基于Python+C++的二维碎片图像拼接复原系统.zip

## 二维碎片拼接复原 ### 需求分析 二维碎片的复原拼合工作大都采用手工的方式,拼合的效率十分低下,但随着计算机技术的发展,尤其是在图形学方面的迅猛发展,使得计算机处理二维碎片的拼合成为可能。二维碎片的轮廓匹配技术目前已发展为计算机视觉、图像分析、医学图像配准、文物复原、光学和雷达跟踪、及模式识别等领域中的重要课题 在某些特殊场景，比如考古挖掘领域，由于时间久远。发掘的文物大都是破碎不完整的，如果纯靠人力对其复原需要大量的时间和精力，计算机辅助拼接碎片有很大的需求。还有碎纸机销毁了很重要的文件，需要将碎片拼接复原。 我们针对这方面的需求开发了一款软件，该软件可以根据碎片图像，对碎片进行拼接和复原。 ### 概要设计 #### 1.核心算法匹配组件模块： 全部用 C++ 和 opencv 实现，先对碎片进行数字图像处理包括，高斯滤波，形态学滤波，二值化和轮廓树提取等处理。然后用动态规划的最大公共子串算法构建二个碎片的匹配器，最后基于优先队列和 BFS 实现的最小生成树算法拼接还原碎片，该模块是程序的核心算法功能组件。 #### 2.接口调用模块: 全部用 Python 实现，其功能包含，网页爬虫获取图像素材，随机切分得到一系列碎片调用底层 C++ 实现的核心模块拼接复原图像，最后包含对拼接结果的测试程序。 #### 3.界面 UI 模块： PyQt5 设计具有良好的用户交互，可以在界面自动生成碎片，并随机打乱，然后通过拼接按钮自动拼接复原，可以选择切分的数目和类型，可以下载测试数据，并对所有的测试数据全部拼接复原，统计它对不规则带纹理碎片的拼接效果。实践证明，大部分碎片都能取得满意的拼接效果。  ### 算法介绍 - 数字图像预处理：包含高斯滤波，Canny 算子提取边缘，再通过形态学膨胀和腐蚀操作转化为二值图像，然后用 opencv 提取二值图像的边缘轮廓， 最后用多边形拟合近似，得到一系列的轮廓点 - 构建二碎片匹配器：这里用到了多边形的内角匹配合形状匹配以及灰度值匹配，我们成功运用了最大公共子串的模型用于多边形轮廓匹配，同时改进了基于动态规划的最大公共子串算法，借助多个参数阈值，使得俩俩轮廓匹配的算法准确率大大提高，最后成功构建了一个匹配器，只要输入二个原图像该匹配器会计算出最佳的匹配位置，同时得回一个匹配系数，为后续拼接做铺垫 - 构建最大匹配树：对每二个图像依次进行俩俩匹配，保存对应的匹配系数和最佳匹配位置，然后可以得到一张无向图，图中的每个顶点代表一副图像的轮廓信息， 连接顶点的边代表二副碎片图像的匹配系数，最后从该图中生成一个匹配系数总和最大的一颗树（其实就是最小生成树算法），我们用 C++ 优先队列和 BFS 实现，再记录这棵树的每一条边。 - 还原拼接图片：遍历每一条边，根据之前记录的轮廓匹配位置，依次对该边对应的二个顶点即碎片图像进行拼接，最后就可以得到完整的拼接后的图像 ### 技术路线 - C++ 开发环境：Microsoft VisualStudio 2017 - Python 开发环境： PyCharm - C++ 开源计算机视觉库： Opencv4.1.0 - Python 开发语言版本： Python3.6 - Python 依赖第三方模块： - 数值计算库 Numpy - 图像处理库 SkImage - 界面设计库 PyQt5 ### 结果展示