CN105069749A - 一种轮胎模具图像的拼接方法 - Google Patents

Abstract

本发明公开了一种轮胎模具图像的拼接方法，包括：输入一组拍摄的轮胎模具图像；提取轮胎模具图像的外边界，并将外边界拟合成圆弧，然后通过极坐标变换将圆弧拉直；进行预处理和阈值分割；采用基于梯度和相位相关的方法进行配准，得出相邻两幅图像的重叠部分；采用最优缝合线与加权渐变融合相结合的融合方法进行融合；根据融合的结果将所有相邻图像拼接成第一图像，然后采用配准方法判断出第一图像的首尾重叠部分，并结合融合方法对第一图像进行处理，得到第二图像；通过极坐标反变换将第二图像还原为圆形轮胎模具图像。本发明具有拼接效果好、简单和方便实用的优点，可广泛应用于图像处理领域。

Description

一种轮胎模具图像的拼接方法

技术领域

本发明涉及图像处理领域，尤其是一种轮胎模具图像的拼接方法。

背景技术

随着科学技术的发展，图像拼接已成为图像信息处理领域中一项非常重要的技术，被广泛应用于数字视频、运动分析、虚拟现实技术、医学图像分析和遥感图像处理等领域。图像拼接是指根据图像的重叠部分，将多张衔接的图像拼接合成一张高分辨率的全景图。目前基于特征点的拼接技术比较成熟，适用于特征点较多的图像，该算法的计算量较小且配准精度高，但是其往往需要通过人工的方式选取初始匹配点，大大降低了该算法的速度和适用范围。基于相位相关的拼接算法也是一种较常用的方法，具有配准精度高和速度快等优点，但是其不适用于拼接存在旋转关系的图像。

受轮胎模具图像自身特点的限制，轮胎模具图像在拼接时较难进行配准：有的图片重叠区域只有斜纹没有文字，有的图片重叠区域线条较简单，这样容易造成特征点匹配困难或者特征点不足；图像的光照不均匀也会加大预处理的难度。传统的拼接算法一般只针对两幅或者几幅图像，而对于需要多幅图像(一般需要30到40幅图像)进行拼接的轮胎模具图像来说，传统算法的拼接效果并不理想。此外，由于无法满足工业生产对速度的要求以及无法解决拍摄时遇到的图像畸变问题，传统算法不适用于轮胎模具图像的拼接。因此，目前在工程应用上，针对轮胎模具图像的拼接算法很少。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种拼接效果好、简单和方便实用的轮胎模具图像的拼接方法。

本发明解决其技术问题所采用的技术方案是：

一种轮胎模具图像的拼接方法，包括：

S1、输入一组拍摄的轮胎模具图像；

S2、提取轮胎模具图像的外边界，并将外边界拟合成圆弧，然后通过极坐标变换将圆弧拉直；

S3、对拉直后的轮胎模具图像进行预处理和阈值分割，保留感兴趣区域的图像；

S4、对保留的图像中相邻两幅图像采用基于梯度和相位相关的方法进行配准，得出相邻两幅图像的重叠部分；

S5、采用最优缝合线与加权渐变融合相结合的融合方法对相邻两幅图像的重叠部分进行融合；

S6、根据融合的结果将所有相邻图像拼接成第一图像，然后采用步骤S3的配准方法判断出第一图像的首尾重叠部分，并结合步骤S5的融合方法对第一图像进行处理，得到第二图像；

S7、通过极坐标反变换将第二图像还原为圆形轮胎模具图像。

进一步，所述步骤S2，其包括：

S21、对一组拍摄的轮胎模具图像先通过51x51大小的模板进行均值滤波，然后再经局部阈值分割和数学形态学处理后，得出轮胎模具的图像区域；

S22、采用canny算子从轮胎模具的图像区域提取出轮胎模具的外边界；

S23、根据设定的拟合条件将轮胎模具的外边界拟合成圆弧，所述设定的拟合条件为：轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和最小，所述设定的拟合条件所对应的计算公式为：

${\mathrm{min\ϵ}}^2=\min \underset{i=1}{\overset{n}{\Σ}}{(\sqrt{{(r_i-\mathrm{\α})}^2+{(c_i-\mathrm{\β})}^2}-\mathrm{\ρ})}^2,$

其中，(r_i，c_i)是轮胎模具的外边界上的点的坐标，ε²是轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和，(α，β)是拟合圆圆心的坐标，ρ是拟合圆的半径；

S24、保留轮胎模具的图像区域的像素值，并将轮胎模具图像其余区域的像素值取为0；

S25、以拟合圆圆心作为变换中心，采用最邻近点插值法，对步骤S24得到的图像区域进行极坐标变换，极坐标变换的公式为：

$\left\{\begin{array}{c}d=\sqrt{{(r-m_r)}^2+{(c-m_c)}^2}\\ \mathrm{\φ}=arctan(-\frac{r-m_r}{c-m_c})\end{array}\right.,$

其中，(r,c)是轮胎模具的外边界上任一点的原坐标，(m_r,m_c)是拟合圆的圆心坐标，(d,φ)是变换后的极坐标。

进一步，所述步骤S4，其包括：

S41、对保留的图像中左右两幅相邻图像进行压缩并求出压缩后左右两幅相邻图像的梯度，所述出压缩后左右两幅相邻图像的梯度的计算公式为：

$\left\{\begin{array}{cc}mag1(x,y)=\sqrt{{\left(f\right(x+1,y)-f(x,y\left)\right)}^2+{\left(f\right(x,y+1)-f(x,y\left)\right)}^2}& \frac{w}{2}\≤x\≤w,1\≤y\≤h\\ mag2(x,y)=\sqrt{{\left(g\right(x+1,y)-g(x,y\left)\right)}^2+{\left(g\right(x,y+1)-g(x,y\left)\right)}^2}& 1\≤x\≤\frac{w}{2},1\≤y\≤h\end{array}\right.,$

其中，mag1(x,y)和mag2(x,y)分别为左图像和右图像的梯度，f(x,y)和g(x,y)分别为左图像和右图像的灰度值，w和h分别是左右两幅相邻图像的长和宽；

S42、对压缩后左右两幅相邻图像的梯度mag1(x,y)和mag2(x,y)进行傅里叶变换，得到压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)；

S43、根据压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)计算左右两幅相邻图像的互功率谱，所述左右两幅相邻图像的互功率谱S的计算公式为：

$S=\frac{B(u,v)\·A^{*}(u,v)}{|B(u,v)\·A^{*}(u,v)|}$

其中，A^*(u,v)为谱A(u,v)的共轭；

S44、求出互功率谱S的傅里叶逆变换矩阵s，再计算傅里叶逆变换矩阵s的最大值点，并求出该最大值点在s所处的坐标(p1,N1)，其中，N1为相邻两幅图像之间的水平平移量；

S45、根据相邻两幅图像之间的水平平移量得出相邻两幅图像的重叠部分。

进一步，所述步骤S5，其包括：

S51、对相邻两幅图像的重叠部分依次进行二值化处理、数字形态学处理和或运算，得到与两幅图像的重叠部分尺寸一致的第三图像；

S52、将第三图像的各行分为字符区和非字符区，并将字符区进一步分为上字符区和下字符区，然后在上字符区和下字符区内各寻找一条最优缝合线；

S53、对第三图像的非字符区直接采用渐进渐出的加权融合方法进行融合，而对第三图像的字符区采用最优缝合线与加权渐变融合相结合的融合方法进行融合，得到重叠部分的融合图像。

进一步，所述步骤S51，其包括：

S511、采用-45°方向的canny算子对相邻两幅图像的重叠部分进行滤波处理，得到滤波后的图像，所述-45°方向的canny算子G的表达式为：

G＝[-2-10；-101；012]；

S512、对滤波后的图像依次进行二值化、数学形态学处理和或运算，最终得到与相邻两幅图像的重叠部分尺寸一致的第三图像。

进一步，所述步骤S52，其包括：

S521、判断第三图像各行的水平投影是否大于3，若是，则该行属于字符区，反之，则该行属于非字符区；

S522、判断第三图像中属于字符区的行的纵坐标是否小于第三图像高度的一半，若是，则该行属于上字符区，反之，则该行属于下字符区；

S523、在字符区的每一行内寻找所有黑线，并求出所有黑线中最长黑线的中点p，所述黑线为由连续为0的像素点所组成的线段；

S524、计算字符区内各行最长黑线中点p的横坐标x₁,x₂,x₃...x_n；

S525、求取计算出的横坐标的中位数t，并以直线x＝t作为上字符区或下字符区的最优缝合线。

进一步，所述步骤S53，其具体为：

对于第三图像的非字符区，直接采用渐进渐出的加权融合方法进行融合；对于第三图像的字符区，若最优缝合线位于重叠部分中心线的左侧，则最优缝合线左侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线右侧的灰度值等于右图像的灰度值；反之，最优缝合线右侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线左侧的灰度值等于左图像的灰度值，最终得到重叠部分的融合图像的灰度，所述重叠部分的融合图像的灰度h(x,y)的计算公式为：

其中，N为重叠部分的宽度，表示该点位于非字符区，W表示加权因子，W从左到右由1渐变到0。

进一步，所述步骤S6，其包括：

S61、对这组两两相邻的轮胎模具图像进行拼接，形成一张第一图像，其中，相邻两幅图像的重叠部分的灰度变为重叠部分的融合图像的灰度，而相邻两幅图像的非重叠部分的灰度保持不变；

S62、截取第一图像最左端的1/16图像和最右端的1/16图像，然后采用步骤S3的配准方法得到所截取的两部分图像的重叠部分；

S63、对步骤S62得到的重叠部分采用步骤S5的融合方法进行融合，得到步骤S62重叠部分的融合图像；

S64、把步骤S62得到的重叠部分从第一图像中去除掉，并在第一图像的最右端拼上步骤S63得到的融合图像，最终得到第二图像。

进一步，所述步骤S7，其具体为：

通过极坐标反变换将第二图像还原为圆形轮胎模具图像，所述极坐标反变换的公式为：

$\left\{\begin{array}{c}R=\frac{w_0}{2\mathrm{\π}}\\ {\mathrm{\φ}}_1=\frac{\mathrm{\π}}{2}+\frac{2\mathrm{\π}}{w_0}\\ c^{\′}=R+\cos \left({\mathrm{\φ}}_1\right)\\ r^{\′}=R+\sin \left({\mathrm{\φ}}_1\right)\end{array}\right.,$

其中，(r₀，c₀)是第二图像上任一点的原坐标，w₀是第二图像的长，(r′,c′)是反变换后的坐标。

本发明的有益效果是：针对轮胎模具图像的特点，先通过极坐标变换将圆弧状的轮胎模具拉直，使图像之间只存在平移关系，然后采用基于梯度和相位相关的方法进行配准，接着采用最优缝合线与加权渐变融合相结合的融合方法对配准后的图像进行处理，最后通过极坐标反变换把轮胎模具图像还原成圆，能将轮胎模具不同位置的一组图片自动拼接成一个完整的轮胎模具图像，实现了多幅车胎模具图像的无缝拼接，拼接效果好且方法简单，方便实用。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明一种轮胎模具图像的拼接方法的整体流程图；

图2为本发明步骤S2的流程图；

图3为本发明步骤S4的流程图；

图4为本发明步骤S5的流程图；

图5为本发明步骤S51的流程图；

图6为本发明步骤S52的流程图；

图7为本发明步骤S6的流程图；

图8为本发明实施例一轮胎模具图像的拼接方法的实现过程图。

具体实施方式

参照图1，一种轮胎模具图像的拼接方法，包括：

S1、输入一组拍摄的轮胎模具图像；

S2、提取轮胎模具图像的外边界，并将外边界拟合成圆弧，然后通过极坐标变换将圆弧拉直；

S3、对拉直后的轮胎模具图像进行预处理和阈值分割，保留感兴趣区域的图像；

S4、对保留的图像中相邻两幅图像采用基于梯度和相位相关的方法进行配准，得出相邻两幅图像的重叠部分；

S5、采用最优缝合线与加权渐变融合相结合的融合方法对相邻两幅图像的重叠部分进行融合；

S6、根据融合的结果将所有相邻图像拼接成第一图像，然后采用步骤S3的配准方法判断出第一图像的首尾重叠部分，并结合步骤S5的融合方法对第一图像进行处理，得到第二图像；

S7、通过极坐标反变换将第二图像还原为圆形轮胎模具图像。

其中，感兴趣区域的图像是指轮胎模具部分的图像。

参照图2，进一步作为优选的实施方式，所述步骤S2，其包括：

S21、对一组拍摄的轮胎模具图像先通过51x51大小的模板进行均值滤波，然后再经局部阈值分割和数学形态学处理后，得出轮胎模具的图像区域；

S22、采用canny算子从轮胎模具的图像区域提取出轮胎模具的外边界；

S23、根据设定的拟合条件将轮胎模具的外边界拟合成圆弧，所述设定的拟合条件为：轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和最小，所述设定的拟合条件所对应的计算公式为：

${\mathrm{min\ϵ}}^2=min\underset{i=1}{\overset{n}{\Σ}}{(\sqrt{{(r_i-\mathrm{\α})}^2+{(c_i-\mathrm{\β})}^2}-\mathrm{\ρ})}^2,$

其中，(r_i，c_i)是轮胎模具的外边界上的点的坐标，ε²是轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和，(α，β)是拟合圆圆心的坐标，ρ是拟合圆的半径；

S24、保留轮胎模具的图像区域的像素值，并将轮胎模具图像其余区域的像素值取为0；

S25、以拟合圆圆心作为变换中心，采用最邻近点插值法，对步骤S24得到的图像区域进行极坐标变换，极坐标变换的公式为：

$\left\{\begin{array}{c}d=\sqrt{{(r-m_r)}^2+{(c-m_c)}^2}\\ \mathrm{\φ}=arctan(-\frac{r-m_r}{c-m_c})\end{array}\right.,$

其中，(r,c)是轮胎模具的外边界上任一点的原坐标，(m_r,m_c)是拟合圆的圆心坐标，(d,φ)是变换后的极坐标。

参照图3，进一步作为优选的实施方式，所述步骤S4，其包括：

S41、对保留的图像中左右两幅相邻图像进行压缩并求出压缩后左右两幅相邻图像的梯度，所述出压缩后左右两幅相邻图像的梯度的计算公式为：

$\left\{\begin{array}{cc}mag1(x,y)=\sqrt{{\left(f\right(x+1,y)-f(x,y\left)\right)}^2+{\left(f\right(x,y+1)-f(x,y\left)\right)}^2}& \frac{w}{2}\≤x\≤w,1\≤y\≤h\\ mag2(x,y)=\sqrt{{\left(g\right(x+1,y)-g(x,y\left)\right)}^2+{\left(g\right(x,y+1)-g(x,y\left)\right)}^2}& 1\≤x\≤\frac{w}{2},1\≤y\≤h\end{array}\right.,$

其中，mag1(x,y)和mag2(x,y)分别为左图像和右图像的梯度，f(x,y)和g(x,y)分别为左图像和右图像的灰度值，w和h分别是左右两幅相邻图像的长和宽；

S42、对压缩后左右两幅相邻图像的梯度mag1(x,y)和mag2(x,y)进行傅里叶变换，得到压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)；

S43、根据压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)计算左右两幅相邻图像的互功率谱，所述左右两幅相邻图像的互功率谱S的计算公式为：

$S=\frac{B(u,v)\·A^{*}(u,v)}{|B(u,v)\·A^{*}(u,v)|}$

其中，A^*(u,v)为谱A(u,v)的共轭；

S44、求出互功率谱S的傅里叶逆变换矩阵s，再计算傅里叶逆变换矩阵s的最大值点，并求出该最大值点在s所处的坐标(p1,N1)，其中，N1为相邻两幅图像之间的水平平移量；

S45、根据相邻两幅图像之间的水平平移量得出相邻两幅图像的重叠部分。

参照图4，进一步作为优选的实施方式，所述步骤S5，其包括：

S51、对相邻两幅图像的重叠部分依次进行二值化处理、数字形态学处理和或运算，得到与两幅图像的重叠部分尺寸一致的第三图像；

S52、将第三图像的各行分为字符区和非字符区，并将字符区进一步分为上字符区和下字符区，然后在上字符区和下字符区内各寻找一条最优缝合线；

S53、对第三图像的非字符区直接采用渐进渐出的加权融合方法进行融合，而对第三图像的字符区采用最优缝合线与加权渐变融合相结合的融合方法进行融合，得到重叠部分的融合图像。

参照图5，进一步作为优选的实施方式，所述步骤S51，其包括：

S511、采用-45°方向的canny算子对相邻两幅图像的重叠部分进行滤波处理，得到滤波后的图像，所述-45°方向的canny算子G的表达式为：

G＝[-2-10；-101；012]；

S512、对滤波后的图像依次进行二值化、数学形态学处理和或运算，最终得到与相邻两幅图像的重叠部分尺寸一致的第三图像。

参照图6，进一步作为优选的实施方式，所述步骤S52，其包括：

S521、判断第三图像各行的水平投影是否大于3，若是，则该行属于字符区，反之，则该行属于非字符区；

S522、判断第三图像中属于字符区的行的纵坐标是否小于第三图像高度的一半，若是，则该行属于上字符区，反之，则该行属于下字符区；

S523、在字符区的每一行内寻找所有黑线，并求出所有黑线中最长黑线的中点p，所述黑线为由连续为0的像素点所组成的线段；

S524、计算字符区内各行最长黑线中点p的横坐标x₁,x₂,x₃...x_n；

S525、求取计算出的横坐标的中位数t，并以直线x＝t作为上字符区或下字符区的最优缝合线。

进一步作为优选的实施方式，所述步骤S53，其具体为：

对于第三图像的非字符区，直接采用渐进渐出的加权融合方法进行融合；对于第三图像的字符区，若最优缝合线位于重叠部分中心线的左侧，则最优缝合线左侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线右侧的灰度值等于右图像的灰度值；反之，最优缝合线右侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线左侧的灰度值等于左图像的灰度值，最终得到重叠部分的融合图像的灰度，所述重叠部分的融合图像的灰度h(x,y)的计算公式为：

其中，N为重叠部分的宽度，表示该点位于非字符区，W表示加权因子，W从左到右由1渐变到0。

参照图7，进一步作为优选的实施方式，所述步骤S6，其包括：

S61、对这组两两相邻的轮胎模具图像进行拼接，形成一张第一图像，其中，相邻两幅图像的重叠部分的灰度变为重叠部分的融合图像的灰度，而相邻两幅图像的非重叠部分的灰度保持不变；

S62、截取第一图像最左端的1/16图像和最右端的1/16图像，然后采用步骤S3的配准方法得到所截取的两部分图像的重叠部分；

S63、对步骤S62得到的重叠部分采用步骤S5的融合方法进行融合，得到步骤S62重叠部分的融合图像；

S64、把步骤S62得到的重叠部分从第一图像中去除掉，并在第一图像的最右端拼上步骤S63得到的融合图像，最终得到第二图像。

进一步作为优选的实施方式，所述步骤S7，其具体为：

通过极坐标反变换将第二图像还原为圆形轮胎模具图像，所述极坐标反变换的公式为：

$\left\{\begin{array}{c}R=\frac{w_0}{2\mathrm{\π}}\\ {\mathrm{\φ}}_1=\frac{\mathrm{\π}}{2}+\frac{2\mathrm{\π}}{w_0}\\ c^{\′}=R+\cos \left({\mathrm{\φ}}_1\right)\\ r^{\′}=R+\sin \left({\mathrm{\φ}}_1\right)\end{array}\right.,$

其中，(r₀，c₀)是第二图像上任一点的原坐标，w₀是第二图像的长，(r′,c′)是反变换后的坐标。

下面结合说明书附图和具体实施例对本发明作进一步详细说明。

实施例一

如图8所示，本发明轮胎模具图像的拼接方法,包括如下步骤：

1)提取轮胎模具图像的外边界，并将外边界拟合成圆弧，然后通过极坐标变换将圆弧拉直。

该步骤的具体过程为：对一组拍摄得到的轮胎模具图像依次进行均值滤波、局部阈值分割和数学形态学处理；接着，提取轮胎模具图像的边缘，并对边缘的曲线位置、长度和方向特征进行筛选，以得到轮胎模具的外边界；再接着，将外边界拟合成圆弧，得出圆弧的圆心和半径；最后通过对轮胎模具图像进行极坐标变换，来把图片拉直。

2)对拉直后的图片进行预处理和阈值分割，保留感兴趣区域的图像。

3)对步骤2)得到的图像进行压缩，求出该图像的梯度，然后再利用基于相位相关的方法得出相邻两张图片之间的位移关系。

4)根据步骤3)的位移关系得到相邻两张图片之间的重叠部分，然后分别进行二值化处理和数字形态学处理，分割出字符，并把各行分为字符区和非字符区，然后在上字符区和下字符区内各寻找一条最优缝合线。

5)对步骤4)求出的非字符区直接使用渐进渐出的加权融合方法进行融合，而对字符区则使用最优缝合线与加权渐变融合相结合的融合方法进行处理。

6)对这组两两相邻的图像进行拼接，形成矩形；然后截取矩形的最左端的1/16和最右端的1/16，利用步骤3)的相位相关算法，得到重叠部分的位置；接着利用步骤4)的方法进行融合；最后根据融合的结果把矩形左右端重叠的部分去除，并在最右端拼上融合后的图像。

7)利用极坐标反变换，把步骤6)拼上融合后的图像后的矩形还原成圆，从而实现轮胎模具图像的拼接。

本实施例中，上述步骤1)中的轮胎模具图像边缘的提取和拉直的步骤如下：

11)对一组拍摄得到的轮胎模具图像通过51x51大小的模板进行均值滤波，再做局部阈值分割；

12)对局部阈值分割后的图像进行数学形态学处理，得出轮胎模具的图像区域；

13)采用canny算子提取轮胎模具的外边界；

14)根据设定的拟合条件把步骤13)得到的轮廓(即外边界)拟合成圆弧，所述设定的拟合条件为：轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和最小，所述设定的拟合条件所对应的计算公式为：

${\mathrm{min\ϵ}}^2=min\underset{i=1}{\overset{n}{\Σ}}{(\sqrt{{(r_i-\mathrm{\α})}^2+{(c_i-\mathrm{\β})}^2}-\mathrm{\ρ})}^2,$

其中，求外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和最小过程，实质上是一个非线性最优化问题，可采用非线性最优化迭代来解决。

15)保留轮胎模具的图像区域的像素值，其余区域的像素值取为0；

16)以步骤14)得到的圆心作为变换中心，采用最邻近点插值法，对步骤15)得到的图像区域进行极坐标变换，极坐标变换的公式为：

$\left\{\begin{array}{c}d=\sqrt{{(r-m_r)}^2+{(c-m_c)}^2}\\ \mathrm{\φ}=arctan(-\frac{r-m_r}{c-m_c})\end{array}\right.,$

因为计算反正切函数时需要考虑正确的象限，为减少计算量，本实施例可对上述极坐标变换公式进行如下变换：

$\left\{\begin{array}{c}r=m_r-d\sin \mathrm{\φ}\\ c=m_c+d\cos \mathrm{\φ}\end{array}\right..$

本实施例中，上述步骤3)中采用基于梯度和相位相关的方法求相邻图片的位移关系这一过程的步骤如下：

31)假设f(x,y)，g(x,y)为步骤2)得到的图片中任意两张从左到右相邻的图片的灰度值，则根据梯度计算公式求得这两张相邻图片的梯度mag1(x,y)和mag2(x,y)，具体公式如下：

$\left\{\begin{array}{cc}mag1(x,y)=\sqrt{{\left(f\right(x+1,y)-f(x,y\left)\right)}^2+{\left(f\right(x,y+1)-f(x,y\left)\right)}^2}& \frac{w}{2}\≤x\≤w,1\≤y\≤h\\ mag2(x,y)=\sqrt{{\left(g\right(x+1,y)-g(x,y\left)\right)}^2+{\left(g\right(x,y+1)-g(x,y\left)\right)}^2}& 1\≤x\≤\frac{w}{2},1\≤y\≤h\end{array}\right.,$

其中，参与计算的相邻图像多达30多张，它们两两间的相对位移均小于图片长度的1/2，为减少运算量，本实施例只取左图像右边的1/2和右图像左边的1/2来计算梯度大小。

32)求出两张相邻图片的梯度mag1(x,y)和mag2(x,y)的傅里叶变换谱A(u,v)和B(u,v)；

33)根据谱A(u,v)和B(u,v)计算左右两幅相邻图像的互功率谱，互功率谱S的计算公式如下：

$S=\frac{B(u,v)\·A^{*}(u,v)}{|B(u,v)\·A^{*}(u,v)|};$

34)求互功率谱S的傅里叶逆变换s，并计算s最大值点的坐标(p1,N1)，N1就是图片的水平平移量。

本实施例中，上述步骤4)中寻找最优缝合线的具体步骤如下：

41)由所得到的相邻两张图片的平移关系，得到重叠区域，然后对两张图片的重叠部分采用-45°方向的canny算子进行滤波，其中滤波器G＝[-2-10；-101；012],以除去斜纹干扰；接着，对滤波后的图像依次进行二值化、数学形态学处理和或运算，得到与重叠区域尺寸一致的第三图像hh。

42)将第三图像hh的各行分成字符区和非字符区，若该行的水平投影大于3，则该行属于字符区，反之，则该行属于非字符区；若该行属于字符区，则纵坐标小于图片高度一半的行为上字符区，反之，该行为下字符区。

43)在字符区的每一行内都有若干段黑线(即由连续为0像素点组成的线段)，取最长黑线的中点，设为p；

44)求出上字符区内各行的p点的横坐标，记作x₁,x₂,x₃...x_n；然后取这些横坐标的中位数，记作t，则在上字符区以直线x＝t作为最优缝合线；同样地，在下字符区内也可以采用相同的方法，求得另一条最优缝合线。

本实施例中，上述步骤5)中的融合过程的具体步骤为：

对于第三图像hh的非字符区，直接采用渐进渐出的加权融合方法进行融合；对于第三图像hh的字符区，若最优缝合线位于重叠部分中心线的左侧，则最优缝合线左侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线右侧的灰度值等于右图像的灰度值；反之，最优缝合线右侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线左侧的灰度值等于左图像的灰度值，最终得到重叠部分的融合图像的灰度，所述重叠部分的融合图像的灰度h(x,y)的计算公式为：

本实施例中，上述步骤7)中的极坐标反变换计算方法为：

$\left\{\begin{array}{c}R=\frac{w_0}{2\mathrm{\π}}\\ {\mathrm{\φ}}_1=\frac{\mathrm{\π}}{2}+\frac{2\mathrm{\π}}{w_0}\\ c^{\′}=R+\cos \left({\mathrm{\φ}}_1\right)\\ r^{\′}=R+\sin \left({\mathrm{\φ}}_1\right)\end{array}\right..$

本发明综合采用了基于极坐标变换的拉直方法、基于梯度和相位相关的配准方法、最优缝合线与加权渐变相结合的融合方法对多幅拍摄的轮胎模具图像进行拼接处理，最后通过极坐标变换还原成圆，自动实现轮胎模具图像的完整无缝拼接。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种轮胎模具图像的拼接方法，其特征在于：包括：

S1、输入一组拍摄的轮胎模具图像；

S2、提取轮胎模具图像的外边界，并将外边界拟合成圆弧，然后通过极坐标变换将圆弧拉直；

S3、对拉直后的轮胎模具图像进行预处理和阈值分割，保留感兴趣区域的图像；

S4、对保留的图像中相邻两幅图像采用基于梯度和相位相关的方法进行配准，得出相邻两幅图像的重叠部分；

S5、采用最优缝合线与加权渐变融合相结合的融合方法对相邻两幅图像的重叠部分进行融合；

S6、根据融合的结果将所有相邻图像拼接成第一图像，然后采用步骤S3的配准方法判断出第一图像的首尾重叠部分，并结合步骤S5的融合方法对第一图像进行处理，得到第二图像；

S7、通过极坐标反变换将第二图像还原为圆形轮胎模具图像。

2.根据权利要求1所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S2，其包括：

S21、对一组拍摄的轮胎模具图像先通过51x51大小的模板进行均值滤波，然后再经局部阈值分割和数学形态学处理后，得出轮胎模具的图像区域；

S22、采用canny算子从轮胎模具的图像区域提取出轮胎模具的外边界；

S23、根据设定的拟合条件将轮胎模具的外边界拟合成圆弧，所述设定的拟合条件为：轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和最小，所述设定的拟合条件所对应的计算公式为：

${\mathrm{min\ϵ}}^2=min\underset{i=1}{\overset{n}{\Σ}}{\left(\sqrt{{(r_i-\mathrm{\α})}^2+{(c_i-\mathrm{\β})}^2}-\mathrm{\ρ}\right)}^2,$

其中，(r_i，c_i)是轮胎模具的外边界上的点的坐标，ε²是轮胎模具的外边界上所有点到拟合圆圆心的距离与拟合圆半径间的差平方之和，(α，β)是拟合圆圆心的坐标，ρ是拟合圆的半径；

S24、保留轮胎模具的图像区域的像素值，并将轮胎模具图像其余区域的像素值取为0；

S25、以拟合圆圆心作为变换中心，采用最邻近点插值法，对步骤S24得到的图像区域进行极坐标变换，极坐标变换的公式为：

$\left\{\begin{array}{c}d=\sqrt{{(r-m_r)}^2+{(c-m_c)}^2}\\ \mathrm{\φ}=\arctan (-\frac{r-m_r}{c-m_c})\end{array}\right.,$

其中，(r,c)是轮胎模具的外边界上任一点的原坐标，(m_r,m_c)是拟合圆的圆心坐标，(d,φ)是变换后的极坐标。

3.根据权利要求2所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S4，其包括：

S41、对保留的图像中左右两幅相邻图像进行压缩并求出压缩后左右两幅相邻图像的梯度，所述出压缩后左右两幅相邻图像的梯度的计算公式为：

$\left\{\begin{array}{cc}mag1\left(x,y\right)=\sqrt{{\left(f\left(x+1,y\right)-f\left(x,y\right)\right)}^2+{\left(f\left(x,y+1\right)-f\left(x,y\right)\right)}^2}& \frac{w}{2}\≤x\≤w,1\≤y\≤h\\ mag2\left(x,y\right)=\sqrt{{\left(g\left(x+1,y\right)-g\left(x,y\right)\right)}^2+{\left(g\left(x,y+1\right)-g\left(x,y\right)\right)}^2}& 1\≤x\≤\frac{w}{2},1\≤y\≤h\end{array}\right.,$

其中，mag1(x,y)和mag2(x,y)分别为左图像和右图像的梯度，f(x,y)和g(x,y)分别为左图像和右图像的灰度值，w和h分别是左右两幅相邻图像的长和宽；

S42、对压缩后左右两幅相邻图像的梯度mag1(x,y)和mag2(x,y)进行傅里叶变换，得到压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)；

S43、根据压缩后左右两幅相邻图像的谱A(u,v)和B(u,v)计算左右两幅相邻图像的互功率谱，所述左右两幅相邻图像的互功率谱S的计算公式为：

$S=\frac{B(u,v)\·A^{*}(u,v)}{|B(u,v)\·A^{*}(u,v)|}$

其中，A^*(u,v)为谱A(u,v)的共轭；

S44、求出互功率谱S的傅里叶逆变换矩阵s，再计算傅里叶逆变换矩阵s的最大值点，并求出该最大值点在s所处的坐标(p1,N1)，其中，N1为相邻两幅图像之间的水平平移量；

S45、根据相邻两幅图像之间的水平平移量得出相邻两幅图像的重叠部分。

4.根据权利要求3所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S5，其包括：

S51、对相邻两幅图像的重叠部分依次进行二值化处理、数字形态学处理和或运算，得到与两幅图像的重叠部分尺寸一致的第三图像；

S52、将第三图像的各行分为字符区和非字符区，并将字符区进一步分为上字符区和下字符区，然后在上字符区和下字符区内各寻找一条最优缝合线；

S53、对第三图像的非字符区直接采用渐进渐出的加权融合方法进行融合，而对第三图像的字符区采用最优缝合线与加权渐变融合相结合的融合方法进行融合，得到重叠部分的融合图像。

5.根据权利要求4所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S51，其包括：

S511、采用-45°方向的canny算子对相邻两幅图像的重叠部分进行滤波处理，得到滤波后的图像，所述-45°方向的canny算子G的表达式为：

G＝[-2-10；-101；012]；

S512、对滤波后的图像依次进行二值化、数学形态学处理和或运算，最终得到与相邻两幅图像的重叠部分尺寸一致的第三图像。

6.根据权利要求4所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S52，其包括：

S521、判断第三图像各行的水平投影是否大于3，若是，则该行属于字符区，反之，则该行属于非字符区；

S522、判断第三图像中属于字符区的行的纵坐标是否小于第三图像高度的一半，若是，则该行属于上字符区，反之，则该行属于下字符区；

S523、在字符区的每一行内寻找所有黑线，并求出所有黑线中最长黑线的中点p，所述黑线为由连续为0的像素点所组成的线段；

S524、计算字符区内各行最长黑线中点p的横坐标x₁,x₂,x₃...x_n；

S525、求取计算出的横坐标的中位数t，并以直线x＝t作为上字符区或下字符区的最优缝合线。

7.根据权利要求6所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S53，其具体为：

对于第三图像的非字符区，直接采用渐进渐出的加权融合方法进行融合；对于第三图像的字符区，若最优缝合线位于重叠部分中心线的左侧，则最优缝合线左侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线右侧的灰度值等于右图像的灰度值；反之，最优缝合线右侧的灰度值采用渐进渐出的加权融合方法求得，最优缝合线左侧的灰度值等于左图像的灰度值，最终得到重叠部分的融合图像的灰度，所述重叠部分的融合图像的灰度h(x,y)的计算公式为：

其中，N为重叠部分的宽度，表示该点位于非字符区，W表示加权因子，W从左到右由1渐变到0。

8.根据权利要求7所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S6，其包括：

S61、对这组两两相邻的轮胎模具图像进行拼接，形成一张第一图像，其中，相邻两幅图像的重叠部分的灰度变为重叠部分的融合图像的灰度，而相邻两幅图像的非重叠部分的灰度保持不变；

S62、截取第一图像最左端的1/16图像和最右端的1/16图像，然后采用步骤S3的配准方法得到所截取的两部分图像的重叠部分；

S63、对步骤S62得到的重叠部分采用步骤S5的融合方法进行融合，得到步骤S62重叠部分的融合图像；

S64、把步骤S62得到的重叠部分从第一图像中去除掉，并在第一图像的最右端拼上步骤S63得到的融合图像，最终得到第二图像。

9.根据权利要求1所述的一种轮胎模具图像的拼接方法，其特征在于：所述步骤S7，其具体为：

通过极坐标反变换将第二图像还原为圆形轮胎模具图像，所述极坐标反变换的公式为：

$\left\{\begin{array}{c}R=\frac{w_0}{2\mathrm{\π}}\\ {\mathrm{\φ}}_1=\frac{\mathrm{\π}}{2}+\frac{2\mathrm{\π}}{w_0}\\ c^{\′}=R+\cos \left({\mathrm{\φ}}_1\right)\\ r^{\′}=R+\sin \left({\mathrm{\φ}}_1\right)\end{array}\right.,$

其中，(r₀，c₀)是第二图像上任一点的原坐标，w₀是第二图像的长，(r′,c′)是反变换后的坐标。