图像拼接技术

图像拼接：

图像拼接的步骤

• 对每幅图进行特征点提取
• 对对特征点进行匹配
• 进行图像配准
• 把图像拷贝到另一幅图像的特定位置
• 对重叠边界进行特殊处理
   图像拼接的每个步骤详解
• 特征点提取（图像的特征包括点，线，块特征）

1.1 灰度图转换

//灰度图转换
Mat image1, image2;
cvtColor(image01, image1, CV_RGB2GRAY);

1.2 提取特征点

• 涉及的数据结构
  SurfFeatureDetector 特征检测器是一个类，里面有用到的方法detect（）
  vector
  KeyPoint( Point2f _pt, float _size, float _angle=-1, float _response=0, int _octave=0, int_class_id=-1 )
  
  1. pt是关键点的坐标
  2. size是关键点的邻域直径
  3. angle是关键点的方向，在[0,360]度之间，方向与图像坐标系有关，例 如顺时针
  4. response是最强特征点被选择的响应，可用来进行更近一步的排序或子 采样
  5. octave是关键点提取所在的金字塔层数
  6. class_id 若关键点被聚类的话,class_id是关键点所在聚类的id
     特征点也有方向？

1.SIFT学习–确定特征点的方向 - CSDN博客 https://blog.csdn.net/ro9er/article/details/7405036
为了保证特征点的方向不变性，就要确定特征点的方向，那么特征点的方向可以用下面的公式：
其中 为(x,y)处的梯度大小而 为该点的梯度方向
每个特征点都有自己的位置，所在方向，尺度的属性。只有确定了关键点的方向和大小才能保证旋转不变性和伸缩不变性。
2.opencv中SiftDescriptorExtractor所做的SIFT特征向量提取工作简单分析 - CSDN博客 https://blog.csdn.net/u012556077/article/details/47128439
（对于一个关键点找到方向，计算他周围的16个像素，旋转，每个像素映射到8个方向，都映射过去根据梯度计算方向，可以得到每一行就是128个特征向量。）
 detect(image1, keyPoint1) 提取第一张图片的特征点，存放在一个向量里面
 detect( const Mat& image, vector& keypoints, const Mat&mask=Mat() ) con