基于特征的全景图像拼接

打开生活的脚本

这个例子展示了如何使用基于特征的图像配准技术自动创建全景图。

概述

特征检测和匹配是在许多计算机视觉应用中使用的强大技术，如图像配准、跟踪和目标检测。在这个例子中，基于特征的技术被用来自动地将一组图像拼接在一起。图像拼接是基于特征的图像配准的扩展。它不是用一对图像进行配准，而是用多对图像相对于另一对图像依次配准，形成一个全景图。

步骤1 -加载图像

本例中使用的图像集包含建筑的图片。这些照片是用未校准的智能手机相机拍摄的，相机沿着地平线从左到右扫视，捕捉到了建筑的所有部分。

如下所示，图像相对不受任何镜头畸变的影响，所以不需要相机校准。然而，如果镜头失真，相机应该校准和图像未失真之前创建全景。你可以使用相机校准器应用程序校准相机，如果需要。

%加载图片。buildingDir = fullfile (toolboxdir (“愿景”），“visiondata”，“建筑”）;buildingScene = imageDatastore (buildingDir);显示要缝合的图像。蒙太奇(buildingScene.Files)

图中包含一个轴对象。axis对象包含一个image类型的对象。

步骤2 -注册图像对

要创建全景图，首先使用以下程序注册连续的图像对:

检测和匹配之间的特征 $我（ n ）$ 和 $我（ n - 1 ）$ ．
估计几何变换， $T （ n ）$ ,地图 $我（ n ）$ 来 $我（ n - 1 ）$ ．
计算映射的转换 $我（ n ）$ 进入全景图像为 $T （ n ）＊ T （ n - 1 ）＊．．．＊ T （ 1 ）$ ．

%从映像集读取第一个映像。I = readimage (buildingScene, 1);初始化I(1)的特性grayImage = im2gray(我);点= detectSURFFeatures (grayImage);[features, points] = extractFeatures(grayImage,points);将所有变换初始化为单位矩阵。请注意,%投影变换在这里使用，因为建筑图像是公平的靠近相机。如果这个场景是从远处拍摄的，一个仿射变换就足够了。numImages =元素个数(buildingScene.Files);tforms (numImages) = projective2d(眼(3));%初始化变量以保存图像大小。图象尺寸= 0 (numImages, 2);%遍历剩余的图像对为n = 2: numImages%存储I(n-1)的点和特性。pointsPrevious =点;featuresPrevious =功能;%读我(n)。I = readimage(buildingScene, n);将图像转换为灰度。grayImage = im2gray(我);%保存图像大小。图象尺寸大小(n:) = (grayImage);%检测并提取I(n)的SURF特征。点= detectSURFFeatures (grayImage);[features, points] = extractFeatures(grayImage, points);找出I(n)和I(n-1)之间的对应关系。indexPairs = matchFeatures(feature, featuresPrevious，“独特的”,真正的);matchedPoints = points(indexPairs(:，1)，:);matchedPointsPrev = pointprevious (indexPairs(:，2)，:); / /索引%估计I(n)和I(n-1)之间的变换。tforms(n) = estimateGeometricTransform2D(matchedPoints, matchedPointsPrev，．..“射影”，“信心”, 99.9,“MaxNumTrials”, 2000);%计算T(n) * T(n-1) *…* T (1)tforms (n)。T= tforms(n).T * tforms(n-1).T;结束

在这一点上，所有的转换tforms相对于第一幅图像。这是一种方便的编码图像配准过程的方法，因为它允许对所有图像进行顺序处理。然而，使用第一张图像作为全景图的开始并不能产生最美观的全景图，因为它往往会使形成全景图的大部分图像发生扭曲。一个更好的全景图可以通过修改转换，使场景的中心变形最小。这是通过对中心图像进行反变换并将该变换应用到所有其他图像来实现的。

首先使用projective2doutputLimits方法查找每个转换的输出限制。然后使用输出限制来自动找到大致位于场景中心的图像。

%计算每个转换的输出限制。为i = 1:元素个数(tforms) [xlim(我,:),ylim(我,:)]= outputLimits (tforms(我),(1)图象尺寸(我,2)]、[1图象尺寸(我,1)));结束

接下来，计算每个变换的平均X极限，并找到位于中心的图像。这里只使用X限制，因为场景是水平的。如果使用另一组图像，则可能需要使用X和Y限制来找到中心图像。

avgXLim = mean(xlim, 2);[~, idx] = (avgXLim)进行排序;地板centerIdx =((元素个数(tforms) + 1) / 2);centerImageIdx = idx (centerIdx);

最后，将中心图像的反变换应用到所有其他图像上。

Tinv =反转(tforms (centerImageIdx));为I = 1:numel(tforms) tforms(I)。T = tforms(我)。T * Tinv.T;结束

步骤3 -初始化全景图

现在，创建一个初始的，空的，全景图，所有的图像都映射到其中。

使用outputLimits方法来计算所有转换的最小和最大输出限制。这些值用于自动计算全景图的大小。

为i = 1:元素个数(tforms) [xlim(我,:),ylim(我,:)]= outputLimits (tforms(我),(1)图象尺寸(我,2)]、[1图象尺寸(我,1)));结束maxImageSize = max(图象尺寸);找出最小和最大输出限制。xMin = min ([1;xlim (:)));xMax = max ([maxImageSize (2);xlim (:)));yMin = min ([1;ylim (:)));yMax = max ([maxImageSize (1);ylim (:)));%全景图的宽度和高度。宽度=圆形(xMax - xMin);height = round(yMax - yMin);%初始化“空”全景图。全景图= 0([高宽3]，“喜欢”,我);

步骤4 -创建全景图

使用imwarp将图像映射到全景图中并使用愿景。alphablend将图像叠加在一起。

搅拌机=愿景。alphablend (“操作”，“二元掩模”，．..“MaskSource”，输入端口的）;%创建一个2-D空间参考对象，定义全景图的大小。xLimits = [xMin xMax];yLimits = [yMin yMax];全景视图= imref2d([height width]， xLimits, yLimits);创建全景图。为i = 1:numImages i = readimage(buildingScene, i);%把我变成全景。= imwarp(I, tforms(I))，“OutputView”, panoramaView);%生成二进制掩码。mask = imwarp(true(size(I,1)，size(I,2))， tforms(I)，“OutputView”, panoramaView);在全景图上覆盖变形的图像。全景=步骤(搅拌机，全景，warpedImage, mask);结束图imshow(全景)