基于尺度不变特征转换算子的水果表面图像拼接方法

水果全表面图像信息是否完整，直接影响水果表面颜色和缺陷检测的结果。该文提出了一种基于尺度不变特征转换（SIFT，scale invariant feature transform）算子的图像拼接方法，实现多视角水果图像的拼接以获取完整的水果表面信息。首先以15°固定间隔旋转水果以获取各视角下的连续图像，在图像2R-G-B通道下实现图像目标和背景分离，并对目标图像进行灰度直方图均衡化以增强其纹理信息，有利于特征点的提取。运用SIFT算法提取图像特征点，因为特征向量数量多、维数高，采用普通的K-D树算法搜索匹配点将消耗大量时间，因此将图像划分为16个区域，通过多次试验可知中间4个区域为特征点是最容易匹配的区域，这样就缩小匹配点可能存在的区域。采用极线几何约束法和改进型随机抽样一致（random sample consensus，RANSAC）算法以提高图像拼接精度，减少匹配时间。根据平移矩阵，对前后图像进行拼接，从而实现水果表面图像的完整拼接。试验结果表明：该算法平均匹配精度提高35.0%，平均拼接时间为2.5 s，较传统K-D树算法缩短67.8%时间，拼接效果还原率为93.9%。该文算法具有一定的尺度、旋转以及仿射变换不变性，适用于随机呈现的不同姿态球状水果图像拼接。该研究可为基于机器视觉的农产品品质检测和等级划分提供科学参考。