圖像拼接技術就是針對同一場景的一系列圖片，根據圖片的特征，比如位置，重疊部分等，拼接成一張大幅的寬視角的圖像。

圖像拼接要求拼接後圖像最大程度的與原圖一致，失真盡可能的小，並且要盡量做到天衣無縫即沒有明顯的拼接線或其他拼接痕跡。

圖像拼接不能損失原始圖像信息

為達到以上目標，圖像拼接要求具備以下條件：

1：圖像應具有一定的特征性能，拼接正是通過這些特征來進行的。

2：圖像需要具有重疊部分，一般情況下，這些重疊部分點圖像的1/4以上較為合理。

3、圖像的背景亮度差異不能太大，應該低於10個灰度值，否則難以拼接成功。

4、圖像的方位差異不能太大，圖像應該來源同一方位。

5、拼合邊界過渡應平滑，以消除接拼痕跡

圖像拼接前，根據圖像情況，可以進行圖像預處理，主要是對圖像進行校正和噪聲濾波

1、校正

根據圖像失真原因，建立相應的校正模型，從失真的圖像中提取所需要的信息。從圖像失真的逆過程來恢復圖像。這個過程也可以理解為設計一個濾波器，使用其能從失真圖像中計算得到真實圖像的估值，從而最大程度的恢復真實圖像。

2、噪聲濾波

噪聲在圖像上分布主要有兩種型式：

1、位置隨機，幅值基本相同，一般稱之為 椒鹽噪聲；

2、幅值隨機，但基本上每個點都存在，從幅值的分布統計來看，主要有高斯型，瑞利型，又有如頻譜均勻的噪聲。

對於這些噪聲，處理方法有如下幾種：

1、均值濾波

就是用均值替代原圖像中的各個像素。具體方法是：對將處理的像素，選擇一個模板，此模板為其鄰近的若幹像素組成，用模板中的像素的均值去替代原來的像素值 。

2、中值濾波

中值濾波是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值.
中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。方法是用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升（或下降）的為二維數據序列。二維中值濾波輸出為g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分別為原始圖像和處理後圖像。W為二維模板，通常為3*3，5*5區域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環形等。

圖像配比：

包含以下幾個要素

1、選定特征空間

特征空間是由不參與匹配的圖像特征構成。特征可以為圖像的灰度特征，也可以是邊界，輪廓，顯著特征（如角點，線交叉點，高曲率點），統計特征（如矩不變量，中心），高層結構描述與句法描述等；這裏其實是定義了配準的空間範圍。

2、相似度

評估待匹配特征之間的相似性，它通常定義為某種代價函數或者是距離函數。這裏定義為需要選定的某種算法。

3、搜索空間

待估計參數組成的空間就稱為搜索空間，也就是說，搜索空間是指所有可能的變換組成的空間。這其實就定義了搜索算法的空間復雜度

4、搜索策略

用合適的方法在搜索空間中找出平移，旋轉等變換參數的最佳估計，使得相似度達到最大值，這其實也就是定義了搜索算法的時間復雜度。

拼接方法：

1、基於區域的配準方法

采用拼接圖像的灰度值檢測，對待配準圖你中一塊區域與參考圖像中的相機尺寸的區域使用最小二乘法或者其它數學方法計算其灰度值的差異，對此差異比較後來判斷待拼接圖像重疊區域的相似度，由此得到待拼接圖像重疊區域的範圍和位置，從而實現圖像拼接。也可以通過FFT變換將圖像由時域變換到頻域，然後再進行配準。對位移量比較大的圖像，可以先校正圖像的旋轉，然後建立兩幅圖像之間的映射關系，總而言之，這種方法有很多不足，已經不是主流了。

2、基於特征的配準方法

基於特征的圖像配準方法有很多形式及其改進方式，其總體特點是：不直接利用圖像的像素，而是通過像素值導出圖像內容最抽像的描述和符號特征，並用此特征為匹配模板，通過二維高斯模糊過濾，把幾幅待配準圖像的灰度局總最大值，邊界邊緣輪廓，邊緣點，邊緣線段，組織（紋理）結構，角、項點，拐點，交叉點，封閉曲線低級對應特征點及利用特征圖像關系圖等高級特征，構造方程組，通過數值計算得到變換數來進行圖像對齊，進而確定兩者的匹配位置，實現特征點，特征線等拼接，並且可以提高運算速度。

Halcon一日一練：圖像拼接技術