图像拼接技术在大米检测系统中的应用

胡智光，冯月亮

（湖南科技大学 信息与电气工程学院，湘潭411201）

0 引 言

目前，我国的大米加工厂大多数大米的质量检测大都是依靠人工，这样靠工人眼睛对大米进行检测的劳动的强度大，而且效率很低.在这种情况下，湖南科技大学的肖助明和曾奇波在导师的指导下经过长期研究找到了一种基于图像处理[1，2]的方法来实现检测大米颗粒的检测系统.大米检测系统[3，4]是通过检测摄像头在一定的周期内在大米加工后的输出传送带上选取多帧大米图片，然后通过对每一帧图像进行进行分析和处理，从而得到检测大米品质的目的.为了提高大米检测系统的检测效率和检测准确度，我们需要用图像拼接技术把多帧图片拼接起来形成一幅较大信息量较完整的图像，然后再运用大米检测系统检测.由于系统是通过对每幅图像一一进行处理，在系统获取的图片中有部分边缘是重复的，针对这种情况，如果采用图像拼接技术将系统采取的图片利用图像拼接技术把两幅或是多幅图片拼接成一幅图像再进行处理的话，可以减轻系统的存储负担和提高系统检测效率.

图像拼接技术[5，6]就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅大型的无缝高分辨率图像的技术.图像匹配[7，8]和图像融合[9，10]是图像拼接 的两个 关键技术.图像配准是图像融合的基础，而且图像配准算法的计算量一般非常大，因此图像拼接技术的发展很大程度上取决于图像配准技术的创新.早期的图像配准技术主要采用点匹配法，这类方法速度慢、精度低，而且常常需要人工选取初始匹配点，无法适应大数据量图像的融合.图像拼接流程图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的.一般来说，图像拼接主要包括以下步骤：①图像预处理.包括数字图像处理的基本操作（如去噪、边缘提取、直方图处理等）、建立图像的匹配模板以及对图像进行某种变换（如傅里叶变换、小波变换等）等操作.②图像配准.就是采用一定的匹配策略，找出待拼接图像中的模板或特征点在参考图像中对应的位置，进而确定两幅图像之间的变换关系.③融合重构.将待拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像.

1 图像拼接的预处理

1.1 图像的获取

大米检测系统是将摄像头固定在要二维运动平台上且与大米传送带平行，通过对传送带上的大米摄取连续的视频，然后再从连续的视屏中根据实际情况选取多帧图片，尽量保证选取的图片只存在少许的重合部分，再对选出的图片进行其他处理.图1是两幅待拼接的图像A、B.

图1 两幅待拼接的图像A、B

1.2 图像灰度化

将彩色图像转化成为灰度图像的过程为图像的灰度化处理.彩色图像中的每个像素的颜色由R、G、B三个分量决定，而每个分量可以取0～255中的任意一值，这样一个像素点可以有1600多万颜色的变化范围.在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0～255.一般有以下四种方法对彩色图像进行灰度化：

①分量法；②最大值法；③平均值法；④加权平均法.

本文采用加权平均法对图像进行灰度化，公式如下：

其中i，j是一个像素点在图像中的位置，i，j所表示的像素点颜色的红色分量R （i，j），G（i，j），B（i，j）分别表示绿色和蓝色分量，Gray（i，j）表示该点转换后的灰度值.

图2 灰度化的待拼图像A、B.

图2 灰度化的待拼图像A、B

1.3 图像灰度值均衡化

大米图像的直方图均存在以下问题：待拼的图像的灰度级像素点会比较集中，不能很好的表现出图像的层次感.因此，我们可以采用图像灰度值均衡化把待拼图像的像素点拉开，使待拼图像的灰度级范围拉大，这样会使图像更有层次感，能为后面的图像拼接做出更好的效果.

一幅图像灰度级出现的概率近似为：

其中，n是图像中像素的总和，nk是灰度级为rk的像素个数，L为图像中可能的灰度级总数.

图像可以通过以下公式将输入图像的灰度级为rk的各个像素映射到输出图像灰度级为sk的对应像素得到.这就是直方图均衡化.

2 图像匹配算法

2.1 块模板匹配算法

模板配准算法就是在一幅大的图像中搜寻已知模板的算法，找到的目标模板内容同模板应该是相同的.首先要在参考图像中确定一个模板，再通过一定的算法在待拼接图像中找到相类似的目标模板，确定其坐标，实现图像的配准.下面通过图像模板的算法来研究一下具体步骤.

（1）假设待拼接图像A、B的灰度函数为f1（x，y）、f2（x，y）．且设H 和W 为图像的长和宽．

（3）采用全局比较搜索方法，将模板Ｍ 在待拼图像Ａ 上移动，计算模板Ｍ 与待拼图像Ａ 中子图块的相似度，其算法公式如下：

其中i，j代表M模板的左上角在图像A中的对应位置.

（4）设将模板M的左上角移到图像A中的（i，j）位置，模板与A中对应子图块的相似度最小，则为最佳配准位置.

2.2 改进的块模板匹配算法

由大米图片的获取可以知道系统获取大米图有一些有的性质：①获取的大米图片都是参考图像A的右半部分与待拼图像B的左半部分相重合.②A、B两图的重合部分不会超过其中任何一张的一半.③A、B两图的水平位移不会很大.根据大米检测系统获取的这些大米图片的特有性质，我们可以把原来的块模板匹配法进行改进，使得块模板匹配法能更好更快的进行图像匹配.

改进的块模板匹配算法的一般步骤分为：

（1）设待拼接图像A、B 的灰度函数f1（x，y）、f2（x，y）.图像的长宽分别记为H 和W.

（2）根据获取大米图片性质一我们知道图像的重合部分是在参考图像A的右半部分与待拼图片的左半部分，这样我们选取M模板块时可以在B图的右边中间部分选取，记为：M（N，N）.

（3）在图像A中找出最佳匹配位置时可以采取逆向半局搜索的方法，将模板在图像A中从右上角向左下角搜索，且搜索范围只限于A图的右半部分，其匹配算法公式：

其中i，j表示模板M 图右上角的点在图A 中的对应位置.且i＝0，1，2，…，H－1.j＝W－1，W－2，…，W／2.此匹配算法就能实现模板M 在图A 中从右上角往左下角搜索，且只局限于在A图的右半边搜索匹配.

（4）设将模板M 的左上角移到图像ImA中的（i，j）位置，当S能取到最小值时为最佳匹配位置.

（5）计算图A和模板M 的相似性：

则图像A和模板M的相关系数：

当相关系数R越接近于1时，说明模板M与图像A的相似性越大，图片也就越匹配.

2.3 块模板匹配算法的实验结果分析

图像拼接后的图像效果比较如下：

结果比较分析：改进后的块模板匹配算法比没改进的块模板匹配算法的拼接后的图像效果要好，更重要的是它的速度是没改进匹配算法的一倍以上.

3 图像融合算法分析

3.1 图像融合的定义和常用方法

图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像.图像融合技术是数字图像处理中的一种常用技术，在数字图像拼接中主要是用来将拼接后图像中的重叠区域进行融合，使拼接后的图像在视觉上能够保持一致.

图像融合的一般方法有：直接平均法、加权平均法、中值滤波法、多分辨率法.

3.2 渐入渐出融合算法

渐入渐出法是加权平均融合算法中的一种，也是图像融合中会经常用到的算法之一，是使用重叠区域像素与其到重叠区域边界的距离来计算权值.假设f1和f2分别代表待拼接的两幅图像，f代表融合后的图像，则有：

式中，q1和q2分别代表权重值，且有q1＋q2＝1，0＜q1＜1，0＜q2＜1.在渐入渐出的图像融合算法中，q1由1渐变至0，而q2由0渐变至1，通过此种图像融合算法就可以在图像重叠区域中由两幅待拼图像慢慢的过渡到拼接后的图像.本文中拼接图像的融合算法将着重使用此算法.

[1]冈萨雷斯，等.数字图像处理（英文版）[M].电子出版社，2002，（7）.

[2]冈萨雷斯，等.数字图像处理（MATLAB版）[M].电子出版社，2004，（5）.

[3]肖助明.图像处理技术在大米检测系统中的应用与研究[D].湖南科技大学，2007，（4）.

[4]曾奇波.基于图像处理技术的大米质量实时检测系统研究[D].湖南科技大学，2009，（5）.

[5]方贤勇，潘志庚，徐 丹.图像拼接的改进算法[J].计算机辅助设计与图形学学报，2003，（11）.

[6]苗立刚.视频监控中的图像拼接与合成算法研究 [J].仪器仪表学报，2009，（4）.

[7]赵向阳，杜利民.一种全自动稳健的图像拼接融合算法[J].中国图像图形学报，2004，（4）.

[8]Yoon－Seok Choi，Bon－Ki Koo，Ji－Hyung Lee.Template Based Image Mosaics[J].ICEC.2007.

[9]Jani Boutellier，Olli Silven，Marius Tico，Lassi Korthonen.Compputer Vision and Computer Graphics，Theory and Applications[M].Springer Berlin Heidelberg.2008：107－117.

[10]Adam Finkelstein，Marisa Range.Electronic Publishing，Artistic Imaging，and Digital Typography[M].Springer Berlin Heidelberg，2006：11－22.