纤维图像拼接算法的研究

彭 轶，唐莉萍，陈梦睿

（东华大学a.信息科学与技术学院；b.计算机科学与技术学院，上海 201620）

纤维图像拼接算法的研究

彭 轶a，唐莉萍a，陈梦睿b

（东华大学a.信息科学与技术学院；b.计算机科学与技术学院，上海 201620）

针对全景显示长纤维显微图像的需求，提出一种纤维图像的拼接算法.通过不同方向的细长纤维产生用以拼接的多边形对象.由于块状对象适合于最优化计算，因此，线状特征的块状化转换提高了匹配的稳定性和精度.图像的拼接通过多边形的重叠匹配实现，通过迭代匹配实现多边形的逼近计算.试验证明本文算法能实现细长纤维图像的无缝拼接.

图像拼接；纤维图像；线性相关；迭代匹配

图像拼接是将具有重叠区的多幅数字图像或多帧视频图像通过数字配准和融合，获得单幅宽视场图像或动态全景图［1－2］，它是照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点，广泛应用于医学探查［3－5］、光学观测天文学、卫星遥感和合成孔径雷达（SAR）［6］、视频监控和虚拟现实［7－8］等领域.目前有关图像拼接算法的文献可以分为基于变换域［9－10］、基 于 图 像 特 征［11－12］、基 于 图 像 灰 度［13］共3类.

在对织物纤维的长度自动检测时，由于显微镜跟踪拍摄范围的限制，需要对纤维分图像拍摄，然后通过大图拼接获取完整的纤维信息.目前纤维图像的拼接方法主要有基于边缘特征点的匹配［14］、基于掩码点的匹配［15］以及基于图像灰度的固定模板穷尽搜索匹配算法［16］（简称模板匹配算法）等.基于边缘特征点的匹配较多用于纤维横截面图像的拼接，通过提取图像特征，可以大大缩减图像信息量，具有计算量较小、速度快的特点，但拼接效果的好坏与特征点的提取准确与否密切相关［17］.而模板匹配算法虽不受拼接图像内容的限制，具有精度高、抗干扰性强等优点，但随着模板的增大，运算量将迅速增加.

本文以长纤维纵向图像的准确、快速拼接为研究方向，依据纤维纵向图像的特点，提出一种长纤维显微图像特征提取及其匹配拼接算法.先以基于线性相关度的评价准则，评价不同特征区域对特征提取的稳健性和配准精度的影响.然后根据评价结果，提出利用纤维细长、平滑的外形特征，将纤维重叠区域的线状特征匹配转化为基于块状的特征匹配，通过重叠区域多边形块状的边界信息提取出有效特征，实现迭代匹配.最后将算法应用于纤维样本试验验证.

“可能你看到的是足炉！”彤彤自信地回应说，足炉比手炉大一些，常常是用锡或铜制成的金属壶。最常用的足炉叫“汤婆子”，又称“汤媪”“锡夫人”“脚婆”，使用方法跟现在的热水袋如出一辙，即将壶内注入热水，拧上盖子，包上厚布，放入被窝中焐脚。

1 纤维图像的特点

待拼接的纤维图像如图1所示.由于纤维试样中只包含若干条纤维段，使得采集到的图像与常见的自然图像不同，后者通常包含丰富的内容，而前者除含有少量的纤维目标对象以外，多数部分为背景，图像的内容相对简单.通过观察，纤维图像有以下特点：

（1）前景点（即纤维）形状呈狭长条状，前景点与背景点面积悬殊；

（2）任意两条纤维在弯曲程度和伸展方向上都不完全相同，几乎不存在相互平行的纤维；

（3）相邻两幅图像间的纤维重叠面积相对较小；

自古以来，蓝宝石就有“帝王之石”之称。传说蓝宝石可让佩戴者免遭人妒忌，并可蒙受神灵垂爱，于是古代国王就在颈间配戴蓝宝石，作为避免受伤的强力防御物。19世纪，正是由于一颗被世人誉为“拥有它者必为王”的卡鲁大帝的护身蓝宝石，改变了拿破仑一世和爱妻约瑟芬的命运。

［3］PERIASWAMY S，FARID H.Medical image registration with partial data［J］.Medical Image Analysis，2006，10（3）：452－464.

图1 待匹配的纤维图像Fig.1 Fiber images for matching

结合以上纤维图像特点和对现有拼接算法分析，较小的重叠比例难以达到基于变换域方法的要求；相似区域太多，类似于纹理图像，应用轮廓特征方法的效果不明显；基于图像灰度的方法，模板的大小和位置难以选取.因此，本文提出一种针对细长纤维图像的拼接算法.

2 图像内容对匹配准确度和稳定度的相关性分析

选用何种方法进行匹配，需要依据一个客观的评估标准对匹配结果进行准确度评估.本文用线性相关知识［18］定义评价函数如式（1）所示.

Step 2在当前轮廓点的四邻域内寻找标记不为“已找过”的轮廓点，如果未找到，则转入Step 5，否则进入Step 3；

评价函数的收敛区域与图像拼接的稳定性有关，收敛区域的大小与两个待拼接的图像内容相关.为了解释这个问题，假设有两组待拼接图像，前景点分别是线状（不平行）和块状区域，如图2所示.

图2 待拼接图像内容Fig.2 Images to be spliced

智能半自动法测量患者肝脏体积：在IQQA-Liver自动分析软件中载入原始数据，调整好增强各期顺序后系统读入数据。选择门脉期图像，在大三维模式下，系统会自动根据肝脏解剖位置及肝脏密度勾画出每层的肝实质轮廓，点击“修改”后，用“画笔／高级画笔”功能在二维图像上编辑修正，得到满意全肝轮廓后结束修改，点击“确定”后便得到全肝体积。

但《旧唐书》载“卢鸿一”之名凡五见，可知此非传写之误，而是史官撰写之误。史官何以误书?唐张彦远《历代名画记》卷九《唐朝上》记载:“卢鸿一名浩然，高士也。工八分书，擅画山水树石，隐于嵩山。开元初征，拜谏议大夫，不受。”观此可知:卢鸿，一名浩然。盖史官误读“卢鸿一”为名，于是又改“名”为“字”，遂成此误。《新唐书》卷一九六《卢鸿传》已删订《旧传》衍文“一”字，而“字颢然”则仍袭其误(“浩”“颢”二字通)。关于“卢鸿一”与“卢鸿”之是非，前人已有辩证，可参见清叶廷琯《吹网录》卷二《卢鸿之名下无一字》条，但叶氏所述较为繁杂，条理混乱，故进一步廓清之。

MMC由于直流侧没有集中布置的电容器，为保持直流母线电压正负极对称，需在直流侧或换流变二次侧设置接地点。常见接地方式主要有直流侧经电阻接地、交流侧构造接地点或利用换流变压器接地。

图3 块状和线状区域匹配评价函数的比较Fig.3 Matching evaluation function comparison between block area and linear area

3 纤维图像拼接算法

3.1 目标区域划定

［5］BUTZ T，THIRAN J P.Affine registration with feature space mutual information ［C］／／Medical Image Computing and Computer－Assisted Intervention.London：Springer，2001：549－556.

图4 纤维图像的目标区域（深色填充）Fig.4 The target areas of fiber images（dark color）

对两幅图像进行左右拼接过程中，只要关心相邻的左、右重叠部分的图像内容.拼接之前，先判断重叠区域中能否划定出目标区域.通常单根纤维提取出的单像素连续轮廓在同一像素列上有两个轮廓点，可以通过扫描像素列上的轮廓点总数判断区域内纤维条数.当纤维条数大于1时，可以划定目标区域进行图像拼接；否则认为冗余信息不足，无法完成图像拼接.

3.2 特征提取

图5 纤维轮廓Fig.5 Contours of fibers

对于块状区域拼接，需要多边形块状的边界信息.本文选定的块状区域由y轴方向的两条直线和x方向的两条纤维组成，提取相同x值时y方向上的纤维边界最大差值作为特征提取.为了简化特征提取算法，先对纤维轮廓进行跟踪分段处理.具体步骤如下：

Step 1在纤维轮廓上任意选取一点作为当前轮廓点，记录其x坐标值作为xmax；

如 100 JD 36×6中，100为适用于最小井径100 mm，JD为深井多级泵，36 为流量（m3/h），6 为叶轮级数；

以绿色建筑评价为核心的集成软件系统正在形成，目前已开发完成的10个软件是该集成系统中的重要组成部分。逐渐摆脱了用户只能使用国外软件才能设计计算的困境，我们直接面对市场，面对我国用户，达到了用户使用成本低，价格便宜，符合中国标准，使用方便，服务到位。同时，企业在研发过程中，不断学习新技术，不断增加核心部分，使企业在绿色建筑设计领域的竞争力大幅度提高。

(4)注重社会合作。美国高校向社会提供大型仪器设备的开放共享，其不仅面向学校、科研院所进行资源共享，更是对整个美国社会开放共享，这种高度开放的形式，有利于整个社会的科技进步，对美国高校而言，一是可以带来较大资金收益，二是降低了大型科学仪器设备的空置率和浪费，提高了大型科学仪器设备的使用效率和科研产出，是双赢的共享模式。

Step 4标记当前轮廓点为“已找过”，将新找到的轮廓点作为当前轮廓点，返回Step 2；

Step 5标记当前轮廓点为“已找过”，其灰度值与上一个轮廓点保持一致，纤维轮廓跟踪分段操作结束.

图6 轮廓跟踪前、后放大图Fig.6 The enlargement before and after contour tracking

经上述操作，图5所示的纤维轮廓被划分为6个线段，如图7（a）所示.将每段纤维轮廓点按x坐标值从小到大顺序存储.程序从左到右、从上到下进行扫描时，依次对跟踪到的每一段纤维轮廓按顺序标号，第一段标记为0，第二段标记为1，依此类推.如果将每个线段标号作为纤维轮廓的第3个坐标z坐标，则可以认为图5中的每个线段处于不同的z平面上，如图7（b）所示，它们在x－z平面内的投影如图7（c）所示.此时，只需对同一个x坐标轮廓点的各轮廓线段分别计算两两之间的y坐标值之差，将最大差值的两个轮廓线段作为x对应的特征值.

图7 轮廓段分布示意图Fig.7 Schematic diagram of contours distribution

3.3 迭代匹配

通过特征提取得到每一个x坐标对应的特征值，即特征序列.图8（a）和8（b）分别是图1（a）和1（b）待拼接的纤维图像的特征序列.记图1（a）为A，图1（b）为B.若相邻两幅图像A和B可以拼接，则待拼接区域（即两幅图像的重叠部分）的特征序列必定部分一致，也即一定有块状区域重合，因此，可以通过在两幅图像的重叠部分寻找块状区域相似的方法进行图像匹配.匹配采用逐层推进的迭代方式，具体步骤如下所述.

2、缺乏自信心，意志不坚定。中职生在以前的初中已经被冠以“差生”头衔，很少得到老师的表扬和同学的尊重以及肯定，认为自己不行，在严重缺乏自信的情况下使他们越来越不愿意学习，甚至害怕学习，这样的心态，何谈学习积极性。

（3）按一定步长δ分别取xe＝xs－δ处的特征值Fe和xe′＝xs′－δ处的特征值Fe′，经比较，如果满足Fe′＝Fe，表明在两张图像的相邻区域找到了两个面积相等的梯形区域，转入步骤（5）迭代运算，进行梯形区域细节特征匹配.否则转入步骤（4）.

（4）利用二分法确定δ＝0.5×δ，转入步骤（3）.

（6）迭代次数加1，当连续迭代次数超过设定次数，认为两梯形区域重合，迭代结束，相应部分图像可以拼接；否则xe＝xn，xe′＝xn′，转入步骤（5）继续迭代.

（7）在图像B的重叠部分中，从xs′位置开始，继续往右遍历，找到下一个Fs′＝Fs的位置xs′，转入步骤（3）；否则无法完成拼接，换另一张图像重新处理.

‘花杆实心竹’与昆明实心竹的关键区别在于其秆具有宽窄不一的金黄色条纹，秆箨紫色纵条纹不明显，近无毛；笋淡黄色，紫色纵条纹不明显，且近无毛。两者的特征对比见图1—图3。

图8 迭代匹配Fig.8 Iterative matching

4 试验结果及分析

在应用本文算法进行纤维图像拼接试验时，发现光照不均和两幅相邻图像存在亮度差异对拼接效果影响很大.

4.1 光照不均对拼接效果的影响

显微镜的点光源使得纤维图像存在光照不均匀，图像中央区域的信号强度增大，离开中心区域的图像强度值降低，造成了图像中过亮或过暗的区域中出现部分纤维信息的丢失，出现几何失真，严重影响轮廓特征的提取，如图9所示.

图9 光照不均引起轮廓信息模糊Fig.9 Contour information fuzzy caused by the uneven light

为此，在图像预处理过程，增加了光照不均修正算法，先利用均值滤波对图像进行平滑，然后通过计算离均差求得特征集合，再利用特征点对原始图像进行线性迭代修正，最终实现单一光源的平衡.

莫言用优美的笔调营造了一个生机弥漫的红高粱世界。书中无处不在的茁壮、浓密、顽强的红高粱隐喻着生命的顽强，无边无际的高粱地是高密人爱恨情仇、精忠报国的场所。生活在汪洋血海的高粱地里的高密人，虽然面临贫穷、仇恨和死亡等痛苦和磨难，但同时逆境也激发了他们昂扬的斗志和张扬的个性。个体生命的张扬、毁灭、肢解都与红高粱地相融合。

4.2 相邻图像亮度差异对拼接效果的影响

［4］WU F，FANG X.A new global registration algorithm for image mosaic［C］／／Proceedings of the 7th WSEAS International Conference on Signal，Speech and Image Processing.Beijing，China，2007：136－140.

图10 相邻图像亮度差异引起的拼接痕迹Fig.10 Traces of mosaic caused by brightness difference of adjacent images

为了消除拼接痕迹，实现图像的无缝拼接，对图像的重叠部分进行了平滑处理.平滑处理的主要思想是在图像的重叠部分中，像素的灰度值由前一幅图像逐渐过渡到第二幅图像，将图像重叠区域的像素值按一定的权值相加合成新的图像.

图11 线性过渡示意图Fig.11 Schematic diagram of linear transition

针对试验中出现的问题，采用上述对策成功解决了光照不均和相邻两幅图像亮度差异对图像拼接造成的不良影响.这里给出一部分纤维采样图像拼接试验的结果，图12是成功拼接的图像.

图12 纤维图像拼接成功Fig.12 Mosaic success for fiber images

算法的拼接效果受杂质剔除的结果影响也会出现拼接失败现象.如图13所示，在拍摄纤维图像时，显微镜的移动造成图13（a）中的完整杂质在图13（b）中只显示了一部分.在进行杂质剔除时，图13（b）中的部分杂质由于面积小于设定阈值，满足剔除条件被剔除；而图13（a）中的杂质面积大于阈值仍被保留.如图13（c）矩形所示，图13（a）中保留下来的杂质被误认为是纤维的一部分，参与了目标区域划分过程；在图13（b）的重叠区域中这个目标区域不存在，因而对提取的特征无法进行匹配，造成无法拼接的后果，使得拼接失败，这是后期研究需要进一步解决的问题.

图13 纤维图像拼接失败Fig.13 Mosaic failure for fiber images

5 结 语

本文通过对已有的拼接算法的研究分析，结合纤维的独特外形，提出一种适用于长纤维显微图像特征提取及其匹配拼接算法.依据线性相关度的评价准则，对基于线状和块状特征匹配的稳健性和配准精度进行了讨论，提出了利用纤维细长、平滑外形特征进行重叠区域目标块状区域的划分，将基于线状的特征匹配转化为基于块状的特征匹配.通过多边形块状的边界信息提取出有效特征，实现迭代匹配.本算法通过大量的纤维样本试验验证，除少数由于纤维杂质剔除错误造成的拼接失败以外，均获得了理想的结果.

参 考 文 献

［1］HSU S，SAWHNEY H S，KUMAR R.Automated mosaics via topology inference［J］.IEEE Computer Graphics and Application，2002，22（2）：44－54.

控制系统加入前馈补偿功能后，一旦出现LNG流量或者压力的扰动，前馈调节器就根据扰动的大小补偿对被控量的影响。只要前馈函数设置相对合理，实现近似补偿是可行的。

［2］BROWN M，LOWE D G.Recognising panoramas［C］／／Proceedings of the Ninth IEEE International Conference on Computer Vision.Nice，France，2003：1218－1225.

目前，高校请假条类型主要为事假与病假。通过“审批”中的表单设计，能够实现纸质假条向电子假条转化的目的。在电子请假条中，学生可以采用拍照等手段提供佐证材料说明请假理由。电子请假条的使用能够有效打破时间和空间的限制，节约了时间成本，提高工作效率。

（4）为了保证在对分图像进行拼接时不遗漏纤维信息，各个分图像在采集时都需要和毗连的图像间有重叠区域，系统中每一个分图像的大小为800像素×600像素，左右的重叠部分约取160个像素，上下的重叠部分约取120个像素.

Step 3比较新找到的轮廓点的x坐标值与当前轮廓点的x坐标值，如果x值增大，则将当前轮廓点的灰度值置为125，并记录新轮廓点的x坐标值作为xmax；如果x值减小，则将当前轮廓点的灰度值置为0；如果两个坐标值相等，则当前轮廓点的灰度值与上一个轮廓点的灰度值保持一致，如图6所示；

图像经光照不均修正以后，消除了光照不均对纤维轮廓提取的影响，准确地计算出纤维轮廓，提取出图像匹配所需要的特征，可以根据这些特征完成图像拼接.但是试验中发现待拼接的相邻两张图像如果存在亮度差异，就会在拼接图像的交接处出现清晰的边界，图像拼接的痕迹非常明显，如图10所示.

由于块状图形在匹配稳定性方面优于线状图形，因此对细长条状纤维图像的拼接，可以改进目标区域的选定方法，将图像中的多条纤维近似为多条曲线，在图像的垂直（或水平）方向任意作多条直线，将它们与纤维“曲线”之间所围成的闭合区域作为目标区域.如图4中直线段AC和BD及“曲线段”AB和CD所围成的块状区域，从而实现线状区域匹配到块状区域匹配的转变.目标区域的内部是背景图像，前景图像作为目标区域的部分轮廓.

［6］YAO H Y，SUN W F，LI P，et al.Research on evaluation methods of SAR image mosaic effect ［J］. Computer Engineering，2010，36（15）：196－198.

［7］SZELISKI R.Image alignment and stitching：A tutorial［J］.Foundations and Trends in Computer Graphics and Vision，2006，2（1）：1－104.

［8］BROWN M，SZELISKI R，WINDER S.Multi－image matching using multi－scale oriented patches［C］／／Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Diego，USA，2005：510－517.

［9］ZOKAI S，WO