雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

基于FFT的实现自动图像拼接

Vinod.G.R1太太,安妮塔R2
  1. PG学生(VLSI和嵌入式系统),部门的ECE EPCET,卡纳塔克邦,印度班加罗尔
  2. 副教授,ECE称,EPCET,卡纳塔克邦,印度班加罗尔
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

本文提出了FPGA实现技术相结合生成全景图像。图像拼接是有用的各种任务的视觉和计算机图形学。它提供了一个完整的系统拼接序列图像之间有一定的重叠每两个连续的图像。本文有三个贡献。首先是图像配准方法处理两幅图像之间的旋转和翻译使用FFT相关联。第二是一种有效的注册图像缝合的方法使用上一步中获得注册参数使用像素映射方法。第三是图像融合,缝在缝图像被加权平均融合方法。

关键字
FFT相关联,登记、旋转、翻译、图像拼接、图像融合。

介绍
一个图像马赛克组合生成的静态图像序列。通过应用本文方法所示参数用于获得图像的镶嵌,可以构造一个图像从许多图像重叠区域,覆盖整个场景的可见区域。拼接的步骤是图像配准、图像拼接和图像融合。
图像配准是指一组图像的几何校正。集可能由两个或两个以上数字图像来自不同传感器的一个场景,或从不同的观点。登记的目的是建立图像之间的几何对应关系,这样他们可能会改变,比较,分析在一个共同的参照系。这是实际的重要性在许多领域,包括遥感、医学成像和计算机视觉。
本文提供的注册方法使用傅里叶域中的方法匹配的图像转换和旋转。傅里叶方法differfrom其他注册策略,因为它们搜索最优匹配根据在频域的信息。算法使用相关联的属性自动登记,使两幅图像之间的平移参数,显示一个明显的峰值点的位移。以这个为基础,旋转也发现。
注册后,下一步是图像拼接。集成图像或图像缝合是一个覆盖图像的过程在一个更大的画布。图像更大的画布上放置适当使用注册参数来得到最终的马赛克像素映射方法。在这个阶段,主要的问题是关于马赛克的质量和算法的效率。在本文中,一个有效的方法,提出了缝合多个图像。
下一步是图像融合,由于光线的变化出现缝一缝的两张图片。要使用无缝图像加权平均融合方法。

框图
图1显示了图像拼接的实现框图。首先生成十六进制文件从UART从输入图像和文件发送给FPGA内存图像配准,图像拼接和图像融合得到最终的马赛克图像。
步骤用于实现基于FFT自动图像拼接如下所示。
1。图像转换为十六进制文件,文件通过UART发送到内存。
2。图像存储在内存中被发送到FFT计算引擎,FFT和那些被送往乘法器和除法器块。
3所示。之后,传输线计算,然后计算相关联。通过这个值获得注册。
4所示。注册参数用于图像由像素映射方法缝合。
5。图像融合是将seam使用加权平均融合方法。
6。最后马赛克图像显示在TFT显示。

图像配准

估计的旋转参数:
假设这两个图像I1和I2注册涉及两个平移和旋转角度的旋转被“θ”。当I2旋转θ,只剩下翻译图像和相位之间的相关性与I1应该给最大峰值。所以每次通过旋转I2 1度和计算角度的相关峰,我们到达一个阶段只剩下翻译之间的图像,这是特点是相关联的最高峰。这个角变成了旋转角“θ”。

翻译参数估计:
如果f (x, y)⇔f(ξ,η)
f (x, y) exp (j2π(ξx0 +ηy0) / N])⇔f(ξ-ξ0η-η0)和f (x-x0, y-y0)⇔f(ξ,η). exp (-j2π(ξx0 +ηy0) / N)
的双箭头(⇔)表明之间的对应关系f (x, y)和它的傅里叶变换f .根据这个属性,也称为傅里叶转换定理,如果某个函数的起源是由特定的翻译单位,然后翻译出现在傅里叶变换的相位。即如果f和fA¢€Ÿ是不同的两张图片只有一个位移(x0, y0)即。f′(x, y) = f (x-x0 y-y0)
然后,相应的傅里叶变换相关F1和F2
F '(ξ,η)= e-j2π(ξx0 +ηy0) * F(ξ,η)。
两幅图像的互功率谱f和f”与傅里叶变换f和f”被定义为
F(ξ,η)。F ' *(ξ,η)/ A¢”‚F(ξ,η)。F ' *(ξ,η)¢”‚= ej2π(ξx0 +ηy0)
F“* F的复共轭”,转变定理保证互功率谱的阶段相当于图像之间的相位差。通过傅里叶反变换在频域的表示,我们将有一个函数,是一种冲动,那就是,它大约是零除位移,需要优化注册两个图像。如果没有其他转换之间的f1和f2除了翻译之外,还有不同的峰值点的位移。
讨论在上面的部分告诉,当两个图像之间是纯粹的翻译现在,相关联的最大峰值和相应的位置给了翻译参数(x0, y0)。

算法:
现在,我们现在的旋转和转换参数的估计算法,讨论了在前面的两个部分。(我们可以下样品图片加快注册过程)
Algorithm1:
输入:I1和I2两个重叠的图像
输出:
注册参数(tx,泰,θ)wheretx和泰分别在x和y方向翻译和θ是旋转参数。
步骤:
1。阅读和调整这两个图像。让I1和I2的缩放图像。
2。我= 1:步骤:360
2.1)旋转I2的我度。让I2'rot旋转图像。
2.1)旋转I2的我度。让I2'rot旋转图像。
2.3)让问(u, v)相关联的价值I1和I2'rot,基于FI1和FI2'rot。
问(u, v) = FI1”(u, v) .FI2'rot * (u, v)一个¢”‚FI1”(u, v) F 'I2“腐病* (u, v)¢”‚
2.4)计算傅里叶反变换(x, y) q (u, v)。
2.5)定位的顶峰q (x, y)。
2.6)高峰值存储在一个向量的位置我。。
3所示。找到最大峰值的指数从向量中存储的值在步骤2.6。它给旋转的角度。让它被θ”。
4所示。重复步骤2.1到2.6我=θ+一步一步一步:θ。
5。从第四步找到的角度最大峰值。旋转的角度。让它是θ。
6。旋转的原始图像I2“θ”。让I2rot旋转图像。
7所示。相关联I1和I2rot。让结果P (u, v)。
8。计算傅里叶反变换p (x, y) (u, v)。
9。定位(tx, ty)峰的p (x, y)成为翻译参数。
10。输出参数(tx,泰,θ)。
上面的算法能够找到图像之间的旋转。最大峰值只发生在的存在纯粹的图像之间的翻译。
作为一个例子,一个输入图像图2和图3的翻译31像素沿列方向(x)和行(y)方向201像素和旋转90度。的情节相关联的图像图3和图4所示。
在图4中我们可以看到在90度点峰值显示第二输入图像旋转了90度1输入图像。
图5显示了峰值点哪里有确切翻译的两个图像之间存在在X和Y方向(X = 31和Y = 201)。

图像拼接
图像拼接后的下一步注册。在这个阶段,对源图像的参考图像覆盖粘贴在适当的位置像素在画布上使用注册过程中获得的转换参数。在本节中,我们提出一个通用算法缝合任意数量的图像。

算法:
Algorithm2:
1。创建一个画布:画布是马赛克的图片。我们称之为图像画布。
2。使整个画布黑色。
3所示。对于一个给定的图像,对图像中每个像素,粘贴在画布上绘制像素,考虑到平移和旋转参数。
图6显示了两个输入图像与seam的马赛克图像。

上述方法的优点:
该算法是非常有效的和大的重叠缝合多个图像。考虑一个序列的图像,让我们说,80%连续图像之间的重叠。如果粘贴每次整个图像,然后在重叠区域的一些像素映射的四倍,因此导致300%的冗余粘贴在每个像素算法2贴一次。这种方法不仅提高了拼接的效率,同时保留了马赛克的质量接近的输入图像。

图像融合
图像融合是最后一步。给出的两个图像输入,如果这些图像在不同的照明条件下,会出现一个seam缝图像中两个图像可以很容易区分。所以改善图像质量缝应该被删除。因此加权平均融合方法用于删除缝。一般混合算法如下所示。
算法:
算法3:
1。找到发展的方向的画布的马赛克已经创建。
2。获取包含整个区域的最小矩形之间的重叠图像。
3所示。获得一个小区域的长度宽度“l”和“b”的seam使用步骤2中的信息的重叠和方向取决于该地区增长的画布。
4所示。该地区混合使用加权平均融合。
图7显示了最终的马赛克图像没有任何接缝。

实验结果
1注册算法,算法2缝合和算法3中描述为混合3,4和5部分分别实现了Verilog HDL和实现使用XC6SLX16-CSG324C Xilinx Spartan-6在下3 FPGA器件。这些算法一直在测试不同的图像,特别是涉及大量的真实图像旋转和转化为登记和照明和视图变化的图像组成。

结论
提出了三种算法对静态图像序列。首先是一个简单而可靠的算法寻找旋转和转换的基于FFT的平面转换相关联。整体的复杂性是由FFT。Fourier-based注册方法的一个关键特性是FFT的速度使用提供的例程。接下来的方法克服了冗余的拼接图像re-pasting像素在最后的马赛克,这是通过像素映射方法。最后一个是图像融合,它是通过使用加权平均融合方法,该方法是非常有效的消除焊缝图像通过保留图像的质量。所有的算法都成功在Spartan6 FPGA上实现,与高效的硬件利用率,结果发现是准确的

数据乍一看
图 图 图 图
图1 图2 图3 图4
图 图 图
图5 图6 图7

引用












全球技术峰会