(6)將(5)中得到的所有IW_i移動到同一坐標系下，對重疊部分像素點的值進行求均處理，得到拼接圖像并顯示。

為了提高圖像拼接效率，達到實時的要求，計算出H_i之后，定義一個與拼接圖像同分辨率的矩陣，稱為pixelData。該矩陣的每個位置存放3個數值，分別為拼接圖像矩陣每一個位置(x,y)對應單應變換的圖像的相機序號C_i及I_i中與(x,y)對應的像素點坐標值x'、y'，重疊部分取序號較小的圖像像素信息。由于圖像選取不變特征點以及相機間相對位置保持不變，在拼接視頻合成之前，首先計算pixelData并保存以重復利用，然后與視頻圖像共同作為輸入，對于不同相機同時采集的一組圖像，分配固定分辨率的拼接圖像矩陣，遍歷圖像中每一個像素，在pixelData中對應位置得到相機序號C_i及x'、y'，在I_i中搜索對應圖像及(x',y')處像素對拼接圖像進行賦值，完成圖像拼接。該做法顯著提高了圖像拼接的效率，保證系統實現實時拼接的要求。

2.2 系統的硬件平臺

系統采用12臺同步精度小于1ms的PointGrey Flea3相機作為視頻采集設備，并將12臺相機排成一列，每個相機間保持10cm的間距，主機使用32GB內存和64位CPU計算機，從硬件條件上滿足了圖像采集和實時系統的要求。相機組架構如圖2所示。

3 實時成像結果

通過實驗，基于不變特征的多相機實時視頻拼接成像系統的處理速率可達到24fps。圖3為室外環境下相機陣列中某一相機所拍攝圖像，圖4為該組圖像成像結果。圖5、圖6分別為室外場景實時采集與成像結果。通過實驗結果可以看出在室內和室外的不同場景下都具有較好的拼接效果。經圖3場景實驗，合成圖像的分辨率為1557×833，原輸入圖像分辨率均為640×480，由此證明拼接圖像分辨率比原圖像有較大提高。同時作者使用OPENCV所提供的stitch方法進行測試，使用本系統采集的一組圖像執行拼接，處理一幀圖像的時間約為8秒。實驗證明，對于相同的輸入圖像，采用本論文方法拼接效率約是OPENCV stitch方法效率的190倍，符合實時拼接成像的要求。

4 結論

以多相機為實驗基礎，采用基于不變特征的圖像拼接算法，實現了多相機實時視頻拼接系統。該系統直接利用Autostitch獲得圖像的分辨率、焦距、平移矩陣和旋轉矩陣進行計算，避免重復尋找特征點及圖像匹配等過程，降低時間成本，處理速率可達24fps，滿足了實時視頻系統的要求。同時，由于缺少圖像接縫處理、圖像融合等后期操作，拼接效果仍然有待提高，在后續的研究中將借鑒研究人員對于提高圖像拼接效果的處理方法，引入使拼接圖像接縫更加自然平滑。

參考文獻:

[1]Junhong Gao, Seon Joo Kim,BROWN MS. Constructing image panoramas using dual-homography warping. Proceedings of Computer Vision and Pattern Recognition (CVPR), 2011[C], Providence, RI:IEEE, 2011: 49-56

[2]Minsoo Kim,Sunjung Kim,Jinyoung Choi. Robust and incremental stitching and calibration with known rotation on pan-tilt-zoom camera. Proceedings of Image Processing (ICIP), 2013 [C], Melbourne, VIC ,IEEE,2013: 2247-2251

[3]DE Carufel, J, Laganiere, R.Matching cylindrical panorama sequences using planar reprojections. Proceedings of Computer Vision Workshops (ICCV Workshops),2011[C], Barcelona,IEEE,2011: 320-327

[4]M Brown D Lowe. Automatic Panoramic Image Stitching using Invariant Features.International Journal of Computer Vision. 2007,74(1), 59-73

[5]M Brown,D G Lowe.Recognizing Panoramas.Proceedings of International Conference onComputerVision(ICCV),2003[C].Nice,France:IEEE,2003:1218-1225

關鍵詞： 實時圖像拼接 不變特征