基于邊緣檢測(cè)的數(shù)字圖像拼接實(shí)現(xiàn)研究

李麗英

（江西機(jī)電職業(yè)技術(shù)學(xué)院，江西 南昌 330013）

圖像拼接(Image Mosaics)技術(shù)把針對(duì)同一場(chǎng)景的相互有部分重疊的一系列圖片合成大且寬視角的圖像[1]，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(méi)有明顯的縫合線川。圖像拼接技術(shù)當(dāng)前主要應(yīng)用于計(jì)算機(jī)視覺(jué)識(shí)別鄰域[2]。利用圖像的拼接與圖像的渲染結(jié)合，通過(guò)不斷改進(jìn)算法，使得計(jì)算機(jī)視覺(jué)識(shí)別速度愈加迅速。此外，圖像拼接技術(shù)在軍事紅外預(yù)警中有著非常關(guān)鍵的作用[3]，例如獲取360°的環(huán)形全景圖像會(huì)使對(duì)整個(gè)軍事活動(dòng)的細(xì)節(jié)把握更加準(zhǔn)確，而獲得360°環(huán)形全景圖像的最佳方法就是圖像拼接技術(shù)[4]。

1 圖像拼接實(shí)現(xiàn)流程

圖像拼接實(shí)現(xiàn)流程如圖1所示。

1）圖像預(yù)處理過(guò)程。包括數(shù)字圖像處理的基本操作，如去噪、邊緣提取[5]、直方圖處理[6]等，本文實(shí)驗(yàn)獲取的圖像沒(méi)有經(jīng)過(guò)圖像傳輸與圖像復(fù)雜處理過(guò)程，預(yù)處理操作較為簡(jiǎn)單，獲取原始圖像的灰度圖即可。

2）圖像特征提取。本文中采用Canny算法實(shí)現(xiàn)邊緣檢測(cè)過(guò)程，Canny算子是一個(gè)具有濾波、增強(qiáng)、檢測(cè)的多階段的優(yōu)化算子，相比其他算法Canny算法檢測(cè)出的邊緣更多更加清晰，實(shí)現(xiàn)效果更好[7]。

3）圖像配準(zhǔn)。在圖像配準(zhǔn)過(guò)程中參考目標(biāo)圖像中對(duì)應(yīng)的拼接位置，其中包含在圖像中找到模板或特征點(diǎn)的對(duì)應(yīng)位置，通過(guò)使用特定的模板匹配算法[8]，來(lái)確定兩個(gè)圖像之間的變換關(guān)系。

4）圖像融合。通過(guò)融合拼接圖像的匹配（相似）區(qū)域來(lái)獲得拼接重建后圖像的平滑[9]，并且完成圖像無(wú)縫鏈接，構(gòu)成全景圖像。

圖1 圖像拼接實(shí)現(xiàn)流程圖

2 實(shí)驗(yàn)

2.1 獲取原始灰度圖像

通過(guò)手持相機(jī)設(shè)備，獲取兩幅巖石風(fēng)景圖像，如圖2所示，選取巖石風(fēng)景的原因是：巖石風(fēng)景的條紋分布類型多種多樣，本文的核心檢測(cè)算法更加適合，而且?guī)r石風(fēng)景的顏色變化較少，更加貼近灰度圖像。

圖2 原始彩色圖像（待拼接）

圖3是獲取的原始灰度圖像，通過(guò)對(duì)單個(gè)灰度圖像完成圖像的拼接過(guò)程，即可實(shí)現(xiàn)彩色圖像的拼接。

圖3 原始灰度圖像（待拼接）

2.2 圖像特征提取（Canny邊緣檢測(cè)算法）

Canny邊緣檢測(cè)算法[10]實(shí)現(xiàn)步驟：1）用高斯濾波器平滑圖像；2）用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；3）對(duì)梯度幅值進(jìn)行非極大值抑制；4）用雙閾值算法檢測(cè)和連接邊緣。

Canny邊緣檢測(cè)算法完成邊緣檢測(cè)后獲得的邊緣圖像如圖4所示。

圖4 Canny算法獲得兩幅圖像的邊緣

完成邊緣檢測(cè)后，提取兩圖像中的相似特征，進(jìn)行匹配。經(jīng)過(guò)觀察對(duì)比圖2中的兩幅圖可得：左圖中的左邊部分和右圖中的右邊部分存在相似特征。在Matlab軟件平臺(tái)用鼠標(biāo)點(diǎn)選圖2左圖中的相似區(qū)域獲得一個(gè)40×40的相似邊緣特征圖像，具體過(guò)程如圖5和圖6所示。

圖5 鼠標(biāo)選取的圖像相似邊緣特征區(qū)域

圖6 相似邊緣特征提取

2.3 圖像的配準(zhǔn)與融合

通過(guò)圖像相似邊緣特征提取可獲得一個(gè)包含特征信息的二值矩陣，另一幅圖像經(jīng)邊緣檢測(cè)后可獲得一幅二值化圖像，即一個(gè)二值化矩陣。在此基礎(chǔ)上利用矩陣處理方式找到與特征相匹配的矩陣。圖像匹配過(guò)程：通過(guò)遍歷大矩陣中每一個(gè)40×40的模塊，讓特征矩陣與標(biāo)準(zhǔn)模塊做相關(guān)運(yùn)算，如果特征配準(zhǔn)越多則相關(guān)值越大；若相關(guān)運(yùn)算的取值位于[0，1]區(qū)間（相關(guān)值越接近1），即是與目標(biāo)特征配準(zhǔn)的區(qū)域。圖7中綠色框中的模塊為目標(biāo)相似邊緣特征區(qū)域，對(duì)準(zhǔn)相應(yīng)的坐標(biāo)，即可完成圖像融合。

圖7 相似邊緣配準(zhǔn)

圖像融合后的圖像如圖8所示。實(shí)驗(yàn)操作的兩幅圖像，大小相同、光照條件一致、沒(méi)有經(jīng)過(guò)預(yù)處理階段，最終融合效果較好。由于兩幅圖像經(jīng)拼接后部分像素缺失，圖8中右上角和左下角存在部分黑色長(zhǎng)條。

圖8 圖像融合（拼接完成）

3 結(jié)論

圖像拼接技術(shù)能夠很好地解決拍攝中相機(jī)視野和高分辨率照片之間的平衡問(wèn)題，研究精確且高速的圖像拼接算法具有十分重要的應(yīng)用價(jià)值。本文采用基于特征的圖像拼接算法，利用Canny算子進(jìn)行邊緣檢測(cè)提取數(shù)字圖像特征，通過(guò)圖像預(yù)處理（去噪，邊緣提取，直方圖處理等）、圖像配準(zhǔn)、圖像重構(gòu)融合等操作，在Matlab平臺(tái)下實(shí)現(xiàn)兩幅大小一樣、光照條件一致的灰度圖像的拼接。

本文實(shí)驗(yàn)場(chǎng)景對(duì)圖像的處理方法較為簡(jiǎn)單，圖像拼接過(guò)程具有待改進(jìn)的空間，如本文完成的是兩幅灰度圖像的拼接過(guò)程，后期可以考慮不同大小圖像相似特征的匹配，存在傾斜特征的圖像匹配，不同光照強(qiáng)度下的圖像匹配等。