基于Harris和最佳缝合线的图像拼接算法.pdf

基于Harris和最佳缝合线的图像拼接算法

摘要：图像拼接是图像处理技术的一个重要内容，是一种将多张有衔接重叠的

图像拼成一张高分辨率图像的技术。该技术广泛应用于显微图像分析、数字视频、

运动分析、医学图像处理、虚拟现实技术和遥感图像处理等领域[1]。本次方法探

究是为满足不同形态的工件图像拼接要求，得到拼接影像量测工件尺寸，从而对

图像拼接技术做深入探究，提出基于棋盘格标定板角点检测图像拼接的处理方法。

探究基于棋盘格标定板角点特征的图像拼接技术，利用RANSAC算法提高关键点

匹配度，然后为消除拍摄角度产生的尺寸误差，对拍摄的图像进行透视变换，最

后基于C++编程实验实现透视变换后两张图像拼接过程，实验结果证明了拼接方

法的可行性及有效性。

关键词：特征检测匹配；RANSAC；最佳缝合线图像拼接；透视变换；

0引言

图像拼接是一个日益流行的研究领域，它已经成为照相绘图学、计算机视觉、

图像处理和计算机图形学研究中的热点话题。图像拼接所要解决的问题一般表现

为通过对齐一系列的空间重叠图像构造一个无缝的高清晰度的图像，它具有比单

个图像更高的分辨率和更大的视野[2]。对于这些有重叠部分的图像，一边通过两

种方法获得：一种是固定照相机的转轴，然后绕轴旋转所拍摄的照片；另一种是

固定照相机的光心，水平摇动镜头所拍摄的照片[3]。其中前者主要是用于远景或

遥感图像的获取，后者主要用于显微图像的获取还有一种方法是针对于工件测量

的拍摄方式，将相机放于工件上方水平移动拍摄，将拍摄的照片拼接起来。它们

共同的特点都是获得二维图像，但通常由于机械或者场景的不理想导致各衔接图

像不能完全匹配，因此这给拼接图像环节带来了严重问题。

为此，本文就图像拼接出现的严重问题，为了满足不同形态的工件图像拼接

要求，提高拼接的精度，提出一种基于棋盘格标定板角点检测特征匹配的拼接方

法。

1工件图像特征点检测

完成高分辨率图像拼接的第一步是选择准确度较高的图片配准方法，这样才

能找出图片中的关键点(即特征点)[4]。本算法目的在于，利用工件图片，计算出

工件的实际尺寸。在计算过程中，存在由图片像素尺寸到实际尺寸的转换过程，

因此在工件图片中要有一个实际长度已知的标定板来求得像素尺寸与实际尺寸的

转换关系，所以选择尺寸已知的棋盘格标定板作为参考。另外，由于单纯工件图

片缺少特征点以及工件表面粗糙，本文选择以棋盘格标定板上的角点作为图像变

换以及拼接的特征点。准确无误的找到棋盘格内部角点的位置是本文研究的第一

个重要的问题。当今的角点检测算法有好多种，而Harris角点检测算法是最简单

易行的方法。

1.1角点检测

角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。目前

的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点

检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、

基于模板和基于模板梯度组合3类方法，其中基于模板的方法主要考虑像素领域

点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点。

常见的基于模板的角点检测算法有Kitchen-Rosenfeld角点检测算法，Harris角点

检测算法、KLT角点检测算法及SUSAN角点检测算法。和其他角点检测算法相比，

SUSAN角点检测算法具有算法简单、位置准确、抗噪声能力强等特点。而黑白棋

盘格模板角点检测算法又可以分为两大类：第一类是基于图像边缘的角点提取算

法；第二类是基于图像灰度的角点检测算法。基于边缘的角点检测算法的基本思

想是：角点首先是一种边缘上的点，是一种特殊的边界点。该算法的主要缺点就

是对边缘提取算法依赖性较大，如果提取的边缘发生错误或是边缘线发生中断，

将会对角点的提取结果会造成很大的影响。基于图像灰度的角点检测算法所提取

的角点是图像上某点的局部范围内灰度和梯度变化剧烈的点。该算法简单易行，

在实际工作中得到了广泛的应用。

1.2Harris角点检测原理

角点不仅可以说成灰度和梯度变化剧烈的点，也可以说成是信息含量很高的

点。检测出来的这些点对以后的相机标定和图像匹配尤为重要。在一幅图像当中，

Harris角点检测算法认为角点与自相关函数的曲率特性有关。

本文所使用的角点检测算法是Harris角点检测算法，该算法的基本原理是选

择一个目标像素点，并选取一个以该目标像素点为中心的小窗口，计算出窗口沿

任何方向移动后的