计算机视觉--图像拼接

1. 图像拼接介绍

图像拼接在实际的应用场景很广，小到我们手机的全景图片，大到航天领域和地理图像领域，都会用到推向拼接，图像拼接的结果好坏会直接影响接下来工作的进行。下面介绍一下图像拼接中常用的方法。

1.1 图像拼接步骤

1. 针对某个场景拍摄多张/序列图像
2. 计算第二张图片和第一张图片的变换关系
3. 将第二张图像叠加到第一张图像的坐标系中
4. 变换后的融合/合成
5. 如果是多图场景，重复上述步骤

那么如何就散图像间的变换关系呢？
首先提取两幅图像的特征点并生成描述子，对两张图像进行特征匹配，然后就可以计算图像的变换结构。
图像的变换结构有位移，旋转，尺度大小变换，仿射和透视。

1.2 图像拼接算法

图像拼接首先进行特征点匹配，这里特征点匹配使用的是Sift特征检测。

1.2.1 单应性矩阵

拼接时采用homograph单应性矩阵进行拼接。单应性矩阵的计算采用的是RANSAC算法。关于homograph和图像拼接之间的关系：
假设我们有两个相同平面对象的图像，它们之间有一些重叠（存在对应点）。让$P_1$成为第一图像中的点的像素坐标[$P_{1x}，P_{1y}，1$ ]，$P_2$是第二图像中的点的像素坐标[$P_{2x}，P_{2y}，1$ ]。我们将第一图像称为目的图像，第二图像称为源图像。单应性1H2是将第二图像中的每个像素坐标与第一图像中的像素坐标映射关系。
P 1 = 1 H 2 ∗ P 2 P_1 = 1H2 * P_2