本發(fā)明涉及數(shù)字圖像處理
技術(shù)領(lǐng)域：
，特別涉及一種相鄰顯微圖像低重合率下無縫拼接的方法。
背景技術(shù)：
：生物樣本的顯微鏡檢觀察一直存在非常耗時(shí)且效率低下的問題，目前全自動(dòng)鏡檢平臺逐步代替原有的人工鏡檢，這大大地節(jié)省了人力。為了獲得大視野大場景的顯微圖像，需要對多場景下的圖像進(jìn)行拼接。若全自動(dòng)鏡檢機(jī)需要n個(gè)不同小視野下的大視野圖像，這需要有效地把這n個(gè)顯微圖像拼接成一副無縫圖像，以備后續(xù)實(shí)現(xiàn)生物樣本的自動(dòng)分類、識別與計(jì)數(shù)。圖像拼接應(yīng)用于工業(yè)測量，其核心技術(shù)為圖像配準(zhǔn)技術(shù)，包括模板配準(zhǔn)方法、相位相關(guān)度法和特征匹配法。這些方法以相鄰圖像的重疊區(qū)域?yàn)榕錅?zhǔn)基礎(chǔ)，依賴于圖像本身的特征進(jìn)行配準(zhǔn)，因此拼接精度不高，計(jì)算量非常大，對重疊區(qū)域的重疊比例要求比較高，有的甚至要達(dá)到50％以上的重疊比例。當(dāng)測量物鏡倍數(shù)較高時(shí)，測量視場本身已經(jīng)比較小的情況下，大的重疊比例嚴(yán)重制約了拼接對測量視場面積的擴(kuò)大，特別是當(dāng)重疊區(qū)域沒有明顯的特征時(shí)，甚至?xí)霈F(xiàn)無法匹配的情況。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種低重合率顯微圖像的無縫拼接方法，該方法能夠有效地提高多場景下圖像拼接的精度與速度。實(shí)現(xiàn)本發(fā)明的技術(shù)方案是：一種低重合率顯微圖像的無縫拼接方法，該方法包括以下步驟：步驟1：選取參考圖和待拼接圖的感興趣區(qū)域（roi），對roi進(jìn)行預(yù)處理；步驟2：提取roi的surf(speed-uprobustfeature)特征點(diǎn)，采用flann(fastlibraryapproximatenearestneighbors)方法對特征點(diǎn)進(jìn)行粗匹配；步驟3：根據(jù)兩幅圖像的偏移范圍剔除空間距離過大的匹配對；步驟4：統(tǒng)計(jì)余下匹配對的空間距離的離散分布，以最大分布概率所對應(yīng)的區(qū)間為標(biāo)準(zhǔn)范圍，進(jìn)一步剔除誤匹配對；若匹配對不足，返回前述步驟，修改特征提取參數(shù)及匹配參數(shù)，以獲取更多匹配對；步驟5：根據(jù)余下匹配對，計(jì)算兩幅圖像的位置關(guān)系；步驟6：對待拼接圖進(jìn)行亮度調(diào)整，采取加權(quán)平均法對圖像進(jìn)行融合；其中：所述低重合率為相鄰圖像間的重合率在3%～11%之間。所述步驟1具體為：讀取參考圖像i0(x,y)和待拼接圖像i1(x,y)，選取兩幅圖中包含重疊部分的臨近區(qū)域作為感興趣區(qū)域roi，采用中值濾波法去除roi中的噪聲點(diǎn)，其中，濾波窗口大小設(shè)置為3×3；采用直方圖均衡化的方法，擴(kuò)大其動(dòng)態(tài)范圍，以增強(qiáng)圖像的對比度。所述步驟2具體為：分別提取roi中的surf特征點(diǎn)，每個(gè)特征點(diǎn)用一個(gè)等長的特征向量描述，提取出的特征點(diǎn)集分別記為f0和f1；采用flann方法，對于f0中的每個(gè)特征點(diǎn)，在f1中找出與之特征向量距離最小的k個(gè)點(diǎn)，k=2，若最小距離與次小距離的比值小于一定閾值，則認(rèn)為最小距離所對應(yīng)的點(diǎn)是匹配的；否則，認(rèn)為f0中的該特征點(diǎn)在f1中是沒有與其匹配的特征點(diǎn)；其中，一定閾值初始值設(shè)為0.5。所述步驟3具體為：根據(jù)多次所采集圖像樣本的特征，圖像重疊率在3%~11%之間，垂直方向的偏移量在5%以內(nèi)，取較大邊界11%和5%，得出對應(yīng)的邊界偏移量，以此為門限，對粗匹配結(jié)果中的每對匹配點(diǎn)，判斷其空間距離是否滿足該門限條件，滿足則保留；不滿足則視為誤匹配被剔除。所述步驟4具體為：將匹配點(diǎn)對的空間距離劃分為多個(gè)步長相等的區(qū)間，將空間距離離散化；對上一步所保留下來的所有匹配對，計(jì)算匹配對空間距離的離散分布情況；若次最大概率與最大概率的比值小于一定閾值t，則選取最大概率所對應(yīng)區(qū)間為標(biāo)準(zhǔn)范圍；若該比值大于一定閾值，且次最大概率與最大概率所對應(yīng)區(qū)間相鄰，則選取這兩個(gè)相鄰區(qū)間的中間段作為標(biāo)準(zhǔn)范圍；其他情況，則返回步驟2，改變surf特征點(diǎn)的提取參數(shù)，以及flann匹配的參數(shù)，以獲取更多的匹配點(diǎn)對；依次判斷每一對保留下來的匹配點(diǎn)對的空間距離是否滿足該標(biāo)準(zhǔn)范圍，滿足條件的作為正確匹配對保留，不滿足的視為誤匹配對被剔除；判斷最終保留下來的匹配對數(shù)是否達(dá)到一定數(shù)量，若數(shù)量不足，返回步驟2，改變surf特征點(diǎn)的提取參數(shù)，以及flann匹配的參數(shù)，以獲取更多的匹配點(diǎn)對；其中，一定閾值t取值范圍為0.4~0.6。所述步驟5具體為：對最終保留下來的匹配點(diǎn)對，根據(jù)匹配點(diǎn)的空間位置，采用平均法求取參考圖像和待拼接圖像的空間偏移量，確定兩者之間的位置關(guān)系。所述步驟6具體為：根據(jù)上一步得出的兩幅圖像的相對位置關(guān)系，確定兩幅圖像的真正重疊區(qū)域；分別計(jì)算參考圖像和待拼接圖像間重疊區(qū)域的rgb顏色均值，得到參考圖像的各顏色分量均值r0，g0，b0，以及待拼接圖像的各顏色分量均值r1，g1，b1；待拼接圖像的顏色均值減去參考圖像的顏色均值，得到顏色差值dr，dg，db，以此作為兩幅圖像的整體亮度差值；對待拼接圖像的每個(gè)像素點(diǎn)，各顏色分量分別加上dr，dg，db，以將其亮度水平調(diào)整到與參考圖像一致；對參考圖像和經(jīng)過亮度調(diào)整的待拼接圖像重疊區(qū)域的每個(gè)像素點(diǎn)，根據(jù)其所在位置，設(shè)置不同的權(quán)重，用漸進(jìn)漸出的加權(quán)平均方法，對重疊區(qū)域進(jìn)行融合，非重疊區(qū)則直接復(fù)制原圖。本發(fā)明的有益效果是：本發(fā)明所提出的一種低重合率下的顯微圖像無縫拼接方法，在相鄰圖像低重疊率的情況下采用改進(jìn)的surf特征點(diǎn)配準(zhǔn)方法，有效提取圖像特征并提高特征匹配的效率和精度，從而提高圖像拼接的質(zhì)量和拼接速度。附圖說明圖1為本發(fā)明提供的獲取的圖像序列示意圖；圖2為本發(fā)明的流程圖；圖3為本發(fā)明改進(jìn)的基于特征點(diǎn)的圖像拼接方法流程圖；圖4為本發(fā)明提供的圖像增強(qiáng)對特征點(diǎn)提取效果的影響示意圖；圖4(a)是未進(jìn)行圖像增強(qiáng)采用surf算法提取的特征點(diǎn)；圖4(b)是對圖像增強(qiáng)采用surf算法提取的特征點(diǎn)；圖5為本發(fā)明提供的方法以及其他匹配方法的效果對比圖；圖5(a)是flann粗匹配的效果圖、圖5(b)是采用ransac算法對圖5(a)進(jìn)行誤匹配剔除后的效果圖、圖5(c)是采用改進(jìn)的特征點(diǎn)匹配方法對圖5(a)剔除部分誤匹配后的效果圖；圖6為本發(fā)明提供的采用亮度調(diào)整對融合質(zhì)量提升的效果圖；圖6(a)是參考圖像、6(b)是待拼接圖像、6(c)是未進(jìn)行亮度調(diào)整直接對圖像融合后的效果圖、6(d)是進(jìn)行亮度調(diào)整而后對圖像融合后的效果圖；圖7為采用本發(fā)明的圖像拼接方法針對4×4的采集圖像，拼接出來的效果圖；圖7(a)是原始的4×4的皮膚采集圖像、7(b)是原始的4×4的結(jié)核桿菌采集圖像；圖7(c)是拼接后的皮膚圖像、7(d)是拼接后的結(jié)核桿菌圖像。具體實(shí)施方式為了更加清楚明白地說明本發(fā)明所述的技術(shù)手段、技術(shù)改進(jìn)及有益效果，以下結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)的說明。自動(dòng)鏡檢平臺多采用步進(jìn)電機(jī)控制載物臺的運(yùn)動(dòng)，由于步進(jìn)電機(jī)在精度方面的特性以及在運(yùn)動(dòng)過程中存在的回差問題，連續(xù)平移后采集到的圖像并不能保證在x軸和y軸的絕對對齊，總略有偏差，圖1是自動(dòng)鏡檢機(jī)獲取的圖像序列示意圖；但步進(jìn)電機(jī)總體上控制精度還是很高的，因此針對自動(dòng)鏡檢機(jī)下獲得的顯微圖像拼接問題，本發(fā)明所提供的一種基于低重合率下的顯微圖像無縫拼接方法，參見圖2和圖3，包括以下幾個(gè)步驟：s101：選取參考圖和待拼接圖的感興趣區(qū)域（roi），對roi進(jìn)行預(yù)處理。該步驟具體為：讀取參考圖像i0(x,y)和待拼接圖像i1(x,y)；選取i0(x,y)和i1(x,y)中包括重疊區(qū)在內(nèi)的鄰近區(qū)域作為感興趣區(qū)域（roi），記為ir0和ir1；采用中值濾波法對ir0和ir1進(jìn)行濾波以去除異常點(diǎn)，其中中值濾波的窗口大小設(shè)置為3×3，處理后的圖像記為ir0’和ir1’；對ir0’和ir1’，采用直方圖均衡化的方法，擴(kuò)大其動(dòng)態(tài)范圍，以增強(qiáng)圖像的對比度，處理后的圖像記為ir0’’和ir1’’。s102：提取roi的surf特征點(diǎn)，采用flann方法對特征點(diǎn)進(jìn)行粗匹配。該步驟具體為：分別提取ir0’’和ir1’’中的surf特征點(diǎn)，提取出的特征點(diǎn)集分別記為f0和f1；采用flann方法，對于f0中的每個(gè)特征點(diǎn)，在f1中找出與之特征向量距離最小的k（k可設(shè)為2）個(gè)點(diǎn)，若最小距離與次小距離的比值小于一定閾值（初始值設(shè)為0.5），則認(rèn)為最小距離所對應(yīng)的點(diǎn)是匹配的；否則，認(rèn)為f0中的該特征點(diǎn)在f1中是沒有與其匹配的特征點(diǎn)；匹配對集合記為m1。s103：根據(jù)兩幅圖像的偏移范圍剔除空間距離過大的匹配對。該步驟具體為：根據(jù)多次所采集圖像樣本的特征，圖像重疊率在3%~11%之間，垂直方向的偏移量在5%以內(nèi)，取較大邊界11%和5%，得出對應(yīng)的邊界偏移量，以此為門限，對m1中每對匹配點(diǎn)，判斷其空間距離是否滿足該門限條件，滿足則保留；不滿足則視為誤匹配被剔除。保留下來的匹配對組成的集合記為m2。s104：統(tǒng)計(jì)余下匹配對的空間距離的離散分布，以最大分布概率所對應(yīng)的區(qū)間為標(biāo)準(zhǔn)范圍，進(jìn)一步剔除誤匹配對；若匹配對不足，返回s102，修改特征提取參數(shù)及匹配參數(shù)，以獲取更多匹配對。該步驟具體為：將m2中匹配點(diǎn)對的空間距離劃分為多個(gè)步長相等的區(qū)間d1,d2,d3,…dn，將空間距離離散化；對m2中的所有匹配點(diǎn)對，計(jì)算其空間距離的離散分布情況，即落在各個(gè)區(qū)間的概率；最大概率記為p1,次大概率記為p2,p2與p1的比值記為ratio；若ratio的值小于一定閾值（取值范圍為0.4~0.6），選取p1所對應(yīng)的區(qū)間作為標(biāo)準(zhǔn)區(qū)間ds；若ratio大于一定閾值，且p1與p2所對應(yīng)的區(qū)間相鄰，則選取這兩個(gè)區(qū)間的中間段作為標(biāo)準(zhǔn)區(qū)間ds；其他情況，則返回步驟s102，改變surf特征點(diǎn)的提取參數(shù)，以及flann匹配的參數(shù)，以獲取更多的匹配點(diǎn)對；依次判斷m2中每一對匹配點(diǎn)對的空間距離是否屬于標(biāo)準(zhǔn)區(qū)間ds，屬于ds的作為正確匹配對保留，不屬于的視為誤匹配對被剔除，保留下來的匹配對的集合記為m3；判斷m3中的匹配對數(shù)是否達(dá)到一定數(shù)量，若數(shù)量不足，返回步驟s102，改變surf特征點(diǎn)的提取參數(shù)，以及flann匹配的參數(shù)，以獲取更多的匹配點(diǎn)對。s105：根據(jù)最終保留下來的匹配點(diǎn)對，計(jì)算參考圖像和待拼接圖像間的位置關(guān)系。該步驟具體為：對m3中的匹配點(diǎn)對，根據(jù)匹配點(diǎn)的空間位置，采用平均法求取參考圖像和待拼接圖像的空間偏移量，確定參考圖像和匹配圖像間的位置關(guān)系。s106：對待拼接圖像進(jìn)行亮度調(diào)整，采取加權(quán)平均法對圖像進(jìn)行拼接融合。該步驟具體為：根據(jù)上一步得出的兩幅圖像的相對位置關(guān)系，確定兩幅圖像的真正重疊區(qū)域，i0(x,y)中的重疊區(qū)記為r0,i1(x,y)中的重疊區(qū)記為r1；分別計(jì)算r0和r1的rgb顏色均值，得到r0的各顏色分量均值r0，g0，b0，以及r1的各顏色分量均值r1，g1，b1；r1，g1，b1與r0，g0，b0分別作差，得到顏色差值dr,dg,db，以此作為兩幅圖像的整體亮度差值；對待拼接圖像i1(x,y)的每個(gè)像素點(diǎn)，各顏色分量分別加上dr,dg,db，結(jié)果記為i1’(x,y)，以將i1(x,y)的亮度水平調(diào)整到與參考圖像i0(x,y)一致；對i0(x,y)和i1’(x,y)重疊區(qū)域的每個(gè)像素點(diǎn)，根據(jù)其所在位置，設(shè)置不同的權(quán)重，用漸進(jìn)漸出的加權(quán)平均方法，對重疊區(qū)域進(jìn)行融合，非重疊區(qū)則直接復(fù)制原圖，得到拼接圖像imosaic。表1為本發(fā)明提供的應(yīng)用本發(fā)明方法以及應(yīng)用ransac方法提高匹配精度所耗費(fèi)時(shí)間的對比圖。表1精匹配方法ransac(s)本發(fā)明提供的方法(s)皮膚細(xì)胞圖0.1400.027結(jié)核桿菌圖0.5130.021綜上所述，本發(fā)明所提出的一種顯微圖像下低重合率的圖像無縫拼接方法，在配準(zhǔn)方法上基于surf特征點(diǎn)，進(jìn)一步通過圖像增強(qiáng)方法提高圖像的對比度，使圖像的特征更為突出，利用flann算法對提取出的特征點(diǎn)進(jìn)行粗匹配，而后采用基于匹配點(diǎn)之間空間距離特征的方法，逐步剔除粗匹配結(jié)果中的誤匹配點(diǎn)對；若保留下來的正確匹配點(diǎn)對不足，可通過調(diào)整surf特征點(diǎn)的提取參數(shù)，以及flann匹配的參數(shù)，以獲取更多的匹配點(diǎn)對，從而提高配準(zhǔn)精度；由于參考圖像和待拼接圖像會有一定的色差，通過圖像亮度調(diào)整可大幅度提高圖像融合后的效果。利用本發(fā)明方法為后續(xù)利用大視野的顯微圖像進(jìn)行組織分析提供有效數(shù)據(jù)。根據(jù)不同的應(yīng)用背景，本發(fā)明經(jīng)過適當(dāng)?shù)男薷耐瑯舆m用于其他相關(guān)領(lǐng)域的圖像拼接。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12