图像处理数学基础,图像拼接算法原理
1 .图像拼接技术1.1基本介绍*图像拼接是将同一场景的多幅重叠图像拼接成大图像的一种方法，在医学图像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。 图像拼接的输出是两个输入图像的并集。
*图像配准和图像融合是图像拼接的两个关键技术。 图像注册是图像融合的基础，并且由于图像注册算法的计算量一般非常大，图像拼接技术的发展很大程度上依赖于图像注册技术的创新。 早期的图像配准技术主要采用点匹配法，但这种方法速度慢、精度低，而且常常需要人工选择初始匹配点，不能适应大数据量图像的融合。 拼接图像的方法很多，不同的算法有不同的步骤，但大致过程是一样的。
*图像拼接通常需要5个步骤。
1、基于给定的影像/集实现特征匹配
2 .通过匹配特征计算图像之间的变换结构
3、利用图像转换结构，实现图像映射
4、针对叠加的图像，采用APAP等算法对特征点进行匹配
5、根据切图方法，自动选择接缝
2.APAP算法2.1算法流程：1.SIFT获得两个图像的匹配点对
通过RANSAC去除外点，得到n内点
3 .利用DLT和SVD计算全局单响应性
4 .将源图划分为网格，取网格中心点，计算各中心点与源图内点之间的欧式距离和权重
5 .对DLT算法的a矩阵加权，构造新的W*A矩阵，重新进行SVD分解，自然得到当前网格的局部单调性矩阵
6 .遍历各网格，利用局部单应性矩阵映射到全景画布上，得到APAP变换后的源地图
7 .最后进行拼接线的加权融合
3 .实验过程与分析3.1方案1 (拼接视差变化小*数据集：
特征匹配结果：
拼接结果：
实验分析：
该组实验的数据集是在固定点拍摄的，距离、角度、光线基本相同，该组照片的景色和纹理相对单一，视察变化仅为桌边部分。 从拼接结果图中可以看出，桌边完美连接，实现了我们想要的全景拼接效果。 多亏了SIFT特征匹配点的准确匹配和RANSAC算法正确地消除了不匹配点，再加上后期的图像融合，这一效果得以体现。 不足的是右侧有明显的拼接间隙，左右光线差异明显。 这表明算法没有检测到光照的变化，只对图中的角点进行了特征匹配。 为了使全景拼接技术更优，可以考虑改进算法检测光照变化，使光照渐变场景的拼接效果更为惊艳。 左下角有不规则的黑色条纹物体。 这部分图像应该是由三个数据源在拼接过程中进行角度调整而形成的。 (因为是用手拿着手机拍摄，所以有角度的不同。 3.2场景2 :拼接视差变化较大的*数据集：
*匹配结果：
拼接结果：
*分析：
该数据集是切换拍摄角度、旋转角度、一定距离后拍摄的，由于是用手机相机拍摄的，因此第二张照片的色调会变暗。 从匹配结果来看，算法检测到的匹配点并不多，但从剩下的匹配点来看，精度极高，用自己的肉眼判断，虽然没有发现错误赛点，但这会影响图像的拼接效果从拼接结果看，左窗下沿与右帘拼接间隙明显，连接不成功。 一是匹配点不够，两幅图像对应点检测少，仅利用少数匹配点难以获得成功的拼接效果； 二是拍摄角度和距离有一定变化； 两幅图窗口大小不同，算法是将图像进行切割连接，由于不对图像进行大小调整处理，拍摄角度和距离会影响拼接效果。 4 .总结实验1 .算法无法检测光照变化、成像角度、远近距离和特征点，影响算法结果；
2.Apap可以很好地进行配准，但很大程度上依赖于一对特征点。 当图像高频信息少、特征点对过少时，准将无法完全发挥作用，而且对大尺度图像进行配准也不够有效，一切都由特征点对的数量决定。