基于相似度比較的文檔碎片拼接到圖像拼接

劉嬋

摘 要：隨著計算機技術的發展，人們試圖開發碎紙片的自動拼接技術，以提高拼接復原效率。本文基于相似度比較的原理在解決來自同一頁印刷文字文件的碎紙機僅縱切的破碎紙片自動拼接修復技術的前提下，對來自同一頁印刷圖像文件的碎紙機僅縱切的破碎紙片進行了自動拼接，得到了較好的效果。

關鍵詞：相似度比較 文檔碎片拼接 圖像碎片拼接

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1672-3791（2014）02（a）-0063-02

破碎文件的拼接在司法物證復原、歷史文獻修復以及軍事情報獲取等領域都有著重要的應用。本文在解決了來自同一頁印刷文字文件的碎紙機僅縱切的破碎紙片自動拼接修復技術的前提下，對來自同一頁印刷圖像文件的碎紙機僅縱切的破碎紙片進行了自動拼接。

1 基于相似度比較的碎片拼接算法

圖像在計算機中是以矩陣形式存儲的，圖片上不同的顏色是以像素值來區別的，比如黑色是“0”，白色是“255”，其他顏色介于“0：255”之間，選擇像素值作為特征匹配[1]的元素，通過相似度函數：

可以衡量序列和序列的相似度，值越大兩個序列越相似。將圖像某行后某列的像素值作為序列，就可以實現像素值的相似度比較。

讀取圖片的像素值，提取每個圖片的左右邊界值，形成左右邊界矩陣和，然后用右邊界矩陣中的每一個列向量分別與左邊界矩陣中的列向量進行比較，得到每個值，取這些數中最大值所對應的列向量就是應該和中列向量相匹配的向量，也就是說，如果與中第個向量匹配得到值最大的是中第個向量，那么第個向量應該放在第個向量之后。

該問題的求解通過MATLAB編程實現，軟件實現算法流程圖如圖1。

2 實驗與結果分析

2.1 文檔拼接實驗與結果分析

文檔拼接以2013年數學建模B題中附件1和附件2中給出的中、英文各一頁文件的碎片數據進行拼接復原。

2.1.1 數據預處理

首先讀取19個大小為的文檔碎片的像素值，形成一個的三維矩陣，然后提取每個碎片的左右邊界值，形成左右邊界矩陣和，然后用這兩個矩陣中的數據進行相似度比較。

2.1.2 邊緣檢測與相似度比較

比較和中的各個列向量如果中的第個列向量的像素值和中的第個列向量的像素值完全相同，則第個向量所對應的文檔碎片應該處于文檔的最左邊，第個向量所對應的文檔碎片應該處于文檔的最右邊。如此即可確定出文檔的邊緣。

然后用右邊界矩陣中的每一個列向量分別與左邊界矩陣中的列向量進行比較，得到19個值，取這19個數中最大值所對應的列向量就是應該和中列向量相匹配的向量，也就是說，如果與中第個向量匹配得到值最大的是中第個向量，那么第個向量應該放在第個向量之后。

2.1.3 實驗結果

在Matlab7.0環境下進行編程，在整個過程中不需要人工干預該程序可以實現自動拼接得到完整的拼接結果，正確率100%，得到文檔復原拼接順序見表1。

2.2 圖像拼接實驗

由于文檔碎片和一般的圖片一樣，在軟件中以矩陣形式存儲，因此，文檔的拼接方法可以運用到一般圖片的拼接上去。然而在文檔拼接過程中因為白紙黑字，特征較明顯，因此，邊緣文檔的確定較為簡單，而圖片拼接過程中，由于圖像本身顏色變化較多，邊緣特征不明顯而使得邊緣圖像的確定比較復雜。

本文中在對邊緣提取進行多種嘗試之后確定了，利用缺省值提取的方法進行確定。以的Lena圖像的碎片拼接為例。

首先，將Lena圖像進行分割，分成16個的小圖像，然后按照相似度比較的方法得到與每一幅小圖相似度最高的圖像，結果如表2。

從表2可以看出沒有一幅圖像后面該接10號圖，因此，10號圖應該是最左邊的圖片，確定了最左邊的圖像，依次相連就可以得到正確的拼接順序，如表3。

此外13號圖和16號圖后面都接14號圖，因此，13號圖和16號圖中有一幅圖應該是最后一幅圖，此結論也可以對拼接的正確性進行一定的判別。

為了驗證算法的正確性，又對Baboon，Bridge等經典圖像進行了拼接，均能實現自動正確拼接。

3 結語

本文提出的是一種簡單的基于相似度比較的圖像拼接算法，該算法中運用的模型簡單易懂，使用方便，特征匹配效果良好，是一種很簡易的拼接方式。

參考文獻

[1] 龔冷方.基于SIFT特征匹配的圖像拼接技術研究[D].云南大學.

[2] 劉立.基于多尺度特征的圖像匹配與目標定位研究[D].華中科技大學.