(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210459519.0 (22)申请日 2022.04.27 (71)申请人 深见清影科技 （厦门） 有限公司 地址 361000 福建省厦门市同安区洪塘镇 龙东里118号4层 (72)发明人 黄炜宸　 (51)Int.Cl. G06T 3/40(2006.01) G06T 5/00(2006.01) G06V 10/77(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种超大像素的图像拼接方法 (57)摘要 本发明公开了一种超大像素的图像拼接方 法， 包括以下步骤： 步骤一： 拼接策略： 将待拼接 的超大像素图像， 按照最终目标区域的像素大小 划分成若干个子区域， 对每个子区域内使用2 ‑6 的拼接算法； 本发明通过设置的拼接策略、 路径 优化、 图像去噪、 特征降维和图像配准等步骤， 从 而解决超大像素的图像拼接过程中的时间消耗 和内存溢出问题， 通过将原拼接问题在坐标空间 上分解成若干个子问题， 通过对局部区域的图像 进行配准和融合， 达到全图拼接的效果， 通过分 解拼接任务， 使得算法 降低对内存的占用， 满了 Opencv 3.0以上版本中Umat对申请内存块最高 2GB上限的条件， 使得在支持OpenCL的平台上可 以使用GPU对UMat进行操作， 从而提升算法的运 行效率。 权利要求书2页 说明书5页 附图1页 CN 114723609 A 2022.07.08 CN 114723609 A 1.一种超大像素的图像拼接方法， 其特 征在于： 包括以下步骤： 步骤一： 拼接策略： 将待拼接的超大像素图像， 按照最终目标区域的像素大小划分成若 干个子区域， 对每 个子区域内使用2 ‑6的拼接算法； 步骤二： 路径优化： 以10 ‑20％的重 叠程度对 全图进行弓字型扫描； 步骤三： 图像去噪： 使用中值滤波器消除图像 中孤立的噪声点， 并对镜头产生的暗角进 行匀光处 理； 步骤四： 特征提取： 使用SURF和 DAISY特征描述算法提取每张图像边缘区域的特征点和 特征值； 步骤五： 特征降维： 对特征采用PCA算法筛选出主要的特征并剔除其余的特征， 减少不 必要因素的干扰， 从而提升匹配准确度； 步骤六： 图像配准： 使用最临近匹配算法计算特征匹配点对和投影矩阵， 求解图像之间 的拼缝并进行加权融合。 2.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤一中， 将一个长为l， 宽为w的扫描区域等分为k个子区域， 并分别对每个子区域i进 行图像拼接， 进 行图像拼接时， 将拼接结果分为 iup和idown上下两部分。 3.根据权利要求2所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤一中， 当i＜k时， 对相邻子区域的idown和(i+1)up分依次拼接， 将结果写入磁盘的图像文件中， 而(i +1)down则用于后续的拼接， 直到第k个子区域时停止， 当i＝k时， 将idown直接拼在图像文件的 末尾。 4.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤二中， 以zigzag型的扫描轨迹， 对病理样本进行全图扫描， 并记录每张图片临接的8张图片的序 号， 用于后续的相似匹配。 5.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤三中， 由于图像的能量大部分集中在幅度谱的低频和中频段， 而在较高频段的感兴趣的信息经常 被噪声淹没。 因此一个能 降低高频成分幅度的滤波器就能够减弱噪声的影响。 因此对图片 中3×3区域使用中值滤波， 其中心点的像素为九个点像素值中的中值。 6.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤四中， 通过高斯滤波构建尺度不变空间， 具体公式如下： D(x,y, σ )＝(G(x,y,kσ ) ‑G(x,y, σ )*I(x,y) ) 随后利用Hes sian判别式求局部极值 点： det(Happrax)＝DxxDyy‑(0.9Dxy)2 利用非极大值抑制的思想， 将经过Hessi an矩阵处理过的每个像素点与 其3维领域的26 个点进行大小比较， 如果它是这26个点中的最大值或者最小值， 则保留下来， 当做特征点， 在特征点周围取4 ×4正方形框， 统计领域内的Harr小波 特征作为SURF特征描述子， 统计8个 经高斯核卷积过的梯度直方图作为DAISY特征描述子， 将64维 的SURF特征和200维 的DAISY 特征合并成264维特 征向量。 7.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤五中，权　利　要　求　书 1/2 页 2 CN 114723609 A 2在SURF算法筛选特征点的基础上， 通过手工选出显著的特征点对， 使用步骤四中的方法提 取特征点对之间的特征， 用于比较不同PCA降维采样的准确率， 从而挑选出最佳的维度参 数。 8.根据权利要求1所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤六中， 先使用kd ‑tree对多维特征 空间分割， 将无需的特征进 行有序化的排列， 方便进 行快捷的检 索。 通过不断将方差最大 的维度作为划分点， 将特征按照类似二叉树的方式存储到根节点 即可。 该方法能够以O(log(n))的时间复杂度在特征 空间中查找待匹配点， 将特征点之间的 欧式距离作为相似度， 使用自适应局部仿射匹配， 避免全局共面由于镜筒扭曲造成的异常 匹配， 对上述保留的匹配点按照相似度排序， 根据最佳的特征点对求得精确的变换矩阵， 因 为扫描过程镜头的抖动， 可能会对图像成像造成扰动， 因此该变换矩阵的是针对平移、 旋转 的仿射变换。 9.根据权利要求8所述的一种超大像素的图像拼接方法， 其特征在于： 所述步骤六中， 使用自适应局部仿射匹配的步骤为： ①找到初始最匹配点对； ②找到信度高且分布较好的 点作为种子点； ③在初始匹配中选择与该种子点在同一个区域的匹配点； ④保留那些局部 一致较好匹配。 10.根据权利要求1所述的一种 超大像素的图像拼接方法， 其特征在于： 所述步骤六中， 使用动态规划的思想， 在相邻图像间的查找具有相似性的子区域， 以相似性差异最小化为 目标确定最优融合线， 其中的目标函数如下： c(x,y)＝cdif(x,y)+λcedge(x,y) cedge(x,y)＝abs(g1(x,y)‑g2(x,y)) a(x,y)＝0.3R(x,y)+0.59G(x,y)+0.1 1B(x,y) 其中， λ是一个调节系数， cdif(x,y)是领域颜色和亮度差异， cedge(x,y)是邻域灰度直方 图特征的差异项， g为图像对应的灰度直方图， a为图像的亮度， 构建图像的Larplace金字 塔， 将原图分解 成多个带通图像， 然后在每个频带的过渡区采用不同波长的信号进 行融合。 在拼缝的两侧直接使用线性融合， 得到该频带的融合结果， 最后将 每个频带得到的结果， 得 到最终的输出图像。权　利　要　求　书 2/2 页 3 CN 114723609 A 3