大家好,又见面了,我是你们的朋友全栈君。
图像配准是将两张场景相关的图像进行映射,寻找其中的关系,多用在医学图像配准、图像拼接、不同摄像机的几何标定等方面,其研究也较为成熟。OpenCv中的stitching类就是使用了2007年的一篇论文(Automatic panoramic image stitching using invariant features)实现的。虽然图像配准已较为成熟,但其实其精度、鲁棒性等在某些场合仍不足够,如光线差异很大的两张图片、拍摄角度差异很大的图片等。2013年,Julio Zaragoza等人发表了一种新的图像配准算法Apap(As-Projective-As-Possible Image Stitching with Moving DLT),该算法的效果还是不错的,比opencv自带的auto-stitch效果要好。而2015年也有一篇cvpr是介绍图像配准(Non-rigid Registration of Images with Geometric and Photometric Deformation by Using Local Affine Fourier-Moment Matching),其效果貌似很牛,但没有源码,难以检验。本文简单介绍Apap。
项目地址:http://cs.adelaide.edu.au/~jzaragoza/doku.php?id=mdlt 下面简单介绍Apap的实现流程:
两张原图:
特征提取和匹配:
红点为改进RANSAC筛选的错误点,绿线为正确点,能看出所有连线一一对应,并没有明显的错误特征对。 刚性配准:
Moving_DLT配准:
Apap虽然能够较好地完成配准,但非常依赖于特征点对。若图像高频信息较少,特征点对过少,配准将完全失效,并且对大尺度的图像进行配准,其效果也不是很好,一切都决定于特征点对的数量。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/125298.html原文链接:https://javaforall.cn