基于特征的二维图像拼接法测量几何量

二维和三维图像测量方法,具有非接触、自扫描、高精度的优点,已得到广泛应用.但在保证高精度的条件下,要实现大范围、多参数测量,单纯提高CCD摄像机性能,往往受到限制,而且成本高.图像拼接技术能够实现上述测量目的,达到较高的性能价格比.二维图像拼接是利用已获得的多幅被测物图像,提取图像间的公共特性,并通过公共特征将多图数据统一到同一坐标下,从而挖掘出数据中的深层次信息.

　　二维图像拼接,依据特征信息提取方法的不同,可以分为基于区域和基于特征两种.基于区域的拼接一般通过求相关系数实现,计算量大,运行时间长;基于特征的拼接可以提取有旋转、平移、缩放不变性的不变量,具有快速、准确的特点,在工业测量中还可人为加入特制标记,使测量更有实用性.本文介绍通过人为加入一点一线的方法实现拼接的原理及实验结果.

1　图像拼接原理

　　二维图像拼接可以采用同一个CCD摄像机,通过移动被测物,获取被测物的不同部分图像;也可用多个CCD摄像机,分别提取被测物不同局部图像,并通过公共特征将多幅图像拼接成一幅完整的图像数据.为了更快速、有效地提取公共特征信息,采用一点一线法可以避免其它方法(如一条线法)在确定平移量、旋转角度以及相对放大因子时的不稳定性.

图1为某样板的两幅局部图像以及拼接完成后的完整图像.图中点A和B′对应同一点,l1和l2对应同一直线,它们是人为加入的特征标志物.对图1a建立如图所示的坐标系XOY,可以提取特征圆的圆心A(xa,ya)和直线方程l1:y=k1x+b1;同理,对图1b建立坐标系X′O′Y′,并提取特征圆的圆心B′(x′b,y′b)和直线方程l2:y′=k2x′+b2.在实验中调整CCD及照明系统,使各CCD光轴与被测物所在平面垂直,且CCD视场光强分布均匀.

　　拼接的目的就是将图1a和图1b中的数据统一到同一坐标下,即将图1b经过缩放、平移和旋转运算,使得点A、B′重合,l1、l2延长线重合.

　　图1b从X′O′Y′坐标系转换到XOY的步骤包括几何变换和灰度变换.几何变换可实现图像之间的缩放、平移和旋转,而灰度变换使得图像灰度信息得到变换.设图1a和图1b可以用数组image 1和image 2′分别表示,则几何关系的变化表示为

式中:β表示image 1和image 2′之间的相对放大因子;SHIFT 1表示将B′点移动到X′O′Y′坐标系原点的平移矩阵;ROT表示绕坐标原点旋转θ的旋转矩阵;SHIFT 2表示将X′O′Y′坐标原点移动到A点的平移矩阵.这样,就实现了多图像数据之间的统一,从而可运用单幅图的处理方法来进行处理.

　　这里需要确定3个特征参数:相对放大因子β,旋转角度θ和平移量.在一点一线法中,相对放大因子β由点线距离的比值决定,旋转角度θ由两直线间的夹角决定,θ=F(k1,k2)=arctg[(k2-k1)/(1+k2*k1)],平移量由特征点在坐标系中的位置平移决定.