C#處理醫學影像(四):基於Stitcher演算法拼接人體全景脊柱骨骼影像

在拍攝脊柱或胸片時，經常會遇到因設備高度不夠需要分段拍攝的情況，

對於影像科診斷查閱影像時希望將分段影像合併成一張影像，有助於更直觀的觀察病竈，

以下圖為例的兩個分段影像：

我們使用OpenCVSharp中的Stitcher類的Stitch方法，導入兩張圖像並拼接：

 但結果卻失敗了，返回錯誤結果：ERR_NEED_MORE_IMGS，是由於醫學影像的特征點匹配不夠，導致無法確定對接點。

一幅圖中總存在著一些獨特的像素點，這些點我們可以認為就是這幅圖的特征，即為特征點

獲取一幅圖中存在的一些獨特的像素點，需要解決兩個問題：

• 解決尺度不變性問題，不同大小的圖片獲取到的特征是一樣的
• 提取到的特征點要穩定，能被精確定位 

可參考本系列文章：C#處理醫學影像(三):基於漫水邊界自動選取病竈範圍的實現思路

根據演算法原理得到如下結果：

Sobel運算元：

根據演算法原理得到如下結果：

其中直觀區別是canny運算元計算的結果清晰，但不連續，容易受噪點影響，而sobel運算元線條相對柔和，連續性強。

⑤背景降噪

進行一次手動背景降噪，使得展現的無用邊緣更少，結果更清晰：

經過上述的一系列處理步驟後我們再次合併拼接：

　　　　　　　　　　　　Mat srcImg1 = imgList1[0];
                    Mat srcImg2 = imgList1[1];
                  

                    Mat[] images = new Mat[] { srcImg1, srcImg2};

                    Stitcher stitcher = Stitcher.Create(Stitcher.Mode.Panorama);
                    Mat pano = new Mat();
                    var status = stitcher.Stitch(images, pano);
                    if (status != Stitcher.Status.OK)
                    {
                        ShowMsg.Box("拼接異常(" + status.ToString() + "),請重試。", BoxType.Msg, 120, this);
                        return;
                    }

得到了正確的結果：