图像处理：图像拼接简述.pdf

图像处理 ：图像拼接简述 1 简介 图像拼接是将多个重叠的图像对齐成⼀个⼤的组合，它代表了⼀个3D 景的⼀部分。 拼接可以看做是 景重建的⼀种特殊情况，其中图像仅通过平⾯单应性进⾏关联。 图像拼接在运动检测和跟踪，增强现实，分辨率增强，视频压缩和图像稳定等机器视觉领域有很⼤的应⽤。 如上图所⽰ ：图像拼接分为四个步骤 ： 1. 图像匹配 （registration） 图像匹配是指⼀对描绘相同 景之间的⼏张图⽚的⼏何对应关系。⼀组图⽚可以是不同时间不同位置的拍摄，或者由多个传感器同时 拍摄多张图像。 2. 重投影 （reproj ection） 通过图像的⼏何变换，把⼀系列图像转换成⼀个共同的坐标系。 3. 缝合 （stitching） 通过合并重叠部分的像素值并保持没有重叠的像素值使之⽣成更⼤画布的图像。 4. 融合 （blending） 通过⼏何和光度偏移错误通常导致对象的不连续，并且两个图像之间的边界附近产⽣可见的接缝。因此，为了减⼩接缝的出现，需要 在缝合时或缝合之后使⽤混合算法。 2 图像拼接算法分类 图像匹配和融合是直接影响图像拼接性能的两个显著的研究领域。作为图像拼接的第⼀个和最后⼀个步骤，如果没有正确的图像匹配和融合 算法，⼏乎不可能进⾏成功的图像拼接。 以图像匹配⽅法分类，图像拼接算法可分为 ： 1. 基于空间域 2. 基于频域 基于空间域的图像拼接可以进⼀步划分为基于区域的图像拼接和基于特征的图像拼接。基于特征的图像拼接可以在细分为基于底层特征的图 像拼接和基于轮廓的图像拼接。基于底层特征的拼接可以分为四类 ：基于Harris⾓点检测器的拼接，基于FAST⾓点检测器的拼接，基于 SIFT特征检测器的拼接，以及基于SURF特征检测器的拼接。 以融合算法分类，拼接算法可以分为平滑过渡和基于最佳接缝。基于平滑过渡拼接可以进⼀步被分为基于⽻化，基于⾦字塔，和基于梯度的 拼接。 3 对图像拼接的“图像匹配⽅法”分类 图像匹配不仅是图像拼接的重要⼀步，也是它的基础。 对于相同的⽬标，但来 ⾃不同的传感器、不同的⾓度和不同的时间产⽣的多源图像进⾏匹配，通过观察各对图像之间的对应关系来计算最佳 ⼏何变换。这⼀过程通过预估的⼏何变换把多源图像排列在⼀个共同的参考系中。如果多源图像对应点排列在⼀起，则图像匹配成功。上述 的对应关系可以通过匹配图像之间的模板，或通过匹配从图像中提取的特征，或者通过利⽤在频域中的相位相关属性来建⽴。