大作业图像拼接.docVIP

图像360度的全景图，这样就可以用普通数码相机实现场面宏大的景物拍摄。利用计算机进行匹配，将多幅具有重叠关系的图像拼合成为一幅具有更大视野范围的图像，这就是图像拼接的目的。 本文的研究内容与组织结构 本文研究的重点是使用数码相机或手机手持拍摄的图像的全自动拼接。算法的基本流程如下： 读取n副连续有重叠部分的图像，在n副图像中检测SIFT特征，并用SIFT 特征描述子对其进行描述。 匹配相邻图像的特征点，并根据特征点向量消除误匹配。 使用RANSAC方法，确定变换参数。 图像融合 简介 对手持相机拍摄得到的照片，即相机运动不受限制，两幅图像的关系可近似归结为初等坐标变换，即平移、旋转和缩放的组合。设，为两幅图像的对应点，则二者关系由下式确定 （1） 其中是两点的齐次坐标，M是两图像间的变换矩阵，含有八个参数。一旦M确定，则两幅图像的变换关系即可确定。 如何确定矩阵M？ 首先确定一定数量的特征点，利用特征点的匹配给出图像变换的估计初值，最后通过递归算法得到最后的变换。 特征提取与匹配 采用SIFT算法进行特征点的提取与匹配。主要包含4个步骤： 建立尺度空间,寻找候选点 精确确定关键点,剔除不稳定点 确定关键点的方向 提取特征描述符 本文中matlab实现代码如下: im11 = img{ccc-1}; im22 = img{ccc}; [im1, des1, loc1] = sift2(im11); [im2, des2, loc2] = sift2(im22); distRatio = 0.6; des2t = des2; match(size(des1,1)) = 0; for i = 1 : size(des1,1) dotprods = des1(i,:) * des2t; [vals,indx] = sort(acos(dotprods)); if (vals(1) distRatio * vals(2)) match(i) = indx(1); end end im3 = appendimages(im1,im2); figure(Position, [100 100 size(im3,2) size(im3,1)]); colormap(gray); imagesc(im3); hold on; cols1 = size(im1,2); hold off; num = sum(match 0); fprintf(Found %d matches.\n, num); 其中sift2封装了sift特征点提取，返回值des是特征描述子；appendimages函数实现了两幅图像边挨边拼接。详细代码见sift2.m和appendimages.m 消除误匹配 假设同一个相机拍出的图像尺度差别比较小。因此对于两对匹配点（P1，Q1） （P2，Q2），向量P1P2, Q1Q2的夹角比较小，同时|P1P2| 和 |Q1Q2| 的值也比较接近。我们记录一个匹配点与其他匹配点形成的向量，并记录待匹配图像中的对应匹配点与其他相应匹配点形成的向量，通过比较，记录该匹配点通过匹配阈值的个数，如果超过匹配点总数的4/5，则该匹配点是正确匹配。否则为误匹配。 图1，消除误匹配 matlab实现代码如下: KeyPoints(num,4) = 0; j = 1; for i = 1: size(des1,1) if (match(i) 0) KeyPoints(j,1) = loc1(i,2); KeyPoints(j,2) = loc1(i,1); KeyPoints(j,3) = loc2(match(i),2); KeyPoints(j,4) = loc2(match(i),1); j = j+1; end end yuzhi_y = min(size(im11,1),size(im22,1)); yuzhi_x = min(size(im11,2),size(im22,2)); yuzhi = sqrt(yuzhi_y^2+ yuzhi_x^2); PointDis(num) = 0; for i = 1:size(KeyPoints,1) for j = 1:size(KeyPoints,1) a = [abs(KeyPoints(i,1) - KeyPoints(j,1)),abs(KeyPoints(i,2) - KeyPoints(j,2))]