贺小宝

【摘 要】针对大幅面扫描仪采用的多CCD外视场拼接方式，本文提出了一种根据寻优得到的拼接线进行图像拼接的算法，該算法以扫描图像重叠区域中对应像素点灰度差异较小的点作为拼接点，同时使用一种像素点权值计算方法作为搜索策略的参考，寻优得到一条图像拼接线。利用多CCD大幅面扫描仪得到的扫描图像进行试验，获得了很好的试验效果。

【关键词】多CCD；大幅面扫描仪；图像拼接；拼接线

0.引言

多CCD大幅面扫描仪主要采用外视场拼接方式，通过对各个CCD采集的图像进行图像拼接处理最终得到完整的大幅面扫描图像。由于扫描仪多CCD之间的非一致性以及扫描材质表面的平整程度等因素，会导致扫描图像拼接存在较大误差。如果使用直接拼接方法进行处理时，则在拼接缝附近会出现较为明显的拼接缝，这严重降低了扫描图像的质量。

最佳拼接线可以消除拼接缝两侧图像灰度值过度不连续的问题。James Davis[1]很早提出了一种拼接缝寻优方法，他利用Dijkstra算法检测最佳拼接线，但该算法复杂度高且拼接速度慢。在文献[2][3][4]中通过采用动态规划的思想来寻找最佳拼接线，但由于使用的是人为的栅格结构，会使得寻找到的拼接线有可能不是最佳的。其他拼接缝寻优方法还有最小灰度差值法、梯度差异法、重叠区域平方线法[5]等，这些方法算法实现简单，运算速度快，但是处理效果不是很理想。

本文针对上述各种方法的不足，设计并实现了一种寻找最佳拼接线的方法，其在多CCD大幅面扫描仪的图像拼接处理中有一定的应用价值。

1.扫描图像配准策略

多CCD大幅面扫描仪图像的配准策略是扫描图像拼接的关键。通常使用的配准算法是基于相邻两个CCD采集的图像重叠部分对应的像素在RGB色彩空间系统中灰度级的相似性。相邻图像的对应重叠部分上的两个像素点A、B在RGB色彩空间中的距离为：

根据上式搜索D为最小值时的（x，y）点，可以认为该点为最佳的拼接位置。配准过程分为粗略配准和精确配准两个步骤。粗略配准过程中，网格每次水平移动一个网格间距。精确配准过程中，以粗略配准的最佳匹配点为中心，移动步长减半，计算网格点对应像素RGB差值的平方和，并与当前最优值进行比较，如果优于当前值，则替换当前的最佳匹配点。循环进行该过程，每次步长减半，直至水平步长为零为止。

经过上述配准步骤后，确定了拼接缝的位置，并且确定了每个CCD使用的有效采集像元范围及重叠区域宽度。

2.寻找最佳拼接缝

扫描图像经过相关预处理及确定重叠区域宽度之后，便可以进行最佳拼接缝的寻找。本文提出的拼接缝寻优方法具体设计的流程如图2.1所示。

根据扫描图像拼接缝寻优流程图，下面给出拼接缝寻优方法的具体实现步骤：

第一步，裁剪获取相邻CCD采集的两幅图像的重叠部分。通过图像配准可以得到重叠区域，将重叠部分截取存入单独的两幅图像中。

第二步，将重叠图像做差得到差图像。如果是彩色方式扫描，则彩色图像各个通道做差，将得到的彩色差图像灰度化，得到灰度差图像。

第三步，在灰度差图像上寻找拼接缝上的第一个像素点。这里选取灰度差图像第一行图像数据中像素灰度值最小的那个点作为拼接缝的起始像素点，使用二维的位图数据结构存储拼接缝上的点。

第四步，从拼接缝上的起始像素点开始依次找出所有满足条件的像素点，规则为：以刚刚寻找出的拼接缝上的像素点为参考点，在其周围的八个像素点中寻找出当前不在拼接缝上，并且权值最低的像素点作为拼接缝上的下一个像素点。其中像素点权值的具体定义为：（PixelValue+1）×K+Height-y。

像素点权值主要由两部分组成：一个是像素点灰度值大小，另一个是像素点靠近图像底部的程度。这里的PixelValue代表像素点的灰度值，K为一个比例参数，Height为灰度差图像的高度，y为参考点的纵坐标。其中 K值一般取值为10到20之间。K值过小，拼接效果不是很好；K值过大，拼接缝上的像素点会增多，影响处理速度。

第五步，根据二维位图数据结构中记录的拼接缝上的点，实现扫描图像的拼接。

3.扫描仪图像拼接缝寻优结果分析

为了验证本文提出的扫描图像拼接缝寻优方法可以降低拼接缝处扫描图像的过渡不连续性，采用油画扫描介质进行了测试，具体测试及结果分析对比如下。

图3.1是直接拼接的图像，可以看出拼接图像在拼接缝的上半部分丢失了部分图像数据，在拼接缝的下半部分则存在冗余图像数据，仍然存在较为明显的拼接缝。按照拼接缝寻优进行拼接得到的图像如图3.2所示。

对比分析两种拼接方法可知，对于表面凹凸不平的油画扫描材质，进行扫描后图像变形较大，如果进行直接拼接，则会出现较为明显的拼接缝。而如果重新寻找一条更优的拼接缝，然后按照该拼接缝进行扫描图像的拼接，则可以获得较好的效果，消除了拼接缝处的过渡不连续现象。 [科]

【参考文献】

[1]James Davis. Mosaics of scenes with moving objects.IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Santa Barmara，1998：354-260.

[2]方贤勇，潘志庚，徐丹.图像拼接的改进算法. 计算机辅助设计与图形学学报，2003，15（11）：1362-1365.

[3]Efros A，Freeman W.Image quilting for texture synthesis and transfer. Computer Graphics Proceedings，Annual Conference Series.ACM SIGGRAPH 2004，Angeles，California，2001：341-346.

[4]Marie-Lise Duplaquet. Building large image mosaics with invisible seam lines.Proceedings of SPIE Aerosense.Orlando，Florida.1998，3387：369-377.

[5]游磊.图像拼接的核心算法研究.重庆大学硕士论文，2009.