?所謂圖像拼接就是考慮如何將多幅來自同一場景的有重疊區域的小尺寸圖像合成一幅大尺寸的高質量的圖像。這種技術為圖像降噪、視場（Field of view）擴展、背景場景構建（運動物體去除）、去模糊、空間分辨率的提高和動態范圍的增強提供了更佳的策略。同樣，圖像拼接也應用于圖像恢復、計算機特效、圖像壓縮與視頻編輯等領域。
圖像拼接的一般性問題： ? ? ? ?圖像拼接能否達到期望的效果主要取決于能否選擇出一個魯棒性的而且高效快速的圖像對準方法。但各種方法都存在他們的這樣那樣的缺陷。對于基于空域匹配的方法，它是利用相似度測量比較兩幅圖的像素點或像素塊，這種方法最為直觀，但難以處理旋轉和縮放等問題，而且全局搜索的運算代價太大，難以應對光照變化的影響。對于基于圖像特征的方法，一般提取圖像邊界、輪廓線、拐點等紋理信息做特征匹配，進一步構建映射方程組。這種方法對特征點的選取十分敏感。

1．算法思想

??????? 在實現全景視頻（Panoramic Video）系統、地理信息系統（GIS）及其它一些應用的過程中，我們通常會碰到這樣的一個問題，就是要把幾幅小的圖象拼接成一幅大的圖像。為了能讓計算機自動對準圖像我們要求待拼接的圖像邊界有部分重疊，計算機正是利用這些信息進行匹配對準。匹配算法的總體思想是既要保證對準的精度，又要保證運算量不至過大。簡單的塊匹配方法是在一般圖像中，相鄰的像素點的灰度值相差不大。因此，可在第二幅圖像的邊界取一個網格，然后將網格在第一幅圖像上移動，計算所有網格點的兩幅圖像對應象素點的RGB值的差的平方和。記錄最小的值的網格位置，即認為是最佳匹配位置。為了減小運算量，常規的做法是將匹配分為兩個步驟，第一步是粗略匹配，在該階段網格每次水平或垂直移動一個網格間距。在完成粗略匹配之后，之后在當前最佳匹配點處進行精確匹配，在該階段以當前最佳匹配點為中心，網格向上下、左右各移動一個小步長。初始步長為粗略拼接時移動步長的一半，即為半個網格間距。不斷的與當前最小平方和進行比較，如果比當前值優，就替換當前最佳匹配點。循環進行這個過程每次步長減半，直到水平步長和垂直步長均為0為止。

??????? 其實，如果用相位相關能夠把有位移的圖像配準的話，旋轉也是可以的。因為如果把直角坐標轉換成極坐標，那樣求旋轉和求位移就是同一回事了。其實對于特征來說，不同的圖象應該是不同的方法的，對于指紋來說，特征是很明顯的。



?????? 圖像拼接技術主要包括兩個關鍵環節即圖像配準和圖像融合對于圖像融合部分，由于其耗時不太大，且現有的幾種主要方法效果差別也不多，所以總體來說算法上比較成熟。而圖像配準部分是整個圖像拼接技術的核心部分，它直接關系到圖像拼接算法的成功率和運行速度，因此配準算法的研究是多年來研究的重點。（圖像融合的相關技術將在本blog的后續章節介紹）。

??????圖像配準是圖像融合的基礎,而且圖像配準算法的計算量一般非常大,因此圖像拼接技術的發展很大程度上取決于圖像配準技術的創新。早期的圖像配準技術主要采用點匹配法,這類方法速度慢、精度低,而且常常需要人工選取初始匹配點,無法適應大數據量圖像的融合。圖像拼接的方法很多,不同的算法步驟會有一定差異,但大致的過程是相同的。一般來說,圖像拼接主要包括以下五步:圖像預處理（去噪、邊緣提取、直方圖處理等基本圖像處理操作；建立圖像的匹配模板；對圖像做傅里葉小波變換等操作）；圖像配準（采取一定匹配策略找出待拼接圖像中的模板或特征點在參考圖像中對應的位置）；建立變換模型（根據模板或圖像特征變換之間的對應關系，計算出數學模型中各參數值，從而建立兩幅圖像之間的變換關系）；統一坐標變換（根據建立的數學模型，將待拼接的圖像轉換到參考圖像的坐標系中，完成統一的坐標變換）；融合重構（將帶拼接圖像的重合區域進行融合得到拼接重構的平滑無縫全景圖像）。

??????? 目前的圖像配準算法基本上可以分為兩類:基于頻域的方法(相位相關方法)和基于時域的方法。
????????

????????相位相關法最早是由Kuglin和Hines在1975年提出的，并且證明在純二維平移的情形下，拼接精度可以達到1個像素，多用于航空照片和衛星遙感圖像的配準等領域。該方法對拼接的圖像進行快速傅立葉變換，將兩幅待配準圖像變換到頻域，然后通過它們的互功率譜直接計算出兩幅圖像間的平移矢量，從而實現圖像的配準。由于其具有簡單而精確的特點，后來成為最有前途的圖像配準算法之一。但是相位相關方法一般需要比較大的重疊比例(通常要求配準圖像之間有50%的重疊比例)，如果重疊比例較小，則容易造成平移矢量的錯誤估計，從而較難實現圖像的配準。

?????? 基于時域的方法又可具體分為基于特征的方法和基于區域的方法。基于特征的方法首先找出兩幅圖像中的特征點(如邊界點、拐點)，并確定圖像間特征點的對應關系，然后利用這種對應關系找到兩幅圖像間的變換關系。這一類方法不直接利用圖像的灰度信息，因而對光線變化不敏感，但對特征點對應關系的精確程度依賴很大。這一類方法采用的思想較為直觀，目前大部分的圖像配準算法都可以歸為這一類。基于區域的方法是以一幅圖像重疊區域中的一塊作為模板，在另一幅圖像中搜索與此模板最相似的匹配塊，這種算法精度較高，但計算量過大。

??????? 按照匹配算法的具體實現又可以分為直接法和搜索法兩大類，直接法主要包括變換優化法，它首先建立兩幅待拼接圖像間的變換模型，然后采用非線性迭代最小化算法直接計算出模型的變換參數，從而確定圖像的配準位置。該算法效果較好，收斂速度較快，但是它要達到過程的收斂要求有較好的初始估計，如果初始估計不好，則會造成圖像拼接的失敗。搜索法主要是以一幅圖像中的某些特征為依據，在另一幅圖像中搜索最佳配準位置，常用的有比值匹配法，塊匹配法和網格匹配法。比值匹配法是從一幅圖像的重疊區域中部分相鄰的兩列上取出部分像素，然后以它們的比值作模板，在另一幅圖像中搜索最佳匹配。這種算法計算量較小，但精度較低;塊匹配法則是以一幅圖像重疊區域中的一塊作為模板，在另一幅圖像中搜索與此模板最相似的匹配塊，這種算法精度較高，但計算量過大;網格匹配法減小了塊匹配法的計算量，它首先要進行粗匹配，每次水平或垂直移動一個步長，記錄最佳匹配位置，然后在此位置附近進行精確匹配，每次步長減半，然后循環此過程直至步長減為0。這種算法較前兩種運算量都有所減小，但在實際應用中仍然偏大，而且粗匹配時如果步長取的太大，很可能會造成較大的粗匹配誤差，從而很難實現精確匹配。

總結

以上是生活随笔為你收集整理的图像拼接原理与相关技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。