内蒙古科技大学毕业设计说明书（毕业论文）
第二章 图像拼接关键技术的研究介绍
图像拼接整个流程可以包括这么几个步骤：图像的预处理、特征点的提取、图像的配准、模型的建立、图像的融合。其中核心的步骤也是热门的研究是特征点提取和图像的配准。最终的目的就是找出具有重叠或是相似的图像。
2.1 图像拼接技术的基本流程介绍
各种拼接的方法大体流程是相差无几的，图像的拼接流程包括：预处理、特征点提取、配准、融合。拼接的过程可以如图1-1所示：
图2-1图像拼接流程
1. 图像的预处理
图形的预处理就是对原始的图像进行处理，提高图片的质量，使其能达到图像配准的要求，不至于造成一些错误的匹配，致使原始的拼接图像几何变形，图像预处理的技术包括：原始图像的直立方图匹配，几何的矫正，平滑的过滤，噪声的处理等一些准备工作。
2. 图像的配准
图像的配准是图像拼接的核心技术，其原理就是找到原图与参考图像的特征点的位置，然后采用一定的算法在参考图像与配准的图像建立模型转换，确定两个图像的重叠 的部分。
3. 建立变换模型和统一坐标变换
根据参考图像和原始图像的对应关系，结合自己实验，得到一些经验找出相对应的位置建立数学模型，把原始的图像转换到参考图像的坐标系中。 4. 图像的融合
8
内蒙古科技大学毕业设计说明书（毕业论文）
当第三步确定了数学转换的参数后，我们根据两幅图像之间的转换关系，把重叠区域的信息拼接成一个完整的图像。这其中可能会存在一定的匹配误差或是因光度的问题的影响，我们还需要做的是根据光度的差异对拼接图像进行混和调整，减少重叠区域的失真。
2.2 图像拼接的信息采集和处理
图像拼接的前期就是对原始图像进行数字处理，其主要的工作是对原始图像的信息采集和图像的预处理，使图片的质量能达到最后拼接的要求，以免最后拼接出现几何畸形或是误匹配。对采集来的图像进行处理也是比较繁琐的，主要的流程有：图像的矫正、光度的处理、噪声的抑制等。
图像的矫正：图像的采集也间接的影响了最后拼接的质量，采集到的照片可能会因为失真或是变形，这样我们就要对采集到的照片进行相应的处理矫正，因此对前期进行基本的图片处理和矫正是十分的重要。图像的矫正和处理的基本思路是我们可以使用数学方法进行处理，首先根据原始图像的具体情况，我们可以建立相应的数学模型，在原始图像中找到需要处理的位置或是提取到的信息，然后根据这个信息可以相逆的去恢复原始的图像面貌，在具体的做法中，我们可以在恢复的过程中使用过滤器，从原始的图像中得到真实的估计值，根据误差的准则可以降低误差，在最大的程度上接近于原始图像。
图像的噪声处理：噪声的处理相对来说比较繁琐，而且噪声是不可能预测的一种随机信号，而这种信号的分析也往往是通过概率分析法来进行相应的分析处理，对于噪声的处理也是很重要的，它涉及到图像拼接的大部分过程。在图像的采集的过程中就应该重视这个问题，若是在采集图片时伴随的噪声很大的时候，这个结果必然会影响到最后输出的结果。当然我们可以根据噪声的来源，来确定处理的方法。噪声可以是外部噪声，也可以是内部噪声。但因为噪声是随机出现的，不可预测的，而且是随机分布的，关于噪声的处理问题我们可以采用滤波的办法进行处理，比如说中值滤波或是均值滤波都是就可以对噪声进行相应的处理的。
关于前期图像处理存在的问题还有很多，比如说图片的边缘的锐化，灰度图像的转变，估算图像的碎片等都是在处理图片时尽可能的还原原始的图像，这样做也可以为选择后来图像选择的处理的方法和采用的算法，这样可以确定配准的时候采用的合适的算
9
内蒙古科技大学毕业设计说明书（毕业论文）
法，以便提高后来的处理的速度和精度。
2.3 图像拼接的配准
关于图像配准的定义，通俗的来说就是对采取到了两张或者是多张图片进行在空间
上的匹配和重叠，这种叫做图像的配准。在正式的研究中，需要建立数学模型来帮助分析问题。假设我们采集到了两张不同角度的图片，设其为I1和I2，另外我们还要设两个表示灰度值的函数，设I1(x,y)和I2(x,y)。其中图片的配准关系我们这样来表示：
I2(x,y)?g(I1(h(x,y)))，在这个方程式当中，g是一个灰度值的变换或者也可以理解为
是幅度值变换得到的。其中的h我们定义为是几何的二维坐标的表达式，最后我们可以 计算出两个图像的位置坐标之间的关系，这样我们就可以得到他们带匹配的坐标的位置，求出了矩阵。对于图像配准的大概流程我们可以归结到如下流程图中：
图2-2 图像配准的流程
2.3.1 图像配准的原理
图像的配准在整个图像拼接中都是至关重要的，整体来说是图形配准就不但是就单个图像而言的，他是多幅图像进行相似性的比较和特征的提取。我们就拿两幅图像来说吧，我们以原始图像作为基准，配合参考图像我们称为参考图像。主要的原理做法是通过在原始图像上找到某一个点，作为目标点。然后用这个点在参考图上进行平移，移动一步就会对目标点和参考点进行比较，一直到找到了合适的匹配点。
当然这种寻找的方法可能是会造成一点的误差，其中涉及到的原因我们在前文中已经提到了。包括图片采集的误差，噪声的误差，平移的误差等，所以在这种情况下，我们就研究出来众多的算法，通过这些算法，我们可以达到匹配的精度和准确性。关于这
10
内蒙古科技大学毕业设计说明书（毕业论文）
些匹配的算法在前文中也有提到，在这里我们简单的介绍一下。大体上可以归纳为四种： 1. 匹配特征
匹配的特征是根据参考图像的空间特征组成的，匹配有很多样，其中点、频率、轮廓、边界等都是常用的结构。但是在匹配的特征点的选取上我们必须做到：匹配的特征点必须是原始图像和参考图像中都具有的特征；在两张图片中必须的包含许多特征点。选择这种和里的原始图像和参考图像能提高我们以后的拼接图像的质量，也有利于减少一些不确定的因素，包括噪声和误匹配等。 2. 相似成度
关于相似度的描述，我们可以这么说：就是原始图像和参考图像之间的匹配特征点的相似性，相似的程度我们可以用一个数学模型来表述，比如相关函数，距离函数。相似程度和特征匹配的具体要求都是差不多的，相似程度和匹配特征中，什么图片进行参与匹配和什么图片不可以参与，这些都可以用相似的程度来衡量。 3. 参考空间
在图片配准的原理上我们可以看出来，其实这个问题也是经典中的数学问题，就是找到最优的估值问题，这样来说参考的空间特征就变成了数据变换的空间，其中我们必须涉及到的是数学问题，也就是代数矩阵的理论，我们可以用矩阵的形式来描述一幅图片的数学变换，比如是平移，缩放，差分多项式等一些变换，其中不同的位置也会具有不相同数学模型。 4. 合理算法
合理的算法是决定着配准的准确性，关于这些算法也是当今科学工作者研究的热门话题，合理的算法对于减少在拼接过程中的计算量有很重要的意义。常用的算法有：SIFT算法、SUFT算法、Harris算法、Canny算法、RANSAC算法等。
在上述的几个方面的叙述，他们中都有一定的联系，在选取配准的算法的时候，我们要根据实际的情况和以机构确定的图像因素，还有图像的成像方式等因素考虑合理的算法选择。在能保证图像配准的性能上，选择匹配的空间和参考空间。最后通过相似的程度来做到最优的拼接。 2.3.2 图像配准的方法
配准的方法在图像的拼接过程中有很大的作用，对此很多工作者都在研究这个配准的方法，自然而然的就出现了很多的配准方法，这些方法适应的情景也不同，在各个领域的优劣程度也不同，各有各的用途和特点。所以我们在进行图像配准的时候合理的选
11
