基于功能的全景图像拼接

打开直播脚本

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

特征检测和匹配是许多计算机视觉应用中使用的强大技术，例如图像配准，跟踪和对象检测。在该示例中，基于特征的技术用于自动缝合一组图像。图像拼接的过程是基于特征的图像配准的扩展。代替注册一对图像，多个图像对相对于彼此连续地登记以形成全景。

第1步 - 装载图像

此示例中使用的图像集包含建筑物的图片。通过沿着地平线从左到右扫描相机，捕获建筑物的所有部位，用未凝砖的智能手机摄像头拍摄。

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。

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

图中包含一个坐标轴。轴包含一个image类型的对象。

步骤2 -注册图像对

要创建全景，请首先使用以下过程注册连续图像对：

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 $T （ n ）＊ T （ n - 1 ）＊．．．＊ T （ 1 ）$ ．

％从图像集中读取第一图像。I = readimage (buildingScene, 1);％初始化i（1）的功能grayImage = im2gray(我);点= detectSURFFeatures (grayImage);[features, points] = extractFeatures(grayImage,points);％将所有转换初始化为身份矩阵。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));％初始化变量以保持图像大小。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。图像中的（n，:) =大小（灰度）;%检测并提取I(n)的SURF特征。点= detectSURFFeatures (grayImage);[特征，点] =提取物（灰度，点）;找出I(n)和I(n-1)之间的对应关系。indexpairs = matchfeatures（特征，特点是previous，'独特',真正的);matchedPoints = points(indexPairs(:，1)，:);matchedPointsPrev = pointprevious (indexPairs(:，2)，:); / /索引％估计I（n）和i（n-1）之间的转换。tforms（n）= estimategeometrictransform2d（匹配点，matchedpointsprev，．．．“射影”，'置信度', 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

此时，所有转换扭曲与第一图像相对。这是编写图像登记过程的便捷方式，因为它允许顺序处理所有图像。然而，在全景的开始时，使用第一张图像不会产生最美观的全景，因为它倾向于扭曲形成全景的大部分图像。可以通过修改变换来创建更好的全景，使得场景的中心是最不扭曲的。这是通过反转中心图像的变换并将其应用于所有其他变换来实现的。

首先使用projective2d.输出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。

％计算每个变换的输出限制。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，将中心图像的逆变换应用于所有其他。

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

第3步 - 初始化全景

现在，创建一个初始，空，全景，所有图像都被映射到其中。

使用输出在所有转换上计算最小值和最大输出限制的方法。这些值用于自动计算全景的大小。

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。Panorama = Zeros（[高度宽度3]，'像'， 一世）;

步骤4 -创建全景图

采用imwarp将图像映射到全景图中并使用Vision.Alphablender.将图像叠加在一起。

Blender = Vision.Alphablender（“操作”，'二进制面具'，．．．“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）;％将Warpedimage覆盖到全景上。Panorama =步骤（搅拌机，全景，Warpedimage，面具）;结束图imshow(全景)