中英文對照外文翻譯文獻(文檔含英文原文和中文翻譯)譯文：一種圖像拼接和融合摘要在許多臨床研究，包括癌癥，這是非?？扇〉模垣@取圖像的整個腫瘤節(jié)同時保留一個微小的決議。通常的辦法是建立一個綜合的形象，適當重疊個人獲得的圖象在高倍顯微鏡下。一塊鑲嵌圖，這些圖片可以準確地運用所形成的圖像配準，重復搬運和混合技術。我們描述的最優(yōu)化，自動，快速和可靠的方法，既形象加入和融合。這些算法可以適用于大多數(shù)類型的光學顯微鏡的成像。從組織學，從體內(nèi)血管成像和熒光等方面的應用表明，無論是在二維和三維。算法的不同形象重疊的階段有所不同，但例子綜合獲得的圖象既手動驅(qū)動，電腦控制的階段介紹。重疊遷移算法是基于互相關的方法，這是用來確定和選擇最佳的相關點之間的任何新的形象和以前的綜合形象。補充圖片混合算法的基礎上，梯度法，是用來消除強度變化急劇的形象加入，從而逐漸融合到一個圖像鄰近'復合'的細節(jié)，該算法克服強度差異和幾何失調(diào)圖像之間的縫合將介紹和說明了幾個例子。關鍵詞：圖像拼接，共混，鑲嵌圖像

1。導言和背景

有許多應用需要高分辨率圖像。在明亮的場或落射熒光顯微鏡[1]，例如，用于生物和醫(yī)學應用中，通常需要分析一個完整的組織部分已層面幾十毫米，在高分辨率。然而，高分辨率單圖片不能意識到了低功耗的目標，必要的，以查看大樣本，即使使用數(shù)碼相機時的幾萬數(shù)以百萬計的積極像素。最常見的方法是獲得一些圖片的部分組織在高放大率和組裝成一個復合單一形象保持高分辨率。這一過程的組裝復合圖像從一些圖片，也被稱為'塊'或'拼圖'需要一個算法為圖像拼接（登記）和混合。自動建立大型高分辨率圖像的馬賽克是一種越來越多的研究領域涉及計算機視覺和圖像處理。拼接與融合可以被界定為生產(chǎn)單一edgeless形象整理一套重疊圖像[2]。自動化這一進程是一個重要的問題，因為它是困難和消耗時間，以實現(xiàn)手動。這樣的一個算法的圖像拼接和融合是本文介紹了。圖像拼接結合了一些拍攝高分辨率納入一個綜合的形象。綜合圖像必須包括圖像放在正確的位置和目標是使圖像邊緣之間的無形的。那個質(zhì)量表示縫合因此通過測量兩個相鄰的信件圖像縫合形成了綜合形象和知名度煤層之間的縫合圖像[3]。圖像拼接（注冊）方法已詳細解釋[4]。[5]中，互相關證明是最好的方法，自動注冊大量的圖像。各種登記方法進行了比較研究[5]這是顯示的互相關法提供了最小的錯誤。當這些方法進行了比較而言，速度，交叉相關證明是第二快的，但更準確比速度最快的方法（主軸法）。有一些文件，處理問題的縫合[3，6-8]。圖像拼接可以用圖像像素直接-相關法，在頻域-快速傅里葉變換法;利用水平低功能，如棱角;使用高層次的功能，如部分對象[2]。布朗[4]分類圖片登記根據(jù)以下標準：類型的功能空間，類型的搜索策略和類型的相似性措施。圖像拼接方法的優(yōu)化，尋求最佳的相關點使用以Levenberg-Marquardt方法給出了[2，9，10]。以Levenberg-Marquardt方法使良好的效果，但它是昂貴和計算能停留在局部極小。還有一種方法是運用一個算法搜索最佳的相關點擁有由'粗到細的決議的辦法，以減少計算[10，11]。該方法提供了本文所選擇的最佳關聯(lián)點，以下列方式?；诹私忸A期重疊當使用機動階段，這將是直截了當?shù)模哉业阶罴训南嚓P點在理想的情況。然而，重疊面積并非盡善盡美，而且肯定不是一個準確的一像素，由于偏離階段的理想位置，而且由于舞臺/相機失調(diào)。我們的算法提供了一個如何克服這一問題，尋找周圍地區(qū)的小預期中央重疊像素，以便找到最佳關聯(lián)點。定位獲得圖像手冊階段小得多準確，因此有必要尋找更廣闊的領域，以找到最佳的關聯(lián)點。大多數(shù)現(xiàn)有方法的圖像拼接或者制作一個粗略'縫，不能處理的共同特征如血管，彗星細胞和組織，或者他們需要一些用戶輸入[12]。新算法的提出本文介紹了嵌入式代碼來處理這種功能。為了消除邊緣，使一個緊湊的形象，有必要適用于更多的圖像融合。那個圖像融合過程中限制區(qū)的重疊這是確定在縫合過程。這個也就是說，如果重疊區(qū)域圖像間大，圖像不完全匹配的這些部分，鬼影或'模糊'是可見的。但是，如果這些地區(qū)的小國，接縫將會看到[13]。為了避免這些影響，使模糊效果微乎其微，在互相關函數(shù)之間的綜合形象和的形象是被縫合需要適當運用。新的方法本文介紹表明，最好的質(zhì)量，才能實現(xiàn)圖像融合的應用，如果每張圖片后，已縫合。這種辦法提高縫合更多圖像，因為互相關應用到混合復合形象，給出了更有力的結果。當獲取圖像的高度非均勻樣品，因為這是在我們的情況在體內(nèi)研究中，照明條件變化，從而影響互相關期間適用縫合。這些照明變化防止取消文物。為了避免這種影響有可能正常化照明的圖像，但它可能會導致有些損失的信息作為一個無法確定的真正原因是什么的變化圖像照明。它可以來自改變照明，而且還從不同的組織的顏色。因此，一些光照補償是必要的。我們的成就是一個高質(zhì)量，自動拼接和融合算法，響應的功能，如血船只，彗星細胞和組織樣本。光照補償不納入提交算法。

本文主辦如下。第2節(jié)解釋了圖像采集過程。第3節(jié)解釋采用的方法開發(fā)過程中的圖像處理算法，該算法適用于縫合和混合。第4節(jié)給出的結果，應用算法選取的圖像拼接后只有后兩個縫紉和混合，并說明了算法的有效性。結論中提出的

第5款，并指示今后工作的定義。2。圖像采集

二維圖像

所有圖片被收購，利用標準的顯微鏡。所有2D圖像獲得的樣本翻譯和收集的手動或自動使用機動階段。三種類型的二維圖像進行收購。這些包括圖像，組織學，熒光細胞的一個組成部分彗星陣列（彗星細胞），并在體內(nèi)的血管。那個安裝規(guī)范，這些圖像是摘要列于表1。CCD相機用于獲取圖像要么一個IEEE1394接口，或使用一個PCI圖像采集（類型：由美國國家儀器公司，英國）。成像面積的命令1x1平方毫米時，用客觀x10。CCD相機推出兩款噪音影響。一個是暗電流和

另一個是一個非均勻像素反應。為了取消了暗電流的影響，獲得的圖象，沒有輕被減去圖像的樣本。取消的非均勻像素反應，形象的樣本除以一個空白圖像收購標準照明清潔幻燈片。鏡頭畸變也存在。全部成像系統(tǒng)，由于這種像差，遭受了或多或少從每桶或枕形失真，或他們的組合。最困難的條件下的圖像拼接是那些各種各樣的環(huán)境照明即強度跨度-空間不同的照明。據(jù)推測，旋轉(zhuǎn)和縮放保持不變?nèi)珖鞯氐膶嶒灪吞幚韴D像。只有翻譯錯誤必須糾正在縫合過程。

三維圖像

用于購置三維圖像下面的安裝使用。尼康電子200熒光顯微鏡的使用修改階段，以適應嚙齒動物。我們在體內(nèi)的血管圖像獲得一個窗口商會安排。它包括雙面鋁框舉行兩個平行的玻璃窗。它位于中央上述的目標[14]。腫瘤血管生成和血管對治療的反應在這兩個形態(tài)的血血管網(wǎng)絡的功能和個人進行了調(diào)查船只使用窗口廳。多光子顯微技術已應用到獲取三維圖像的腫瘤血管[15]，因為這些技術證明是十分有效地獲得三維生物的圖片。多光子顯微鏡系統(tǒng)是基于酶標儀湄公河委員會1024MP工作站，由一個固體statepumped（10W的年十，Nd：YVO4晶體，光譜物理），自鎖模鈦：藍寶石（海嘯，光譜物理）激光系統(tǒng)，一個中心掃描頭，焦探測器和一個倒置顯微鏡（尼康TE200）[15]。多光子顯微鏡可以準確地找到一個三維熒光量，可成功地應用于分析血管形態(tài)。通常是一個小腫瘤（直徑幾毫米）植入皮膚的窗口中庭。整個腫瘤血管的影像大多數(shù)實驗。圖片10倍的目標而采取的一切，但最小的腫瘤和圖像覆蓋約1.3x1.3毫米的組織。成堆的圖像所采取的一個典型的堆棧50片。它通常需要13分鐘獲得的圖像為整個堆棧3。圖像處理-方法

主要有兩個階段在處理這些圖像：

1）圖像拼接

拼接是由滑動的新形象的綜合形象和尋找最佳關聯(lián)點。

2）圖像融合配煤是由分離顏色的飛機，在必要情況下，采用混合算法每個彩色帶重組飛機一起獲得全彩色圖像的輸出?；旌蠄D像應保持質(zhì)量輸入圖像[16]。這些過程中有詳細的解釋，并參閱下文二維圖像，除非明確指出，他們提到的三維圖像。算法開發(fā)了C編程語言LabWindows/CVI的7.0（美國國家儀器有限公司）開發(fā)環(huán)境，使用IMAQ圖像處理圖書館和WindowsXP專業(yè)版操作系統(tǒng)。那個算法是完全自動的，他們已經(jīng)在電腦上測試的處理器速度1.53GHz和448MB的內(nèi)存。

3.1拼接方法

在該算法的縫合是由圖像翻譯只。應用程序可以被稱為作為拼接，瓦工，montaging或縫合。第一步是生成的相對位置所獲得的圖像和建立一個空的圖像陣列在電腦記憶體，這些圖片將放在。下一步是搜索對于這一點的最佳關聯(lián)是由相鄰的圖像邊緣滑動是雙向的，直到最佳比賽的邊緣特征發(fā)現(xiàn)。這個搜索過程需要選擇最佳的搜索空間如圖1所示，在其中進行搜索的最佳關聯(lián)。使用太多像素內(nèi)使這個方塊相關過程耗時太少像素，同時減少比賽的質(zhì)量。選擇若干像素使用密切相關的各個方面的功能預期將顯著的形象而這又取決于重點質(zhì)量，即對目前的最大空間頻率的形象。

原文：AnalgorithmforimagestitchingandblendingABSTRACTInmanyclinicalstudies,includingthoseofcancer,itishighlydesirabletoacquireimagesofwholetumoursectionswhilstretainingamicroscopicresolution.Ausualapproachtothisistocreateacompositeimagebyappropriatelyoverlappingindividualimagesacquiredathighmagnificationunderamicroscope.Amosaicoftheseimagescanbeaccuratelyformedbyapplyingimageregistration,overlapremovalandblendingtechniques.Wedescribeanoptimised,automated,fastandreliablemethodforbothimagejoiningandblending.Thesealgorithmscanbeappliedtomosttypesoflightmicroscopyimaging.Examplesfromhistology,frominvivovascularimagingandfromfluorescenceapplicationsareshown,bothin2Dand3D.Thealgorithmsarerobusttothevaryingimageoverlapofamanuallymovedstage,thoughexamplesofcompositeimagesacquiredbothwithmanually-drivenandcomputer-controlledstagesarepresented.Theoverlap-removalalgorithmisbasedonthecross-correlationmethod;thisisusedtodetermineandselectthebestcorrelationpointbetweenanynewimageandthepreviouscompositeimage.Acomplementaryimageblendingalgorithm,basedonagradientmethod,isusedtoeliminatesharpintensitychangesattheimagejoins,thusgraduallyblendingoneimageontotheadjacent‘composite’.Thedetailsofthealgorithmtoovercomebothintensitydiscrepanciesandgeometricmisalignmentsbetweenthestitchedimageswillbepresentedandillustratedwithseveralexamples.Keywords:ImageStitching,Blending,Mosaicimages1.INTRODUCTIONANDBACKGROUNDTherearemanyapplicationswhichrequirehighresolutionimages.Inbright-fieldorepifluorescencemicroscopy[1],forexample,whichareusedinbiologicalandmedicalapplications,itisoftennecessarytoanalyseacompletetissuesectionwhichhasdimensionsofseveraltensofmillimetres,athighresolution.However,thehighresolutionsingleimagecannotberealisedwithalowpowerobjective,necessarytoviewalargesample,evenifusingcameraswithtensofmillionsofactivepixels.Themostcommonapproachistoacquireseveralimagesofpartsofthetissueathighmagnificationandassemblethemintoacompositesingleimagewhichpreservesthehighresolution.Thisprocessofassemblingthecompositeimagefromanumberofimages,alsoknownas‘tiling’or‘mosaicing’requiresanalgorithmforimagestitching(registration)andblending.Theautomaticcreationoflargehighresolutionimagemosaicsisagrowingresearchareainvolvingcomputervisionandimageprocessing.Mosaicingwithblendingcanbedefinedasproducingasingleedgelessimagebyputtingtogetherasetofoverlappedimages[2].Automatingthisprocessisanimportantissueasitisdifficultandtimeconsumingtoachieveitmanually.Onesuchalgorithmforimagestitchingandblendingispresentedinthispaper.Imagestitchingcombinesanumberofimagestakenathighresolutionintoacompositeimage.Thecompositeimagemustconsistofimagesplacedattherightpositionandtheaimistomaketheedgesbetweenimagesinvisible.Thequalityofstitchingisthereforeexpressedbymeasuringboththecorrespondencebetweenadjacentstitchedimagesthatformthecompositeimageandthevisibilityoftheseambetweenthestitchedimages[3].Imagestitching(registration)methodshavebeenexplainedindetailin[4].In[5],cross-correlationisshowntobethepreferredmethodforautomaticregistrationoflargenumberofimages.Variousregistrationmethodswerecomparedinthispaper[5]anditwasshowedthatthecross-correlationmethodprovidedthesmallesterror.Whenthesemethodswerecomparedintermsofspeed,thecross-correlationwasshowntobethesecondfastestbutmuchmoreaccuratethanthefastestmethod(principalaxesmethod).Thereareanumberofpapersthatdealwiththestitchingproblem[3,6-8].Imagestitchingcanbeperformedusingimagepixelsdirectly-correlationmethod;infrequencydomain-fastFouriertransformmethod;usinglowlevelThree-DimensionalandMultidimensionalMicroscopy:ImageAcquisitionandProcessingXII,Jose-AngelConchello,CarolJ.Cogswell,TonyWilson,Editors,March2005191featuressuchasedgesandcorners;usinghighlevelfeaturessuchaspartsofobjects[2].Brown[4]classifiesimageregistrationaccordingtofollowingcriteria:typeoffeaturespace,typeofsearchstrategiesandtypeofsimilaritymeasure.ApproachesforimagestitchingthatoptimisethesearchforthebestcorrelationpointbyusingLevenberg-Marquardtmethodaregivenin[2,9,10].Levenberg-Marquardtmethodgivesgoodresults,butitiscomputationallyexpensiveandcangetstuckatlocalminima.Analternativewayistoapplyanalgorithmwhichsearchesforthebestcorrelationpointbyemployinga‘coarsetofine’resolutionapproachinordertoreducethenumberofcalculations[10,11].Theapproachofferedinthispapermakestheselectionofthebestcorrelationpointinthefollowingway.Basedonknowledgeabouttheexpectedoverlapwhenusingthemotorisedstage,itwouldbestraightforwardtofindthebestcorrelationpointintheidealcase.However,theoverlapareaisnotperfect,andcertainlynottoanaccuracyofonepixel,duetodeviationsinstagepositionfromtheidealandduetostage/cameramisalignment.Ouralgorithmoffersawaytoovercomethisproblembysearchingthesmallareaaroundtheexpectedcentraloverlappixelinordertofindthebestcorrelationpoint.Positioningofacquiredimageswithamanualstageismuchlessaccurate,sothereisaneedtosearchawiderareainordertofindthebestcross-correlationpoint.Mostoftheexistingmethodsofimagestitchingeitherproducea‘rough’stitchthatcannotdealwithcommonfeaturessuchasbloodvessels,cometcellsandhistology,ortheyrequiresomeuserinput[12].Thenewalgorithmpresentedinthispaperhasembeddedcodetodealwithsuchfeatures.Inordertoremovetheedgesandmakeonecompactimageitisnecessarytoapplyadditionalimageblending.Theprocessofimageblendingisrestrictedtozonesofoverlapwhicharedeterminedduringthestitchingprocess.Thismeansthatiftheoverlapregionsbetweenimagesarelarge,andimagesarenotperfectlymatchedontheseparts,ghostingor‘blurring’isvisible.However,iftheseregionsaresmall,theseamswillbevisible[13].Inordertoavoidtheseeffectsandmaketheblurringeffectnegligible,thecross-correlationfunctionbetweenthecompositeimageandtheimagewhichistobestitchedneedstobeappliedappropriately.Thenewmethodpresentedinthispapershowsthatthebestqualityimagecanbeachievedifblendingisappliedaftereachimagehasbeenstitched.Thisapproachimprovesthestitchingofadditionalimagesbecausethecross-correlationisappliedtoablendedcompositeimagewhichgivesamorerobustresult.Whenacquiringimagesofhighlynon-uniformsamples,asitisthecaseinourinvivostudies,thelightingconditionschangeandthusinfluencethecross-correlationappliedduringstitching.Theselightingchangespreventtheremovalofartefacts.Inordertoavoidthiseffectitmaybepossibletonormalisetheilluminationoftheimages,butitcouldcausesomelossofinformationasonecannotbesurewhattherealcauseforthevariationintheimageilluminationis.Itcancomefromthechangesinthelightingbutalsofromthedifferenttissuecolour.Hence,someilluminationcompensationisnecessary.Ourachievementisahigh-quality,automaticstitchingandblendingalgorithmthatrespondstofeaturessuchasbloodvessels,cometcellsandhistologysamples.Theilluminationcompensationisnotincorporatedinthepresentedalgorithm.Thispaperisorganisedasfollows.Section2explainstheimageacquisitionprocess.Section3explainsthemethodologyfollowedduringthedevelopmentoftheimageprocessingalgorithmthatappliesboththestitchingandblending.Section4givestheresultsoftheappliedalgorithmontheselectedimagesafterthestitchingonlyandafterbothstitchingandblendingandillustratestheeffectivenessoftheproposedalgorithm.ConclusionsarepresentedinSection5anddirectionsforthefutureworkaredefined.2.IMAGEACQUISITION2DimagesAllimageswereacquiredusingastandardmicroscope.All2Dimageswereacquiredbysampletranslationandcollectedeithermanuallyorautomaticallyusingthemotorisedstage.Threetypesof2Dimageswereacquired.Theseincludetheimagesofhistology,fluorescentcellsaspartofacometarray(cometcells)andinvivobloodvessels.ThesetupspecificationfortheseimagesissummarisedinTable1.CCDcameraswereusedtoacquiretheimageswitheitheraIEEE1394interfaceorusingaPCIframegrabber(type:byNationalInstruments,UK).Theimagingareaisoftheorderof1x1mm2whenusingobjectivex10.CCDcamerasintroducetwonoiseeffects.Oneisadarkcurrentandanotherisanon-uniformpixelresponse.Inordertocanceloutthedarkcurrenteffect,imagesacquiredwithnolightweresubtractedfromimagesofthesample.Forcancellationofthenon-uniformpixelresponse,theimageofthesampleisdividedbyablankimageacquiredwithstandardilluminationofacleanslide.Lensaberrationsarealsopresent.Allimagingsystems,duetosuchaberrations,suffertoagreaterorlesserextentfrombarrelorpincushiondistortion,ortheircombination.Themostdifficultconditionsforimagestitchingarethosewithwiderangeofambientlightingi.e.ProceedingsofSPIE--Volume5701Three-DimensionalandMultidimensionalMicroscopy:ImageAcquisitionandProcessingXII,Jose-AngelConchello,CarolJ.Cogswell,TonyWilson,Editors,March2005192withalargeintensityspan-spatiallyvaryingillumination.Itisassumedthatrotationandscalingstaythesamethroughoutboththeexperimentsandprocessingtheimages.Onlytranslationerrorsneedtobecorrectedduringthestitchingprocess.Table1Summaryofthesetupspecificationusedfortheimageacquisition3DimagesFortheacquisitionof3Dimagesthefollowingsetupwasused.ANikonTE200fluorescencemicroscopewasusedwithamodifiedstagetoaccommodaterodents.Ourinvivobloodvesselimageswereacquiredthroughawindowchamberarrangement.Itconsistsofdoublesidedaluminiumframeholdingtwoparallelglasswindows.Itislocatedcentrallyabovetheobjectives[14].Tumourangiogenesisandvascularresponsetotreatmentinboththemorphologyofbloodvesselnetworksandthefunctionofindividualvesselshavebeeninvestigatedusingthewindowchamber.Multi-photonmicroscopytechniqueshavebeenappliedtoobtain3Dimagesoftumourvasculature[15],asthesetechniquesareshowntobehighlyeffectiveinobtainingthree-dimensionalbiologicalimages.Themulti-photonmicroscopesystemisbasedonBio-RadMRC1024MPworkstationandconsistsofasolid-statepumped(10WMillenniaX,Nd:YVO4,Spectra-Physics),self-mode-lockedTi:Sapphire(Tsunami,Spectra-Physics)lasersystem,afocalscan-head,confocaldetectorsandaninvertedmicroscope(NikonTE200)[15].Multi-photonmicroscopycanaccuratelylocatefluorescencewithina3Dvolumeandcanbesuccessfullyappliedtotheanalysisofvascularmorphology.Usuallyasmalltumour(fewmillimetresindiameter)wasimplantedintotheskininthewindowchamber.Thewholetumourvasculaturewasimagedformostexperiments.Imagesweretakenwith10Xobjectiveforallbutthesmallesttumoursandimagecoveredapproximately1.3x1.3mmtissue.Stacksofimagesaretakenwithatypicalstackof50slices.Ittakestypically13minutestoacquireimagesforanentirestack.3.IMAGEPROCESSING-METHODOLOGYTherearetwomainstagesinprocessingtheseimages:1)ImagestitchingStitchingisperformedbyslidingthenewimageoverthecompositeimageandfindingthebestcross-correlat