计算机视觉（五）--图像全景拼接原理及实现

一、图像全景拼接的原理

图像全景拼接就是将多张图片（两两间存在一定的重叠部分，可以是不同时间、不同视角或者不同传感器获得的）拼成一幅无缝的全景图或高分辨率图像的技术。也就是将两幅存在一定重合部分的图像，通过算法（如SIFT）进行特征点匹配从而得到对应点，将这些得到的对应点重合并保留两张图片的未重合部分，就可运行出次两张图片的拼接结果。

1.特征点匹配

本次实验主要采用了SIFT算法进行，之前的博客中有讲SIFT算法的基本原理等，链接：
https://blog.csdn.net/weixin_42104269/article/details/88630089

2.图片匹配

2.1 RANSAC随机一致性采样

RANSAC算法的基本假设是样本中包含正确数据(可以被模型描述的数据)，也包含异常数据(偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。
基本思想描述如下：
A.首先，考虑一个最小抽样集的势为n的模型(n为初始化模型参数所需的最小样本数)和一个样本集P，集合P的样本数#§>n，从P中随机抽取包含n个样本的P的子集S初始化模型M；
B.余集SC=P\S中与模型M的误差小于某一设定阈值t的样本集以及S构成S*。S可认为是内点集，它们构成