基于模板匹配的图像拼接技术研究-含Matlab代码

一、引言

图像拼接是将一组具有重叠区域的图像集合拼接成一幅完整的无缝的图像的技术。它包括图像配准和图像融合２部分，虽然目前关于图像拼接技术的原理和方法相对较多，但是还没有一种通用的拼接方法能够快速高效地实现图像的拼接。

图像拼接的关键在于图像的配准，目前常用的配准方法很多，诸如：模板匹配、变换域匹配、基于特征图像匹配等等。由于在设计线阵CCD排列方式的时候，使得每２幅图像间的重叠区域宽度在很小的像素范围内，选择模板匹配算法的实时性优于其他算法。

图像融合中，由于每个CCD的性能参数（标准像元数2048，像元尺寸８μｍ）相同，使用的是同一光源系统（标准平行白光），所以采集到的每２幅图像的重叠区域几何畸变和光照变化非常微小，所以可以采用定位切割的算法大大减少计算量，提高算法的速度。

二、模板匹配原理

模板匹配算法实质是从待匹配图像中取一小块模板窗口，在参考图像中按一定算法寻找同模板具有相同大小尺寸和图像的目标，确定其坐标位置，见图１。

图1 模板匹配原理

让模板Ｔ在Ｓ上搜索移动，模板覆盖下的子图为Ｓ（ｉ，ｊ），（ｉ，ｊ）为这块子图的左上角在Ｓ图中的坐标，即为参考点。比较Ｔ和Ｓ（ｉ，ｊ）的内容，若两者完全一致，则Ｔ与Ｓ（ｉ，ｊ）的差值为０，而此时该点就是目标点。在实际中，２幅图像的重叠区域不可能保证信息的完全一致，因此Ｔ和Ｓ（ｉ，ｊ）的差值为最小即可。

据上述原理，可以用Ｄ（ｉ，ｊ）来衡量Ｔ与Ｓ（ｉ，ｊ）的相似度，Ｄ（ｉ，ｊ）越小，说明窗口越匹配。

因此相关函数：

归一化后：

根据Cauchy-Schward不等式可以得到，０≤Ｒ（ｉ，ｊ）≤１，当模板在参考图上搜索所得最大Ｒ（ｉ，ｊ）处所对应的点（ｉ，ｊ）就是最佳匹配位置。这就是最大相似测度原理。

三、图像融合

在完成图像定位之后，需要对图像重叠区域进行处理，将２幅图像以最优的方法融合成一幅完整的图像。常用的图像融合算法有３种：取单幅图像上的重叠区域；２幅图像重叠区域数据的简单平均；渐进渐出的方法实现平滑过渡。

在２幅图像间的光照变化较大时，为了防止拼接后图像连接处出现明显的接缝，一般采用后２种方法。相比第１种算法而言，后２种算法都计算量相对较大。然而，基于图像采集的过程是在同一个光源系统下进行的，所采用的光源在稳定性和均匀性上非常良好，而且每个ＣＣＤ相机的性能基本一致，这样图像重叠区域的畸变和光照变化相当微小。结合上述因素，考虑到印品检测的实时性，融合算法上选取了第１种算法。

设f1，f2是２幅待融合的图像，将２幅图像在空间上叠加，得到待求图像为：

该算法在完成准确匹配后，得到的融合图像的３个部分分别是：特征模板以左取第１幅图像上数据，特征模板及以右部分均取第２幅图像上的数据。这样就避免了加权的平均运算，提高了运算速度。

四、图像拼接结果

为提高图像序列拼接前后的效果对比，设计了GUI界面，并执行块匹配、融合、拼接的操作流程，最后拼接的结果如图所示

图2 图像拼接结果

五、参考文献

[1] CHOI Yoon-seok, Koon Bon-ki, LEE Ji-hyung. Template Based Image Mosaics[J]. Lecture Notes in Computer Science, 2007: 305-350
[2] 马令坤，张震强．图像拼接方法研究［Ｊ］．微机信息，2007 (02X):303-305.

六、Matlab代码(GUI界面)获取

上述Matlab代码(GUI界面)获取，链接如下：

https://download.csdn.net/download/m0_70745318/87762264

---

博主简介：研究方向涉及智能图像处理、深度学习等领域，先后发表过多篇SCI论文，在科研方面经验丰富。任何与算法、程序、科研方面的问题，均可私信交流讨论。

---