一般情况下，进行图像拼接时，在拼接的边界上，不可避免地会产生拼接缝。这是因为两幅待拼接图像在灰度上的细微差别都会导致明显的拼接缝。而在实际的成像过程中，这种细微差别很难避免。因此图像镶嵌技术的难点就在于准确寻找图像之间的位置关系，并把两幅以上的图像平滑地衔接在一起，获取一幅全局的图像。本文的基本思想就是突破以往在寻找拼接线时，只要找到一个最佳拼接点，以此点做一条直线作为拼接线的不合理性，而是取一个闭值，在闭值范围内寻找出每个拼接点，把这些点连成的折线作为拼接线，进行拼接。
拼接缝消除的方法
传统的拼接缝消除的方法有很多，其中用得较多的方法有；中值滤波法、利用小波变换的方法、加权平均法等
1、中值滤波法消除拼接缝
中值滤波法是对接缝附近的区域进行中值滤波。对与周围灰度值差比较大的象素取与周围象素接近的值，从而消除光强的不连续性。中值滤波器处理接缝附近的狭长地带。该方法速度快，但质量一般。平滑的结果会使图像的分辨率下降，使图像细节分辨不出，产生图像模糊。
2、利用小波变换的方法消除拼接缝
小波变换方法也是目前比较常用的一种方法，他充分利用小波变换的多分辨率特性，很好地解决了拼接图像的接缝问题。其原理为：由于小波变换具有带通滤波器的性质，在不同尺度下的小波变换分量，实际上占有一定的频宽，尺度j越大，该分量的频率越高，因此每一个小波分量所具有的频宽不大，把要拼接的两幅图像先按小波分解的方法将他们分解成不同频率的小波分量，只要分解得足够细，小波分量的频宽就能足够小。然后在不同尺度下，选取不同的拼接宽度，把2个图像按不同尺度下的小波分量先拼接下来，然后再用恢复程序，恢复到整个图像。这样得到的图像可以很好地兼顾清晰度和光滑度2个方面的要求。但是，小波变换也存在缺点，如小波变换的算法比较复杂，需要在小波变换域内先进行拼接处理，在计算过程中涉及到大量的浮点运算和边界处理问题，对实际生产中的大容量图像进行处理时计算机内存开销很大，且处理时间较长，拼接速度慢。
3、利用加权平滑的方法消除拼接缝
在实际中，使用较多的方法还有对重叠区域进行加权平滑的方法。这种方法的思路是：图像重叠区域中象素点的灰度值Pixel由两幅图像中对应点的灰度值LPixel和RPixel加权平均得到，即：
OPixel一kXLPixel+（l一k）XRPixel其中：k是渐变因子，满足条件：
寻找最佳拼接线时，采用一个滑动窗口在图像重叠区上逐行选择灰度值差异最小的象元作为最佳拼接点。但是，如果按照这种拼接点选择法，会出现一个新问题，就是往往会出现上下行拼接点位置相差较远的现象，这样拼接后有时因上下行之间灰度差异较大而造成新的接缝。为避免这类现象发生，不仅要考虑相邻拼接点的灰度值差异，而且还要考虑相邻拼接点的位置不能太远。这样就引进了一个阑值T,把选择最佳拼接点的范围限制在这个阑值内。除第一行按灰度值差异最小的原则处理外，其他各行的拼接点从一个选定区域中选取：即与上一行所选拼接点同列的点及以该点为中心左右宽度为T的区域中的点。在这个区域中选取一个最佳拼接点。选出每行的拼接点后连接成一条拼接线，可想而知，这条拼接线可能是条折线。这样，由于各行都是选择规定邻域内灰度差异最小的点作为拼接点，接缝现象就会得到很大的改观。同时，T的值又不能选取得太大，应在1一5之间选取为佳。找出最佳拼接缝后，按前面所述的加权平滑对重叠区域再进行过渡，得到的图像质量有很大改观。
安防之家专注于各种家居的安防,监控,防盗,安防监控,安防器材,安防设备的新闻资讯和O2O电商导购服务，敬请登陆安防之家：http://anfang.jc68.com/
