1、影象拼接的關鍵兩步是：配準(registration)和融合(blending)。配準的目的是根據幾何運動模型，將影象註冊到同乙個座標系中；融合則是將配準後的影象合成為一張大的拼接影象。影象的平移模型是指影象僅在兩維空間發生了 方向和 方向的位移，如果攝像機僅僅發生了平移運動，則可以採用平移模型。
2、影象拼接主要有以下幾個步驟：
(1) 讀入，利用sift特徵自動找到匹配對應。
(2) 使用ransac演算法求解單應性矩陣
(3) 將所有的影象扭曲到乙個公共的影象平面上。
(4) 進行影象融合。
3、ransac是「random sample consensus（隨機抽樣一致）」的縮寫。它可以從一組包含「局外點」的觀測資料集中，通過迭代方式估計數學模型的引數。它是一種不確定的演算法——它有一定的概率得出乙個合理的結果；為了提高概率必須提高迭代次數。該演算法最早由fischler和bolles於2023年提出。
ransac的基本假設是：
（1）資料由「局內點」組成，例如：資料的分布可以用一些模型引數來解釋；
（2）「局外點」是不能適應該模型的資料；
（3）除此之外的資料屬於雜訊。
局外點產生的原因有：雜訊的極值；錯誤的測量方法；對資料的錯誤假設。
ransac也做了以下假設：給定一組（通常很小的）局內點，存在乙個可以估計模型引數的過程；而該模型能夠解釋或者適用於局內點。
1）室內場景
1、在使用ransac模組時，只要在相應python類中實現fit()和get_error()方法，fit()方法接受ransac.py選擇的4個對應點對，然後擬合乙個單應性矩陣。而get_error()方法對每個對應點對使用該單位矩陣，然後返回相應的平方距離之和。
2、transf()函式用來描述畫素到畫素間對映的函式，通過將畫素和h相乘，然後對齊次座標進行歸一化來實現畫素間對映。
3、可以看到，實驗結果中間部分拼接的很好，然而全景拼接圖的左右兩邊有很大的扭曲，這個問題還需要我進一步思考和解決。
opencv全景拼接
偶然看到一篇部落格講如何使用opencv實現全景拼接，自己也照著他的 實現了下，由於不太適應原作者 形式，本人對 進行了小小的改動。如下是本人的 include include include using namespace std using namespace cv void main int ...
OpenCV中的全景拼接例程
使用stitcher類，通過createdefault 方法建立拼接物件，通過stitch 方法執行預設的自動拼接。自動拼接和07年brown和lowe發表的 描述的步驟基本一致，只不過使用的特徵提取演算法是orb,而不是慢吞吞 有專利保護的sift和surf。開源萬歲！opencv 3.0.0原始...
360全景偏移調整 360全景拼接之調水平
在 對於嚴重的垂直線傾斜或水平線彎曲，可以通過新增垂直線控制點或水平線控制點進行修正。對於嚴重的垂直線傾斜或水平線彎曲，可以通過新增垂直線控制點或水平線控制點來進行修正。由於360全景圖中只有一條水平線，在多數場景中很難準確識別和確定，因此通常採用新增垂直線控制點的方法進行。具體步驟是 1 在方案助...