图像拼接算法（几张照片合在一起 怎么做的啊）

本文目录

• 几张照片合在一起 怎么做的啊
• ps里面自动图像拼接用的是什么算法
• 急求！图像拼接算法代码
• 碎纸片的自动拼接技术，用电脑图把很多张碎图片拼在一起求大大！！！
• 长图最多可以拼多少照片
• sift算法是什么
• 如何实现两张图片的匹配
• 摘要翻译（图像拼接）！
• 用MATLAB实现图像的拼接显示

几张照片合在一起 怎么做的啊

使用自动图像全景化软件 STOIK PanoramaMaker 是一款自动的图像全景化软件，它可以将重迭的图片组转换成高质量的全景图像。第一工作流程的步骤是添加图片屏幕，在这里你可以使用浏览器窗口来浏览您的计算机上的文件夹，组织你的图像文件，以查看文件列表窗格中的图像，他们进行排序，并选择并添加照片为在全景图像创建使用图片任务。
二拼接算法：
在工作流程的第二步-迹屏-你可以选择拼接算法
Vertical/Horisontal/360 °全景拼接：
该程序会自动检测是否可以缝制水平或垂直全景。您可以手动强制程序，以360度的全景。
自动订货和缝合：
屏幕上缝的程序分析了选定的一组照片时，提出正确的顺序，并计算在低分辨率全景。缩放，旋转和倾斜的图像变换可以用来达到最佳的拼接效果。您可以为镜头失真补偿焦距。在出口阶段的程序呈现高，手动或自动裁剪分辨率的全景图像。
手动模式：
在手动模式中，您可以匹配组装全景手动：您可以订购图片和缝合后的图像对所有的放置的特点两个重叠的照片特殊标记。该程序提示切换到手动模式，如果不匹配的一些照片对自动。
平铺/多聚焦全景新：
您可以选择“补偿透镜扭曲”，程序会为每个照片的时候，个别。如果“高阶像差”被选中，则效果会更好，但需要更多的时间。
您可以设置和使用几何投影高程，方位角和倾斜式控制，以弥补几何扭曲。您可以通过拖动鼠标在图像上这些参数。
输出到多种格式：
您可以将您在JPG, TIF, BMP, PNG, JPC, JP2的图像文件格式的全景。

ps里面自动图像拼接用的是什么算法

adobe photoshop cc 2015.5拼接图像方法是：
1、打开PS，新建适当大小白色背景文件；
2、文件-打开-选择要拼接的图片，ctrl+t调整图片大小、位置；
3、继续打开图片，拖进来，调整大小位置，直至布满这张画布，合并图层，完成。

急求！图像拼接算法代码

算法描述
procedure ImageMatching
{
输入FirstImage;
输入SecondImage;
//获得两幅图象的大小
Height1=GetImageHeight(FirstImage);
Height2=GetImageHeight(SecondImage);
Width1=GetImageWidth(FirstImage);
Width3=GetImageWidth(SecondImage);
// 从第二幅图象取网格匹配模板
SecondImageGrid = GetSecondImageGrid(SecondImage);
// 粗略匹配，网格在第一幅图象中先从左向右移动，再从下到上移动，每次移动一个网格间距，Step_Width 或Step_Height，当网格移出重叠区域后结束
y=Heitht1-GridHeight;
MinValue = MaxInteger;
While ( y《Height1-OverlapNumber)//当网格移出重叠部分后结束
{
x=Grid_Width/2; //当网格位于第一幅图象的最左边时，A点的横坐标。
While ( x《(Width1-Grid_Width/2) )
{
FirstImageGrid=GetImgaeGrid(FirstImgaeGrid, x, y);
differ=CaculateDiff(FirstImgaeGrid, SecondImageGrid);//计算象素值差的平
//方和
if (differ《MinValue)
{
BestMatch_x=x;
BestMatch_y=y;
MinValue = differ;
}
x= x+Step_width;
}
y=y-Step_Height;
}
//精确匹配
Step_Width= Step_Width/2;
Step_Height= Step_Height/2;
While ( Step_Height》0 & Step_Width》0)//当水平步长和垂直步长均减为零时结束
{
if(Step_Height==0)//当仅有垂直步长减为零时，将其置为1
Step_Height=1;
If(Step_Width==0) //当仅有水平步长减为零时，将其置为1
Step_Width=1;
temp_x = BestMatch_x;
temp_y = BestMatch_y;
for ( i= -1; i《1; i++)
for( j= -1; j《1; j++)
{
if ((i=0&j!=0)|(i!=0&j=0))
{
FirstImageGrid=GetImgaeGrid(FirstImgaeGrid,
temp_x+i*Step_Width, temp_y +j*Step_Height);
differ=CaculateDiff(FirstImgaeGrid, SecondImageGrid);
if (differ《MinValue)
{
BestMatch_x=x;
BestMatch_y=y;
MinValue = differ;
}
}
}
Step_Height = Step_Height /2;
Step_Width = Step_Width/2;
}
}
不懂的可以问我，相互交流

碎纸片的自动拼接技术，用电脑图把很多张碎图片拼在一起求大大！！！

B题 碎纸片的拼接复原
破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。传统上，拼接复原工作需由人工完成，准确率较高，但效率很低。特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。随着计算机技术的发展，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。请讨论以下问题：
1. 对于给定的来自同一页印刷文字文件的碎纸机破碎纸片（仅纵切），建立碎纸片拼接复原模型和算法，并针对附件1、附件2给出的中、英文各一页文件的碎片数据进行拼接复原。如果复原过程需要人工干预，请写出干预方式及干预的时间节点。复原结果以图片形式及表格形式表达（见【结果表达格式说明】）。
2. 对于碎纸机既纵切又横切的情形，请设计碎纸片拼接复原模型和算法，并针对附件3、附件4给出的中、英文各一页文件的碎片数据进行拼接复原。如果复原过程需要人工干预，请写出干预方式及干预的时间节点。复原结果表达要求同上。
3. 上述所给碎片数据均为单面打印文件，从现实情形出发，还可能有双面打印文件的碎纸片拼接复原问题需要解决。附件5给出的是一页英文印刷文字双面打印文件的碎片数据。请尝试设计相应的碎纸片拼接复原模型与算法，并就附件5的碎片数据给出拼接复原结果，结果表达要求同上。
【数据文件说明】
(1) 每一附件为同一页纸的碎片数据。
(2) 附件1、附件2为纵切碎片数据，每页纸被切为19条碎片。
(3) 附件3、附件4为纵横切碎片数据，每页纸被切为11×19个碎片。
(4) 附件5为纵横切碎片数据，每页纸被切为11×19个碎片，每个碎片有正反两面。该附件中每一碎片对应两个文件，共有2×11×19个文件，例如，第一个碎片的两面分别对应文件000a、000b。
是这个 么

长图最多可以拼多少照片

长图最多可以拼9张图片，再多图片也不清晰了，有的软件还需要付费。LongScreen 是一款专注 iPhone 截屏的拼图应用。它的特点是能轻松拼接横向并列拼图,并支持竖向快速拼接长图,选择好图片点击右上角合并就可以开始拼接了。

图像拼接技术技术分类

图像拼接技术主要包括两个关键环节即图像配准和图像融合。对于图像融合部分，由于其耗时不太大，且现有的几种主要方法效果差别也不多，所以总体来说算法上比较成熟。

而图像配准部分是整个图像拼接技术的核心部分，它直接关系到图像拼接算法的成功率和运行速度，因此配准算法的研究是多年来研究的重点。

目前的图像配准算法基本上可以分为两类：基于频域的方法（相位相关方法）和基于时域的方法。

相位相关法最早是由Kuglin和Hines在1975年提出的，并且证明在纯二维平移的情形下，拼接精度可以达到1个像素，多用于航空照片和卫星遥感图像的配准等领域。

该方法对拼接的图像进行快速傅立叶变换，将两幅待配准图像变换到频域，然后通过它们的互功率谱直接计算出两幅图像间的平移矢量，从而实现图像的配准。由于其具有简单而精确的特点，后来成为最有前途的图像配准算法之一。

但是相位相关方法一般需要比较大的重叠比例(通常要求配准图像之间有50%的重叠比例)，如果重叠比例较小，则容易造成平移矢量的错误估计，从而较难实现图像的配准。

sift算法是什么

Sift算法是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。

这一算法的灵感也十分的直观，人眼观测两张图片是否匹配时会注意到其中的典型区域（特征点部分），如果我们能够实现这一特征点区域提取过程，再对所提取到的区域进行描述就可以实现特征匹配了。

sift算法的应用

SIFT算法目前在军事、工业和民用方面都得到了不同程度的应用，其应用已经渗透了很多领域，典型的应用如下：物体识别；机器人定位与导航；图像拼接；三维建模；手势识别；视频跟踪；笔记鉴定；指纹与人脸识别；犯罪现场特征提取。

如何实现两张图片的匹配

　　一、特征点（角点）匹配
　　图像匹配能够应用的场合非常多，如目标跟踪，检测，识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系。
　　角点匹配可以分为以下四个步骤：
　　1、提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点（角点），比如纹理丰富的物体边缘点等。
　　2、提取描述子：对于检测出的角点，用一些数学上的特征对其进行描述，如梯度直方图，局部随机二值特征等。检测子和描述子的常用提取方法有：sift，harris，surf，fast，agast，brisk，freak，brisk，brief/orb等。
　　3、匹配：通过各个角点的描述子来判断它们在两张图像中的对应关系，常用方法如 flann等。
　　4、消噪：去除错误匹配的外点，保留正确的匹配点。常用方法有KDTREE，BBF，Ransac，GTM等。
　　二、SIFT匹配方法的提出
　　为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高。显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然。
　　Lowe推荐ratio的阈值为0.8，但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配，结果表明ratio取值在0. 4~0. 6 之间最佳，小于0. 4的很少有匹配点，大于0. 6的则存在大量错误匹配点，所以建议ratio的取值原则如下:
　　ratio=0. 4：对于准确度要求高的匹配；
　　ratio=0. 6：对于匹配点数目要求比较多的匹配；
　　ratio=0. 5：一般情况下。
　　三、常见的SIFT匹配代码
　　1、vlfeat中sift toolbox中的vl_ubcmatch.c使用的是普通的欧氏距离进行匹配（该SIFT代码贡献自Andrea
Vedaldi）。
　　2、Lowe的C++代码中使用的是欧氏距离，但是在matlab代码中为了加速计算，使用的是向量夹角来近似欧氏距离：先将128维SIFT特征向量归一化为单位向量（每个数除以平方和的平方根），然后点乘来得到向量夹角的余弦值，最后利用反余弦（acos函数）求取向量夹角。实验证明Lowe的办法正确率和耗时都很不错。
同样，也可以采用knnsearch函数求最近点和次近点：knnsearch采用euclidean距离时得到的结果与lowe采用的近似方法结果几乎一致，正好印证了模拟欧氏距离的效果。
　　3、Rob Hess的OpenSIFT采用了KDTREE来对匹配进行优化。
　　4、CSDN大神v_JULY_v实现了KDTREE+BBF对SIFT匹配的优化和消除错误匹配：从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
- 结构之法 算法之道 - 博客频道 - CSDN.NET。
　　5、OpenCV中features2d实现的SIFT匹配有多种matcher：VectorDescriptorMatcher，BFMatcher（Brute-force descriptor matcher），FernDescriptorMatcher，OneWayDescriptorMatcher，FlannBasedMatcher 等等。目前只知道采用knnsearch，提供了多种距离度量方式，具体区别不懂。
　

摘要翻译（图像拼接）！

1;Image Stitching it has become the image-based rendering (mR) method of an important technology; It is virtual reality, computer vision, computer graphics, image processing, and other areas of research topics. Panorama is more effective image-based rendering method. This paper introduces a panorama generation process, as well as one of the key technologies panoramic image stitching algorithm for classification, and summary and comparison, in the based on a feature-based automatic image stitching algorithm, The algorithm Harris corner detection feature extraction operator, as well as characteristics of the corner for the initial matching and refinement, use the smallest median removal outside, enabling the transformation matrix calculation precision. Finally color fusion to produce seamless mosaic images, in most cases, the algorithm can be automatically completed, the experimental results show that The algorithm achieved the desired effect of stitching.
2:The picture puts together to connect its F to become to draw(mR) an important technique in the method according to the picture;It is also a conjecture reality, calculator sense of vision, the calculator sketch learns, the picture handles etc. realm of important research topic.
The panorama diagram is more valid currently of exaggerate one of the methods according to the picture.The thesis introduced the panorama diagram born process, and as to it’s medium most the panorama picture of the key technique put together to connect calculate way and carry on and categorize, summary and comparison, put forward 1 kind to put together and connect calculate way automatically according to the picture of characteristic on this foundation, this calculate way adoption Harris Cape orders an examination calculate the son withdraw a characteristic and order, and carry on a beginning and start and match and begin to the characteristic Cape point, make use of and be worth a method and clean outsider and order in the least, make the transformation matrix compute a precision.Carry on color fusion finally, born do not sew to put together to connect a picture, under the most condition, the calculate way can complete automatically, testing a result enunciation, that calculate way obtains to put together to connect result ideally.

用MATLAB实现图像的拼接显示

看楼主的要求，似乎没楼上说的那么复杂。

楼主只是要求把四幅图片变成同样大小然后拼接起来就是了。

如果上述理解无误，那么实现并不困难，主要有以下几点需要注意：

1、图像格式：由于图像格式包括索引色和真彩色这两大类不同的类型，所以需要统一转换一下才能拼接。这两类图像的判断根据是读入的数据是二维还是三维，对于二维的数据，如果调色板为空，则按照灰度图像处理。

2、数据格式：根据具体的图像文件格式不同，读入的数据可能是logical、uint8、uint16、uint32、single、uint64、double 等不同的格式，要想进行拼接，需要转换为同一种数据类型。

3、注意图像的宽高顺序：512*384的图像应为。

参考代码

% 待拼接文件
imfile = {’1.jpg’, ’2.jpg’, ’3.gif’, ’4.png’};
% 读入文件，并调整大小、转换格式
A = cell(2,2);
for i=1:4
    % 读入图像数据
     = imread(imfile{i});
    if size(X,3) == 1
        % 有些灰度图像无map数据
        if isempty(map)
            map = gray;
        end
        % 转换为真彩色
        X = ind2rgb(X,map);
    end
    % 调整图像大小，并转换数据格式
    A{i} = im2double( imresize(X, ) );
end
% 拼接图像并显示
A = ;
imshow(A)