基于元胞自动机的织物图像拼接

基于元胞自动机的织物图像拼接
刘素一;夏蕾
【摘要】Owing to the fact that fabric images exhibit strong periodic and their features are difficult to extract,it is suggested to use cellular automaton to take the cellular space as a two-dimensional one,and the mosaic of image pixels and cellular is performed one-to-one correspondingly. It completes the feature extraction and edge detection through the establishment of cellular automata model and cellular transfer equation. According to the pre-calibration of the camera,it determines overlapping parts of two images,and then searches the maximum similarity in pixel values of the overlapping parts of the two images and conducts iterative search on the principle of maximum correlated factor to get the optimal stitching point.By eliminating apertures generated from mosaicking, image mosaicking is finished and a complete image is gotten. It is shown by verification that using cellular automata can achieve fabric image mosaicking effectively.%针对织物图像周期性较强,且特征不易提取的特点,采用元胞自动机的方法,将元胞空间取作二维,将图像的像素和元胞一一对应起来.通过建立元胞自动机模型和无胞转移方程,完成特征值提取及边缘检测.根据对摄像机的事先标定,确定出2幅图像重叠的部分,然后在相瓦重叠的部分寻找2幅图像之间像素值的最大相似性,以互相关系数最大为原则进行迭代搜索,求出最佳拼接点.再对拼接处产生的拼接缝隙迹进行消除,从而完成图像拼接,得到1幅完整的图像.通过具体的织物图像进行验证计算,结果表明,采用元胞自动机可有效地进行织物图像拼接.
【期刊名称】《纺织学报》
【年(卷),期】2011(032)001
【总页数】5页(P29-33)
【关键词】元胞自动机;织物图像;特征提取;拼接;融合
【作者】刘素一;夏蕾
【作者单位】武汉纺织大学,电信学院,湖北武汉,430073;武汉纺织大学,电信学院,湖北武汉,430073
【正文语种】中文
【中图分类】TP391.41;TS101.8
在对织物的模拟、检测和识别等研究中，织物图像的采集必不可少。

受目前硬件条件的局限，在一次拍摄时还无法获取与实物同样大小的图像，只能采集到局部范围的图像。

如果要得到一幅完整的图像，就必须将一系列具有部分图案重合的图像进行拼接，因此需要图像拼接技术来完成。

目前图像拼接已经成为图像处理领域的一个重要研究方向［1］，具有很高的理论和实践价值。

织物图像不同于一般的景物图像，它是把1组事先设计好的图案按照一定的布局分布在整个织物表面，具有完整性、对称性和重复性，即循环周期性较强，并且特征较少［2］。

目前的图像拼接技术主要有基于区域的穷尽搜索和基于特征、基于网格以及基于频域变换的方法等［3］，但是这些方法针对的对象是非周期性的、且特征比较明显的图像。

而对于如何拼接周期性较强，且特征不易提取的织物图像的研究尚不多见。

本文采用元胞自动机理论对织物图像的拼接问题进行研究。

元胞自动机［4－5］(cellular automata，CA)是一种时间和空间都离散的动力系
统，散布在规则网格中的每个元胞取有限的离散状态，遵循同样的作用规则，依据规定的局部规则作同步更新。

元胞自动机由元胞、元胞空间、邻居及规则4部分组成，即CCA=(Ld，S，N，f)，1个元胞自动机系统的建立意味着对这4部分元素的确定。

Ld为1个规则划分的网格空间，每个网格代表1个元胞，它可以是一维或二维空间。

针对图像处理问题，这里选择二维空间，即本文所建立的是1个二维元胞自
动机。

S代表元胞的离散状态集。

N表示元胞及邻居，是表示不同元胞状态的1个空间矢量，本文采用冯诺伊曼型
邻居。

冯诺伊曼型邻居由1个中心元胞(要演化的元胞)和4个位于其临近东西南北方位的元胞组成，共包含5个元胞，见图1，可用式(1)来描述:
式中:L为图像大小;r为近邻半径，取r=1。

1个中心元胞(i，j)与4个临近元胞的相对位置的坐标如图2所示，其中(i，j)为行
和列的标号。

当元胞自动机模型建立后，可进行图像的拼接工作。

织物图像的拼接大致分为2
部分，一是边缘特征值检测，二是拼接。

首先定义一幅M×N大小的二维图像:
式中:M，N分别表示图像的高和宽;f(i，j)表示(i，j)点的灰度值，对于k值图像，
f(i，j)在状态集Q=(0，1，…，k－1)上取值，如果是二值图像，k值则为(0，1)
采用平方网格离散化二维空间，每个元胞置于1个正方形网格中。

把原图像的像
素坐标直接映射到元胞空间上，每个像素对应1个元胞，即元胞空间大小形状与
图像完全吻合。

元胞机的演化规则如下。

1)二值图像。

采用Von Neumann邻域，此时二值图像在计算机中以矩阵形式存储，每个元素为0(白色)或1(黑色)，边缘提取方法为:如果1个中心元胞的邻居中
至少有1个与其值不同，即可认为该元胞为一边缘点。

元胞(i，j)在下一时刻的状
态转移函数［6］
式中⊕为异或逻辑运算，即1⊕1=0，0⊕0=0和1⊕0=1，1⊕0=1。

2)灰度图像。

对灰度图像［7］采用Von Neumann邻域，同样以矩阵形式存储灰度图像，在每个元胞的邻域中，如果中心元胞的灰度值与邻域中元胞灰度值变化很大，即认为其为一边缘点，所以定义转换函数
式中I表示图像中位于(i，j)的像素点的灰度值与周围上下左右相邻的4个像素的
平均灰度差。

由式(1)可知，在像素灰度比较相似的区域，f(i，j)为接近于0的较小值，而在边缘存在的区域(像素变化相对较大)，f(i，j)为较大的值。

也可选取适当阈值T［8］，将得到的灰度值 f(i，j)与设定的阈值T作比较，若f(i，j)gt;T，则认为点E(i，j)是边缘点;若f(i，j)lt;T，则认为点f(i，j)为背景点。

提取织物图像边缘后，还要对进行拼接的边界范围进行定位，这项工作由事前对摄像机位置的标定来完成。

对于一定幅宽的织物，将2台假定内部参数完全相同的摄像机设置在适当的位置，使之拍摄的宽度为一定值，这样2幅图像重叠的部分就会已知，见图3。

在相互重叠的部分寻找2幅图像之间像素值的最大相似性［9］，即使图像1上的每个点在图像2上都有唯一的点与之对应，并且这2点对应的为同一实际位置。

设X1(x1，y1)，X2(x2，y2)分别为2幅图像I1和I2中任意的2个特征点，其相
关系数Cor(∵)定义如下:
式中:std(·)，cov(·，·)为图像的标准差和互相关函数。

它们表示为
式中M(X)表示图像I1和I2相关部分的像素灰度的平均值，
因此，对于2幅待配的图像，在1幅图像的重叠范围中选择1点(x，y)作为初始点，根据所选择拼接的方向上的平移分量即可粗定位其在另一幅图像中的对应点(x′，
y′)，然后设定一定的步长i，j，以互相关系数最大为原则进行迭代搜索，求出最佳拼接点。

由于摄像机在图像采集时光强不一定均匀，图像重叠部分有可能会出现明暗强度的差异，因此拼接处也会产生拼接的痕迹，这样便需要进行拼接缝隙的消除。

在某条扫描线上，图像 I1和 I2在区间［X1，X2］上重叠(见图 4)，则拼接后的图像 I3在［X1，X2］区间上X点取值为
或者图像I1和 I2的大小为M×N，则拼接后的图像［10］
式中:m为图像中像素的行号，m=1，2，…，M;n为图像中像素的列号，n=1，2，…，N;ω为加权系数。

实验所选择的织物图像是红色的背景上有白色的圆点，2幅待拼接图像的大小为422像素×437像素，424像素×437像素。

因为该织物图像只有红色和白色2种颜色，首先将这2幅图像转化为二值图像，见图5。

根据事先标定好的摄像机的位置，2幅图像重叠的部分为98像素×435像素，93像素×436像素，见图6。

然后采用Von Neumann邻域和式(3)对图6进行边缘特征点提取，结果见图7。

根据式(5)～(8)对重叠的部分进行拼接，并由式(9)或式(10)进行像素融合，最后拼接为1个宽幅的图像，见图8。

选用1幅迷彩形式的织物图像，2幅待拼接图像的大小为371像素×454像素，379像素×454像素，首先将这2幅图像转化为灰度图像，见图9。

同样，根据事先标定好的摄像机的位置，2幅图像重叠的部分为104像素×451像素，102像素× 451像素，见图10。

依然采用Von Neumann邻域，并用式(4)进行边缘特征点提取，其结果见图11。

同样采用式(5)～(8)对重叠的部分进行拼接，并由式(9)或式(10)进行像素融合，最后拼接为1个宽幅的图像，见图12。

由于织物图像具有图案的完整性、对称性和重复性，且特征较少，目前的图像拼接技术在处理织物图像问题时存在一些不足。

本文采用元胞自动机理论，将元胞空间与图像的像素对应起来，建立了元胞自动机模型之后，将织物图像转化为二值图像或灰度图像，进行特征值提取和拼接，从而得到了1幅完整的图像。

通过对具体织物图像进行的实验表明，该方法可有效地进行织物图像的拼接。

【相关文献】
［1］徐正光，田清，张利欣.图像拼接方法探讨［J］.微计算机信息，2006，22:255－257.
XU Zhengguang，TIAN Qing，ZHANG Lixin.Discussion ofimage mosaic methods ［J］.Microcomputer of Information，2006，22:255－257.
［2］冯百乐.织物图像拼接技术［J］.现代机械，2008(5): 45－46.
FENG Baile.Fabricimage mosaictechnology［J］. Modern Mechanical，2008(5):45－46. ［3］蔡丽欢，廖英豪，郭东辉.图像拼接方法及其关键技术研究［J］.计算机技术与发展，2008，3:1－3.
CAI Lihuan，LIAO Yinghao，GUO Donghui.Study on image stitching methods and its key technologies［J］. Computer Technologyand Development，2008(3): 1－3.
［4］ WOLFRAM putationtheoryofcellularautomata［J］.Comm in Math Phys，1984，96:15－57.
［5］ WOLFRUM S.Cellular Automata［M］.［S.l.］:Stephen Wolfram LLC，2005.
［6］惠周利，王鹏中.细胞自动机在图像边缘检测中的应用［J］.中国科技信息，2008(18):37－39.
HUI Zhouli，WANG Pengzhong.Application of cellular automata for edge detection inimage processing［J］. China Science And Technology Information，2008(18): 37－39. ［7］曹荣军.元胞自动机理论及其在图像边缘检测中的应用［J］.电脑知识与技术，2009(7):5853－5854.
CAO Rongjun.Theory and application of cellular automata for edge detection in image processing［J］. ComputerKnowledge and Technology，2009(7): 5853－5854.
［8］金军.一种基于元胞自动机变换的图像边缘检测方法［J］.石河子大学学报:自然科学版，2008(2): 113－116.
JIN Jun.A method of edge detection based on cellular automata transforms［J］.Journal of Shihezi University: Natural Science Edition，2008(2):113－116.
［9］严格.基于灰度相关特征点的图像拼接算法［J］.包装工程，2009(4):82－84.
YAN Ge.Image mosaic method based on gray scale feature points［J］.Packaging Engineering，2009(4): 82－84.
［10］赵天昀.像素级图像融合技术研究［D］.成都:成都理工大学，2004:15.
ZHAO Tianjun.Study on pixel-levelimage fusion technolog［D］.Chengdu:Chengdu University of Science and Technology，2004:15.。