專利名稱：基于對數(shù)差值點集模板的圖像快速配準方法
技術領域：
本發(fā)明涉及圖像處理領域，更具體地，涉及一種圖像快速配準方法。
背景技術：
數(shù)字切片用途非常廣泛。數(shù)字切片由自動顯微鏡采集的圖像拼接而成。由于自動顯微鏡的數(shù)控運動平臺存在運動誤差，顯微圖像會有相對的平移，拼接顯微圖像時一般需要配準。采集的顯微圖像數(shù)量龐大，所以要求非常高的配準速度。具有平移圖像的兩圖像之間例如相鄰顯微圖像之間會存在重疊區(qū)域，它是配準圖像的基礎。重疊區(qū)域通常在一定范圍內(nèi)波動，此波動范圍是圖像配準的重要參數(shù)。但是，重疊區(qū)域有時會超出正常范圍(數(shù)控運動平臺出現(xiàn)爬行和振動現(xiàn)象)，可能因不正確的參數(shù)導致配準得到錯誤結果。所以，需要在高速配準圖像的同時檢驗配準結果以及時發(fā)現(xiàn)錯誤?，F(xiàn)有技術中，圖像配準的方法主要分成兩類:基于區(qū)域的配準方法和基于特征的配準方法?；趨^(qū)域的配準方法以圖像區(qū)域的灰度信息為基礎，定義一個目標函數(shù)來評價兩幅圖像的區(qū)域之間相似程度，目標函數(shù)取得極值時認為兩個圖像區(qū)域最吻合，從而配準兩幅圖像?；趨^(qū)域的配準方法的缺點在于計算量大，配準速度慢。比值模板方法是對基于區(qū)域的方法的一種改進，該方法從一幅圖像(基準圖像)的重疊區(qū)域中選取兩條平行線段，以兩條線段覆蓋的像素之間灰度值之比作為特征向量來構造模板(基準模板)；讓一對具有基準模板相同長度和跨距的平行線段在另一幅圖像(待配準圖像)中滑動，搜索基準模板的最佳匹配模板的位置，通過基準模板及其最佳匹配模板來配準兩幅圖像。比值模板方法的缺陷在于有大量除法運算，且評價信息量的手段不足?；谔卣鞯呐錅史椒◤娘@微圖像中提取特征來配準圖像。SURF是目前基于特征的方法中最流行的方法之一，在顯微圖像配準中獲得很好的應用。SURF方法在基準圖像中挑選特征點，在待配準圖像中確定這些特征點的匹配點，進行一一配對，最后根據(jù)點之間的配對情況來配準顯微圖像。SURF考慮了圖像的旋轉(zhuǎn)、縮放等情況，而自動顯微鏡采集的顯微圖像可以不考慮這些情況，因此速度上還有進一步提高的潛力。另外，SURF方法在進行配準后如果需要評價結果，一般需要進行專門處理，自動評價配準結果的能力不足，尚有改進的余地。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是針對現(xiàn)有的圖像的配準速度和配準結果存在的問題，提供一種基于對數(shù)差值點集模板(Logarithmic Subtraction Point Template, LSPT)的圖像快速配準方法，其具有配準速度快，效率高的特點，且在配準后能夠自動完成配準結果評價。 本發(fā)明的目的通過以下技術方案實現(xiàn):一種基于對數(shù)差值點集模板的圖像配準方法，其特征在于，其從像素灰度值的對數(shù)差值矩陣挑選點，通過點的集合構造模板來配準圖像，其特征在于，該方法具體包括如下步驟:(I)分別確定基準圖像和待配準圖像的搜索區(qū)域；(2)計算各搜索區(qū)域?qū)膶?shù)差值矩陣；(3)將所述基準圖像搜索區(qū)域的對數(shù)差值矩陣中絕對值最大的若干個點進行分組，每一組點的集合構成一個基準模板；(4)對于每個基準模板，將其在待配準圖像搜索區(qū)域的對數(shù)差值矩陣中進行移動搜索，每移動一個位置得到一個候選模板，比較各候選模板與該基準模板的差異，將差異最小的候選模板作為該基準模板的最佳匹配模板；(5)多個基準模板及對應的最佳匹配模板即得到多個匹配結果，對所述多個匹配結果進行處理獲得最終匹配結果，即可得到待配準圖像相對于基準圖像的位置，實現(xiàn)配準。作為本發(fā)明的進一步優(yōu)選，所述基準圖像的搜索區(qū)域包含于實際重疊區(qū)域，且該實際重疊區(qū)域包含于所述待配準圖像的搜索區(qū)域中。作為本發(fā)明的進一步優(yōu)選，所述對數(shù)差值矩陣通過如下方式確定:獲取基準圖像或待配準圖像的搜索區(qū)域的像素灰度值，作為灰度值矩陣；將所述灰度值矩陣中每個像素的灰度值轉(zhuǎn)換為對數(shù)值，得到對應的灰度值對數(shù)矩陣；將所述灰度值對數(shù)矩陣中任意兩像素點所對應的元素值相減，形成的矩陣即為相應的基準圖像或待配準圖像搜索區(qū)域的對數(shù)差值矩陣。 作為本發(fā)明的進一步優(yōu)選，所述任意兩像素點可以為相鄰的兩像素點，即行數(shù)相同列數(shù)不同的兩像素點或行數(shù)不同列數(shù)相同的兩像素點，也可以是具有指定空間位置關系的任意兩像素點。作為本發(fā)明的進一步優(yōu)選，獲得所述候選模板的具體過程如下:將基準模板在待配準圖像搜索區(qū)域的對數(shù)差值矩陣上移動，計算獲得基準模板上各點在待配準圖像搜索區(qū)域的對數(shù)差值矩陣中對應的點，所述對應點的集合構成一個候選模板。作為本發(fā)明的進一步優(yōu)選，所述最終配準結果通過將所述多個匹配結果中的錯誤匹配結果剔除、并對剩余匹配結果取平均值得到。作為本發(fā)明的進一步優(yōu)選，所述錯誤匹配結果指所述多個匹配結果中與總體性匹配結果的差異超過閾值的匹配結果，其中，所述總體性匹配結果由總體基準模板及其最佳匹配模板確定，所述總體基準模板由所述基準模板上各點在基準圖像搜索區(qū)域的對數(shù)差值矩陣中所對應的點的全體構成。作為本發(fā)明的進一步優(yōu)選，本方法還可獲得最終匹配結果的可信度，實現(xiàn)對配準結果的自動評價，其中，所述可信度為剔除錯誤匹配結果后剩余匹配結果的數(shù)量與所有匹配結果的數(shù)量之比值。作為本發(fā)明的進一步優(yōu)選，所述待配準的圖像為相對于基準圖像進行平移變換了的圖像，優(yōu)選為自動顯微鏡采集的顯微圖像。本發(fā)明的對數(shù)差值點集模板方法在配準顯微圖像時計算操作主要為查表和減法等簡單運算，因此計算速度明顯加快。同時，在保證配準速度的前提下可以評價配準結果的可信度，從而提高配準結果的可靠性。


圖1是本發(fā)明實施例的方法的流程圖；圖2是本發(fā)明實施例的確定搜索區(qū)域的原理圖；圖3是本發(fā)明實施例的計算搜索區(qū)域的對數(shù)差值矩陣的流程圖；圖4是本發(fā)明實施例采用對數(shù)差值點集模板方法和SURF兩種方法配準樣本顯微圖像的用時圖。
具體實施例方式為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。配準圖像特別是配準采用平移方式采集的圖像時，例如顯微圖像，按照自動顯微鏡采集的圖像特性，配準方向一般分為水平和垂直兩種。本實施例中以對顯微圖像的水平配準為例說明本發(fā)明的配準方法，垂直配準可類似處理。而且本實施例的方法并不限定于顯微圖像的配準，其他采用平移方式采集的圖像亦可適用該方法進行配準。本實施例中，以左側圖像為基準圖像，右側圖像為待配準圖像。如圖1所示，本實施例的基于對數(shù)差值點集模板的顯微圖像快速配準方法，其具體步驟如下。步驟一:確定基準圖像和待配準圖像的搜索區(qū)域。正常情況下，重疊區(qū)域在一定范圍內(nèi)波動。根據(jù)此波動范圍，分別在基準圖像和待配準圖像中確定一個區(qū)域作為搜索區(qū)域?；鶞蕡D像的搜索區(qū)域用來建立可靠的基準模板，待配準圖像的搜索區(qū)域則用來縮小搜索最佳匹配模板的范圍，以減少計算量。確定搜索區(qū)域，需保證基準圖像的搜索區(qū)域包含于實際重疊區(qū)域，而實際重疊區(qū)域包含于待配準圖像的搜索區(qū)域(如圖2)。水平配準中，不僅重疊區(qū)域的寬度有大小變化，待配準圖像常常相對于基準圖像在垂直方向有跳動，造成重疊區(qū)域的高度有變化。設基準圖像和待配準圖像的寬為W，高為h，重疊區(qū)域的寬的取值范圍為[Oniin, OmaJ (0<omin<omax<w)，其中Oniin和Oniax分別為重疊區(qū)域的寬的下限和上限；待配準圖像相對于基準圖像在垂直方向的跳動范圍為[vmin，vmJ(-h<vfflin<vfflax<h)，其中Vmin和Vmax分別為跳動范圍的下限和上限。這里，w和h由顯微鏡的圖像采集設備(相機)決定，[Omin, Omax]和[Vmin, Vmax]在調(diào)試顯微鏡的過程中經(jīng)統(tǒng)計確定。根據(jù)上述參數(shù)自動確定搜索區(qū)域時，以基準圖像中重疊區(qū)域的波動下限作為其搜索區(qū)域，以待配準圖像中重疊區(qū)域的波動上限作為其搜索區(qū)域，具體細節(jié)如下:設圖像的坐標系以圖像左上角為原點，以水平向右為X軸正方向，以垂直向下為
Y軸正方向。又設基準圖像的搜索區(qū)域的左上角點的坐標為(<,<)，右下角點的坐標為)，該搜索區(qū)域的寬為7，高為hB，Wb和hB由左上角點和右下角點的坐標計算得到
權利要求
1.一種基于對數(shù)差值點集模板的圖像配準方法，其特征在于，其從像素灰度值的對數(shù)差值矩陣挑選點，通過點的集合構造模板來配準圖像，其特征在于，該方法具體包括如下步驟: (1)分別確定基準圖像和待配準圖像的搜索區(qū)域； (2)計算各搜索區(qū)域?qū)膶?shù)差值矩陣； (3)將所述基準圖像搜索區(qū)域的對數(shù)差值矩陣中絕對值最大的若干個點進行分組，每一組點的集合構成一個基準模板； (4)對于每個基準模板，獲得其對應的候選模板，比較各候選模板與該基準模板的差異，將差異最小的候選模板作為該基準模板的最佳匹配模板； (5)多個基準模板及對應的最佳匹配模板即得到多個匹配結果，對所述多個匹配結果進行處理獲得最終匹配結果，即可得到待配準圖像相對于基準圖像的位置，實現(xiàn)配準。
2.根據(jù)權利要求1所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述基準圖像的搜索區(qū)域包含于實際重疊區(qū)域，且該實際重疊區(qū)域包含于所述待配準圖像的搜索區(qū)域中。
3.根據(jù)權利要求1或2所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述對數(shù)差值矩陣通過如下方式確定: 獲取基準圖像或待配準圖像的搜 區(qū)域的像素灰度值，作為灰度值矩陣； 將所述灰度值矩陣中每個像素的灰度值轉(zhuǎn)換為對數(shù)值，得到對應的灰度值對數(shù)矩陣； 將所述灰度值對數(shù)矩陣中任意兩像素點所對應的元素值相減，形成的矩陣即為相應的基準圖像或待配準圖像搜索區(qū)域的對數(shù)差值矩陣。
4.根據(jù)權利要求3所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述任意兩像素點可以為相鄰的兩像素點，即行數(shù)相同列數(shù)不同的兩像素點或行數(shù)不同列數(shù)相同的兩像素點，也可以是具有指定空間位置關系的任意兩像素點。
5.根據(jù)權利要求1-4中任一項所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，獲得所述候選模板的具體過程如下: 將基準模板在待配準圖像搜索區(qū)域的對數(shù)差值矩陣上移動一個位置，計算獲得基準模板上各點在待配準圖像搜索區(qū)域的對數(shù)差值矩陣中對應的點，各對應點的集合即構成一個候選模板。
6.根據(jù)權利要求1-5中任一項所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述最終配準結果通過將所述多個匹配結果中的錯誤匹配結果剔除、并對剩余匹配結果取平均值得到。
7.根據(jù)權利要6所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述錯誤匹配結果指所述多個匹配結果中與總體性匹配結果的差異超過閾值的匹配結果，其中，所述總體性匹配結果由總體基準模板及其最佳匹配模板確定，所述總體基準模板由所述基準模板上各點在基準圖像搜索區(qū)域的對數(shù)差值矩陣中所對應的點的全體構成。
8.根據(jù)權利要求1-7中任一項所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，本方法還可獲得最終匹配結果的可信度，實現(xiàn)對配準結果的自動評價，其中，所述可信度為剔除錯誤匹配結果后剩余匹配結果的數(shù)量與所有匹配結果的數(shù)量之比值。
9.根據(jù)權利要求1-8中任一項所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述待配準的圖像為相對于基準圖像具有平移變換的圖像。
10.根據(jù)權利要求1-9中任一項所述的一種基于對數(shù)差值點集模板的圖像配準方法，其中，所述待配準的 圖像為自動顯微鏡采集的顯微圖像。
全文摘要
本發(fā)明公開了一種基于對數(shù)差值點集模板的圖像配準方法，包括(1)分別確定基準圖像和待配準圖像的搜索區(qū)域；(2)計算搜索區(qū)域的像素灰度值對數(shù)差值矩陣；(3)將基準圖像搜索區(qū)域的對數(shù)差值矩陣中絕對值最大的若干個點進行平均分組，每一組點的集合構成一個基準模板；(4)在待配準圖像搜索區(qū)域的對數(shù)差值矩陣中搜索各基準模板的最佳匹配模板；(5)根據(jù)各基準模板及其最佳匹配模板得到最終配準結果，實現(xiàn)配準。本發(fā)明的對數(shù)差值點集模板方法在配準顯微圖像時計算操作主要為查表和減法等簡單運算，計算速度快。同時，在保證配準速度的前提下可以評價配準結果的可信度，從而提高配準結果的可靠性。
文檔編號G06T7/00GK103226823SQ201310085478
公開日2013年7月31日 申請日期2013年3月18日 優(yōu)先權日2013年3月18日
發(fā)明者唐立新, 鄧嚴, 陳進, 劉哲, 何嶺松 申請人:華中科技大學