图像拼接方法简介
- 图像拼接的主要流程
图像拼接的三个关键技术点：预处理、图像配准、图像融合
- 预处理
- 图像配准
图像配准是将不同传感器在不同时间、不同方位、不同条件（气候、亮度等）下获得的同一场景的两幅或多幅图像进行匹配、对其的过程。
刚性变换： 变换前后，任意两点间距离不变。包括平移、旋转、反射； 相似变换： 变换前后，目标形状不变。与刚性变换相比，增加了等比缩放； 仿射变换： 仿射变换最大的特点就是： “保点”、“保线”、“保面”。 意思是变换前后，点的顺序不变，平行线依然保持平行。相比相似变换，主要增加了两种：非等比缩放，切变； 投影变换： 区分2D与3D图像的投影变换，从某一点进行投影变换；(a) 选择特征空间。可以根据待配准图像的各种不同特征来说实现匹配，主要包括图像本身的亮度、图像的边缘、 曲线、角点、直线交点、高曲率点、图像的不变矩、重心等。 (b) 选择相似性测度。配准中最终要的步骤是相似性测度的选择，相似性测度的结果决定了两幅图像是否匹配，而且据定了如何确定匹配位置。 (c) 选择搜索空间与策略。搜索空间的目的是找到图像配准的最佳位置的集合。 在很多情况下,减少测量的数量是很重要的,因为误匹配位置越多,计算量就越大，问题就越严重。在有些情况下，可以利用一些已知信息去掉不可能匹配的搜索子空间，从而达到减少计算量的目的。 为了减少计算量,匹配时还需要选择合适的搜索策略。（1）. 基于特征的图像配准
该类方法的有点是对亮度、噪声不敏感，能够处理图像间存在比较大的未对准情况，目前普遍采用该方法。
. 基于特征的配准方法通过提取图像中明显的块、线和点作为特征来估算图像间的变换矩阵。该方法下的图像配准的一般步骤为：(a)提取待配准的图像的特征；(b)图像特征匹配;©通过匹配的特征估算得出图像间的变换矩阵(d)利用变换矩阵将图像对齐。
（2） 基于区域的图像配准
基于区域的配准方法，是利用图像像素间相关性强度大小进行对齐。首先，在一个图像中选择兴趣点，然后在另一个图像中利用互相关搜索对应的像素点。该方法的优点是使用所有可利用的图像数据，能提供非常精确的配准，缺点是需要一个复杂的初始化。
扩展相位相关法，能够对具有旋转和平移变换的图像进行配准。 快速傅里叶变换法，能够对平移、旋转、缩放变换图像进行精准配准。 - 图像融合
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/205706.html原文链接：https://javaforall.net
