規(guī)則灰色圖片拼接技術(shù)研究

張文龍

摘要：圖像拼接技術(shù)在司法物證復(fù)原、歷史文獻(xiàn)修復(fù)等領(lǐng)域應(yīng)用廣泛。探討邊緣相同的單面灰色圖片拼接復(fù)原問題，建立Matlab數(shù)學(xué)模型，通過編程設(shè)計(jì)規(guī)則灰色圖片拼接復(fù)原方案，運(yùn)用計(jì)算機(jī)技術(shù)準(zhǔn)確拼接復(fù)原圖片原件。該模型一定程度上彌補(bǔ)了常規(guī)文檔碎紙片計(jì)算機(jī)拼接方法不適用于邊緣形狀相似的碎紙片的不足。

關(guān)鍵詞：拼接復(fù)原；灰度值；相關(guān)性分析；圖像數(shù)字化

DOIDOI：10.11907/rjdk.143662

中圖分類號：TP317.4

文獻(xiàn)標(biāo)識碼：A 文章編號文章編號：16727800（2015）001013902

0 引言

圖像拼接技術(shù)的核心是圖像配準(zhǔn)，可將其歸結(jié)為計(jì)算機(jī)視覺和模式識別問題，它在司法物證復(fù)原、歷史文獻(xiàn)修復(fù)等重要領(lǐng)域發(fā)揮著重要作用[12]。傳統(tǒng)方法中，拼接復(fù)原工作需由人工完成，準(zhǔn)確率較高，但效率很低。特別是當(dāng)碎片量大時(shí)，人工拼接很難在短時(shí)間內(nèi)完成。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們試圖開發(fā)碎片自動(dòng)拼接技術(shù)，以提高拼接復(fù)原效率。該技術(shù)拼接過程與人工拼接過程類似，即拼接時(shí)不但考慮碎片邊緣是否匹配，還要判斷碎片字跡斷線和文字內(nèi)容是否匹配。根據(jù)現(xiàn)有技術(shù)，實(shí)現(xiàn)計(jì)算機(jī)智能識字難度較大。本文探討通過計(jì)算機(jī)獲取圖片像素信息，將其轉(zhuǎn)化為矩陣，根據(jù)圖像的像素矩陣值進(jìn)行碎片拼接的技術(shù)，實(shí)驗(yàn)證明拼接效率比單純利用邊界特征的方法高很多。

1 相關(guān)技術(shù)

1.1 Matlab中cell批量調(diào)取圖片數(shù)據(jù)

將縱切得到的圖片進(jìn)行拼接復(fù)原，首先利用Matlab中的cell函數(shù)批量調(diào)入圖片。先建立一個(gè)cell類型的空矩陣，然后將圖片調(diào)入空矩陣中。cell類型下的單元都是獨(dú)立的，所以讀取數(shù)據(jù)時(shí)不會(huì)出現(xiàn)干擾現(xiàn)象。

1.2 圖像數(shù)據(jù)閾值分割

在Matlab中使用im2bw函數(shù)進(jìn)行圖像數(shù)據(jù)閾值變換，將灰度圖像轉(zhuǎn)換為二值灰度圖像。對圖像二值化處理需要設(shè)定閾值level，取值在[0，1]之間。已有研究表明，人為設(shè)定閾值并不一定有效。本文利用Matlab工具箱提供的graythresh函數(shù)，利用最大類間方差法找到合適圖片的閾值level。這個(gè)閾值通常比人為設(shè)定的閾值能更好地將一張灰度圖像轉(zhuǎn)換為二值圖像。調(diào)用格式為：

level=graythresh（I）（1）

經(jīng)過計(jì)算得出level的值在0.537左右，將圖像數(shù)據(jù)轉(zhuǎn)換為只有0和1的矩陣。

T=255level（2）

得到合適的圖像分割像素比較值T。利用Matlab工具箱函數(shù)im2bw，使用閾值變換法將灰度圖像轉(zhuǎn)換為二值圖像，設(shè)圖片灰度值f（x，y），根據(jù)閾值分割法，有：

f（x，y）=0，f（x，y）≤T1，f（x，y）>T（3）

數(shù)字0代表黑點(diǎn)（黑色），數(shù)字1代表白色。于是將所有圖像數(shù)據(jù)都轉(zhuǎn)化為只有0，1組成的矩陣。

1.3 圖片匹配

圖像配準(zhǔn)和圖像融合是圖像拼接的關(guān)鍵。由于相鄰圖片間具有很大相關(guān)性，可運(yùn)用兩個(gè)圖像間的相關(guān)性進(jìn)行圖片配準(zhǔn)操作。首先找出組成復(fù)原圖的第一張圖片，然后對其它圖片進(jìn)行匹配。

1.4 數(shù)據(jù)0和1的轉(zhuǎn)變

利用Matlab中DIP工具箱函數(shù)im2bw，使用閾值T變換法將灰度圖像轉(zhuǎn)換成二值圖像?；叶仁侵负诎讏D像中點(diǎn)顏色的深度，范圍一般從0到255，白色為255，黑色為0。一般意義上，灰度圖像是指只有純黑（0）、純白（255）兩種顏色的黑白圖像。根據(jù)圖形類型，圖像數(shù)據(jù)在0～255之間。一個(gè)二值灰度圖像的像素值只能為0或1。根據(jù)下式將圖片轉(zhuǎn)化為由0和1組成的矩陣。

f（x，y）=0，f（x，y）≤T1，f（x，y）>T（4）

其中，f（x，y）代表某個(gè)點(diǎn)的灰度值。

1.5 corr2相關(guān)函數(shù)

選擇利用Matlab中corr2函數(shù)，計(jì)算出由兩個(gè)圖片數(shù)據(jù)組成的兩個(gè)矩陣之間二維相關(guān)系數(shù)。k=corr2（c，d），c與d是由兩個(gè)大小相同的二維圖像組成的兩個(gè)矩陣。k為計(jì)算得到的相關(guān)系數(shù)，k越接近于1，則表示兩個(gè)矩陣的相似度越大；k越接近于0，則表示兩矩陣的相似度越小[34]。

2 模型設(shè)計(jì)與實(shí)現(xiàn)

在被縱切而成的圖片中，每個(gè)圖片中間部位內(nèi)容的結(jié)構(gòu)沒有被損壞，其數(shù)據(jù)對結(jié)果不會(huì)造成影響。因此每個(gè)圖片只取出左邊第一列數(shù)據(jù)和右邊第一列數(shù)據(jù)，將每個(gè)圖片的左邊第一列數(shù)據(jù)組成矩陣A；將右邊第一列數(shù)據(jù)組成矩陣B。為找出復(fù)原圖片中的第一張圖片，將兩個(gè)矩陣導(dǎo)入excel表中進(jìn)行計(jì)算，得到每個(gè)圖片左邊第一列中數(shù)字1所占的百分比。若某圖片第一列中數(shù)字1的百分比最大，則該圖片左邊第一列大部分為白色區(qū)域，可判斷出是首列或尾列。然后在剩下矩陣列進(jìn)行首列和尾列數(shù)據(jù)相關(guān)性分析，對第一個(gè)圖片尾部數(shù)據(jù)與其它圖片左邊第一列數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)。運(yùn)用相關(guān)函數(shù)corr2進(jìn)行兩個(gè)矩陣的相似系數(shù)求解，可得到一組相關(guān)系數(shù)。將這組相關(guān)系數(shù)進(jìn)行比較，找出最大相關(guān)系數(shù)，并根據(jù)此相關(guān)系數(shù)的位置，找出與圖片尾部數(shù)據(jù)可以匹配的第i列對應(yīng)的圖片。運(yùn)用for循環(huán)語句，將上述方法進(jìn)行循環(huán)操作，得到復(fù)原圖片。

以由同一張照片縱切而成的圖片為例，自動(dòng)拼接復(fù)原操作步驟如下（見圖1）。

圖1 圖片自動(dòng)拼接復(fù)原操作步驟

（1）批量讀取圖片數(shù)據(jù)，運(yùn)用Matlab中cell函數(shù)批量調(diào)入圖片數(shù)據(jù)。

（2）運(yùn)用最大類間方差找到一個(gè)合適的閾值，根據(jù)閾值進(jìn)行二值化處理，用閾值轉(zhuǎn)化法將灰度圖像轉(zhuǎn)化為二值灰度圖像，即只有0和1的數(shù)據(jù)圖像[5]。

（3）進(jìn)行圖片匹配與拼接，找出復(fù)原圖片中第一個(gè)圖片的序號，利用相鄰圖片間的相關(guān)性，用Matlab中corr2函數(shù)進(jìn)行相關(guān)性檢驗(yàn)，將找到的第一張圖片的右邊第一列數(shù)據(jù)和其它圖片左邊第一列數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)，得到一組相關(guān)系數(shù)，找出相關(guān)系數(shù)最大值，其所對應(yīng)的圖片即為

與第一張圖片最匹配的圖片，進(jìn)行for循環(huán)操作便得到復(fù)原拼接圖片。

3 模型實(shí)驗(yàn)結(jié)果與分析

模型循環(huán)相似度比較需要找出第一個(gè)圖片，否則會(huì)出現(xiàn)錯(cuò)誤的序列，造成結(jié)果錯(cuò)誤。 找出第一個(gè)圖片后，運(yùn)用此模型，即可進(jìn)行大量的縱向切割文件復(fù)原工作。常規(guī)文檔碎紙片計(jì)算機(jī)拼接方法一般利用碎片邊緣的尖點(diǎn)、面積等幾何特征，搜索與之匹配的相鄰碎紙片并進(jìn)行拼接。這種基于邊界幾何特征的拼接方法并不適用于邊緣形狀相似的碎片[6]。利用該模型可以彌補(bǔ)這一缺陷。該模型利用碎片文字所在行的幾何特征信息，比如同行圖片的文字行離上、下邊界的距離近似相同，相鄰圖片間的相似度高等，其拼接效果無疑優(yōu)于單純利用邊界幾何特征的方法。該模型可以推廣到很多領(lǐng)域，如被縱向切割的重要文件的修復(fù)處理、拼圖游戲開發(fā)等。

4 結(jié)語

本文設(shè)計(jì)的模型適用于縱向切割、切割口處基本平滑的圖片的修復(fù)。當(dāng)圖片較少時(shí)，利用模型拼接復(fù)原圖片的準(zhǔn)確度較高，圖片可以直接復(fù)原出來，結(jié)果完全正確。如果圖片較多，當(dāng)與同一張圖片相似度接近的圖片超出兩張時(shí)，需要人工輔助。人工干預(yù)次數(shù)的增加會(huì)給拼接復(fù)原工作增加一定的難度，使該模型的靈敏度降低。該模型只能處理規(guī)則二維灰色圖片的拼接，對于有邊緣輪廓曲線、彩色、三維空間以及中英文混合圖片的拼接復(fù)原還需要進(jìn)一步研究。