本文说明的内容是图像拼接，采用基于特征点的匹配方法将两张定点拍摄的照片进行拼接，合成一张图，将全景图生成简化成两张图片的拼接，具体可以分为以下几点： 掌握图像灰度化、图像投影变换、图像特征点提取、图像仿射矩阵变换及图像融合。 1、在数字图像的预处理中，灰度图像是进行图像识别与处理的基础。彩图像转换为灰度图像的方法主要有平均值法、最大值法和加权平均值法。
2、图像的投影变换也是图像拼接不可或缺的过程，待拼接的图像素材往往不在一个坐标系下，直接拼接会因为角度的问题导致景物扭曲变形，目前普遍的方式是将图像投影到几何体表面上，如球面，立方体或柱面上。
3、特征点是进行本图像匹配方法的基础，质量的好坏将直接影响匹配的精度和效率，特征点应具有旋转、平移不变形等特性，保证不会因为相机的曝光等原因造成图像的错误匹配。
4阻容分压器、图像特征点提取之后，需要根据特征点计算图像的放射矩阵，从而对图像进行变换而实现拼接。放射变换的过程中，插值的方法确保图像不失真。
分数的基本性质教学设计5、图像拼接完成后，最后需要将图像融合，使两幅图像不会因为曝光等原因造成可视的匹配错误。
图1 基于特征点图像拼接步骤
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
详细步骤：
1、图像的灰度化
在图像处理中，灰度化一直作为预处理的一部分，有时不仅仅是算法的需要，也是将三维
降成一维从而减小计算量与增加运行速度的重要方法。彩图像转换为灰度图像的方法有平均值法、最大值法及加权平均值法，其转换公式为：
平均值法，gray＝（R海音寺潮五郎＋G＋B）／3索爱m600i；
最大值法，gray＝max（R，G，B）
加权平均值法，gray＝（R×0．3＋G×0．59＋B×0．11）
其中 R、G、B 为红、绿、蓝分量，gray 为转换后的灰度值。本程序中采用matlab自带的rgb2gray函数，该函数是用加权平均值法计算的。
2、投影到柱面
图像投影是将待拼接的两幅图像投影到同一个坐标系下，这样能避免因角度问题引起图像中景物扭曲变换，可以分为球面投影、柱面投影、立方体投影。理论上，球面投影更加科学，但是球面投影带来的弊端是储存方式，所以柱面投影往往用的是更多的，柱面张开后是矩形，在数据存储方面具有优势。本方案采用柱面投影的方法，以下是投影公式：
图2 柱面投影几何关系示意图
其中：
H为图像高度，W为图像宽度，为投影宽度角，红外与毫米波学报r为圆柱半径
3、特征提取
特征提取的算法有许多，其中我酷网Lowe提出的SIFT算法是一种非常有名的算法，得到了广泛的应用，也被不断地改良。这种算法是建立了多尺度空间，确定特征点的位置，同时确定特征点所在尺度，以达到尺度抗缩放的目的，并提取旋转不变特征描述符以达到仿射变换的目的。
特征提取分为两步，第一步是特征点的提取，在图像中到一些具备一定性质的点，第二步为特征点增加描述，使特征点之间能相互区别。
3.1 特征点提取
特征点是图像中的一些特别的点，它是图像经过变化后得到的点，这些点应该具有一些性质：选取的特征明显，易于提取，在待匹配的图中足够多且分布广。
其中SIFT的特征点提取方法是先利用高斯卷积核生成尺度空间，因为高斯卷积核是实现尺度变换的唯一线性核。二维图像的尺度空间定义：
其中是尺度可变的高斯函数，是原图像，是变换后的图像
在寻特征值时，为了减少计算量，只提取了半张图的特征点，当提取右半张图像的特征点时，每个特征点的横坐标值就需要增加半个图像宽度。
3.2 增加描述因子
仅仅到特征点并不够，还应该为这些特征点增加一些描述，使特征点具备区别其他特征点的性质，这样就可以通过两幅图的相互匹配的特征点计算得到两幅图的仿射变换矩阵。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议