图像拼接算法及matalab软件实现

从待匹配的两幅图像中分辨率最低的开始进行匹配搜索,由于这两幅图像像素点的数目少,图像信息也被消除一部分,因此,此匹配位置是不精确的。所以,在分辨率更高一级的图像中搜索时,应该在上一次匹配位置的附近进行搜索。依次进行下去,直到在原始图像中寻找到精确的匹配位置。Р    算法的优点:Р      (1)该算法思路简单,容易理解,易于编程实现。Р      (2)该算法的搜索空间比逐一比较要少,在运算速度较逐一比较法有所提高。Р    算法的缺点:Р      (1)算法的精度不高。在是在粗略匹配过程中,移动的步长较大,很有可能将第一幅图像上所取的网格划分开,这样将造成匹配中无法取出与第一幅图像网格完全匹配的最佳网格,很难达到精确匹配。Р      (2)对图像的旋转变形仍然不能很好的处理。与逐一比较法一样,该算法只是对其运算速度有所改进,让搜索空间变小,并无本质变化,因此对图像的旋转变形并不能进行相应处理。Р 3.2.3 相位相关法Р 相位相关度法是基于频域的配准常用算法。它将图像由空域变换到频域以后再进行配准。该算法利用了互功率谱中的相位信息进行图像配准,对图像间的亮度变化不敏感,具有一定的抗干扰能力,而且所获得的相关峰尖锐突出,位移检测范围大,具有较高的匹配精度。Р    相位相关度法思想是利用傅立叶变换的位移性质,对于两幅数字图像s,t,其对应的傅立叶变换为S,T,即:РS=F{s}= e    T=F{t}= e              (3-6)Р若图像s,t相差一个平移量(x ,y ),即有:Р      s(x,y) = t(x-x ,y-y )                               (3-7)Р    根据傅立叶变换的位移性质,上式的傅立叶变换为:Р     S( )=e T( )                        (3-8)