖像的重疊部分尋找塊狀區域相似的方法進行圖像匹配.匹配采用逐層推進的迭代方式，具體步驟如下所述.

2、缺乏自信心，意志不堅定。中職生在以前的初中已經被冠以“差生”頭銜，很少得到老師的表揚和同學的尊重以及肯定，認為自己不行，在嚴重缺乏自信的情況下使他們越來越不愿意學習，甚至害怕學習，這樣的心態，何談學習積極性。

（3）按一定步長δ分別取xe＝xs－δ處的特征值Fe和xe′＝xs′－δ處的特征值Fe′，經比較，如果滿足Fe′＝Fe，表明在兩張圖像的相鄰區域找到了兩個面積相等的梯形區域，轉入步驟（5）迭代運算，進行梯形區域細節特征匹配.否則轉入步驟（4）.

（4）利用二分法確定δ＝0.5×δ，轉入步驟（3）.

（6）迭代次數加1，當連續迭代次數超過設定次數，認為兩梯形區域重合，迭代結束，相應部分圖像可以拼接；否則xe＝xn，xe′＝xn′，轉入步驟（5）繼續迭代.

（7）在圖像B的重疊部分中，從xs′位置開始，繼續往右遍歷，找到下一個Fs′＝Fs的位置xs′，轉入步驟（3）；否則無法完成拼接，換另一張圖像重新處理.

‘花桿實心竹’與昆明實心竹的關鍵區別在于其稈具有寬窄不一的金黃色條紋，稈籜紫色縱條紋不明顯，近無毛；筍淡黃色，紫色縱條紋不明顯，且近無毛。兩者的特征對比見圖1—圖3。

圖8 迭代匹配Fig.8 Iterative matching

4 試驗結果及分析

在應用本文算法進行纖維圖像拼接試驗時，發現光照不均和兩幅相鄰圖像存在亮度差異對拼接效果影響很大.

4.1 光照不均對拼接效果的影響

顯微鏡的點光源使得纖維圖像存在光照不均勻，圖像中央區域的信號強度增大，離開中心區域的圖像強度值降低，造成了圖像中過亮或過暗的區域中出現部分纖維信息的丟失，出現幾何失真，嚴重影響輪廓特征的提取，如圖9所示.

圖9 光照不均引起輪廓信息模糊Fig.9 Contour information fuzzy caused by the uneven light

為此，在圖像預處理過程，增加了光照不均修正算法，先利用均值濾波對圖像進行平滑，然后通過計算離均差求得特征集合，再利用特征點對原始圖像進行線性迭代修正，最終實現單一光源的平衡.

莫言用優美的筆調營造了一個生機彌漫的紅高粱世界。書中無處不在的茁壯、濃密、頑強的紅高粱隱喻著生命的頑強，無邊無際的高粱地是高密人愛恨情仇、精忠報國的場所。生活在汪洋血海的高粱地里的高密人，雖然面臨貧窮、仇恨和死亡等痛苦和磨難，但同時逆境也激發了他們昂揚的斗志和張揚的個性。個體生命的張揚、毀滅、肢解都與紅高粱地相融合。

4.2 相鄰圖像亮度差異對拼接效果的影響

［4］WU F，FANG X.A new global registration algorithm for image mosaic［C］／／Proceedings of the 7th WSEAS International Conference on Signal，Speech and Image Processing.Beijing，China，2007：136－140.

圖10 相鄰圖像亮度差異引起的拼接痕跡Fig.10 Traces of mosaic caused by brightness difference of adjacent images

為了消除拼接痕跡，實現圖像的無縫拼接，對圖像的重疊部分進行了平滑處理.平滑處理的主要思想是在圖像的重疊部分中，像素的灰度值由前一幅圖像逐漸過渡到第二幅圖像，將圖像重疊區域的像素值按一定的權值相加合成新的圖像.

圖11 線性過渡示意圖Fig.11 Schematic diagram of linear transition

針對試驗中出現的問題，采用上述對策成功解決了光照不均和相鄰兩幅圖像亮度差異對圖像拼接造成的不良影響.這里給出一部分纖維采樣圖像拼接試驗的結果，圖12是成功拼接的圖像.

圖12 纖維圖像拼接成功Fig.12 Mosaic success for fiber images

算法的拼接效果受雜質剔除的結果影響也會出現拼接失敗現象.如圖13所示，在拍攝纖維圖像時，顯微鏡的移動造成圖13（a）中的完整雜質在圖13（b）中只顯示了一部分.在進行雜質剔除時，圖13（b）中的部分雜質由于面積小于設定閾值，滿足剔除條件被剔除；而圖13（a）中的雜質面積大于閾值仍被保留.如圖13（c）矩形所示，圖13（a）中保留下來的雜質被誤認為是纖維的一部分，參與了目標區域劃分過程；在圖13（b）的重疊區域中這個目標區域不存在，因而對提取的特征無法進行匹配，造成無法拼接的后果，使得拼接失敗，這是后期研究需要進一步解決的問題.

圖13 纖維圖像拼接失敗Fig.13 Mosaic failure for fiber images

5 結 語

本文通過對已有的拼接算法的研究分析，結合纖維的獨特外形，提出一種適用于長纖維顯微圖像特征提取及其匹配拼接算法.依據線性相關度的評價準則，對基于線狀和塊狀特征匹配的穩健性和配準精度進行了討論，提出了利用纖維細長、平滑外形特征進行重疊區域目標塊狀區域的劃分，將基于線狀的特征匹配轉化為基于塊狀的特征匹配.通過多邊形塊狀的邊界信息提取出有效特征，實現迭代匹配.本算法通過大量的纖維樣本試驗驗證，除少數由于纖維雜質剔除錯誤造成的拼接失敗以外，均獲得了理想的結果.

參 考 文 獻

［1］HSU S，SAWHNEY H S，KUMAR R.Automated mosaics via topology inference［J］.IEEE Computer Graphics and Application，2002，22（2）：44－54.

控制系統加入前饋補償功能后，一旦出現LNG流量或者壓力的擾動，前饋調節器就根據擾動的大小補償對被控量的影響。只要前饋函數設置相對合理，實現近似補償是可行的。

［2］BROWN M，LOWE D G.Recognising panoramas［C］／／Proceedings of the Ninth IEEE International Conference on Computer Vision.Nice，France，2003：1218－1225.

目前，高校請假條類型主要為事假與病假。通過“審批”中的表單設計，能夠實現紙質假條向電子假條轉化的目的。在電子請假條中，學生可以采用拍照等手段提供佐證材料說明請假理由。電子請假條的使用能夠有效打破時間和空間的限制，節約了時間成本，提高工作效率。

（4）為了保證在對分圖像進行拼接時不遺漏纖維信息，各個分圖像在采集時都需要和毗連的圖像間有重疊區域，系統中每一個分圖像的大小為800像素×600像素，左右的重疊部分約取160個像素，上下的重疊部分約取120個像素.

Step 3比較新找到的輪廓點的x坐標值與當前輪廓點的x坐標值，如果x值增大，則將當前輪廓點的灰度值置為125，并記錄新輪廓點的x坐標值作為xmax；如果x值減小，則將當前輪廓點的灰度值置為0；如果兩個坐標值相等，則當前輪廓點的灰度值與上一個輪廓點的灰度值保持一致，如圖6所示；

圖像經光照不均修正以后，消除了光照不均對纖維輪廓提取的影響，準確地計算出纖維輪廓，提取出圖像匹配所需要的特征，可以根據這些特征完成圖像拼接.但是試驗中發現待拼接的相鄰兩張圖像如果存在亮度差異，就會在拼接圖像的交接處出現清晰的邊界，圖像拼接的痕跡非常明顯，如圖10所示.

由于塊狀圖形在匹配穩定性方面優于線狀圖形，因此對細長條狀纖維圖像的拼接，可以改進目標區域的選定方法，將圖像中的多條纖維近似為多條曲線，在圖像的垂直（或水平）方向任意作多條直線，將它們與纖維“曲線”之間所圍成的閉合區域作為目標區域.如圖4中直線段AC和BD及“曲線段”AB和CD所圍成的塊狀區域，從而實現線狀區域匹配到塊狀區域匹配的轉變.目標區域的內部是背景圖像，前景圖像作為目標區域的部分輪廓.

［6］YAO H Y，SUN W F，LI P，et al.Research on evaluation methods of SAR image mosaic effect ［J］. Computer Engineering，2010，36（15）：196－198.

［7］SZELISKI R.Image alignment and stitching：A tutorial［J］.Foundations and Trends in Computer Graphics and Vision，2006，2（1）：1－104.

［8］BROWN M，SZELISKI R，WINDER S.Multi－image matching using multi－scale oriented patches［C］／／Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Diego，USA，2005：510－517.

［9］ZOKAI S，WO