基于结核杆菌抗酸染色图像的拼接方法.pdf

《基于结核杆菌抗酸染色图像的拼接方法.pdf》由会员分享，可在线阅读，更多相关《基于结核杆菌抗酸染色图像的拼接方法.pdf（16页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103530844 A (43)申请公布日 2014.01.22 CN 103530844 A (21)申请号 201310425236.5 (22)申请日 2013.09.17 G06T 3/40(2006.01) G06T 7/00(2006.01) (71)申请人 上海皓信生物科技有限公司 地址 201108 上海市闵行区元江路 5500 号 第 1 幢 B052 室 (72)发明人 孙西钊 王震 李攀 李建勋 王文合 (74)专利代理机构 上海汉声知识产权代理有限 公司 31236 代理人 郭国中 (54) 发明名称 基于结核杆菌抗酸染色图像的拼接方法 (57。

2、) 摘要 本发明提供了一种基于结核杆菌抗酸染色图 像的拼接方法， 包括步骤 ： 步骤 1， 图像预处理 ； 步 骤 2， 图像边缘特征检测 ； 步骤 3， 图像特征点匹 配 ； 步骤 4， 图像伪特征点对去除 ； 步骤 5， 融合重 构。 本发明的有益效果 ：（1） 实现了准确拼接 ；（2） 通过自动拼接图像， 大大提高了用户的工作效率 ； （3） 自动拼接好的图像通过电子化的方式有效地 存储下来， 方便用户日后的再会诊和相关文档工 作 ；（4） 解决了图像拼接的拼接粗糙， 输出图像像 素点数偏低等问题。 (51)Int.Cl. 权利要求书 3 页 说明书 8 页 附图 4 页 (19)中华人。

3、民共和国国家知识产权局 (12)发明专利申请 权利要求书3页 说明书8页 附图4页 (10)申请公布号 CN 103530844 A CN 103530844 A 1/3 页 2 1. 一种基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 包括如下步骤 ： 步骤 1， 图像预处理 ： 建立待拼接图像的匹配模板， 对待拼接图像进行变换操作 ； 步骤 2， 图像边缘特征检测 ： 通过检测各像素点的灰度变化以及梯度信息来检测待拼接图像中对匹配有用的特征 点 ； 步骤 3， 图像特征点匹配 ： 找出待拼接图像中的特征点在参考图像中对应的位置， 进而确定待拼接图像与参考图 像之间的特征变换关系 ； 步。

4、骤 4， 图像伪特征点对去除 ： 剔除伪特征点数据， 得到最优特征点集 ； 步骤 5， 融合重构 ： 根据最优特征点集将待拼接图像的重合区域进行融合， 得到拼接重构的平滑无缝全景 图像。 2. 根据权利要求 1 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 所述 步骤 1 包括如下步骤 ： 步骤 1.1 ： 对待拼接图像进行图像校正 ； 步骤 1.2 ： 对通过步骤 1.1 得到的待拼接图像进行图像边缘裁剪 ； 步骤 1.3 ： 对通过步骤 1.2 得到的待拼接图像进行均值滤波去噪声。 3. 根据权利要求 1 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 所述 步骤 2。

5、， 具体为 ： 采用 Harris 角点检测算法进行图像边缘特征检测， 其中， Harris 角点检测算法是用一 阶偏导数来描述亮度变化， 并给出与自相关函数相联系的矩阵 M ； 矩阵 M 的特征值是自相关 函数的一阶曲率， 如果某点的两个局部自相关函数的曲率都高， 那么就认为该点是角点特 征。 4. 根据权利要求 3 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， Harris 角点检测算子的数学描述如下 ： （1） Harris 角点检测算子定义了任意方向上的自相关值 E(u， v) 为一组方形区域中图 像灰度误差的总和， 即 ： 其中， w(x,y) 为窗函数， f(x+u,y。

6、+v)-f(x,y)2为图像灰度的梯度值， f（x， y） 表示像 素点灰度值， x、 y 表示像素点的坐标位置， u、 v 分别为沿图像 x、 y 方向的平移量 ； E(u,v) 的泰勒展开式为 ： 其中， M 是 2X2 的对称矩阵 ； 权 利 要 求 书 CN 103530844 A 2 2/3 页 3 fx,fy分别为图像 x,y 方向的梯度值， e 为自然常数， 为参数 ； E(u， v) 近似作为局部自相关函数， M 则描述了在这点上的形状 ； 设 1、 2是矩阵 M 的 两个特征值， 则 1、 2可表示局部自相关函数的曲率 ； 这 2 个特征值与矩阵 M 的主曲率成 正比 ； 由。

7、于 Harris 算子各向同性， 所以 M 保持旋转不变性 ； 通过对矩阵 M 的两特征值分析， 得出以下三种情况 ： a. 如果两特征值都比较小， 则意味着窗口所处区域灰度近似常量 ； 任意方向的移动， 函数 E 都发生很小的改变 ； b. 如果其中一个特征值比较大， 而另一个特征值比较小， 则表明成屋脊状 ； 沿着边缘 方向移动使得函数 E 变化很小， 而垂直边缘移动函数 E 则变化较大 ； c. 如果两特征值都很大， 则表明成尖峰状， 沿任意方向的移动都将使得函数 E 急剧增 大 ； 由此而得到 Harris 的角点响应函数 ： R=Det(M)-kTrace2(M) Det(M)=12。

8、 Trace(M)=1+2 其中， R 为角点响应函数， Det(M) 为 M 矩阵行列式值， M 为 2X2 的对称矩阵， k 为参数， Trace(M) 为矩阵特征值相加的和 ； 这也避免了对矩阵特征值的求解 ； 窗口所处区域的判断标准为 ： 当某个区域矩阵 M 的 主对角和很大时， 则表明窗口在一条边上 ； 当矩阵 M 的行列式值很大时， 则表明窗口是一条 边或一个角点 ； k的取值范围是0.040.06 ； 当目标像素点的R值大于给定的阈值时， 该像 素点即为特征点。 5. 根据权利要求 1 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 所述 步骤 3， 具体为 ： 设图像。

9、 I1(i， j) 和 I2(i， j) 之间存在平移量 ( i, j)。 其中 ： I1(i， j)=I2(i- i， j- j) 由傅里叶变换的平移特性 ： 为 I1(i， j) 的傅里叶变换，为 I2（i- i,j- j) 的傅里叶变换， e 为 自然常数， i、 j 为空间域变量， u、 v 为分别与 i、 j 对应的频域变量。 两幅图像归一化的互功率谱为 其中 ：分别对应 I1(i， j) 和 I2(i， j) 的傅里叶变换 ；是 权 利 要 求 书 CN 103530844 A 3 3/3 页 4 的复共轭，为两幅图像归一化的互功率谱。 互功率谱的相位等于两幅图像的相位差。归一化的。

10、互功率谱进行逆傅里叶变换， 得到 一个冲激函数 Corr(i,j) g-1e-j2(ui+vj) (i-i,j-j) 其中， Corr(i,j) 为逆傅里叶变换的归一化的互功率谱， (i-i,j-j) 为得到的冲 击函数。 该函数在两幅图像的相对位移 ( i, j) 即匹配点处取最大值， 其他地方接近零。 6. 根据权利要求 1 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 所述 步骤 4 包括如下步骤 ： 步骤 4.1 ： 根据待拼接图像选择重合区域 ； 步骤 4.2 ： 在所有特征点中随机选择 N 个样本 ； 步骤 4.3 ： 通过 N 个样本估算变换参数 x ； 步骤 4.4。

11、 ： 计算所有特征点中符合变换参数 x 的支集中的样本数量 K ； 步骤 4.5 ： 如果 K 大于阈值， 则将当前变换参数 x 为变换结果 ； 步骤 4.6 ： 如果 K 不满足条件， 则重复步骤 4.1 4.4。 7. 根据权利要求 1 所述的基于结核杆菌抗酸染色图像的拼接方法， 其特征在于， 所述 步骤 5， 具体为 ： 先将各个特征点对应拼接后， 运用加权平均法对图像进行了融合 ； 将两幅待拼接图像 I1(i， j)、 I2(i， j) 中对应像素点乘以一个加权系数后再相加得到融 合的图像 ； 设待拼接图像 I1(i， j) 的加权系数为 a， 则融合图像 I(i， j) 表示为 ： 。

12、I(i， j)=aI1(i， j) 十 (1 一 a)I2(i， j) 其中 ： 加权系数 a 满足 0 a 1 ； 若 a=0.5， 则相当于两幅待拼接图像取平均值 ； 若 a 取为渐变系数， 即在不同的坐标点它的取值也不同 ； 当 a 由 1 慢慢变化到 0 时， 融合图像从 I1(i， j) 慢慢过渡到了 I2(i， j)， 以实现图像间的平滑过渡， 从而消除了拼接的痕迹。 权 利 要 求 书 CN 103530844 A 4 1/8 页 5 基于结核杆菌抗酸染色图像的拼接方法 技术领域 0001 本发明涉及图像处理技术领域和医学成像技术领域， 尤其是一种协助操作员完成 样本图像拼接处理。

13、的方法， 具体地， 涉及基于结核杆菌抗酸染色图像的拼接方法。 背景技术 0002 我国属世界上 22 个结核病高流行国家之一， 全国有 5 亿以上人口受结核菌感染， 活动性肺结核病人达 600 余万， 其中传染性肺结核病人达 200 余万， 每年新增 113 万新结核 病患者， 还有大量肺外结核病人存在， 每年因结核病死亡者达 25 万， 结核病在我国仍然是 一个危害人民健康的严重公共卫生问题。 0003 结核的显微镜观察一直存在非常费时费事、 效率低下的问题。其需要医师连续判 读 300 个不同的视野， 来进行判断样本的结果。 0004 申请人经过自主研发的自动的微量移动平台和光学系统， 已。

14、经实现了连续 20 个 批次， 每个批次野 15 行， 共计 300 个不同视野的电子拍照， 但是由于照片量大， 逐个图片的 判读将会造成大量时间的浪费， 而且医师逐个图片复核也极不方便。所以就产生如何将所 有 300 个视野的图片拼接成一张的图片的问题。 0005 但是现在应用于此领域的图像处理系统很少， 而且基本都存在拼接粗糙、 有明显 拼接缝隙、 图像不完整、 ， 速度慢、 输出结果图片像素偏低等缺点。 而且常常需要人工选取初 始匹配点， 无法适应大数据量图像的融合。 0006 图像拼接是指将两幅或两幅以上具有重叠部分的图片无缝地拼接成一幅较大的 图片的技术。 图像配准是图像融合的基础，。

15、 而且图像配准算法的计算量一般非常大， 因此图 像拼接技术的发展很大程度上取决于图像配准技术的创新。 早期的图像配准技术主要采用 点匹配法， 这类方法速度慢、 精度低。 发明内容 0007 针对现有技术中的缺陷， 本发明的目的是提供一种基于结核杆菌抗酸染色图像的 拼接方法， 从而解决技术问题 ： 1） 图像拼接的准确 ； 2） 解决拼接上下， 左右缝隙问题 ； 3） 提 高处理效率， 降低处理时间。 0008 根据本发明提供的基于结核杆菌抗酸染色图像的拼接方法， 包括如下步骤 ： 0009 步骤 1， 图像预处理 ： 0010 建立待拼接图像的匹配模板， 对待拼接图像进行变换操作 ； 0011。

16、 步骤 2， 图像边缘特征检测 ： 0012 通过检测各像素点的灰度变化以及梯度信息来检测待拼接图像中对匹配有用的 特征点 ； 0013 步骤 3， 图像特征点匹配 ： 0014 找出待拼接图像中的特征点在参考图像中对应的位置， 进而确定待拼接图像与参 考图像之间的特征变换关系 ； 说 明 书 CN 103530844 A 5 2/8 页 6 0015 步骤 4， 图像伪特征点对去除 ： 0016 剔除伪特征点数据， 得到最优特征点集 ； 0017 步骤 5， 融合重构 ： 0018 根据最优特征点集将待拼接图像的重合区域进行融合， 得到拼接重构的平滑无缝 全景图像。 0019 优选地， 所述。

17、步骤 1 包括如下步骤 ： 0020 步骤 1.1 ： 对待拼接图像进行图像校正 ； 0021 步骤 1.2 ： 对通过步骤 1.1 得到的待拼接图像进行图像边缘裁剪 ； 0022 步骤 1.3 ： 对通过步骤 1.2 得到的待拼接图像进行均值滤波去噪声。 0023 优选地， 所述步骤 2， 具体为 ： 0024 采用 Harris 角点检测算法进行图像边缘特征检测， 其中， Harris 角点检测算法是 用一阶偏导数来描述亮度变化， 并给出与自相关函数相联系的矩阵 M ； 矩阵 M 的特征值是自 相关函数的一阶曲率， 如果某点的两个局部自相关函数的曲率都高， 那么就认为该点是角 点特征。 0。

18、025 优选地， 0026 Harris 角点检测算子的数学描述如下 ： 0027 （1） Harris 角点检测算子定义了任意方向上的自相关值 E(u， v) 为一组方形区域 中图像灰度误差的总和， 即 ： 0028 0029 其中， w(x,y) 为窗函数， f(x+u,y+v)-f(x,y)2为图像灰度的梯度值， f（x， y） 表 示像素点灰度值， x、 y 表示像素点的坐标位置， u、 v 分别为沿图像 x、 y 方向的平移量 ； 0030 E(u,v) 的泰勒展开式为 ： 0031 0032 其中， M 是 2X2 的对称矩阵 ； 0033 0034 fx,fy分别为图像 x,y 。

19、方向的梯度值， W（x,y） 为高斯滤波器， e 为自然常数， 为 参数 ； 0035 E(u， v) 近似作为局部自相关函数， M 则描述了在这点上的形状 ； 设 1、 2是矩阵 M 的两个特征值， 则 1、 2可表示局部自相关函数的曲率 ； 这 2 个特征值与矩阵 M 的主曲 率成正比 ； 由于Harris算子各向同性， 所以M保持旋转不变性 ； 通过对矩阵M的两特征值分 析， 得出以下三种情况 ： 0036 a. 如果两特征值都比较小， 则意味着窗口所处区域灰度近似常量 ； 任意方向的移 动， 函数 E 都发生很小的改变 ； 0037 b. 如果其中一个特征值比较大， 而另一个特征值比较。

20、小， 则表明成屋脊状 ； 沿着 边缘方向移动使得函数 E 变化很小， 而垂直边缘移动函数 E 则变化较大 ； 0038 c. 如果两特征值都很大， 则表明成尖峰状， 沿任意方向的移动都将使得函数 E 急 说 明 书 CN 103530844 A 6 3/8 页 7 剧增大 ； 0039 由此而得到 Harris 的角点响应函数 ： 0040 R=Det(M)-kTrace2(M) 0041 Det(M)=12 0042 Trace(M)=1+2 0043 其中， R 为角点响应函数， Det(M) 为 M 矩阵行列式值， M 为 2X2 的对称矩阵， k 为参 数， Trace(M) 为矩阵特。

21、征值相加的和 ； 0044 这也避免了对矩阵特征值的求解 ； 窗口所处区域的判断标准为 ： 当某个区域矩阵 M 的主对角和很大时， 则表明窗口在一条边上 ； 当矩阵 M 的行列式值很大时， 则表明窗口是 一条边或一个角点 ； k的取值范围是0.040.06 ； 当目标像素点的R值大于给定的阈值时， 该像素点即为特征点。 0045 优选地， 所述步骤 3， 具体为 ： 0046 设图像 I1(i， j) 和 I2(i， j) 之间存在平移量 ( i, j)。 0047 其中 ： 0048 I1(i， j)=I2(i- i， j- j) 0049 由傅里叶变换的平移特性 ： 0050 0051 为。

22、 I1(i， j) 的傅里叶变换，为 I2(i- i， j- j) 的傅里叶变换， e 为自然常数， i、 j 为空间域变量， u、 v 为分别与 i、 j 对应的频域变量。 0052 两幅图像归一化的互功率谱为 0053 0054 其中 ：和分别对应 I1(i， j) 和 I2(i， j) 的傅里叶变换 ；是 的复共轭，为两幅图像归一化的互功率谱。 0055 互功率谱的相位等于两幅图像的相位差。归一化的互功率谱进行逆傅里叶变换， 得到一个冲激函数 0056 Corr(i,j) g-1e-j2(ui+vj) (i-i,j-j) 0057 其中， Corr(i,j) 为逆傅里叶变换的归一化的互功。

23、率谱， (i-i,j-j) 为得到 的冲击函数。 0058 该函数在两幅图像的相对位移 ( i, j) 即匹配点处取最大值， 其他地方接近 零。 0059 优选地， 所述步骤 4 包括如下步骤 ： 0060 步骤 4.1 ： 根据待拼接图像选择重合区域 ； 0061 步骤 4.2 ： 在所有特征点中随机选择 N 个样本 ； 0062 步骤 4.3 ： 通过 N 个样本估算变换参数 x ； 0063 步骤 4.4 ： 计算所有特征点中符合变换参数 x 的支集中的样本数量 K ； 说 明 书 CN 103530844 A 7 4/8 页 8 0064 步骤 4.5 ： 如果 K 大于阈值， 则将当。

24、前变换参数 x 为变换结果 ； 0065 步骤 4.6 ： 如果 K 不满足条件， 则重复步骤 4.1 4.4。 0066 优选地， 所述步骤 5， 具体为 ： 0067 先将各个特征点对应拼接后， 运用加权平均法对图像进行了融合 ； 0068 将两幅待拼接图像 I1(i， j)、 I2(i， j) 中对应像素点乘以一个加权系数后再相加得 到融合的图像 ； 设待拼接图像 I1(i， j) 的加权系数为 a， 则融合图像 I(i， j) 表示为 ： 0069 I(i， j)=aI1(i， j) 十 (1 一 a)I2(i， j) 0070 其中 ： 加权系数 a 满足 0 a 1 ； 若 a=0。

25、.5， 则相当于两幅待拼接图像取平均值 ； 若 a 取为渐变系数， 即在不同的坐标点它的取值也不同 ； 当 a 由 1 慢慢变化到 0 时， 融合图 像从 I1(i， j) 慢慢过渡到了 I2(i， j)， 以实现图像间的平滑过渡， 从而消除了拼接的痕迹。 0071 与现有技术相比， 本发明具有如下的有益效果 ： 0072 （1） 图像实现了准确拼接， 相对用户操作逐个视野查找结核病菌， 本发明成倍地提 高了客户判断结果的准确度 ； 0073 （2） 通过自动拼接图像， 大大提高了用户的工作效率， 节约了人力成本， 提升了医 院的社会和经济效益 ； 0074 （3） 自动拼接好的图像通过电子化。

26、的方式有效地存储下来， 方便用户日后的再会 诊和相关文档工作， 做到有据可依， 明确责任， 大大减少误判引起的医疗纠纷 ； 0075 （4） 解决了图像拼接的拼接粗糙， 输出图像像素点数偏低等问题。 附图说明 0076 图 1 为图像拼接流程框图 ； 0077 图 2 为 300 张图片扫描流程图 ； 0078 图 3 示出两张相邻图像， 按照步骤 1 进行图像预处理后 ； 0079 图 4 示出按照步骤 2， 检测出两幅图像中有用的兴趣点 ； 0080 图 5 示出按照步骤 3， 将两幅图像中可能的兴趣点匹配起来 ； 0081 图 6 示出按照步骤 4， 去除两幅图像中的伪特征点对， 得到最。

27、优的特征点集结果 ； 0082 图 7 示出按照步骤 5， 根据最优的特征点集结果， 将两幅图像融合成一幅图像。 具体实施方式 0083 下面结合具体实施例对本发明进行详细说明。 以下实施例将有助于本领域的技术 人员进一步理解本发明， 但不以任何形式限制本发明。 应当指出的是， 对本领域的普通技术 人员来说， 在不脱离本发明构思的前提下， 还可以做出若干变形和改进。 这些都属于本发明 的保护范围。 0084 本发明提供的基于结核杆菌抗酸染色图像的拼接方法， 包括如下步骤 ： 0085 步骤 1， 图像预处理 ： 包括数字图像处理的基本操作 ( 如去噪、 边缘提取、 直方图处 理等 )、 建立图。

28、像的匹配模板以及对图像进行某种变换 ( 如傅里叶变换、 小波变换等 ) 等操 作。 0086 步骤 2， 图像边缘特征检测 ： 选地采用 Harris 角点检测算法， 点特征是图像拼接算 法中最常用的特征。 通过检测各像素点的灰度变化以及梯度信息来检测对匹配有用的特征 说 明 书 CN 103530844 A 8 5/8 页 9 点。 0087 步骤 3， 图像特征点匹配 ： 采用一定的匹配策略， 找出待拼接图像中的模板或特征 点在参考图像中对应的位置， 进而确定两幅图像之间的变换关系。 0088 步骤 4， 图像伪特征点对去除 ： 优选地主要基于 RANSAC 算法进行优化改进， 剔除了 不。

29、准确的特征点数据， 从而得到一个最优的拟合结果。 0089 步骤 5， 融合重构 ： 根据最优的拟合结果集将图像的重合区域进行融合得到拼接 重构的平滑无缝全景图像。 0090 接下来对上述步骤做进一步地描述。 0091 步骤 1 包括如下步骤 ： 0092 步骤 1.1 ： 图像校正 0093 图像校正的基本思路是， 根据图像失真原因， 建立相应的数学模型， 从被污染或畸 变的图像信号中提取所需要的信息， 沿着使图像失真的逆过程恢复图像本来面貌。实际的 复原过程是设计一个滤波器， 使其能从失真图像中计算得到真实图像的估值， 进而使其根 据预先规定的误差准则， 最大程度地接近真实图像。 0094。

30、 步骤 1.2 ： 图像边缘裁剪 0095 由于我们拍照后的图像边缘不整齐， 因而需要小区域地进行裁剪， 将裁剪后的图 像进行下一步工作。 0096 步骤 1.3 ： 均值滤波去噪声 0097 所谓均值滤波实际上就是用均值替代原图像中的各个像素值。均值滤波的方法 是， 对将处理的当前像素建立 3X3 模板， 模板由其邻近的若干像素组成， 用模板中像素的均 值来替代原像素的值。模板如下所示 ： 0098 187 206 345 0099 序号为 0 的是当前像素， 序号为 1 至 8 的是邻近像素。求模板中所有像素的均值， 再把该均值赋予当前像素点 (x， y)， 作为处理后图像在该点上的灰度 。

31、g(x， y)， 即 0100 0101 其中， s 为模板， M 为该模板中包含像素的总个数， f（x， y） 为各像素点灰度值。均 值滤波简单地平滑了一幅图像的局部变化的同时。在模糊结果的同时减少了噪声。 0102 步骤 2， 图像边缘特征检测， 具体为 ： 0103 采用 Harris 角点检测算法进行图像边缘特征检测， 其中， Harris 角点检测算法是 用一阶偏导数来描述亮度变化， 并给出与自相关函数相联系的矩阵M。 矩阵M的特征值是自 相关函数的一阶曲率， 如果某点的两个局部自相关函数的曲率都高， 那么就认为该点是角 点特征。其优点有 ： 0104 （1） 由于 Harris 算。

32、子只用到灰度的一阶差分及滤波， 计算简单， 自动化程度高。 说 明 书 CN 103530844 A 9 6/8 页 10 0105 （2） Harris 算子对每个像素点都计算其兴趣值， 然后才在领域中选取最优点作为 特征点， 所以其提取的点即均匀又合理。 0106 （3） Harris 算子在存在图像旋转、 灰度变化、 噪声影响和视点变化的时候是一种较 稳定的特征点提取算子。 0107 Harris 角点检测算子的数学描述如下 ： 0108 （1） Harris 角点检测算子定义了任意方向上的自相关值 E(u， v) 为一组方形区域 中图像灰度误差的总和， 即 ： 0109 0110 其中。

33、， w(x,y) 为窗函数， f(x+u,y+v)-f(x,y)2为图像灰度的梯度值， f（x， y） 像 素点灰度值， x、 y 表示像素点的坐标位置， u、 v 为分别沿图像 x、 y 方向的平移量它的泰勒展 开式为 ： 0111 0112 其中， M 是 2X2 的对称矩阵。 0113 0114 fx,fy分别为图像 x,y 方向的梯度值， W（x,y） 为高斯滤波器， e 为自然常数， 为 参数。 0115 E(u， v) 可近似作为局部自相关函数， M 则描述了在这点上的形状。设 1、 2是 矩阵 M 的两个特征值， 则 1、 2可表示局部自相关函数的曲率。这 2 个特征值与矩阵 M。

34、 的 主曲率成正比。由于 Harris 算子各向同性， 所以 M 保持旋转不变性。通过对矩阵 M 的两特 征值分析， 可以得出以下三种情况 ： 0116 a. 如果两特征值都比较小， 则意味着窗口所处区域灰度近似常量。任意方向的移 动， 函数 E 都发生很小的改变。 0117 b. 如果其中一个特征值比较大， 而另一个特征值比较小， 则表明成屋脊状， 例如 ： 图像的边缘。沿着边缘方向移动使得函数 E 变化很小， 而垂直边缘移动函数 E 则变化较大。 0118 c. 如果两特征值都很大， 则表明成尖峰状， 沿任意方向的移动都将使得函数 E 急 剧增大。 0119 由此而得到 Harris 的角。

35、点响应函数 ： 0120 R=Det(M)-kTrace2(M) 0121 Det(M)=12 0122 Trace(M)=1+2 0123 其中， R 为角点响应函数， Det(M) 为 M 矩阵行列式值， M 为 2X2 的对称矩阵， k 为参 数， Trace(M) 为矩阵特征值相加的和。 0124 这也避免了对矩阵特征值的求解。窗口所处区域的判断标准为 ： 当某个区域矩阵 M 的主对角和很大时， 则表明窗口在一条边上 ； 当矩阵 M 的行列式值很大时， 则表明窗口是 一条边或一个角点。k 的取值范围是 0.04 0.06. 当目标像素点的 R 值大于给定的阈值 说 明 书 CN 103。

36、530844 A 10 7/8 页 11 时， 该像素点即为我们要寻找的特征点。 0125 步骤 3， 图像特征点匹配， 具体为 ： 0126 对于存在平移、 旋转和尺度缩放的图像， 利用图像间相似性最大化的原理实现配 准， 即通过优化相似性准则计算图像间的变换参数。基本原理如下 ： 0127 设图像 I1(i， j) 和 I2(i， j) 之间存在平移量 ( i, j)。 0128 其中 ： 0129 I1(i， j)=I2(i- i， j- j) 0130 由傅里叶变换的平移特性 ： 0131 0132 为 I1(i， j) 的傅里叶变换，为 I2（i- i,j- j) 的傅里叶变换， e。

37、 为自然常数， i、 j 为空间域变量， u、 v 为分别与 i、 j 对应的频域变量。 0133 两幅图像归一化的互功率谱为 0134 0135 其中 ：和分别对应 I1(i， j) 和 I2(i， j) 的傅里叶变换 ；是 的复共轭，为两幅图像归一化的互功率谱。 0136 互功率谱的相位等于两幅图像的相位差。归一化的互功率谱进行逆傅里叶变换， 得到一个冲激函数 0137 Corr(i,j) g-1e-j2(ui+vj) (i-i,j-j) 0138 其中， Corr(i,j) 为逆傅里叶变换的归一化的互功率谱， (i-i,j-j) 为得到 的冲击函数。 0139 该函数在两幅图像的相对位移。

38、 ( i, j) 即匹配点处取最大值， 其他地方接近 零。 0140 步骤 4， 图像伪特征值去除， 具体为 ： 0141 由于图像色彩丰富， 线条复杂， 在搜索相似特征时会产生许多错误匹配特征点对。 需要保留住稳定的、 正确的特征点对， 消除不稳定的、 错误的特征点对。 0142 由于我们结核杆菌图像相似特征点较多， 很容易产生伪特征点， 因而我们通过一 定的方法提高消除错误特征点对。 0143 步骤 4 具体包括如下步骤 ： 0144 步骤 4.1 ： 根据我们已知的图像选择重合区域 （可以通过调节我们结核扫描仪的 步距得到大约的重合区域， 选择小于该步距的区域作为重合区域） ； 0145。

39、 步骤 4.2 ： 在所有特征点中随机选择 N 个样本 ； 0146 步骤 4.3 ： 通过 N 个样本估算变换参数 x ； 0147 步骤 4.4 ： 计算所有特征点中符合变换参数 x 的支集中的样本数量 K ； 0148 步骤 4.5 ： 如果 K 足够大， 则结束计算， 当前参数 x 为变换结果 ； 0149 步骤 4.6 ： 如果 K 不满足条件， 重复步骤 4.1 4.4， 一共重复 L 次。 说 明 书 CN 103530844 A 11 8/8 页 12 0150 步骤 5， 融合重构， 具体为 ： 0151 图像融合是将两幅已配准图像中有用信息综合到一幅图像中并以可视化方法显 。

40、示的技术。 配准后的图像由于光照， 样本厚度等因素的影响， 在图像拼接的重叠部分有时会 产生模糊、 鬼影或噪声点， 边界处也可能形成明显的拼缝。 为了改善拼接图像的视觉效果和 客观质量， 需要对拼接后的图像进行融合。 0152 加权平均法是一种最简单的图像融合算法。 将两幅图像对应像素点乘以一个加权 系数后再相加得到融合的图像。设图像 I1(i， j) 的加权系数为 a， 则融合图像 I(i， j) 可表 示为 ： 0153 I(i， j)=aI1(i， j) 十 (1 一 a)I2(i， j) 0154 其中 ： 加权系数 a 满足 0 a 1。若 a=0.5， 则相当于两幅图像取平均值 ；。

41、 若 a 取 为渐变系数， 即在不同的坐标点它的取值也不同 ； 当a由1慢慢变化到0时， 图像从I1(i， j) 慢慢过渡到了 I2(i， j)， 这样就可以实现图像间的平滑过渡， 从而消除了拼接的痕迹。 0155 在一个优选的具体实施方式中， 就 300 张图片拼接成一张图片进行介绍。 0156 第一步 ： 图像 1 与图像 2 拼接为一张图像 a， 图像 a 与图像 3 拼接为图像 b， 图像 b 与图像 4 拼接为图像 c， 以此类推， 第一行拼接为图像 A。 0157 第二步 ： 第二行拼接为图像 B，第 15 行拼接为图像 O。 0158 第三步 ： 图像 A 与图像 B 拼接为图像。

42、， 图像与图像 C 拼接为图像， 图像与 图像 D 拼接为图像， 以此类推， 300 张图片， 拼接为一张图片。 0159 整个拼接的过程约为 15 秒。 0160 以上对本发明的具体实施例进行了描述。需要理解的是， 本发明并不局限于上述 特定实施方式， 本领域技术人员可以在权利要求的范围内做出各种变形或修改， 这并不影 响本发明的实质内容。 说 明 书 CN 103530844 A 12 1/4 页 13 图 1 图 2 说 明 书 附 图 CN 103530844 A 13 2/4 页 14 图 3 图 4 说 明 书 附 图 CN 103530844 A 14 3/4 页 15 图 5 图 6 说 明 书 附 图 CN 103530844 A 15 4/4 页 16 图 7 说 明 书 附 图 CN 103530844 A 16 。