一种基于柱面校正和加权融合的西林瓶图像拼接方法技术

本发明专利技术提供一种基于柱面校正和加权融合的西林瓶图像拼接方法，涉及图像处理领域。该基于柱面校正和加权融合的西林瓶图像拼接方法，包括采集圆柱形标签图像；分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像；对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准；对重叠区域图像进行特征提取，进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配；对特征匹配后的图像进行图像融合。解决了传统的渐入渐出融合算法，其采用的是线性的加权融合，图像融合后拼接线明显，并且还容易出现鬼影现象的问题。容易出现鬼影现象的问题。容易出现鬼影现象的问题。

【技术实现步骤摘要】
一种基于柱面校正和加权融合的西林瓶图像拼接方法


[0001]本专利技术涉及图像处理
，具体为一种基于柱面校正和加权融合的西林瓶图像拼接方法。

技术介绍

[0002]静脉滴注类药品是医用输液的重要组成部分，在实际的工作中，医护人员需要严格遵守医院的规章制度，严格执行查对制度、遵守无菌操作规程。为提高工作效率，现阶段机器逐渐取代手工配药，机器视觉逐渐被应用于药瓶信息管理中来减轻医护工作人员的工作量。实现对药瓶标签信息管理的第一步，就是要获取完整的标签信息图像。由于药瓶曲面形状和相机拍摄视角的限制，无法通过拍摄一次性获得完整的标签图像，所以通常将拍摄得到的不同角度的图片进行图像拼接得到完整的标签图像。现阶段采取的曲面标签获取的方法主要通过线阵相机进行拍摄得到，这对硬件要求好，消耗的成本高。所以提出了一种基于柱面校正和加权融合的西林瓶图像拼接方法，通过普通的工业相机即可拍摄得到完整的曲面标签展开图像，为下一步对药瓶信息的识别和管理打下基础。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了一种基于柱面校正和加权融合的西林瓶图像拼接方法，解决了传统的渐入渐出融合算法，其采用的是线性的加权融合，图像融合后拼接线明显，并且还容易出现鬼影现象的问题。
[0005](二)技术方案
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0007]第一方面，提供了一种基于柱面校正和加权融合的西林瓶图像拼接方法，包括：
>[0008]采集圆柱形标签图像；
[0009]分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像；
[0010]对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准；
[0011]对重叠区域图像进行特征提取，进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配；
[0012]对特征匹配后的图像进行图像融合。
[0013]优选的，所述采集圆柱形标签图像，具体为通过四个相机分别从四个方向对圆柱形标签图像进行采集。
[0014]优选的，所述分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像，具体包括：
[0015]记输入的圆柱形标签的半径为R，标签图像像素的横坐标为x，则可通过
得到水平校正后的图像像素的坐标x'；
[0016]记相机镜头距离图像平面的距离为f，图像平面到实物平面的距离为d1，图像水平中心值为center_x，图像水平方向各点的坐标为x，h
b
为图像竖直方向的坐标；通过得到校正后的图像的纵坐标h
f
。
[0017]优选的，所述对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准，具体包括：
[0018]记输入两幅图像为I1(x,y)，I2(x,y)，则：
[0019]I1(x,y)＝I2(x
‑
Δx,y
‑
Δy)
[0020]进行傅里叶变换得到：
[0021][0022]其中，和是I1(x，y)和I2(x，y)的傅里叶变换；
[0023]求得的复共轭并得到和的交叉功率谱
[0024]定义归一化功率谱，
[0025]求取归一化功率谱的傅里叶逆变换，得到二维冲激函数，δ(x
‑
Δx,y
‑
Δy)＝F
‑1[e
‑
j2π(uΔx+vΔy)
]，冲激函数最大值时得到的横纵坐标值，为图像在水平方向上的位移，即为图像的重叠区域ΔxΔy。
[0026]优选的，所述对重叠区域图像进行特征提取，进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配，具体为：
[0027]采用SURF算法对重叠区域图像进行特征提取，采用FLANN快速匹配算法进行特征粗匹配，根据随机采样一致性算法去除误匹配点，根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配。
[0028]优选的，所述对特征匹配后的图像进行图像融合，具体包括：
[0029]将重叠区域图像的第一行看作是一条拼接线，将每个像素点值作为强度值，图像的列号为拼接线所在点；
[0030]从第一行开始，计算当前像素点当前像素点强度值与下一行左、中、右三个位置的像素点的强度值进行对比，强度值最小的像素点的列号为拼接线所在点，且
[0031]E
g
＝[S
x
·
(I1(x,y)
‑
I2(x,y))]2+[S
y
·
(I1(x,y)
‑
I2(x,y))]2[0032]其中，得到像素之间的强度值之差E(x,y)＝E
c
(x,y)2+E
g
(x,y)；
[0033]重复上述操作，统计出强度值最小的一条作为最佳拼接线，并求得最佳拼接的外接矩形的左右边界L和R；
[0034]对两幅图像f1(x,y)，f2(x,y)进行如下运算：
[0035][0036]其中，权重值ω1和ω2为：ω2＝1
‑
ω1。
[0037]第二方面，提供了一种基于柱面校正和加权融合的西林瓶图像拼接系统，包括：
[0038]图像采集模块，用于采集圆柱形标签图像；
[0039]图像校正模块，用于分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像；
[0040]图像配准模块，用于对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准；
[0041]特征提取模块，用于对重叠区域图像进行特征提取；
[0042]特征匹配模块，用于进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配；
[0043]图像融合模块，用于对特征匹配后的图像进行图像融合。
[0044]第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
[0045]第四方面，提供了一种计算设备，包括：
[0046]一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
[0047](三)有益效果
[0048]本专利技术一种基于柱面校正和加权融合的西林瓶图像拼接方法，解决了传统的渐入渐出融合算法，其采用的是线性的加权融合，图像融合后拼接线明显，并且还容易出现鬼影现象的问题。通过柱面校正算法实现对圆柱形标签的展开，将其展为类似平面的标签图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于柱面校正和加权融合的西林瓶图像拼接方法，其特征在于，包括：采集圆柱形标签图像；分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像；对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准；对重叠区域图像进行特征提取，进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配；对特征匹配后的图像进行图像融合。2.根据权利要求1所述的一种基于柱面校正和加权融合的西林瓶图像拼接方法，其特征在于：所述采集圆柱形标签图像，具体为通过四个相机分别从四个方向对圆柱形标签图像进行采集。3.根据权利要求2所述的一种基于柱面校正和加权融合的西林瓶图像拼接方法，其特征在于：所述分别从水平和竖直方向上对圆柱形标签图像进行畸变校正，得到近似平面的标签图像，具体包括：记输入的圆柱形标签的半径为R，标签图像像素的横坐标为x，则可通过得到水平校正后的图像像素的坐标x'；记相机镜头距离图像平面的距离为f，图像平面到实物平面的距离为d1，图像水平中心值为center_x，图像水平方向各点的坐标为x，h
b
为图像竖直方向的坐标；通过得到校正后的图像的纵坐标h
f
。4.根据权利要求3所述的一种基于柱面校正和加权融合的西林瓶图像拼接方法，其特征在于：所述对图像重叠区域进行粗略地估计，然后对估计出的重叠区域进行图像配准，具体包括：记输入两幅图像为I1(x,y)，I2(x,y)，则：I1(x,y)＝I2(x
‑
Δx,y
‑
Δy)进行傅里叶变换得到：其中，和是I1(x，y)和I2(x，y)的傅里叶变换；求得的复共轭并得到和的交叉功率谱定义归一化功率谱，求取归一化功率谱的傅里叶逆变换，得到二维冲激函数，δ(x
‑
Δx,y
‑
Δy)＝F
‑1[e
‑
j2π(uΔx+vΔy)
]，冲激函数最大值时得到的横纵坐标值，为图像在水平方向上的位移，即为图像的重叠区域Δx,Δy。5.根据权利要求4所述的一种基于柱面校正和加权融合的西林瓶图像拼接方法，其特
征在于：所述对重叠区域图像进行特征提取，进行特征粗匹配，去除误匹配点，并根据特征点最近邻与次近邻的欧式距离比值进行排序最终实现图像的特征匹配，具体为：采用SURF算法对重叠区域图像进行特征提取，采...

【专利技术属性】
技术研发人员：王敏，吴佳，李晟，孙硕，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：