基于像素索引值规则碎纸片拼接复原.docVIP

基于像素索引值规则碎纸片拼接复原 　　摘要破碎文件的拼接在各种领域上都有着重要的应用，而传统上，拼接复原工作需有人工完成，效率极低。在本文中，我们首先对图片根据像素索引值进行预处理，将破碎纸片数字化，并根据破碎纸片的拼接特性，建立动态规划模型，对规则碎片拼接进行分析。 　　【关键词】动态规划模型 灰度匹配分析体系欧式距离度量法 kmeans聚类 　　破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。传统上，拼接复原工作需由人工完成，准确率较高，但效率很低。特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。随着计算机技术的发展，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。 　　1 模型的建立 　　1.1 图片预处理 　　为了让破碎纸片更加直观明了，破碎纸片进行图片预处理。即，将破碎纸片数字化，转化为图片文件的数据。所谓图片文件的数据，简单地说，就是一个二维数组，这个二维数组存储着一张破碎纸片各个像素点的颜色索引值或颜色值，其中255表示白色，0表示黑色，图片中颜色均处在黑白、或黑白之间，图片数字化后的数字范围在0~255之间，并将每张图像碎片量化后的数字存入同一矩阵中。 　　在破碎纸片的拼接中，每一次拼接都是在之前完成的拼接基础上进行的。这是一个相互紧密联系的过程，在此过程中每次的拼接都将较大程度地影响到下一次的拼接，从而影响到整张图片的最终拼接结果。 　　对于图形的拼接的此类特性，建立动态规划模型。 　　所以在拼接的开始必须先找到图片的边界，也就是寻找出下一步拼接的依据，并在此基础上进行下去。在图片的拼接中动态规划示意图如图一所示： 　　1.2 问题的分析 　　1.2.1 kmeans聚类 　　将破碎文件进行横纵向分割后，每页纸被切为个碎片。 　　给出一张完整图片的多张碎片，因为题中给出的碎片较多，所以要想把图像碎片进行较精确地拼接，首先应该将现有的图像碎片根据匹配度进行分类。 　　Kmeans算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 　　1.2.2碎纸片的拼接 　　（1）对规则破碎图片张进行预处理。 　　根据破碎纸片的像素点,在理论上将第张图像划分为格，将各张图像碎片的量化结果，存储在三维数组中，其中为第张图片;其中，矩阵中255表示白色，0表示黑色，所有数字范围分布在0~255之间。 　　（2）挑选出每行左边界 　　根据图片的边缘留有空白部分的特性，对所有图片进行筛选。挑选出图片最左边存在空白部分的图片作为左边界的候选图片。考虑到在图片的裁剪时，存在着纵向裁剪正好处于文字之间，导致留有空白处，我们对图片的空白大小进行分析，所以我们对所有左边界候选图片的左边距大小进行排列，并剔除左边距较小的几张，取较大的张图片作为图片的左边界。 　　筛选出最左侧为白色的碎片，将对应的碎片序号分别放入集合左边界元素候选集合中，并计算出所有候选图片最左侧白色空隙的大小；因为汉字印刷文件中，每行文字间没有明显的列间距，所以在对图片进行纵向任意切割后，非边界碎片最左侧的空白处将远小于页边距。 　　据此，如果集合中元素个数大于图片行数时，则对集合中所有图片最左侧白色空隙的大小进行排列，取较大的张作为复原图片的左边界。 　　步骤一： 　　找出张碎片中，每一张的突变行序列数。所谓突变，是当每张图片所构成的二维数组，当二维数组的第行均为255，也就是白色（应该位于行间距），第行出现0~254中任意数值时，表明，此张图片在第行处出现了从空白部分到开始出现黑体字的突变。若，突变方式为从黑色到白色部分，则将突变的行序数记为其本身的相反数。将张碎片的突变行序数存入突变矩阵T中； 　　步骤二： 　　在以上步骤中已找出所有突变行序列数，与原始图片的左边界。位于同行的图片应在相近的位置突变。上一步骤中，已经挑选出来左边界碎片，左边界中任一张代表着一行的开始。所以，我们可以根据左边界对所有的图片进行分类。 　　对于左边界中的任一张，应有另外张碎片与之相对应，归为同一行中。 　　在同行的选择中，我们规定，当两张碎片的突变行序列数之间差值不超过3时，将其归为同一行中，按照此原则，我们恰好将剩余的图片分成了组，且每组中分别包括上一步骤中找出的左边界碎片。矩阵T突变行序列数矩阵，将所分好的结果放入按行分类的矩阵H中。每一个行向量中元素为同行碎片的序号。对同行碎片进行排序 　　由于上一步已经挑选出位于同行的图像碎片，所以，即使在横纵切的碎片中，各碎片左边缘向量间的重码率也将大大降低。所以，在以按行分类的基础上，可以应用最小欧氏距离拼接方法。 　　在已经筛选出了图片左边界的基础上，对各