图像拼接了解
2016-07-25 15:14
197 查看
图像拼接一般步骤:
1图像预处理
包括数字图像处理的基本操作(如去噪、边缘提取、直方图处理等)、建立图像的匹配模板以及对图像进行某种变换(如傅里叶变换、小波变换等)等操作。
2图像配准
就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。3建立变换模型
根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型。4统一坐标变换
根据建立的数学转换模型,将待拼接图像转换到参考图像的坐标系中,完成统一坐标变换。5融合重构
将待拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。图像拼接核心技术
1 图像配准
计算拼接图之间的矢量关系目前的图像配准算法基本上可以分为两类:基于频域的方法(相位相关方法)和基于时域的方法。
相位相关法:
多用于航空照片和卫星遥感图像的配准等领域。该方法对拼接的图像进行快速傅立叶变换,将两幅待配准图像变换到频域,然后通过
它们的互功率谱直接计算出两幅图像间的平移矢量,从而实现图像的配准。由于其具有简单而精确的特点,后来成为最有前途的图像
配准算法之一。但是相位相关方法一般需要比较大的重叠比例(通常要求配准图像之间有50%的重叠比例),如果重叠比例较小,则容易
造成平移矢量的错误估计,从而较难实现图像的配准。
基于时域的方法
基于时域的方法又可具体分为基于特征的方法和基于区域的方法。基于特征的方法首先找出两幅图像中的特征点(如边界点、拐点),并确定图像间特征点的对应关系,然后利用这种对应关系找到两幅图像间的变换关系。这一类方法不直接利用图像的灰度信息,因而对光线变化不敏感,但对特征点对应关系的精确程度依赖很大。这一类方法采用的思想较为直观,大部分的图像配准算法都可以归为这一类。基于区域的方法是以一幅图像重叠区域中的一块作为模板,在另一幅图像中搜索与此模板最相似的匹配块,这种算法精度较高,但计算量过大。
2 图像融合
耗时相对低,算法成熟
相关文章推荐
- Android 使用Vitamio打造自己的万能播放器(6)――在线播放(播放列表)
- lightoj1101 ASecret Mission
- grub2的mbr分析
- Java提高篇——equals()与hashCode()方法详解
- import()函数
- c# 根据读取的配置信息删除某个目录及下所有文件
- OCX和DLL的区别
- Java:详解Java中super的几种用法并与this的区别
- 即时通讯快速建设的方法
- gearman map_reduce
- Codeforces Round #322 (Div. 2)
- LVM逻辑卷管理
- onload事件--addLoadEvent函数--我的改进
- 给电脑端网页添加手机适配
- android SQLite疑点分析
- 2016003 VS2008MFC扩展动态库与调用示例
- 8086汇编语言自学经验分享 使用offset命令获取标号的IP地址
- HTML5本地存储之Database Storage篇
- Git 版本回退与前进(03)
- vagrant入门教程--初始化虚拟机(5)