1、PDF外文：http:/ 中文 4800 汉字， 2880 单词， 16000 英文字符 出处： Patil T, Mishra S, Chaudhari P, et al. IMAGE STITCHING USING MATLABJ. International Journal of Engineering Trends & Technology, 2013, 4(3). 附录 B B.1 运用 MATLAB 进行图像拼接 Tejasha Patil, Shweta Mishra ,Poorva Chaudhari , Shalaka Khanda
2、le 信息工程学院 P.V.P.P.C.O.E. 孟买， 印度 摘要 图像是我们日常生活中不可或缺的一部分。图像拼接是一种将一系列较小的、重叠的图像处理产生为一幅全景图像的技术。拼接完成的图像通常应用在各种应用程序中，比如交互式全景图像、建筑模拟、多节点电影以及其它从真实世界获取图像的 3D 建模相关的应用程序。 图像处理是信号处理的某种形式，因为它的输入是一幅图像，例如一张相片或是一个视频帧；它的输出也可能是一幅图像，或者是一组图像相关的特征或是参数。大多数的图像处理技术通常将
3、一幅图像看 作一个二维信号，并将其应用在标准信号处理技术中。具体来说，图像拼接能根据特征检测得到最终的图像，其提供了不同的平台来令两幅或多幅具有重叠的图像拼接为了一张无缝的图像。 在这个过程中，尺度不变特征转换 (SIFT)算法 1由于其良好的性能被用于执行检测和匹配控制点的步骤。创造一个自动高效的完整拼接方法的过程导致了对拼接平台不同方法的分析。数个商业与在线软件工具能够用于拼接过程，它们能在不同的情况下提供多种选择。 关键字：无缝拼接图像，全景图像 1. 引言 这个项目的目标是创造一个 Matlab 脚本，能够将两幅图 像拼接在一起，进而生成
4、2 一幅更大的图像。给定一个从空间中某个单一点获取具有各种方向的一系列图像，那么将这些图像映射到一个共同的参考框架中并形成一幅具有更宽视野的完美对齐的大图像也是很有可能的。这通常被称作全景图像拼接。 在我们的实验中，我们认为一个成功的图像拼接算法不仅要在图像重叠的区域能够平滑地过渡，而且还要保持这样的特性，即通常要与我们的视觉感知一致：结构留存：拼接后的图像不应该打破现有结构或是创造出新的显著结构。重叠区域的边缘会因为结构失调而被破坏，造成明显的鬼影现象。对比强烈：人眼对于大的强度变化是很 敏感的。一副拼接后的图像其重叠区域外的对比度不平衡会被人的感知放大。尽管图像重叠
5、区域的结构一致，颜色过渡也相当平滑，但其从左到右不自然的颜色转换依然暴露了输入图像内在不匹配的强烈程度。在拼接过程中，输入图像中目标周围的环境信息也应当被考虑在内。 2. 背景 2.1 现有系统 由于单摄像机其视场是受限的，有时会使用多台摄像机以期望扩大视场范围。图像拼接便是其中的方法之一，这些方法能够被用于去除那些因重叠的视场而造成的冗余信息。但是，图像拼接的常规实施过程对于内存的需求以及计算量的要求是非常高的。在这个项目中， 这个问题是通过执行图像拼接，然后对其压缩，运用条带法解决的。首先，通过将两幅参考图像传输至中间节点来确定拼接参数以完成拼接过程。然
6、后，这些参数被传回视觉节点并储存起来。这些参数将会被用于决定在条带法中即将到来的图像的拼接方式。在完成一条的拼接之后，使用基于条带的压缩技术能够对其进行进一步的压缩。 大多数现有的图像拼接方法产生粗拼接以致于无法处理共同特征，例如，血管、彗星细胞和细胞组织，或是需要用户输入。使用 Levenberg-Marquardt 方法的图像拼接方法可以使得寻找最佳关联点的过程最优化。 Levenberg-Marquardt 方法给出了很好的结果，但是它在计算方面非常昂贵而且容易陷入局部极小值中。这个项目中提供的方法要求最佳关联点的选择遵循以下方式。在理想状态下，当使用电控台时，直接利用预期重
7、叠的知识来寻找最佳关联点。但是，由于平台位置与理想状态的偏离以及平台或相机未对准的原因，重叠区域并不是完美的，当然也肯定无法精确到单个像素点。我们的算法通过寻找期望中心重叠像素点周围的邻域来寻找最佳关联点，克服了以上的问题。因为手动获得图像定位非常不精确，所以为了发现最佳关联点，需要在更大范围内进行搜索。这个3 项目 的目标是创建一个能将两幅图像拼接在一起形成一幅大图像的脚本。图像拼接已经广泛被用于照片类应用程序，也成了为许多摄影师量身打造的不可或缺的工具。这些拼接后的图像成为全景图像后，增加了图像视觉上的美感，因而被海报、明信片以及其他打印材料行业所看好。这个项目将会展示如何利用
8、 Matlab 的图像处理工具箱在两幅图像中使用点对应进行拼接。 2.2 拟建系统 图像处理可以被定义为对图像的技术分析，能够大体上确定图像的色调和颜色。图像先是经过扫描或是数码相机的演算，然后我们对它的位图格式进行处理。这也意味着改善图像，如利用 程序或软件从视频源中提取出一个被扫描或输入的图像，也就是说，输入和输出都是图像，图像处理是对信息的处理。图像处理分为 2 个主要分支，图像增强和图像复原。图像增强是为了提高图像质量，或者是要强调图像中特定的方面，并产生不同于原来的图像。而图像复原，是由于图像受相机系统影响效果，如几何失真影响后，从中恢复原始图像。图像处理不会
9、降低现有数据量而是将它重新分布。 空间滤波： 一个图像可以通过滤波除去某个频带的空间频率，如高频率和低频率。高频率一般出现在亮度变化迅速的位置。而亮度缓慢变化代表低频率。最高频率通常在锋利的 边缘或点处被发现。空间滤波操作包括高通、低通和边缘检测滤波器。高通滤波器突出图像的高频细节而减弱低频信号，达到锐化效果。 锐化： 图像锐化的主要目标是突出图像的细节，或是为了增强被噪音或其它原因将图像变模糊的细节。锐化强调图像的边缘，使之更容易发现和辨认。在锐化图像时，不会有产生新的细节。模糊半径的使用会影响锐化属性。此外，每个像素和其邻域之间的差异也会影响锐化效果。 模糊： 低通滤波器处理图像的视觉效果是模糊图像。这是因为亮度的急剧变化已经减弱为缓慢的亮度变化，使之变得模糊的，且细节减少。模糊可以通过空 间邻域中的像素平均值来获得。模糊的目的是减少相机噪声的影响包括失真的或丢失的像素值。对于模糊效果，主要有 2 种被使用的技术：邻域均值（高斯滤波器）和边缘保持（中值滤波器）。模糊效果可以通过去除视觉上具有扰乱性的高频模式来提高图像的低频细节。从原始图
