【OpenCV图像处理入门学习教程三】基于SIFT特征和SURF特征的微旋转图像拼接与融合生成全景图像的比较

OpenCV图像处理入门学习教程系列，上一篇第二篇：不同阈值二值化图像

图像拼接与融合介绍

图像拼接在实际中的应用场景非常广泛，比如无人机的航拍，遥感图像等，甚至小到我们出去游玩用手机拍照时，无奈广角太小，没有办法一次将所有你要拍的景物全部拍下来（当然现在很多手机都自带全景拍照啦，但是不自己试试怎么拼接多不爽~）

那么现在假如你的手机是老爷机，没有广角镜头，没有全景功能，所以你对某处中国好山水从左往右依次拍了好几张照片，现在的你坐在电脑前，把手机插入电脑，总不能看着这些照片发呆吧！那么我们能不能把这些照片拼接成一个全景图像呢？现在利用OpenCV就可以做到图像拼接生成全景图像的效果！

比如我们有以下这样的两张图要进行拼接，还得考虑平时拍照时手抖拍斜了的情况嘛！

大家看到可能会大喊：哎呀！这是哪个手残党拍的照片！拍斜了不说，光线还差了那么多，这拼起来多丑对不对！不要怕，只要满足图像拼接的基本需求——两张图有比较多的重叠部分，其他一切都不是问题~

图像拼接技术主要包括两个关键环节即图像配准和图像融合。对于图像融合部分，由于其耗时不太大，且现有的几种主要方法效果差别也不多，所以总体来说算法上比较成熟。

而图像配准部分是整个图像拼接技术的核心部分，它直接关系到图像拼接算法的成功率和运行速度，因此配准算法的研究是多年来研究的重点。

现在CV领域有很多特征点的定义，比如sift、surf、harris角点、ORB都是很有名的特征因子，都可以用来做图像拼接的工作，他们各有优势。本文将使用基于SIFT和SURF特征进行微旋转图像的图像拼接，用其他方法进行拼接也是类似的，简单来说都是由以下几步完成，区别在于特征点的提取不同：

（1）特征点提取和描述。
（2）特征点配对，找到两幅图像中匹配点的位置。
（3）通过配对点，生成变换矩阵，并对图像1应用变换矩阵生成对图像2的映射图像，即图像配准。
（4）图像2拼接拷贝到映射图像上，完成拼接。
通过以上4步之后，完成了基础的拼接过程。如果还想对重叠边界进行特殊处理，可以考虑图像融合（去裂缝处理）。

一、OpenCV2和3不同的环境配置

• IDE：Visual Studio 2013

• 语