《毕业论文-基于Harris角点的图像配准算法研究03527.doc》由会员分享，可在线阅读，更多相关《毕业论文-基于Harris角点的图像配准算法研究03527.doc（33页珍藏版）》请在三一文库上搜索。
1、东北石油大学本科生毕业设计（论文）摘 要图像配准现在已成为数字图像处理的研究热点，方法繁多，站在时代的前沿。图像配准多采用基于图像特征点的方法，这种方法易于用计算机处理并且容易实现人机交互，其重点在于如何提取图像上的有效特征点。对图像拼接技术的目的、意义、国内外研究现状、发展方向以及本课题研究的目的和意义进行了阐述，着重介绍了图像拼接过程的核心技术图像配准。阐明了现有配准方法的工作原理，并对常用的各种经典算法的优点和不足进行了比较总结。针对基于特征的角点检测算法，详细介绍了 Harris 角点检测算法。利用MATLAB7.0软件编程，实现图像的角点检测、图像配准以及图像拼接，并且设计精美的图形
2、用户界面(GUI)，以演示最后的结果。仿真结果证明：Harris算子具有较好的抗干扰能力，实现算法简单，易于编程，实现图像拼接具有较高的稳定性和鲁棒性，而且在图像存在灰度变化、旋转以及噪声等情况下，可以对特征点进行较好的提取，使角点检测的误检率低并且匹配效率高。关键词：图像拼接技术；图像配准；Harris角点检测算法；MATLAB 7.0AbstractImage registration is now a research focus in the digital image processing, has many kinds of methods, and keeping pace wi
3、th the times. Image registration is based on the method of image feature points. This method is easy to use computer to handle and easy to realize human-machine interaction, and the focus is to how to extract image of characteristic points on effective.Elaborating image mosaicing technique for the p
4、urpose, significance, the domestic and foreign research present situation, development direction and the subject of the purpose and significance of the study, introducing the core technology of the image matching processing-Image registration.Expounding the existing registration method working princ
5、iples, comparing and summaring advantages and disadvantages of all kinds of commonly used classical algorithms. Based on characteristics of the corner detection algorithm, introducing the Harris corner detection algorithm in detail. Use of MATLAB 7.0 software programming, realize image corner detect
6、ion, image registration and image mosaicing, and elegant design graphical user interface (GUI), to demonstrate the final results.The simulation results prove that: Harris operator has a better adaptability, algorithm is simple and easy to program, realize image mosaicing with high stability and robu
7、stness,extract feature points well in the image with gray-scale changing, rotate existing noise and so on,and make corner detection by low mistake examining rate and high efficiency matching. Key words：Image mosaicing technique；Image registration；Harris corner detection algorithm；MATLAB 7.0目 录第1章 概
8、述11.1 图像拼接技术的定义和目的11.2 图像拼接的意义11.3 图像拼接的现状及发展动向11.4 图像拼接的流程21.5 本设计的研究目的及意义2第2章 角点检测及MATLAB实现32.1 角点定义32.2 常用角点检测的算法32.3 常用角点检测算法比较62.4 Harris角点检测的MATLAB实现72.5 本章小结8第3章 图像配准与拼接算法研究93.1 图像配准的方法93.2 图像配准的原理113.3 图像配准的MATLAB实现113.4 图像拼接的原理123.5 图像拼接的MATLAB实现123.6 本章小结13第4章 图像拼接技术的GUI设计144.1 MATLAB的主要功能
9、144.2 GUI界面定义154.3 可视化图形用户界面设计164.4 图像拼接的GUI设计实现194.5 本章小结20结 论21参考文献22致 谢23附 录24II第1章 概 述1.1 图像拼接技术的定义和目的随着计算机在各个领域的广泛应用，为了得到宽视角、高分辨率图像，图像拼接技术逐渐成为计算机图形学、计算机视觉、模式识别等领域的研究热点，得到越来越多人的关注。图像拼接技术就是将数张有重叠部分的小视角图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅宽视角的无缝高分辨率图像，满足人们在各个领域研究的需要的技术。图像拼接技术为图像降噪、视场(Field of View)扩展、模糊消
10、除(Blur Removing)、空间解析(Spatial Resolution)和去除运动物体的动态范围(Dynamic Range)提供了可能性。1.2 图像拼接的意义图像配准是图像融合的基础，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。目前，图像拼接技术研究的一个重要意义就是使我们能够利用廉价的成像设备采集图像，而后利用图像处理算法对图像失真进行校正，并完成图像的自动拼接，这样就解决了图像在高分辨率和宽视野二者之间的矛盾，使我们利用普通数码相机和计算机就能得到所需的图像。1.3 图像拼接的现状及发展动向在国内，图像拼接技术研究虽然起步相对
11、较晚，但发展迅速。1997 年王晓睿等人，提出一种应用于图像高精度配准的自动图像配准算法，把互相关系数作为相似测度来进行配准，但实际上只是一种半自动的配准方法1。2002 年，针对动态全景图像拼接，由杜威、李华两人提出了一种应用于动态场景的全景图表示方法，可以将视频纹理和全景图结合起来，构造出动态全景图2。2005 年，侯舒维，郭宝龙提出了一种图像自动拼接的快速算法，改进了现有基于灰度级相似的图像拼接方法3。2007 年，尹丽华、安居白、夏妍妍，提出基于特征点匹配的图像拼接算法，能够得到较理想的拼接结果4。2008 年，高健、黄心汉、彭刚、王敏、吴祖玉撰写的基于 Harris 角点和高斯差分的
12、特征点提取算法，这种算法使整个图像拼接过程的准确性和实时性两方面都达到了明显的改善。随着人们对图像拼接算法研究的深入，逐渐将稀疏分解矩阵引入图像拼接领域5。2007年，葛仕明、程义民、曾丹、何兵兵提出的基于稀疏特征匹配和变形传播的无缝拼接，在该领域取得了巨大突破6。1.4 图像拼接的流程图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的。一般说来，图像拼接技术，按其工作流程主要分为三个部分：图像预处理，图像配准和图像线性插值拼接。其中图像配准是整个图像拼接技术的核心部分，直接决定了图像拼接结果的好坏。图像预处理是图像拼接技术的第一步，在进行图像采集时，往往不能保证摄像设备始终
13、保持同一角度和方向、光线的不同也会造成采集图像灰度差异大等问题，图像预处理主要完成对待拼接图像进行几何畸变的校正，包括去除噪声、边缘提取、直方图处理等图像处理的基本操作、建立图像的匹配模板，以及对待处理图像进行傅立叶变换、小波变换、稀疏分解等操作。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的匹配，图像配准是整个图像拼接技术的核心。参考图像待拼接图像图像预处理图像预处理检测角点，筛选合适的角点对（一般为两对）利用角点对，线性插值拼接，实现全景显示图1-1 图像拼接流程图1.5 本设计的研究目的及意义图像匹配是计算机视觉研究领域中热点问题，也是视觉理论和应用
14、的基础，基于Harris角点匹配算法与基于模板等其他的匹配拼接算法相比，在没有增加计算量的基础上提高了匹配速度和精度，同时对亮度差异的抗干扰能力有一定增强。因此，实现精确、稳定、快速图像匹配算法有利于对视觉信息后续处理研究。3东北石油大学本科生毕业设计（论文）第2章 角点检测及MATLAB实现2.1 角点定义图像匹配的算子，主要是用来提取两幅配准图像中的角点。角点，又称为兴趣点，是像素点在其邻域内的各个方向上灰度变化量足够大的点，且大于阈值的点。它是一种重要的图像特征点，包含了图像中丰富的二维结构信息，广泛应用于各种图像处理技术中。角点最大的优点是：它所代表的局部结构关系信息不会因为视角的不同
15、而改变，这在三维物体识别上很有用。此外，角点特征也常用在汉字识别，染色体识别等应用系统中。2.2 常用角点检测的算法2.2.1 Harris算子Harris算子是Harris和Stephens提出的一种基于信号的角点特征提取的算子。其处理过程表示如下7： （2-1） （2-2）式中：为方向上的梯度，为方向上的梯度，为高斯模板，为矩阵的行列式，为矩阵的迹，为常数，表示图中相应像素点的兴趣值。2.2.2 小波变换算子小波变换算子8可以非常有效地用于信号的多分辨率局部分析，它已经被成功的用于许多图像分析领域。对于图像配准来说，由于两幅图像中共同特征往往是大而强的边缘信息，根据小波变换能够反映图像的阶
16、跃型边缘突变点的性质，可以利用小波变换提取用于图像配准的特征点。假设图像具有个像素。在个尺度上对进行分解，即尺度。选择适当的二维平滑函数，定义小波为： （2-3） （2-4）构造出离散滤波器，在尺度上，采用二维离散小波变换的快速算法计算每个点的离散二进小波变换，。点的模值为： （2-5）相角为： （2-6）然而，模极大值点就是该点的模大于在相角方向上的两个相邻位置上模值的点。当模极大值点大于所设定的门限值时，则该点被认为是特征点。2.2.3 Moravec算子Moravec算子9是Moravec提出的利用灰度方差提取点特征的算子。其提取点特征的步骤为：(1)计算各像元的兴趣值IV（Intere
17、st Value）。在以像素为中心的的图像窗口中，相邻4个方向像素灰度差的平方和为： （2-7） （2-8） （2-9） （2-10）式中：。取其中最小者作为该像素的兴趣值，即： （2-11）(2)给定一经验阈值，将兴趣值大于该阈值的点作为候选点，阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则。(3)选取候选点中的极值点作为特征点，在一定大小的窗口内（可不同于兴趣值计算窗口），将候选点中兴趣值不是最大者去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。2.2.4 Forstner算子Forstner算子10是通过计算各像素的Roberts梯度和以像素为中心的一个窗口灰
18、度协方差矩阵，在图像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。其步骤为：(1)计算各像素的Roberts梯度 （2-12） （2-13）(2)计算窗口中灰度的协方差矩阵 （2-14）式中： （2-15） （2-16） （2-17）(3)计算兴趣值和 （2-18）式中：代表矩阵的行列式；代表矩阵的迹。(4)确定待选点如果兴趣值大于给定的阈值，则该像元为待选点，阈值为经验值，可参考下列值： （2-19）式中：为权平均值；为本权的中值。当，且时，该像素为待选点。(5)选取极值点以权值为依据，选择极值点，即在一个适当窗口中选择最大的待选点，而去掉其余的点。2.3 常用角点检测算法比较Harr
19、is 角点检测算法是基于图像的灰度自相关函数的一种算法，该算法直接从原始图像中检测特征点，能够在图像发生灰度变化、旋转和干扰噪声等情况下检测兴趣点。相对于 Moravec 算法，在抗噪能力有了很大提高，而且兼顾了效率和精度两方面的要求，误检测率低。提取的角点均匀合理，可以定量提取特征点，计算量小，易于编程。基于小波变换的特征点提取算法在实际应用中，可以满足图像配准的要求，而且适用性也比较强，但是由于它的计算量比较大，不利于图像的快速配准，用MATLAB软件对其编程，运行时间需要的较多。Moravec 角点检测算法是一种比较传统的提取兴趣点的算法，由于该算法是通过计算水平、垂直、对角线、反对角线
20、四个方向上灰度方差检测角点，该算子各项异性。具有思路简单，计算过程易于实现，判断条件少的优点，但其定位准确度不高，抗噪能力较低。Forstner算子与Moravec算子有大多数的方面相似，都是传统的点特征的提取算法，它们对各个像素邻域进行一定的梯度或差分运算，选择其极值点（极大或者极小）或超过给定阈值的点作为特征点。它们提取的特征点较强的依赖于局部灰度信息，其适应性较差而且计算量较大，因此，它们逐步被基于小波变换算子所代替。根据本节对各类算子的研究，分析，总结出算子的优点和缺点11，如表2-1所示：表2-1 各类角点检测算法的比较表算法优点缺点Harris角点检测算法计算简单，鲁棒性，稳定性较
21、高。角点提取可靠性高，抗干扰性强定位性能差，对角点位置变化比较敏感，阈值、高斯函数方差、k值没有确定值。 续表2-1 各类角点检测算法的比较表算法优点缺点小波变换的角点提取算法适应性较强、利于实际应用。计算量较大，不利于快速配准。Moravec角点检测算法思路简单，计算过程易于实现，判断条件少定位准确度不高，抗干扰能力低Forstner角点检测算法思路简单，易于实现，传统的角点检测算法适应性差，计算量大，对局部灰度信息依赖过强2.4 Harris角点检测的MATLAB实现利用MATLAB软件编程，实现角点检测的功能，验证Harris算子的应用效果。首先：把参考图像和待匹配图像中的角点全部检测出
22、来，根据图像显示得知，角点数量繁多；其次：利用程序实现角点的筛选，剩余为数不多的角点，为下一步角点匹配做好铺垫，程序代码详见附录。MATLAB仿真显示结果如图2-1、图2-2所示：图2-1 Harris角点检测显示所有角点图2-2 Harris角点检测筛选后的角点显示2.5 本章小结本章是对角点检测算法的研究，主要是熟悉掌握Harris算法的理论知识，与其他几种角点检测算法的比较，总结出选择Harris算子作为设计方法的理由，最后利用MATLAB软件对其编程，实现算法，然后进一步粗略筛选角点，为下一步图像配准做准备。第3章 图像配准与拼接算法研究图像配准是图像处理的基本任务之一，用于将不同时间
23、、不同传感器、不同视角及不同的拍摄条件下获取的两幅或者多幅图像进行匹配。通过图像配准提取出参考图像和待拼接图像中的匹配信息，利用各种算子找出待拼接图像中特征点在参考图像中所对应的位置，寻找最佳匹配，进而确定两幅图像的变换关系。在针对同一场景进行采集时，由于采集设备的原因和光照强度的影响，在采集到的图像中可能存在大面积的同色区域，或者平移、缩放、旋转等多种问题，这些问题会影响整个拼接过程，而通过图像配准我们就可以选择一种最佳的配准算法，能够在各种复杂的情况下都能找到准确的图像对应关系，达到图像拼接的目的。一种好的图像配准算法，应该能够在各种情况下准确找到图像间的对应信息，完成最优的拼接过程12。
24、3.1 图像配准的方法迄今为止，在国内外的图像处理研究领域，已经报道了相当多的图像配准研究工作，并产生了不少图像配准方法。各种方法都是面向一定范围的应用领域，也具有各自的特点。大致上来讲，有三种图像配准方法，包括：基于灰度信息的图像配准方法，基于特征的图像配准方法和基于优化策略的图像配准方法。本设计主要用到的就是基于特征的图像配准方法。基于特征的图像配准是配准中最常见的方法。对于不同特征的图像，选择图像中容易提取，并能够在一定程度上代表待配准图像相似性的特征作为配准依据。它可以克服利用图像灰度信息进行图像配准的缺点，主要体现在以下3个方面：(1)图像的特征点比图像的像素点少很多，从而大大减少了
25、匹配过程计算量；(2)特征点的匹配度量值对位置变化比较敏感，可以大大提高匹配的精度；(3)特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。因此，基于特征的图像配准方法13是实现高精度、快速有效和适用性广的配准算法的最佳选择。根据特征选择和特征匹配方法的不同，衍生出多种不同的基于特征的图像配准方法，可分为基于点特征的图像配准算法和基于线特征的图像配准算法。3.1.1 基于点特征的图像配准算法已知是标准参考图像上的特征点集，是待配准图像上的特征点集，配准要实现的目的就是确立两个点集之间的对应关系。利用对应关系来求解变换模型参数，具体配准过程如下：(1)对参考图
26、像上的特征点集中的一个特征点建立以其为中心，大小为的目标窗口；(2)相对于参考图像上的特征点，在待配准图像上取大小为的窗口（），并确保特征点的同名特征点在搜索窗口内；(3)目标窗口在搜索窗口上滑动，同时计算其相似性度量，确定特征点的同名特征点。需要注意的是，在匹配过程中，并非和中的所有点都有匹配点对，点集中的某些对应点会在中丢失。因此，所寻找的是和之间的最大匹配点子集，其中。在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点，比如角点、直线交叉点、T型交汇点、高曲率点，以及特定区域的中心、重心等。3.1.2 基于线特征的图像配准算法线特征的提取是基于线特征的图像配准算法中的
27、关键一步。提取线特征的过程可分为两步：首先，抽取反映灰度变化的基本单元边缘。其次，再将这些不连续的边缘片段连接或者编组为有意义的线状特征。通常，称前者为边缘检测，后者为边缘连接。常用的边缘检测方法有Roberts算子、Laplacian算子、Sobel算子、Prewitt算子等。边缘连接算法可分为局部边缘连接算法和全局边缘连接算法。基于点特征的图像配准算法具有较强的有效性和可靠性，然而，当待配准图像和标准图像之间存在较大的几何差异时，点特征的提取很困难。基于线特征的图像配准算法能够有效地解决这个缺陷，以下介绍两种基于线特征的算法：(1)局部边缘连接算法链码描述子是一种典型的局部边缘连接算法，它
28、在一个局部领域内进行连接操作，包括标注和连接两步。链码首先是由美国学者Freeman提出的，所以链码有时又被称为Freeman码。它实际上是一串方向符号的序列。在数字图像中，图像的边缘点实际上是一些离散的像素点，除图像边界上的点外，所有的像素点都有8个相邻的点与之连接。如果将这8个点的连接方向用方向符号来代替，再沿边缘方向依次记录每两点间的连接方向，就可得到边缘轮廓的方向链码。(2)全局边缘连接算法Hough变换是最常用的全局边缘连接算法，它能够将边缘检测算子抽取出的图像边缘像素连接起来组成的区域封闭的边界。Hough变换的主要优点是：对图像的局部缺损不敏感，受噪声的影响较小。Hough变换的
29、基本思想是点线的对偶性。图像变换前在图像空间，变换后在参数空间，将笛卡尔坐标系（图像空间）中的线变换成斜率截距坐标空间中的点，或极坐标（参数空间）中的点，即原始图像中给定性质的曲线或直线上的所有点都集中到参数空间的某个点上形成峰值。这样，就把原始图像中给定形状的曲线或直线的检测问题，变成了寻找参数空间中的峰值问题，也即把检测整体特性（给定曲线的点集）变成检测局部特性的问题。3.2图像配准的原理将两幅图像进行Harris角点检测后，分别得到角点对应与该图像的坐标位置，以该坐标位置为中心，分别取其附近的8个像素值，然后进行与另一幅图像进行匹配，找出距离最小的点作为匹配点。接着，将图像一中的角点1与
30、图像二中的所有角点进行相减，得到一个最小误差值，并记录下该位置，这样依次将图像一中的角点2，角点3一直到最后的角点都进行相减，即可得到两幅图像之间的最佳匹配点。对已经找出的匹配点，在图像上进行显示，这样有利于人眼判断该算法是否匹配正确。3.3图像配准的MATLAB实现通过筛选角点的步骤后，在剩下为数不多的角点中，选择两对正确的匹配角点对，为图像拼接建立起桥梁。利用MATLAB编程实现这部分的功能，程序代码详见附录，MATLAB仿真显示结果如图3-1所示：图3-1 匹配角点对的MATLAB实现显示图3.4图像拼接的原理图像拼接，是设计的最后关键步骤，利用角点检测后筛选得到的两对匹配角点对，把两幅
31、图像拼接完成，将配准后的图像进行无缝缝合14，需要对重叠区域重新设定数据值，在保证缝合处色调自然基础上，保证信息损失量达到最小，目的是使处理后的最终结果能够自然过渡，缝合的边界更加平滑，最后显示出完整的全景图像。3.5图像拼接的MATLAB实现利用图像配准过程中找到的匹配角点对，通过MATLAB编程，实现图像拼接，使最后的完整全景图像显示出来。程序代码详见附录，MATLAB仿真结果显示如图3-2所示：图3-2 图像拼接全景显示图3.6 本章小结本章的工作是对图像配准和图像拼接的掌握，对图像配准的方法的理解，尤其是基于特征中的基于点特征的配准算法的理解，总结出图像配准和图像拼接的原理。本设计就是
32、利用角点的特征实现配准，最后用精准的配准角点对实现图像的拼接。第4章 图像拼接技术的GUI设计4.1 MATLAB的主要功能可靠的数值计算和符号计算功能、强大的绘图功能、简单易学的语言体系以及为数众多的应用工具箱是MATLAB区别于其他科技应用软件的显著标志15。4.1.1 数值计算和符号计算功能MATLAB以矩阵作为数据操作的基本单位，这使得矩阵运算变得非常简捷、方便、高效。MATLAB还提供了十分丰富的数值计算函数，而且所采用的数值计算算法都是国际公认的最先进、可靠的算法，其程序由世界一流专家编制和高度优化。高质量的数值计算功能为MATLAB赢得了声誉。4.1.2 绘图功能利用MATLAB
33、绘图十分方便，它既可以绘制各种图形，包括二维图形和三维图形，还可以对图形进行修饰和控制，以增强图形的表现效果。MATLAB提供了两个层次的绘图操作：一种是对图形句柄进行的低层绘图操作，另一种是建立在低层绘图操作之上的高层绘图操作。利用MATLAB高层绘图操作，用户不需过多的考虑绘图细节，只需给出一些基本参数就能绘制所需图形。4.1.3 语言体系MATLAB具有程序结构控制、函数调用、数据结构、输入/输出、面向对象等程序语言特征，所以使用MATLAB也可以像使用BASIC、FORTRAN、C等传统编程语言一样，进行程序设计，而且简单易学、编程效率高。MATLAB是解释性语言，程序执行速度较慢，而
34、且不能脱离MATLAB环境而独立运行。4.1.4 MATLAB工具箱MATLAB包含两部分内容：基本部分和各种可选的工具箱。基本部分构成了MATLAB的核心内容，也是使用和构造工具箱的基础。MATLAB工具箱分为两大类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能、可视建模仿真功能及文字处理功能等。学科性工具箱专业性比较强，如控制系统工具箱（Control System Toolbox）、信号处理工具箱（Signal Processing Toolbox）、神经网络工具箱（Neural Network Toolbox）、最优化工具箱（Optimization Toolbo
35、x）、金融工具箱（Financial Toolbox）、统计学工具箱（Statistics Toolbox）等。MATLAB软件的用户界面窗口，包括命令窗口、工作空间窗口、当前目录窗口、命令历史窗口和启动平台窗口。在实际操作中，可以通过建立 M 文件完成编程。图4-1 MATLAB软件用户界面窗口图4.2 GUI界面定义MATLAB作为功能强大的科学计算软件，提供了图形用户界面设计的功能，使得界面设计在可视化状态进行，设计过程变得简单直观，实现了“所见即所得”。所谓图形用户界面（Graphical User Interface，GUI）是指由窗口、菜单、对话框等各种图形元素组成的用户界面。在这
36、种用户界面中，用户的操作既形象生动，又方便灵活，所以当今绝大部分开发环境与应用程序都采用图形用户界面，许多流行的开发工具都可以进行图形用户界面的设计。4.3 可视化图形用户界面设计4.3.1 GUI设计模板在MATLAB主窗口中，打开File菜单中的New子菜单，再选择其中的GUI命令，就会显示图形用户界面设计模板，如图4-2所示：图4-2 GUI设计模板图MATLAB为GUI设计一共准备了4种模板，分别是Blank GUI（默认）、GUI with Uicontrols（带控件对象的GUI模板）、GUI with Axes and Menu（带坐标轴与菜单的GUI模板）与Modal Ques
37、tion Dialog（带模式问话对话框的GUI模板）。当用户选择不同的模板时，在GUI设计模板界面的右边就会显示出与该模板对应的GUI图形。4.3.2 GUI设计窗口在GUI设计模板中选择一个模板，然后单击OK按钮，就会显示GUI设计窗口。选择不同的GUI设计模板时，在GUI设计窗口中显示的结果是不一样的。如图4-3所示为选择Blank GUI设计模板后显示的GUI设计窗口。图4-3 Blank GUI设计模板图在GUI设计窗口左边的是控件工具栏，包括Push Button、Slider、Radio Button、Check Box、Edit Text、Static Text、Popup M
38、enu、Listbox、Toggle Button、Axes等控件对象，它们是构成GUI的基本元素。GUI设计窗口由菜单栏、工具栏、控件工具栏以及图形对象设计区组成。GUI设计窗口的菜单栏有File、Edit、View、Layout、Tools和Help共6个菜单项，使用其中的命令可以完成图形用户界面的设计操作。在GUI设计窗口的工具栏上，有Align Objects（位置调整器）、Menu Editor（菜单编辑器）、Tab Order Editor（Tab顺序编辑器）、M-file Editor（M文件编辑器）、Property Inspector（属性查看器）、Object Browse
39、r（对象浏览器）和Run（运行）等15个命令按钮，通过他们可以方便地调用需要使用的GUI设计工具和实现有关操作。单击命令按钮，就可以打开各种命令窗口，如图4-4、图4-5、图4-6所示：28图4-4 位置调整器窗口图 图4-5 对象属性查看器窗口图图4-6 菜单编辑器窗口显示图4.3.3 GUI设计的基本操作为了添加控件，可以从GUI设计窗口的控件工具栏中选择一个对象，然后以拖拽方式在对象设计区建立该对象，其对象创建方式方便、简单。在GUI设计窗口创建对象后，通过双击该对象，就会显示该对象的属性查看器，通过它可以设置该对象的属性值。在选中对象的前提下，单击鼠标右键，会弹出一个快捷菜单，可以从中
40、选择某个子菜单进行相应的操作。在对象设计区右击鼠标，会显示与图形窗口有关的快捷菜单。4.4 图像拼接的GUI设计实现图形用户界面（GUI）设计，是为了方便演示最后的设计成果，以下是设计过程：首先：打开File菜单中的New子菜单，在选择其中的GUI命令，在打开的对话框中选择Blank GUI命令，其次：在其出现的窗口中，添加Push Button、Static Text、Axes控件，Static Text控件是添加注释文本，对图形，整体进行文字说明，例如：参考图像、角点检测、My GUI Design等。Axes控件是在GUI界面中添加图片，在本设计中，需要添加7个Axes控件，显示设计过程
41、中需要显示的图像。Push Button控件是在操作过程中需要的操作按钮，在图4-7中显示的最下方的四个按钮。在这个过程中，单击移动每个控件的位置，合理布局，显示美观。最后：右击控件，弹出属性查看器的对话框，在其中选择要更改的对象属性。例如：Static Text控件中的文字的大小，背景的颜色，Push Button控件的颜色等。为了颜色不单调，避免GUI的整体背景单一颜色化，采用添加一个模块，把GUI的整体背景用程序更改成想要的图片，以便观看效果清晰，舒服。程序如下：ha=axes(units,normalized,position,0 0 1 1);uistack(ha,down)II=i
42、mread(kafei.jpg);image(II)colormap grayset(ha,handlevisibility,off,visible,off);Push Button控件也可以以图像的形式显示：I=imread(hudie.jpg);set(handles.pushbutton1,cdata,I);图4-7 GUI结果显示图4.5 本章小结本章主要是对设计工具软件的介绍，对MATLAB的功能进行详细总结，描述了图像用户界面（GUI）设计的工作界面，对操作按钮的解释，按自己操作的过程总结了GUI的基本操作流程。结 论随着数码设备的普遍应用以及人们对宽视野大角度图像的要求，图像拼接
43、技术的研究得到越来越多的关注，逐渐成为计算机视觉、计算机图形学、医学图像处理等领域的研究热点问题，在该领域的深入研究，必将带来相关领域里质的飞跃。利用Harris角点检测算法，实现图像的角点检测，图像匹配，并且用MATLAB软件设计精美的图像用户界面(GUI)。仿真结果如下：(1)利用Harris算子实现角点的检测，Harris角点检测算子减少了误检测的情况，位置准确，角点均匀合理。(2)对于Harris角点检测算子检测出的角点，先进行粗略筛选，剩余较少数量的角点，再进行细致筛选，选出两对精确匹配的角点对。(3)充分利用精确筛选出的两对匹配角点对，运用线性插值等方法，把参考图像和待配准图像拼接
44、完成，最后显示出全景图像。图像拼接的质量主要依赖于图像的配准精度。基于特征点匹配的方法，它不仅能够适用于重合度较低的图像之间的配准，而且还能够应用于运动场景图像以及含有遮盖物体图像之间的配准。因此，研究基于特征点的图像拼接技术具有重要的理论意义和实用价值。参考文献1 王晓睿，吴信才遥感多图像的自动配准方法J中国图像图形学报，1997，2(10)：735-7392 杜威，李华一种用于动态场景的全景表示方法J计算机学报，2002，25(9)：968-9753 候舒维，郭宝龙一种图像自动拼接的快速算法J计算机工程，2005，31(24)，70-724 尹丽华，安居白，夏妍妍基于特征点匹配的图像拼接算
45、法J大连海事大学学报，2007，33(suppl)：162-1635 高健，黄心汉，彭刚基于Harris角点和高斯差分特征点提取算法J模式识别与人工智能，2008，21(2)：171-1766 葛仕明，程义民，何兵兵基于稀疏特征匹配和变形传播的无缝图像拼接J电子与信息学报，2007，29(2)：2795-18007 曹小光，徐琳，郁文霞基于角点检测的高精度点匹配算法仪器仪表学报, Chinese Journal of Scientific Instrument，2006年S2期8 杨帆数字图像处理与分析北京航空航天大学出版社2007年10月第一版9 JiaYingResearch of the
46、 Image Mosaic Method Based on Harris Corner DetectionJiLin University 2010，(09)10 陈传金，金先级数字图像处理机械工业出版社2006年5月第1版11 WForstnerA Framework for Low Level Feature ExtractionCIn Proceedings of the 3th European Conference on Computer VisionStockholm，SwedenPages 383-394，199412 LG BrownA Survey of Image Registration TechniquesJACM Computer Surveys，1992，24(4)：325-37613 朱正明，姜明，马小明基于特征点匹配的图像拼接系统J林业科学，2004，40(4