基于塊匹配的全景圖像拼接算法研究

李綻蕾　陸思語

摘 要：針對超寬視角的全景圖像拍攝，采用普通相機獲取的全景圖像分辨率較低，本文采用基于SAD的塊匹配算法實現兩幅圖像的拼接和融合。實驗結果表明采用塊匹配的全景圖像拼接方法拼接精度較高、兩幅圖像的融合效果較好，能夠得到滿意的拼接圖像。

關鍵詞：圖像拼接;塊匹配;SAD算法;加權平均算法

0 引言

在日常生活中，使用普通的相機很難獲取寬視野、高分辨率的圖像。因為相機的分辨率有限，而拍攝的場景越大，得到的圖像分辨率就越低。因此只能通過縮放相機鏡頭減小拍攝的視野，以換取高分辨率的場景圖像。為了在不降低分辨率的情況下獲取大視野的場景圖片，可將普通照片進行無縫拼接，得到超寬視角的全景圖像，實現場面宏大的景物拍攝。

圖像拼接技術[1]就是把若干幅有重疊部分的圖像合成一幅大視角寬幅面的圖像，并且要求拼接后的圖像最大程度地與原始圖像接近，失真盡可能小，沒有明顯的拼接縫。如果兩幅圖片有相同的元素，那么這兩幅圖就可以進行相應的拼接。因此，圖形拼接的關鍵是需要快速準確找到兩幅不同圖片的重疊部分[2]，實現寬視角成像。其中，尋找重疊部分的方法有很多，比如像素查詢、塊匹配等。獲取重疊部分后再進行圖像重疊部分的融合，進而實現圖像拼接。

全景圖像的拼接技術應用十分廣泛，研究并提出一種精確而快速的圖像拼接算法具有重要的現實意義。現在研究領域最常用的方法主要有基于相位的方法、基于區域（塊）的方法、基于特征點的方法等[3]。本文主要研究基于塊匹配的全景圖像的拼接算法，對同一場景的兩張圖片進行拼接，獲取視野更寬泛的全景圖像。

1 算法實現框架

本文所要研究的問題是通過對圖像進行匹配與融合，實現同一場景的兩張圖片的全景拼接。首先對圖像進行采集，因采集的圖片會受環境因素影響而存在很多質量問題，若直接進行圖像拼接，拼接結果會很不理想，因此需要對圖像進行相關的預處理以提高圖像的質量。利用SAD算法實現塊匹配，利用加權平均法對圖像進行融合，最終實現全景圖像無裂縫、無鬼影的拼接。實現全景圖像拼接的流程如圖1所示。

2 圖像的獲取及處理

想要進行圖像拼接，那么首先是要準備拼接的圖像。圖片采集的基本方法有以下幾種：旋轉式相機拍攝、手持式相機拍攝和平移式相機拍攝。

在圖像采集過程中，因為光照，拍攝場景的問題，圖片中可能存在一定的噪聲，要想得到效果好的拼接圖片，在拼接前要對圖像進行去燥處理。圖像去燥具體方法有：均值濾波器、自適應維納濾波器、中值濾波器、形態學噪聲濾波器、小波去燥[4]。

中值濾波器的響應是基于濾波器包圍的像素的灰度值的中值，用濾波器包圍的圖像區域的灰度值代替某個像素點的濾波結果。這是一個非線性濾波器。

（1）一維中值濾波器

假設包圍的某個點的一維數據是，將它們的大小進行從小到大的排序

那么這個點進行中值濾波的結果[5]可表示為：

（2）二維中值濾波器

對圖像進行中值濾波是指對圖像中的任意一點（x，y），以該點為中心的濾波窗口設為Sxy，再將Sxy中所有的像素點進行從小到大的排序，將排序處于中間點的值，作為該濾波的結果。

3 實驗原理及結果

3.1 圖像匹配

圖像匹配是圖像融合的關鍵，圖像匹配的方法有很多，現研究的圖像匹配技術有基于特征點的匹配和基于灰度的匹配[6]。其中本文利用的匹配算法是簡單的SAD算法。SAD算法的一般步驟是：

⑴一個卷積核窗口，大小可以自己定義。

⑵選取左邊圖像的中點，選此覆蓋像素點，計算出所覆蓋的像素點的灰度值，根據圖像的極限約束，算出極限內的灰度值。

⑶利用左邊的灰度值減去右邊的灰度值，再求取絕對值。

⑷按照定義的步長移動窗口。重復操作，直到超出范圍，此時求得最小值，就是圖像的最佳匹配點。

SAD算法公式[7]：

SAD局部匹配算法是目前塊匹配中常用的算法，SAD算法通常是模板與圖像中的像素進行匹配，計算圖像中灰度值的相似性，這里的模板也稱為窗口。

3.2 消除誤匹配

雖然塊匹配效果很好，但是也可能還會有一些誤匹配對，以至于影響后續的效果。因此，為了獲取精準的匹配對，本文采用重疊區域等方法來消除誤匹配。其基本原理是：兩個具有重疊部分的匹配圖像，其長度相等，可以根據這個條件來消除誤匹配。要運用此方法，第一步是計算重疊區域的長度，如下圖所示：

假設上面兩幅圖為待匹配圖像，其中陰影部分就是兩幅圖片的重疊部分，上面的五點是提取出來的特征點。根據塊匹配可以將點1和點3、點2和點4進行匹配，但是有時其他的組合也適合，就產生了誤匹配。

設重疊部分的長度是w，由圖可知：

所以可以用上式來計算，通過相等關系確定結果。比如，它的值與w的值不相等，所以可以將這個點去除，這樣的計算效果比較好，匹配精度高。

3.3 圖像融合

加權平均值法[8，9]也稱作漸入漸出法，它能避免明顯帶狀部分的出現，所以它可以說是直接平均法的改進。其基本思想是，重疊部分是第一幅圖和第二幅圖相交的地方，拼接圖像的像素是原圖像的像素加權，加權強度與像素點到原圖像的距離成正比。在一維情況下，拼接圖像的像素，可以使用公式表示為：

式中α是加權系數，設x的最小值是重疊部分的起始位置，x是重疊部分的終止位置，α可以表示為：

3.4 實驗結果

本文使用matlab設計了GUI界面顯示圖像拼接過程的操作結果[10]。運行時導入文件夾，顯示要拼接的兩個圖像，再進行圖像的灰度拼接，實現過程如圖4所示。

圖4中（1）、（2）為待拼接的兩幅圖像，（3）為拼接后得到的灰度圖像。由拼接結果可以得出：兩幅待拼接圖像都可以進行準確無誤的拼接，沒有差錯、沒有鬼影與裂縫，拼接的圖像精度很高，結果顯示這種圖像拼接算法是很有效的。

4 結論

本文通過對圖像拼接原理，包括圖像預處理、圖像匹配及圖像融合的算法和原理進行研究，實現了全景圖像的拼接設計與實現。對于手持相機拍攝的圖片，本文先對圖片進行了一系列的預處理，最終實現了圖片的拼接，拼接結果顯示本文所研究的全景圖像拼接算法是很有效的，拼接的圖像精度很高，且拼接圖片能夠適應光照和拍攝方式的變化。

參考文獻：

[1]江鐵，朱桂斌，孫奧.全景圖像拼接技術研究現狀綜述[J].重慶工商大學學報，2012.

[2]劉衍琦，詹福宇.MATLAB圖像與視頻處理實用案例詳解[M].電子工業出版社，2015.

[3]趙小川.現代數字圖像處理技術提高及應用案例詳解[M].北京航空航天大學出版社，2012.

[4]陳月.基于SIFT特征檢測與匹配的快速圖像拼接方法研究[D].吉林大學，2017.

[5]周品，李曉東.MATLAB數字圖像處理[M].清華大學出版社，2012.

[6]萬年紅，王雪蓉.基于邊緣特征點的全景圖像拼接算法[J].溫州大學自然學報，2016.

[7]岳陳平，孟麗婭.基于SAD算法的立體匹配的實驗[J].微型機與應用，2013.

[8]胡社教，江蘋，陳宗海.基于序列圖像的全景圖像拼接[J].合肥工業大學學報，2003.

[9]文偉東，張明.基于SIFI算法的全景圖像拼接技術研究[J].計算機系統應用，2017.

[10]俞穎.基于MATLAB的圖像拼接算法實現研究[J].軟件導刊，2016，15（6）.