1 引言
自然界是一個豐富的信息源，但由于單一相機視場范圍的限制，無法一次拍攝出視角寬廣的視場。近年來，隨著生物科學的發(fā)展，人們對于昆蟲復眼結(jié)構(gòu)及成像機理的認識更為透徹。根據(jù)現(xiàn)有的實驗結(jié)果，昆蟲復眼由按固定方式排列的許多小的單眼組成，每個小眼都對應一個相應的小視場，每個小視場又有一部分相互重疊，從而構(gòu)成昆蟲復眼廣視場角的特征，然后經(jīng)昆蟲神經(jīng)系統(tǒng)處理得到完整的視場信息，人們借鑒“蠅眼”的成像機理，將多個相機放置在不同位置獲取圖像。不同位置的相機覆蓋含有目標物體的整個視場，往往得到一組序列圖像，然而這些圖像中存在大量冗余信息，如何簡單有效地表示真實世界成為目前研究的熱點。
圖像拼接技術(shù)就是對一組相互間存在重疊區(qū)域的圖像序列實施配準，最后拼接成一幅包含這組圖像序列信息的寬視場、完整的新圖像的技術(shù)。圖像拼接包含圖像的預處理、最佳拼接縫的定位及圖像的平滑過渡3個過程。

2 圖像拼接技術(shù)
這里是在焦距、光照等不變的情況下通過拼接沿水平和垂直方向移動相機拍攝到的靜態(tài)圖像來模擬復眼成像的、基本過程。由于各個相機(“小眼”)的放置位置是按照一定規(guī)則設置的，且相機移動放置過程中整個系統(tǒng)的光學參數(shù)和工作時的物距一定，因此所獲得的不同位置的4幅圖的重疊比例也是一定的。圖1為所獲取的相鄰4幅圖像的關(guān)系示意圖。

獲取圖像后，首先對圖像進行邊緣檢測的預處理，并確定相鄰圖像在高度、寬度上的重疊程度，利用圖像重疊區(qū)域?qū)袼攸c灰度值的相似性對圖像進行配準，最后對配準后的圖像進行平滑拼接，得到一個大視場范圍的全景圖。
2．1 圖像預處理
由于這里所采集的圖像不是在同一時刻同一地點拍攝得到的，光照度的不均以及曝光強度的不同導致在不同角度采集到的4幅圖像的灰度值會有不同程度的偏移。而且拍攝時不可避免的出現(xiàn)各種噪聲、畸變和對比度降低等狀況，也會導致圖像中包含的有效信息減少，如果直接對所采集的圖像進行匹配，往往得不到理想的結(jié)果。為了提高圖像配準的精度和拼接的質(zhì)量，必須先將圖像轉(zhuǎn)化為灰度圖像Gray(i，j)，然后選用不具有方向性的拉普拉斯算子

對灰度數(shù)據(jù)進行銳化處理：
L(i,j)=Gray(i,j)×H (1)
式中，L(i，j)為銳化后的圖像灰度值。
經(jīng)銳化處理后，圖像的輪廓更為清晰，邊界更趨于明顯，有利于進一步搜索拼接位置。
2．2 最佳拼接縫的定位
圖像預處理可減少圖像匹配工作的盲目性，降低誤匹配概率。圖像配準算法思路：在待匹配的第1幅圖像的重疊部分選取中間間隔一定距離的兩組像素點對應的灰度比值作為模板，然后在第2幅圖像中對應的重疊區(qū)域搜索最佳匹配位置。減少錯誤匹配現(xiàn)象出現(xiàn)概率的重點在于增加選取的兩組模板的有效信息量，減少干擾信息。具體實現(xiàn)如下：
以“小眼1”與“小眼2”所成像的匹配算法為例。圖2為兩幅待拼接圖像的示意圖，大小均為(WxH)像素。這兩幅待拼接的圖像為左右重疊關(guān)系，重疊區(qū)域在兩幅圖像中所占比例約60％。圖2中Image11、Image22分別表示Image1、Image2非重疊區(qū)域的圖像，Image12和Image21表示Image1和Image2重疊區(qū)域的圖像。