1 引言
    自然界是一個豐富的信息源，但由于單一相機視場范圍的限制，無法一次拍攝出視角寬廣的視場。近年來，隨著生物科學(xué)的發(fā)展，人們對于昆蟲復(fù)眼結(jié)構(gòu)及成像機理的認識更為透徹。根據(jù)現(xiàn)有的實驗結(jié)果，昆蟲復(fù)眼由按固定方式排列的許多小的單眼組成，每個小眼都對應(yīng)一個相應(yīng)的小視場，每個小視場又有一部分相互重疊，從而構(gòu)成昆蟲復(fù)眼廣視場角的特征，然后經(jīng)昆蟲神經(jīng)系統(tǒng)處理得到完整的視場信息，人們借鑒“蠅眼”的成像機理，將多個相機放置在不同位置獲取圖像。不同位置的相機覆蓋含有目標物體的整個視場，往往得到一組序列圖像，然而這些圖像中存在大量冗余信息，如何簡單有效地表示真實世界成為目前研究的熱點。
    圖像拼接技術(shù)就是對一組相互間存在重疊區(qū)域的圖像序列實施配準，最后拼接成一幅包含這組圖像序列信息的寬視場、完整的新圖像的技術(shù)。圖像拼接包含圖像的預(yù)處理、最佳拼接縫的定位及圖像的平滑過渡3個過程。

2 圖像拼接技術(shù)
    這里是在焦距、光照等不變的情況下通過拼接沿水平和垂直方向移動相機拍攝到的靜態(tài)圖像來模擬復(fù)眼成像的、基本過程。由于各個相機(“小眼”)的放置位置是按照一定規(guī)則設(shè)置的，且相機移動放置過程中整個系統(tǒng)的光學(xué)參數(shù)和工作時的物距一定，因此所獲得的不同位置的4幅圖的重疊比例也是一定的。圖1為所獲取的相鄰4幅圖像的關(guān)系示意圖。

    獲取圖像后，首先對圖像進行邊緣檢測的預(yù)處理，并確定相鄰圖像在高度、寬度上的重疊程度，利用圖像重疊區(qū)域?qū)?yīng)像素點灰度值的相似性對圖像進行配準，最后對配準后的圖像進行平滑拼接，得到一個大視場范圍的全景圖。
2．1 圖像預(yù)處理
    由于這里所采集的圖像不是在同一時刻同一地點拍攝得到的，光照度的不均以及曝光強度的不同導(dǎo)致在不同角度采集到的4幅圖像的灰度值會有不同程度的偏移。而且拍攝時不可避免的出現(xiàn)各種噪聲、畸變和對比度降低等狀況，也會導(dǎo)致圖像中包含的有效信息減少，如果直接對所采集的圖像進行匹配，往往得不到理想的結(jié)果。為了提高圖像配準的精度和拼接的質(zhì)量，必須先將圖像轉(zhuǎn)化為灰度圖像Gray(i，j)，然后選用不具有方向性的拉普拉斯算子

對灰度數(shù)據(jù)進行銳化處理：
    L(i,j)=Gray(i,j)×H (1)
式中，L(i，j)為銳化后的圖像灰度值。
    經(jīng)銳化處理后，圖像的輪廓更為清晰，邊界更趨于明顯，有利于進一步搜索拼接位置。
2．2 最佳拼接縫的定位
    圖像預(yù)處理可減少圖像匹配工作的盲目性，降低誤匹配概率。圖像配準算法思路：在待匹配的第1幅圖像的重疊部分選取中間間隔一定距離的兩組像素點對應(yīng)的灰度比值作為模板，然后在第2幅圖像中對應(yīng)的重疊區(qū)域搜索最佳匹配位置。減少錯誤匹配現(xiàn)象出現(xiàn)概率的重點在于增加選取的兩組模板的有效信息量，減少干擾信息。具體實現(xiàn)如下：
    以“小眼1”與“小眼2”所成像的匹配算法為例。圖2為兩幅待拼接圖像的示意圖，大小均為(WxH)像素。這兩幅待拼接的圖像為左右重疊關(guān)系，重疊區(qū)域在兩幅圖像中所占比例約60％。圖2中Image11、Image22分別表示Image1、Image2非重疊區(qū)域的圖像，Image12和Image21表示Image1和Image2重疊區(qū)域的圖像。

    (1)在Image12區(qū)域內(nèi)選取連續(xù)的5列像素點，然后選取距離這5列間隔均為span的另外5列上的像素點，將這兩組對應(yīng)像素點的灰度比值集合作為α模板，α模板生成公式為：
   
    (2)同步驟(1)，即：在Image21中從最左邊起依次取間隔為span的兩組像素點，計算其對應(yīng)像素點的灰度比值的集合作為b1模板，b1模板的生成公式為：
   
式中，L(i,j)、R1(i,j)均為經(jīng)銳化處理后的圖像灰度值。
    (3)計算a模板與b1模板絕對差值作為c1模板：
   

   
    對模板c1對應(yīng)的列向量求和，得到用來表示模板a和模板b1灰度相似度的評價函數(shù)sum1，表示為：
   
    (4)在第2幅圖像中右移1列，按照步驟(2)選取對應(yīng)列的像素構(gòu)成b2模板，重新計算c2和sum2；同理再繼續(xù)移動相應(yīng)的列數(shù)得到b2，b3…模板，并計算得到模板c2，c3…和sum2，Sum3…。
    (5)兩幅圖的模板的相似度越高，對應(yīng)的模板c計算出的sum就越小。找出步驟(4)中得到的sum2，sum3．．．中的最小值summmin及其對應(yīng)的坐標(x，y)，即為與 Image，最佳拼接位置。
2．3 圖像的平滑過渡
    經(jīng)圖像配準過程，得到兩幅相鄰圖像的最佳匹配位置。如果僅僅根據(jù)所求得的平移參數(shù)將兩幅圖像簡單地疊加起來求平均，則會導(dǎo)致拼接而成的圖像出現(xiàn)清晰的邊界，圖像拼接的痕跡非常明顯。為了實現(xiàn)圖像的無縫拼接，必須對圖像的重疊部分進行平滑處理。
    為使相鄰兩幅圖像在灰度及顏色上都平滑拼接起來，結(jié)合圖像融合技術(shù)，在拼接圖Image3的重疊區(qū)域中的像素灰度值是由待拼接的兩幅圖像Image1和Image2中對應(yīng)的像素值灰度的加權(quán)平均獲得，其余非重疊區(qū)域的像素保留。具體實現(xiàn)方法如下：

   
    式中，I(x,y)、I1(x，y)、I2(x，y)分別為拼接圖Image3、待拼接圖像Image1和Image2的灰度值，d(0<d<1)是漸變因子，由像素點距離重疊區(qū)域邊緣的距離決定。由此實現(xiàn)Image1到Image2的平滑拼接，得到最終的拼接圖Image3。按照上述算法處理步驟，直到完成相鄰4幅圖像的無縫拼接。

3 仿真實驗數(shù)據(jù)與結(jié)果
    使用Matlab7．1圖像處理平臺，分別對拍攝到的4幅圖像的拼接過程仿真結(jié)果進行說明。圖3所示是4幅待拼接圖像，它們大小相同，以像素為單位，均為243×343。圖4為左右相鄰兩幅圖像的拼接圖。圖5為未經(jīng)過圖像平滑處理的4幅圖像拼接結(jié)果圖。圖6為使用圖像平滑算法處理后的結(jié)果圖，圖像大小為332×448。

    上述算法涉及到模板選取問題，值得注意的是：(1)在圖像配準算法中所提取的特征區(qū)域不僅要具有獨特的特征。而且要含有足夠多的有效信息；(2)選取的每一初始模板a和b1，b2…中兩列的水平間隔應(yīng)不小于20個像素單位，如果間隔距離太小，則可能模板a的灰度值變化不明顯，導(dǎo)致匹配點不準確，造成誤匹配；而且這兩列的間距不能大于重疊寬度，否則第2列可能越界。(3)如果選取的Image2模板中出現(xiàn)黑色像素點(灰度值為0)，則會導(dǎo)致比值無窮大及模板c不存在，即這種算法失效。為避免這種情況出現(xiàn)，可在對拼接效果影響輕微的情況下將待匹配Image2灰度值增加0．000 00001。

4 結(jié)束語
    研究基于相機平移運動模式的圖像拼接算法，對采集到的相鄰4幅圖像進行以下處理：(1)預(yù)處理和圖像邊緣檢測技術(shù)對于圖像的配準十分重要，經(jīng)過銳化后的圖像其邊界將更趨于明顯，大大減少了配準所用時間，提高了匹配的準確性。(2)在圖像匹配算法中增加模板的有效信息量，通過將兩模板對應(yīng)的灰度比值作為評價模板進行匹配對比而確定最佳拼接位置。該算法雖然在計算量上有所增加，但大大增加了匹配的可靠性，具有較好的實用性。(3)利用平滑因子對兩幅圖像的重疊區(qū)域的像素進行融合操作，過渡自然，銜接良好，較好地實現(xiàn)了無縫拼接。
    由實驗結(jié)果可以看出，本文算法合理，可行性強，能夠達到良好的拼接效果。下一步工作是研究如何提高拼接速度，減少縮短時間。