式中，I(x,y)、I1(x，y)、I2(x，y)分别为拼接图Image3、待拼接图像Image1和Image2的灰度值，d(0<d<1)是渐变因子，由像素点距离重叠区域边缘的距离决定。由此实现Image1到Image2的平滑拼接，得到最终的拼接图Image3。按照上述算法处理步骤，直到完成相邻4幅图像的无缝拼接。

3 仿真实验数据与结果
    使用Matlab7．1图像处理平台，分别对拍摄到的4幅图像的拼接过程仿真结果进行说明。图3所示是4幅待拼接图像，它们大小相同，以像素为单位，均为243×343。图4为左右相邻两幅图像的拼接图。图5为未经过图像平滑处理的4幅图像拼接结果图。图6为使用图像平滑算法处理后的结果图，图像大小为332×448。

    上述算法涉及到模板选取问题，值得注意的是：(1)在图像配准算法中所提取的特征区域不仅要具有独特的特征。而且要含有足够多的有效信息；(2)选取的每一初始模板a和b1，b2…中两列的水平间隔应不小于20个像素单位，如果间隔距离太小，则可能模板a的灰度值变化不明显，导致匹配点不准确，造成误匹配；而且这两列的间距不能大于重叠宽度，否则第2列可能越界。(3)如果选取的Image2模板中出现黑色像素点(灰度值为0)，则会导致比值无穷大及模板c不存在，即这种算法失效。为避免这种情况出现，可在对拼接效果影响轻微的情况下将待匹配Image2灰度值增加0．000 00001。

4 结束语
    研究基于相机平移运动模式的图像拼接算法，对采集到的相邻4幅图像进行以下处理：(1)预处理和图像边缘检测技术对于图像的配准十分重要，经过锐化后的图像其边界将更趋于明显，大大减少了配准所用时间，提高了匹配的准确性。(2)在图像匹配算法中增加模板的有效信息量，通过将两模板对应的灰度比值作为评价模板进行匹配对比而确定最佳拼接位置。该算法虽然在计算量上有所增加，但大大增加了匹配的可靠性，具有较好的实用性。(3)利用平滑因子对两幅图像的重叠区域的像素进行融合操作，过渡自然，衔接良好，较好地实现了无缝拼接。
    由实验结果可以看出，本文算法合理，可行性强，能够达到良好的拼接效果。下一步工作是研究如何提高拼接速度，减少缩短时间。