基于图像sobel边缘提取和形态学特征匹配的多碎片图像拼接算法matlab仿真
目录
1.引言
破碎图像碎片复原在文物数字化、破损档案修复等场景具备实用价值。多碎片图像拼接不同于普通全景图像拼接，碎片之间不存在完整重叠区域，仅依靠碎片边界的边缘、形态轮廓信息完成匹配、配准与图像融合。整体流程包含碎片图像读取预处理、Sobel算子边缘提取、形态学轮廓特征计算、碎片边界特征匹配、迭代图像配准融合、多子块图像叠加复原六大环节。利用Sobel算子提取碎片四周边缘轮廓，形态学处理过滤噪声边缘；然后完成碎片边界形态特征相似度检索，然后完成图像变换配准，迭代将碎片逐步拼合，最终叠加生成完整复原图像。
2.算法测试效果
3.算法涉及理论知识概要
3.1 碎片图像读取与图像预处理
系统GUI触发读取碎片文件，批量读取碎片RGB图像Irgb。彩色碎片图像首先转换为灰度图像，消除色彩通道干扰，便于后续边缘检测。RGB转灰度的计算公式：
其中，*代表二维卷积运算。预处理之后图像送入Sobel边缘提取模块，该部分对应代码中`func_get_debris`函数的前期处理流程，同时保存原始RGB碎片图、灰度图，供后续配准融合使用。
3.2 Sobel算子边缘提取
Sobel算子利用横向、纵向梯度模板分别计算图像x方向、y方向灰度梯度，获取碎片物体边界。x 方向Sobel卷积核Sx，y方向卷积核Sy。
设置阈值LVL（程序中LVL取0.6~0.62），对梯度幅值二值化得到边缘二值图E(x,y)：
Gmax为整张图像梯度幅值最大值。E(x,y)=1的像素代表边缘点，即代码中保存的`edges{i}`边缘矩阵。阈值LVL控制边缘保留多少细节，LVL越高，仅保留强轮廓，过滤细碎纹理边缘；LVL过低会引入大量无效纹理干扰后续碎片匹配。
3.3 形态学处理优化边缘轮廓
Sobel直接输出的边缘图存在断点、细小毛刺、孤立噪声点，需要形态学运算优化轮廓。主要使用腐蚀、膨胀运算。设结构元为B，二值边缘图像E。膨胀运算，扩大边缘连通域，填补边缘细小断裂：
经过形态学开运算，得到优化后的碎片边界轮廓图像。提取轮廓的形态特征向量：轮廓长度、轮廓点坐标序列、边界点梯度方向，构成该碎片的形态特征描述子。不同碎片之间，对比边界形态特征向量的相似度，该过程对应`func_RL`特征匹配函数输入。
3.4 碎片形态学特征匹配检索
输入待匹配碎片边缘特征，和其余全部碎片的轮廓特征做相似度计算。设碎片A轮廓特征向量为 Fa，候选碎片B轮廓特征向量Fb。采用归一化相关系数衡量形态轮廓相似度：
ii2即为匹配最优碎片编号。同时输出匹配边界的坐标偏移量R1b,C1b，代表两片碎片之间水平、竖直方向配准偏移。这一步对应代码`func_RL`，输出最优匹配碎片索引与偏移参数，若相似度低于下限阈值，则判定没有可匹配碎片。
3.5 多组子块图像矩阵叠加复原完整图像
程序中将碎片分为多组子集分别迭代拼接，每组碎片迭代完成，输出子拼接图像 IRGB1, IRGB2, IRGB3, IRGB4。创建足够大的零矩阵作为画布，设置各组子块垂直方向放置偏移系数，将各组子块缩放（除以系数1.3做亮度压缩）后放到画布不同位置：
裁剪边缘多余空白，转换uint8数据类型，在GUI的axes3控件显示最终复原图像。
综上所述，完整算法执行流程：
①GUI界面读取全部碎片图像，RGB图像转为灰度图，高斯平滑降噪；
②Sobel算子计算梯度幅值，设定LVL阈值做二值化得到碎片边缘图；
③形态学开运算去除边缘毛刺噪声，提取碎片边界形态特征向量；
④func_RL计算不同碎片轮廓特征相似度，搜索最优匹配碎片，获取配准偏移量；
⑤func_hbing、func_hbing2完成图像平移配准、加权融合，func_get_debris2重新提取拼接后图像边缘特征，迭代匹配下一块碎片；
⑥多组碎片分别拼接得到多个子复原块，画布矩阵叠加，裁剪后输出完整复原图像。
4.核心程序
function [Images,Images0,IC02,edges] = func_get_debris(Image,LVL);
%二值化
IC0 = im2bw(Image,LVL*graythresh(Image));
% figure(1);
% subplot(231)
% imshow(IC0);title('二值化图像');
%提取各个碎片
[L,n] = bwlabel(IC0);
[rows,cols] = size(IC0);
L2(1:rows,1:cols,3) = 0;
Index = 0;
for i=1:n
i
[r,c] = find(L==i);
a1(i) = max(r);
a2(i) = min(r);
b1(i) = max(c);
b2(i) = min(c);
w(i) = b1(i)-b2(i);
h(i) = a1(i)-a2(i);
square(i) = w(i) * h(i);
if square(i) > 5000
Index = Index + 1;
%将碎片像素信息保存下来
Images = Image(a2(i):a1(i),b2(i):b1(i),:);
IC02 = IC0(a2(i):a1(i),b2(i):b1(i));
Images0 = IC0(a2(i):a1(i),b2(i):b1(i));
%
L2(a2(i)+1:a2(i)+2 ,b2(i)+1:b1(i),1) = 255;
L2(a1(i)+1:a1(i)+2 ,b2(i)+1:b1(i),1) = 255;
L2(a2(i)+1:a1(i) ,b2(i)+1:b2(i)+2,1) = 255;
L2(a2(i)+1:a1(i) ,b1(i)+1:b1(i)+2,1) = 255;
L2(a2(i)+1:a2(i)+2 ,b2(i)+1:b1(i),2) = 0;
L2(a1(i)+1:a1(i)+2 ,b2(i)+1:b1(i),2) = 0;
L2(a2(i)+1:a1(i) ,b2(i)+1:b2(i)+2,2) = 0;
L2(a2(i)+1:a1(i) ,b1(i)+1:b1(i)+2,2) = 0;
L2(a2(i)+1:a2(i)+2 ,b2(i)+1:b1(i),3) = 0;
L2(a1(i)+1:a1(i)+2 ,b2(i)+1:b1(i),3) = 0;
L2(a2(i)+1:a1(i) ,b2(i)+1:b2(i)+2,3) = 0;
L2(a2(i)+1:a1(i) ,b1(i)+1:b1(i)+2,3) = 0;
end
end
pixel2 = zeros(rows,cols,3);
for i = 1:rows
for j = 1:cols
if L2(i,j) == 255
pixel2(i,j,1) = L2(i,j,1);
pixel2(i,j,2) = L2(i,j,2);
pixel2(i,j,3) = L2(i,j,3);
else
pixel2(i,j,1) = IC0(i,j);
pixel2(i,j,2) = IC0(i,j);
pixel2(i,j,3) = IC0(i,j);
end
end
end
% subplot(232)
% imshow(pixel2);title('提取碎片');
% subplot(233)
% imshow(Images);title('提取碎片');
% subplot(234)
% imshow(IC02);title('提取碎片二值图');
%边缘提取
IC02 = imfill(IC02,'hole');
edges = edge(IC02,'sobel');
edges = bwareaopen(edges,50);
5.完整算法代码文件获得
完整程序见博客首页左侧或者打开本文底部GZH名片
（V关注后回复码：X153）
V
浙公网安备 33010602011771号