图像配准的常用方法
图像配准的方法大致分为三类,一类是基于灰度和模板的,这类方法直接采用相关运算等方式计算相关值来寻求最佳匹配位置,方法简单较为死板,一般效果不会太好。第二类是基于特征的匹配方法,如sift、surf点特征,或者向量特征等等,适应性较强。第三类是基于域变换的方法,采用相位相关(傅里叶-梅林变换)或者沃尔什变换、小波等方法,在新的域下进行配准。
1. 基于模板匹配的图像配准
板匹配时图像配准算法中简单而常见的算法。在模板匹配中对图像的配准有整幅图像进行的撇皮,也有局部图像和局部图像之间进行的匹配。在模板匹配过程中通常对模板进行平移,计算对应关系。一般情况下,采用模板和图像的相关运算计算相关值,相关值越大表示匹配越好。
模板匹配对形态固定的图案具有较好的效果,但是随着配准图像在数量级的扩大,计算复杂度会增加,实时性会增加,随着图像拍摄环境和成像条件的多变