畅游计算机视觉的海洋

为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用CSDN来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。

文章目录1.题目和摘要2.直接看算法投影扭曲二、使用步骤1.引入库2.读入数据总结1.题目和摘要大名鼎鼎的APAP。主要思想：单一投影矩阵只适用于二维平面和旋转的情况，对于扭曲图像会出现重影和明显的视差，拼接线等不好的视觉效果。本文的关键就是得到全局投影，平滑拼接，使用的去重影算法就是MDLT，使用网格划分的方式无缝配准。关键词：图像拼接，投影扭曲，全局投影，MDLT，网格。DLT：direct linear transform 直接线性变换应该是使用网格算法来进行图像拼接的开山之作。2.直

随着虚拟现实(VR)的发展，全向图像在生成具有沉浸式体验的多媒体内容方面发挥着重要作用。然而，尽管现有的全向图像拼接方法多种多样，但如何定量评估拼接图像的质量仍然没有得到充分的探索。为了解决这个问题，我们首先建立了一个新的全向图像数据集，其中包含拼接图像和从0◦、90◦、180◦和270◦标准四分之一捕获的双鱼眼图像。这样，在评估从一对鱼眼图像(如0◦和180◦)拼接的图像的质量时，另一对鱼眼图像(如90◦和270◦)可以用作交叉引用，以提供拼接区域的真实观察。基于这个数据集，我们提出了一组全向拼接图像质量

基于学习的图像拼接技术通常涉及三个不同的阶段：配准、融合和矩形。这些阶段通常是按顺序执行的，每个阶段都是独立训练的，导致潜在的级联错误传播和复杂的参数调整挑战。在重新思考融合和矩形阶段的数学建模时，我们发现这些过程可以有效地组合成一个单一的、各种强度的修复问题。因此，我们提出了一种有效的无训练图像拼接方法Simple和Robust Stitcher (SRStitcher)，将融合阶段和矩形阶段合并为一个统一的模型。通过使用加权掩码和大规模生成模型，SRStitcher 可以在单个推理中解决融合和矩形问题，

图像质量评估对于开发图像拼接算法至关重要，因为它直接反映了算法的进展。然而，常用的客观指标总是与主观指标产生不一致甚至相互矛盾的结果。为了提高客观评价与主观评价的一致性，本文提出了一种新的指标——拼接图像的Fŕechet距离(SI-FID)。具体来说，我们的训练网络总体上采用对比学习架构。我们采用数据增强方法作为噪声来扭曲训练集中的图像。然后将初始训练集和失真训练集输入到预训练模型中进行微调。然后，我们在对测试集引入干扰后评估改变的 FID，并检查噪声是否可以提高客观和主观评价结果之间的一致性。秩相关系数

图像拼接是一种常用于图像处理和计算机视觉应用的技术。图像中的特征点提供了大量的关键信息。图像拼接需要准确提取这些特征，因为它可能会降低最终拼接图像中的错位缺陷。近年来，人们提出了各种可用于图像拼接的特征检测器和描述符。然而，特征匹配的计算成本和正确性限制了这些技术的利用率。迄今为止，没有工作比较特征检测器和描述符进行图像拼接应用，即没有人考虑检测器和描述符对生成的最终拼接图像的影响。本文对之前提出的常用特征检测器和描述符进行了详细的比较分析。本研究对开发用于图像拼接应用的特征检测器和描述符的一般比较做出了各

多个航拍图像之间的单应性估计可以为协同自主探索和监测提供相对位姿估计。机器人系统的使用需要一种快速鲁棒的单应性估计算法。在这项研究中，我们提出了一种无监督学习算法，该算法训练深度卷积神经网络来估计平面单应性。我们将所提出的算法与传统的基于特征的直接方法进行了比较，以及相应的监督学习算法。我们的实证结果表明，与传统方法相比，无监督算法实现了更快的推理速度，同时保持了对光照变化相当或更好的准确性和鲁棒性。此外，与相应的监督深度学习方法相比，我们的无监督方法具有更好的适应性和性能。

我们提出了一个深度卷积神经网络来估计一对图像之间的相对单应性。我们的前馈网络有 10 层，将两个堆叠的灰度图像作为输入，并产生 8 个自由度单应性，可用于将第一个图像中的像素映射到第二个图像。我们为 HomographyNet 提出了两种卷积神经网络架构：一个直接估计实值单应性参数的回归网络，以及一个在量化单应性上产生分布的分类网络。我们使用 4 点单应性参数化，它将一张图像的四个角映射到第二张图像。我们的网络使用扭曲的 MS-COCO 图像以端到端的方式进行训练。我们的方法无需单独的局部特征检测和变换估计

来自不同捕获的图像拼接通常会导致非矩形边界，这通常被认为是不吸引人的。为了解决非矩形边界，当前的解决方案涉及裁剪，它丢弃图像内容、修复，这可能会引入不相关的内容或扭曲，这可能会扭曲非线性特征并引入伪影。为了克服这些问题，我们引入了一种新的基于扩散的学习框架RecDiffusion用于图像拼接矩形化。该框架结合了运动扩散模型(MDM)来生成运动场，有效地将拼接图像的不规则边界过渡到几何校正的中间。然后是内容扩散模型(CDM)进行图像细节细化。值得注意的是，我们的采样过程利用加权图来识别CDM每次迭代过程中需要

本文介绍了一种新的算法，用于跨图像匹配线，该算法利用线对之间的极线几何和共面约束。与兴趣点匹配的常见处理相比，我们使用极线几何来约束线对之间的共面条件。这种处理消除了由于具有不匹配端点的不完全线观测而导致的潜在匹配问题。这一观察结果用于检测一组候选行对对应关系。然后通过从相邻兴趣点对应导出的局部单应变换来验证这些匹配对。这一步产生了一个线亲和矩阵，该矩阵经过处理以获得匹配线。在这个过程中，我们不使用外观模型，并表明所提出的处理优于最先进的外观和基于几何的方法，特别是对于基线宽的图像。

在本文中，我们将视频拼接重新定位到一个新兴的问题，称为扭曲抖动，将图像拼接扩展到视频拼接。它揭示了非重叠区域中扭曲内容的时间不稳定性，尽管图像拼接努力保持自然结构。因此，在大多数情况下，即使要拼接的输入视频是稳定的，拼接后的视频不可避免地会造成不希望的翘曲抖动，影响视觉体验。为了消除抖动，我们提出了StabStitch，在统一的无监督学习框架中同时实现视频拼接和视频稳定。从视频稳定中的相机路径开始，我们首先通过精心整合空间和时间扭曲来导出视频拼接中拼接轨迹的表达。然后提出了一个扭曲平滑模型来优化它们，并综合

在计算机视觉中，视频拼接是一个非常具有挑战性的问题。在本文中，我们提出了一种基于快速结构变形的高效、有效的广角视频拼接方法，该方法能够同时实现质量拼接和计算效率。对于一组同步帧，首先，设计了一种有效的双缝选择方案来搜索两幅原始图像中两个不同但结构对应的接缝。进一步考虑前一帧的接缝位置以保持帧间的一致性。其次，沿双接缝，进行一维特征检测和匹配，以捕捉两个相邻视图之间的结构关系。第三，在特征匹配之后，我们提出了一种有效的算法来线性传播变形向量以消除结构错位。最后，通过基于连续松弛迭代 (SOI) 求解器的快速梯

图像拼接是一项基本任务，需要来自不同视点的多个图像来生成广泛的视场(FOV)场景。以前的方法是在 RGB 图像上开发的。然而，可见光图像上的雨、雾、弱光、强光等恶劣天气和恶劣条件可能会引入明显的干扰，导致拼接结果的失真和错位。为了弥补光学传感器的成像不足，我们研究了红外和可见光图像之间的互补性，以提高对视觉信息和观看范围场景的感知。我们开发了一种可学习的特征自适应网络来研究面向缝合的特征表示，并在特征融合引起的不准确积累阻碍了拼接的性能，特别是内容丢失和重影效果，而不是级联融合缝合过程，并在特征级别执行信息

由于视差和关键点不足，很难拼接结构不丰富的无人机(UAV)图像，本文对此进行了讨论。全局匹配由训练有素的转换器判断和局部相似性，这提供了在低特征区域找到大量关键点的可能性。基于变压器的分数设计了一种新的点匹配约束。线路保护和失真电阻也用于局部校正，以减轻全局像差。实验结果表明，我们的方法在拼接不显眼的特征（如林地、裸地和河流）方面明显优于四种最先进的算法，将位置误差减少了一半。

利用彩色图像的四元数表示，提出了一种四元数感知接缝线检测模型来生成四元数域中的接缝线。它将接缝线检测视为四元数域彩色图像标记问题，并最小化局部区域四元数感知差异成本以获得最优接缝线。为了有效地评估接缝线质量，我们开发了一种四元数感知接缝线质量度量。基于所提出的四元数感知接缝线检测模型和质量度量，我们进一步提出了一种用于自动四元数域彩色图像拼接 (AQCIS) 的通用框架。据我们所知，这是第一次尝试在四元数域中完全执行彩色图像拼接。同时，AQCIS以迭代的方式引入了局部对齐和接缝线的联合优化策略。在具有挑战性

图像拼接过程通常会产生许多不良影响。解决图片不连续和错位等问题一直是人们研究的重点。从人类视觉的角度来看，这种位错情况很容易被感知和发现。本文提出了一种基于人类视觉系统(HVS)和尺度不变特征变换(SIFT)算法的拼接策略。我们对拼接图像的亮度差和对比度进行预处理，结合SIFT算法和HVS对拼接图像的重叠区域进行划分，建立属性关系模型。我们使用动态规划根据属性关系模型找到最优接缝线，最终结果使最优接缝线在人眼的判别视觉下几乎不可见。实验结果表明，我们的方法在 HVS 中具有更大的优势。

具有全局自然结构的拼接图像的主题具有至关重要的意义。目前的方法表现出保持局部几何结构的能力，但在保持这些几何结构之间的关系方面却不足。在本文中，我们努力基于全局相似性先验保护图像中的整体目标级结构，同时减轻带有 OBJ-GSP 的失真和重影伪影。我们的方法利用Segment Anything Model[25]提取语义信息的几何结构，增强了算法以更符合人类感知的方式保留对象的能力。我们试图识别控制各种几何边界之间关系的空间约束。认识到多个几何边界共同定义了完整的对象，我们采用三角形网格不仅保护单个几何结构

图像拼接无缝地将从不同视角捕获的图像集成到一个单一的宽视场图像中。这种集成不仅拓宽了捕获的场景，而且增强了计算机视觉应用的整体感知。给定一对捕获的图像，人类视觉系统未被注意到的细微扰动和失真往往会攻击对应匹配，损害图像拼接算法的性能。鉴于这一挑战，本文首次尝试提高图像拼接对对抗性攻击的鲁棒性。具体来说，我们引入了一种面向拼接的攻击（SoA），旨在放大重叠区域内的对齐损失，从而针对特征匹配过程。为了建立抗攻击模型，我们深入研究了拼接架构的鲁棒性，并开发了自适应对抗训练(AAT)来平衡抗攻击能力与拼接精度。通过

本文提出了一种适用于时间同步视频流的快速稳定的接缝选择方法。该方法计算时间低，性能好，使用帧进行帧校正。本文的主要贡献是所提出的接缝时间传播约束，它利用空间上下文信息来避免连续视频帧之间的大接缝偏移引起的伪影。此外，引入了一种增强的动态规划算法来获得执行时间相对较低的最优接缝。采用视频拼接平台对所提出的方法与现有方法进行了详细的实验比较。我们的结果表明，在视频拼接中使用上下文信息可以显着提高伪影。关键词：视频拼接；接缝选择；接缝时间传播；增强的动态规划。

图像拼接的目的是将两幅图像与重叠区域相结合，扩展视场(FoV)。然而，现有方法的拼接图像不规则，需要矩形方法处理，耗时长，容易不自然。本文提出了第一个端到端框架，矩形输出深度图像拼接网络(RDISNet)，直接学习两幅图像拼接成一个标准的矩形图像，同时学习图像对之间的颜色一致性，保持内容的真实性。为了进一步保留拼接图像中大物体的结构，我们设计了一个扩展的BN-RCU块来扩展RDISNet的接受域，提取丰富的空间上下文。此外，我们设计了一种新的数据合成管道，构建了第一个矩形输出深度图像拼接数据集(RDIS-D

本文提出了一种基于镜像金字塔的虚拟现实视频获取方法。该系统旨在捕获高清立体视频，而镜像金字塔允许用户拍摄位于相机附近的对象。首先，我们从理论上研究了镜面反射器件的立体成像，验证了其可行性。其次，我们提出了一个完整的拼接过程，包括特殊成像设备的校准、掩模提取和融合。3D成像方法的镜像反射允许用户拍摄近距离物体并实现出色的3D效果。

市场上的全景相机不允许在存在非零视差角的情况下无缝拼接靠近相机的物体。同时，传统的实时拼接技术要求摄像机组的几何形状是已知的，外部投影点用于手动找到重叠区域的特征点。因此，本文提出了一种通过标定创建反射镜反射全景实时拼接系统的方法。由于每个相机拍摄的图像具有非常窄的重叠区域，提出了一种非重叠校准方法，只需旋转四个固定的校准模式，即可完成一个简单而方便的校准工作，效果明显。相机在实时视频中捕捉特写镜头的能力对于全景视频拍摄的未来具有重要意义。

近年来，使用鱼眼镜头的立体视觉因其广泛的应用而受到越来越多的关注。作为立体处理的基本先决条件，本文提出了一种鱼眼图像校正方法，用于高效的大规模立体。场景距离是在球形模型中制定的。使用横向墨卡托投影重新投影原始图像使我们能够证明一个定理，该定理可以将距离计算简化为常数和视差的除法运算。实验结果表明，使用该方法的立体处理在保持令人满意的匹配质量的同时，可以获得比现有方法更快的计算速度。

尽管图像拼接和全景摄影发展迅速，但获取全景图仍然很昂贵。为了解决这个问题，本文提出了一种从俯视图全景鱼眼图像中提取信息并将其扩展为视觉上可接受的全景图的方法。对鱼眼图像进行变形，得到额外的环境信息。从鱼眼图像中获取全景图是一个挑战。我们需要获得一幅全景图像是鱼眼相机拍摄的顶棚鱼眼图像。首先，我们得到了鱼眼图像的部分透视图像来消除局部变形。其次，我们通过场角覆盖关系选择一系列部分透视图像序列。最后，我们将这些图像合成到全景图中，我们需要建立鱼眼图像和全景图像之间的对应关系。在这项研究中，我们只能通过鱼眼相机获

给定多视图图像，神经辐射场 (NeRF) 在新视图合成方面取得了实质性进展。最近，一些工作试图从具有 3D 先验的单幅图像中训练 NeRF。他们主要关注一些遮挡的有限视场，这极大地限制了它们对具有大尺寸遮挡的真实360度全景场景的可扩展性。在本文中，我们提出了PERF，这是一个360度新颖的视图合成框架，从单个全景图训练全景神经辐射场。值得注意的是，PERF 允许在复杂场景中进行 3D 漫游，而无需昂贵和繁琐的图像采集。为了实现这一目标，我们提出了一种新的协作RGBD修复方法和渐进式修复擦除方法，将360度

马赛克和对象插入等各种应用都需要拼接图像部分。拼接质量通过拼接图像与每个输入图像的相似性以及拼接图像之间的接缝可见性来直观地测量。为了定义和获得最好的拼接，我们引入了几个正式的成本函数来评估拼接质量。在这些成本函数中，输入图像的相似性和接缝的可见性在梯度域中定义，最小化沿接缝的干扰边缘。一个好的图像拼接将优化这些成本函数，克服拼接图像之间的光度不一致和几何错位。我们研究了成本函数，并从理论上和实践比较了不同场景的性能。我们的方法在各种应用中得到了证明，包括生成全景图像、对象混合和去除压缩伪影。与现有方法的比

本文提出了一种新的基于优化的拼接方法。它最小化了一个由导数定义的能量函数，直到二阶。我们已经为其参数确定了一些适当的选择，使其能够减少重影、颜色不一致和错位等伪影。为了加速计算，引入了一种多分辨率技术。显着的加速和内存节省使得在手持捕获设备中使用成为可能。

马赛克图像中的拼接间隙和错位会严重降低人类对马赛克效果的视觉感知。图像拼接在消除这些令人不快的缺陷中起着关键作用。针对人类视觉系统(HVS)的研究，提出了一种具有不可见接缝的马赛克图像的图像拼接方法。通过量化图像的人类视觉注意和亮度差和细位错的视觉辨别，拼接区域的每个像素被赋予跟踪拼接线的优先级值。结合最优拼接线定位方法和多波段混合算法的处理，拼接图像中不连续项的像素显著降低，拼接线几乎不可见。本研究为图像拼接领域提供了新的见解，实验表明，该方法在创建高质量的图像拼接方面更符合人类视觉系统。

用连续的深度变化和复杂的纹理拼接图像是非常具有挑战性的。为了解决这个问题，我们提出了一种优化的接缝驱动图像拼接方法，该方法考虑了场景的深度、颜色和纹理信息。具体来说，我们设计了一种新的能量函数来减少接缝附近的结构失真，提高接缝的不可见性。通过在能量函数的平滑项中引入深度信息，引导接缝通过相似度高的图像的连续区域。实验结果表明，该方法得益于新定义的能量函数，能够找到适应场景深度的接缝，有效避免接缝通过显着对象，从而实现高质量的拼接结果。与代表性图像拼接方法的比较证明了所提出的方法的有效性和泛化能力。

特征点的配准将需要很长时间。此外，由于特征点与图像失真之间的不匹配，会出现鬼影和物体失真。为了解决上述问题，本文提出了一种新的特征定位和拼接接缝消除图像拼接方法。图像之间的点映射关系由ORB[29]确定，计算多边形重叠区域的边界线。提取特征点，并通过SIFT[25]对重叠区域进行并行方向配准。TPS模型的优化可以在工作[1,4]中找到，然后对图像进行变形。为了获得高质量的拼接图像，我们最终使用弧函数模型平滑变形图像像素。

提出了一种利用相对尺度变化知识的平面仿射校正方法。校正变换完全由三个非线性点的相对尺度变化或已知相对尺度变化的两对点来指定；不需要对之间的相对尺度变化。该方法还允许从三个具有尺度对应关系的平面场景的两个视图之间进行单应性估计。该方法易于实现且没有参数;线性，因此支持(代数)最小二乘解;一般来说，不受对应特征的形状或其相互位置的限制。该方法的广泛适用性体现在文本校正、重复模式检测、纹理归一化和从三个具有尺度对应关系的单应性估计上。

广角镜头在VR技术中显示出吸引人的应用，但它在其捕获的图像中引入了严重的径向失真。为了恢复真实场景，以前的工作致力于校正广角图像的内容。然而，这种整流解决方案不可避免地会扭曲图像边界，改变相关的几何分布并误导当前的视觉感知模型。在这项工作中，我们探索了通过贡献一个新的学习模型（即矩形校正网络（RecRecNet）在内容和边界上构建双赢表示。特别是，我们提出了一个薄板样条(TPS)模块来制定矩形图像的非线性和非刚性变换。通过学习校正后的图像上的控制点，我们的模型可以灵活地将源结构扭曲到目标域，实现端到端的无监

薄板样条(TPS)是允许用控制点运动表示弹性非线性变换的主经线。随着控制点的增加，翘曲变得越来越灵活，但通常会遇到由不希望的问题（例如内容失真）引起的瓶颈。在本文中，我们探索了TPS在单幅图像的翘曲任务中的一般应用，如旋转校正、矩形和肖像校正。为了打破这一瓶颈，我们提出了耦合薄板样条模型(CoupledTPS)，该模型迭代地将多个控制点有限的TPS耦合到更灵活和更强大的转换中。具体来说，我们首先设计了一个迭代搜索，根据当前的潜在条件预测新的控制点。然后，我们将翘曲流作为不同TPS变换耦合桥梁，有效地消除了多

建立成对图像之间的密集对应关系的目标由两个术语组成：数据项和先验项。虽然传统的技术侧重于定义难以表述的手工设计的先验项，但最近的方法侧重于使用深度神经网络学习数据项，而无需显式建模先验，假设模型本身有能力从大规模数据集中学习最优先验。然而，性能改进很明显，它们通常无法解决匹配的固有歧义，例如无纹理区域、重复模式和大位移。为了解决这个问题，我们提出了 DiffMatch，这是一个新颖的基于条件扩散的框架，旨在显式建模数据和先验术语。与以前的方法不同，这是通过利用条件去噪扩散模型来实现的。DiffMatch由两

本文提出了一种基于最优接缝算法和半投影翘曲的无人机(UAV)图像拼接方法，能够有效地保留图像的原始信息，得到理想的拼接效果。现有的接缝拼接算法可以消除拼接图像上的重影和模糊问题，但图像配准引起的变形和角度失真将保留在拼接结果中。为了克服这种情况，我们提出了一种基于最优接缝和半投影翘曲的拼接策略。首先，我们在对齐图像的重叠区域定义了一个新的差分矩阵，其中包括颜色、结构和线差分信息。然后，我们用最小能量约束接缝的搜索范围，提出了一种基于全局最小能量的接缝搜索算法来获得接缝。最后，结合接缝位置和半投影翘曲，对拼接

图像拼接旨在尽可能快地生成自然无缝的高分辨率全景图像，不受失真或伪影的影响。本文提出了一种基于超像素的无人机图像拼接接缝切割策略。明确地，我们将问题分解为图像配准、接缝切割和图像混合三个步骤。首先，我们采用自适应尽可能自然(AANAP)扭曲进行配准，得到同一坐标系中的两个对齐图像。然后，我们提出了一种新的基于超像素的能量函数，该函数集成了色差、梯度差和纹理复杂度信息，搜索位于相似度高的连续区域的感知最优接缝。我们应用图割算法来解决问题，从而隐藏重叠区域的伪影。最后，我们利用基于超像素的颜色混合方法来消除可见

近年来，图像拼接发展迅速。接缝消除在图像拼接中起着至关重要的作用。因此，提出了一种改进的图像拼接接缝消除方法。首先，对图像进行注册。然后，提出了基于Curvelet变换的最优接缝方法来消除接缝。采用客观评价指标(PSNR和SSIM)对所提方法在实验结果中的性能进行了评价。本文提出了一种评估拼接图像局部质量的新指标。在这个指标下测试了三组图像。实验结果表明，我们的方法可以以有效的方式消除接缝。

在这封信中，我们提出了一种快速而稳健的方法来拼接无人机捕获的重叠图像。首先，我们应用保形状半投影方法来精确稳定地对齐一对部分重叠的输入图像。然后，搜索最优拼接线，去除重叠区域运动物体引起的鬼影。随后，我们提出了一种颜色混合方法来消除预对齐图像中的所有颜色不一致。根据像素在最优拼接接缝上的色差，我们利用加权值坐标插值算法计算目标图像所有像素的精确颜色变化。然后将计算出的颜色变化添加到目标图像以去除颜色不一致。此外，我们引入超像素分割将目标图像划分为减少数量的超像素，并为每个超像素分配相同的颜色变化值。这种超像

本文的目的是实现无缝图像拼接，以消除由严重强度差异、图像失真和结构错位引起的明显视觉伪影，因为输入图像是全局配准的。我们的方法基于结构变形和传播，同时保持结果对输入图像的整体外观亲和力。这种新方法被证明可以有效地解决上述问题，并在马赛克去重影、图像混合和强度校正方面找到了应用。我们的新方法包括以下主要过程。首先，沿输入图像之间的最优分区边界稳健地检测和对齐显着特征或结构。从这些特征中，我们推导出稀疏变形向量来统一编码底层结构和强度错位。然后，通过求解图像梯度域中的相关拉普拉斯方程，将这些稀疏变形线索稳健地平

随着全景摄影变得越来越流行，需要高质量的软件来自动创建全景图像。现有算法要么产生粗略的“缝合”，无法处理常见的伪影，要么需要用户输入。本文介绍了处理实践中经常出现的两个伪影的方法。我们的第一个贡献是处理在动态场景的不同视图之间移动的对象的方法。如果这样的移动对象留在中，它们将显得模糊和“幽灵”。将这些区域视为图中的节点，我们使用顶点覆盖算法选择性地删除每个对象的除一个实例之外的所有实例。我们的第二个贡献是一种连续调整多幅图像曝光的方法，以消除亮度或色调的可见变化。我们在逐块的基础上计算曝光校正，然后使用样条