我最近在做视频的实时拼接。 然后，一步一步，先进行图像拼接，然后简要总结了图像拼接的一般步骤。
1.特征点提取
主要算法： FAST、ORB、SURF、SIFT等算法。
SURF受SIFT的启发，比SIFT快，健壮性好
ORB基于FAST特征点和BREIF特征描述符，比SURF快10倍左右，比SIFT快100倍左右，综合效果最好。
FAST主要进行角点检测，速度最快，但进行特征描述和计算特征向量需要采用SURF或ORB方法。
主要通过以下两个小步骤完成特征点提取的工作。
1）.特征点描述，计算特征向量
//提取特征点的int minHessian=700； //阈值ptrsurfdetector=surf :3360 create (min hessian )； vectorKeyPoint keyPoint1、keyPoint2； 检测器-检测(image1，keyPoint1)； 检测器-检测(image2，keyPoint2)； //特征点描述、ptrsurfextractor=surf : create (； Mat descriptors1、descriptors2； extractor-compute (图像1，密钥点1，描述1 )； 扩展计算(image2，keyPoint2，descriptors2)； http://www.Sina.com/http://www.Sina.com /
Opencv有两种匹配方法： BFMatcher和FlannBasedMatcher。
不同的是，BFMatcher总是尝试所有可能的匹配，它总是能找到最佳的匹配，而FlannBasedMatcher算法更快，但找到了最接近的相似匹配，所以我们
BFMatcher有match，knnMatch
FlannBasedMatcher包括match、knnMatch和radiusMatch
FlannBasedMatcher matcher； vectorvectorDMatch matchePoints； vectorDMatch GoodMatchePoints； vectormattrain_desc(1，descriptors1)； Matcher.add(train_desc； matcher.train (； Matcher.KNNmatch(descriptors2，matchePoints，2 )； 然后，剔除筛选出的匹配点，获得优良的匹配点
//Lowe's algorithm，获取优秀的匹配点for (inti=0； i matchePoints.size (； I ) (/过滤条件，即匹配点距离if (matche points [ I ] [0].distance 0.4 * matche points [ I ] [1].distance ) goodmation for(intI=0； iGoodMatchePoints.size (； I ) image points2. push _ back (key point2[ goodmatchepoints [ I ].queryidx ].pt )； image points1. push _ back (key point1[ goodmatchepoints [ I ].train idx ].pt )； } 2).特征匹配
Findhomography ()单应矩阵： method (ran sac/0/l meds/rho ) ) ) ) )。
findFundamentalMat ()基础矩阵： method (cv _ FM _7point/cv _ FM _8point/cv _ ran sac/cv _ FM _ l meds ) )
通过对一组图像数据集中的两幅图像，寻找一个空间变换将一幅图像映射到另一幅图像上，使两幅图中空间相同位置对应的点一一对应，达到信息融合的目的
//从图像1获取图像2投影映射矩阵大小为3 *3mat homo=findhomography (image points 1，imagePoints2，CV_RANSAC )； 也可以使用getPerspectiveTransform方法获取透视变换矩阵，但需要只有四个点，效果稍差///mat homo=getperspectivetransform (image cout '变换矩阵是n' homo endl endl； //输出映射矩阵calccorners(homo，newright，corners2)； //图像配准//warpPerspective函数对图像进行透视变换。 变形Mat imageTransform1、imageTransform2； WARPperspective(newright，imageTransform1，homo，size ) max(Corners2.right_top.x，corners2.right_bottom.x ) imshow('warp '，imageTransform1)；(FlannBasedMatcher/knnMatch)
image transform1. copy to (rect (0，0，imageTransform1.cols，imageTransform1.rows ) ) new left.copy to (dst )
//优化图像融合边界函数优化(new left，imageTransform1，dst )； 总体来说，图像拼接的基本步骤是这样的。 完成这几步就完成了图像的一般拼接工作。 如果大家需要用图形拼接样本代码，也可以评论。 看到后给大家发代码。