图像拼接

        最近在进行图像拼接的研究。在这里记下自己的一些想法与学习到的算法，欢迎大家交流与讨论。

        图像拼接能够将具有一定重叠区域的图像拼接成连续大视场图像，很多手机内置有全景拍摄或者360度拍摄。图像拼接可分为三个步骤：1、图像匹配。2、图像矫正。3、拼接缝融合

这里写一些自己关于图像的匹配与矫正的研究工作，以sift为列的一般步骤是：

1、sift角点检测

2、特征点128维描述向量

3、kd_tree特征点粗匹配

4、Ransca仿射或旋转模型进一步剔除误匹配点

5、利用Ransca算出的变换矩阵，变换图像

       这一流程方法在分析sift的博文中已经详细的进行了介绍。源代码：RobHess的sift源代码，源码中包含了以上所有的步骤，但是通过实验，发现匹配特征点对数较少，可能参数需要调整吧。

       不过让我感兴趣的是文章"As-Projective-As-Possible Image Stitching with Moving DLT",作者主页中有源代码和实验数据，与一般全局变换矩阵不同的是，其先将变换偏移量映射到网格中，再计算网格交叉点与网格中的匹配点对的距离差，算出偏移矫正权重，最后网格偏移量乘以这一权重，这样做的好处是能够矫正全局变换带来的局部错位，但是可能会带来物体的变形扭曲。同时也比较依赖特征点的准确性，不过代码中实现的sift能够找到上千对的特征点，还是很给力的。