摘 要

本文通过借助Visual Studio 2015的开发环境以及外部的图像处理库OpenCV3.4.1设计了针对显微图像拼接的系统。图像拼接在导航系统、航空航天、虚拟现实、智能环境监测、医疗影像等领域都具有非常广泛的应用。显微图像虽然可以在人类视觉无法观察的领域为人类研究提高宝贵的参考意见，但是受制于显微图像的获取方法以及获取仪器，高倍率显微图像只能观察到微小区域，显微图像的清晰度与观察范围二者很难兼得。因此在获取高分辨率微图像后对其进行拼接，将多张小区域的高分辨率显微图像拼接成一幅大区域高分辨率显微图像，既可以观测到大范围区域，又可以保证图像的高分辨率。图像拼接技术是由多步流程共同组成，但其中最为重要的两个步骤是图像的配准与图像的融合，而拼接后的图像无明显拼接痕迹与畸变是我们对拼接结果的基本要求，与原始图像最大程度相似也是确定图像拼接是否合格的标准。图像配准是图像拼接技术是图像拼接技术的第一个关键。目前图像配准的两个主要手段为手动配准与自动配准。对待拼接图像进行广义匹配是我们对图像匹配的通常定义。由于待匹配图像中通常存在灰度值、分辨率、位置平移旋转等差异，就需要进行图像配准来消除上述的差异，以确定图像之间的最佳匹配关系，为进一步工作做准备。

本系统可直接将待拼接图像输入至图像库，即可获得拼接后图像。可解决显微图像在保证图像清晰度的前提下提高图像覆盖面积的问题。

关键词：显微图像；SIFT算法；RANSAC；融合；重叠边界处理

Abstract

With the help of Visual Studio 2015 development environment and external image processing library OpenCV3.4.1 this paper designs a system for image splicing. The system can directly input the image to be spliced into the image library, and then obtain the spliced image.Although the microscopic image can provide valuable reference for human research in the field that cannot be observed by human vision, the high-magnification microscopic image can only be observed in tiny regions due to the acquisition method and acquisition instrument, and it is difficult to have both the clarity of the microscopic image and the observation range. Therefore, after obtaining the high-resolution micro-image, splicing the high-resolution micro-image from several small areas into a large-area high-resolution micro-image can not only observe the large-area, but also ensure the high-resolution image. Image Mosaic technology is composed of multi-step processes, but the two most important steps are image registration and image fusion. The basic requirement for the Mosaic result is that the image after Mosaic has no obvious stitching trace and distortion, and the maximum similarity with the original image is also the standard to determine whether the image Mosaic is qualified. Image registration is the first key of image Mosaic technology. At present, two main means of image registration are manual registration and automatic registration. The generalized matching for spliced images is our general definition of image matching. As there are usually differences in gray value, resolution, position translation and rotation in the images to be matched, image registration is required to eliminate the above differences, so as to determine the best matching relationship between images and prepare for further work.

It can solve the problem that the microscopic image can not obtain the clarity and the image coverage area simultaneously.

Keywords: microimage; SIFT algorithm; RANSAC; fusion; overlapping boundary processing

目录

摘要 3

Abstract 3

第1章 绪论 1

1.1 图像拼接技术研究背景和意义 1

1.2国内外研究现状 2

1.2.1国外研究现状 2

1.2.2 国内研究现状 3

1.3 论文的主要内容与章节安排 4

1.3.1论文的主要研究内容 4

1.3.2 论文的章节安排 4

第2章 图像拼接原理 6

2.1 图像拼接步骤 6

2.2 显微图像获取 6

2.3图像拼接算法分类 6

2.3.1基于区域的拼接方法 6

2.3.2基于特征的拼接方法 7

第3章 图像预处理 8

第4章 SIFT拼接算法的实现 10

4.1 SIFT算法 10

4.1.1 尺度空间极值点检测 10

4.1.2 确定特征点的主方向 11

4.1.3关键点特征描述 12

4.2 透视变换 13

4.3 RANSAC算法流程 13

4.4 融合 14

4.5 重叠边界处理 16

第5章 程序集成与实验分析 16

5.1 动物肾切片细胞显微图像拼接 18

5.2 手机后置芯片图像拼接 21

5.3 储存卡图像4x4拼接 23

第6章 展望与总结 25

6.1 总结 25

6.2 展望 25

参考文献 26

附录 28

致谢 35

第1章 绪论

1.1 图像拼接技术研究背景和意义

图像拼接技术是将同一场景中的一系列图像或一对图像进行拼接，使之部分重合，形成具有大视角的高分辨率图像的图像处理技术，如图 1.1 所示，图 1.1为待拼接图像与图像对应的坐标位置，该图像为这一系列图像拼接而成的全景图像，图像中各个颜色方框代表原图在全景图中的位置，图 1.2为5 幅图像的全景拼接图。

图1.1 待拼接图像与对应位置