淺談少量圖片之Matlab灰度拼接算法

摘 要 當遇到一張完整的圖片被切分為多個部分，一不知曉其排列順序，二又需要做復原拼接任務時，可以利用本算法來實現簡單的碎圖片排序和拼接，從而實現整張圖片的復原。因為本代碼是基于Matlab環境，所以首先你需要擁有Matlab軟件，建議使用較新版本（2010版本以上較好），本文主要用到灰度算法，來尋找兩圖之間的匹配度，具體算法思想將在正文中較為詳細的講述。

關鍵詞 Matlab 圖片拼接 灰度算法 碎圖片

一、對圖片獲取數據

假設文件夾下有19張相關聯的碎圖片，圖片格式是bmp，這19張圖片是從一張完整的圖片上切分下來的，現在寫出拼接代碼如下：編寫習慣好的話，我們首先都會用clc和clear來清理一下結果區。清理后我們就可以載入我們所需要的碎圖片了。首先載入每張圖的灰度數據I0=imread（'000.bmp'）；I1=imread（'001.bmp'）；I2=imread（'002.bmp'）……I16=imread（'016.bmp'）；I17=imread（'017.bmp'）；I18=imread（'018.bmp'）；P={I0，I1，I2，I3，I4，I5，I6，I7，I8，I9，I10，I11，I12，I13，I14，I15，I16，I17，I18}；這里總共有19張圖片，把他們存入一個數組中，方便整體引用。

二、對圖片數據的處理

考慮到圖片數據較少，可以進行少量的人為干涉，因為很容易找出第一和最后一張，所以只需要記錄一邊。首先我們記錄ar8=I8（1：end，72）第一張和a6=I6（1：end，1）最后一張，下面首先記錄剩下的所有左邊數據。a=I0（1：end，1）；a1=I1（1：end，1）……a18=I18（1：end，1）；a8=I8（1：end，1）；下面記錄右邊所有數據ar=I0（1：end，72）；ar1=I1（1：end，72）……ar18=I18（1：end，72）；ar6=I6（1：end，72）然后同樣把他們分別存入對應的數組中。這樣方便調用。bl=[a，a1，a2，a3，a4，a5，a6，a7，a8，a9，a10，a11，a12，a13，a14，a15，a16，a17，a18]；br=[ar，ar1，ar2，ar3，ar4，ar5，ar6，ar7，ar8，ar9，ar10，ar11，ar12，ar13，ar14，ar15，ar16，ar17，ar18]；N=19；N是指的是多少張碎圖片。圖片數據處理，主要是要取出有用數據，避免過多無用的數據也別調用了。

三、核心匹配算法

核心算法的主要作用就是匹配，匹配出兩張本是相鄰的圖片。只要進行N次循環，進行匹配，兩遍只差結果的絕對值之和小于一個誤差值，匹配成功，然后開啟一個記錄順序的空間，只要記錄，插入到數組中，記錄滿足條件的圖的序號，再更新最新的右邊信。然后讓首位順序排好，再多次循環匹配。for i=1：N進行N次循環對比，進行匹配。

g=double（y）-double（bl（：，i））；

if（sum（abs（g））<35000）

上兩行是匹配的公式代碼；兩遍只差結果的絕對值之和小于一個誤差值，這個誤差值是可以改變的。為了記錄我們的結果，我們可以把結果寫到excel文件里，方便保存和查看。首先定義文件xlswrite（'data.xls'，s），在定義大小f = figure（'Position'，[200 200 1100 150]）；接著初始化參數。

cnames = {'1'，'2'，'3'，'4'，'5'，'6'，'7'，'8'，'9'，'10'，'11'，'12'，'13'，'14'，'15'，'16'，'17'，'18'，'19'}；

rnames = {'復原后順序'}；

t = uitable（'Parent'，f，'Data'，s，'ColumnName'，cnames，'RowName'，rnames，'Position'，[20 20 1000 100]）再把他們代入就可以得到結果。循環19次得到最終結果S{i}=P{s（i）+1}和M = cell2mat（S）；

最后再得到的數據figure（2）和imshow（M）顯現成直觀二維圖，就可以對數據一目了然了。

四、算法分析

由于圖片邊緣可能存在空白和幾度相識的情況，此算法遇到這些情況是會有誤差的。所以次算法只適合，少數據單邊緣的圖片拼接處理，是不適合多邊，大數量的圖片邊緣匹配工作的。

參考文獻：

[1]任文杰.圖像邊緣檢測方法的研究[D].山東大學， 2008.

[2]宋芳莉.圖像邊緣檢測中的方法研究[D].西北大學， 2002.

[3]甘金來.圖像邊緣檢測算法的比較研究[D].電子科技大學， 2005.

[4]張晶.圖像邊緣檢測算法的研究[D].山東大學， 2006.