图像全景拼接

图像全景拼接

1、全景拼接简介

在此前了解了SIFT的特征点的提取与匹配，并且在SIFT的基础上，采用RANSAC算法对图像变换矩阵进行求解与精炼，删除错配。全景拼接需要在此基础上完成。

2、全景拼接步骤

1.在连续图像对间使用sift特征寻找匹配对应点对
2.进行可视化匹配，匹配两幅图像之间的特征
3.将匹配转换成齐次坐标点的函数，估计单应性矩阵
4.通过估计出图像间的单应性矩阵，将所有的图像扭曲到一个公共的图像平面上

要实现两张图片的简单拼接，其实只需找出两张图片中相似的点 (至少四个，因为 homography 矩阵的计算需要至少四个点)， 计算一张图片可以变换到另一张图片的变换矩阵 (homography 单应性矩阵)拟合成一个单应性矩阵。对每个对应点对使用该单应性矩阵，然后返回相应的平方距离之和。用这个矩阵把那张图片变换后放到另一张图片相应的位置 ，从而实现全景拼接

3、实验内容及分析

3.1、实验要求

1. 针对固定点位拍摄多张图片，以中间图片为中心，实现图像的拼接融合
2. 针对同一场景（需选取视差变化大的场景，也就是有近景目标）更换拍摄位置
3. 对结果进行分析说明

3.2、实验代码

from pylab import *
from numpy import *
from PIL import Image

# If you have PCV installed, these imports should work
from PCV.geometry import homography, warp
from PCV.localdescriptors import sift

"""
This is the panorama example from section 3.3.
"""

# set paths to data folder
featname = ['C:/Users/Administrator/Desktop/pythonhomework/pingjie4/'+str(i+1)+'.sift' for i in range(5)] 
imname = ['C:/Users/Administrator/Desktop/pythonhomework/pingjie4/'+str(i+1)+'.jpg' for i in range(5)]

# extract features and match
l = {
   }
d = {
   }
for i in range(5): 
    sift.process_image(imname[i],featname[i])
    l[i],d[i] = sift.read_features_from_file(featname[i])

matches = {
   }
for i in range(4):
    matches[i] = sift.match(