全景圖概述

　　每當(dāng)一個(gè)平面圖像映射到一個(gè)彎曲的表面就會(huì)發(fā)生圖象投影，反之亦然，這中現(xiàn)象特別常見于全景攝影。例如地球的球面可以映射到一塊平坦的紙張。由于在我們周圍的整個(gè)視場(chǎng)的可以被認(rèn)為是作為球體的表面（對(duì)于所有觀測(cè)角度），我們需要一種能將球形投影到2-D平面以便照片打印的方法。

　　小的視角相對(duì)容易進(jìn)行形變并投影到平坦的紙上。但是，當(dāng)試圖把一個(gè)球形圖像映射到一個(gè)平面上，有些變形是不可避免的。因此，每一種類型的投影僅僅嘗試避免一種類型的失真，這是以犧牲其他失真為代價(jià)的。隨著視場(chǎng)角增大，觀測(cè)弧（viewing arc）變得更彎曲，從而全景投影類型之間的差異變得更加顯著。什么時(shí)候使用那一種投影，在很大程度上取決于每個(gè)投影應(yīng)用。

　　整個(gè)全景拼接的算法流程來(lái)說(shuō)，其實(shí)并不算復(fù)雜，至少在OpenCV的條件下如此。因?yàn)镺penCV自帶了很多函數(shù)，完全可以搞定很多內(nèi)容。

　　1.選圖，兩張圖的重疊區(qū)域不能太小，我個(gè)人認(rèn)為最少不少于15%，這樣才能保證有足夠的角點(diǎn)匹配。

　　2.角點(diǎn)檢測(cè)。這一步OpenCV提供了很多種方法，譬如Harris角點(diǎn)檢測(cè)，而監(jiān)測(cè)出的角點(diǎn)用CvSeq存儲(chǔ)，這是一個(gè)雙向鏈表。

　　3.角點(diǎn)提純。在提純的時(shí)候，需要使用RANSAC提純。OpenCV自帶了一個(gè)函數(shù)，F(xiàn)indHomography，不但可以提純，還可以計(jì)算出3x3的轉(zhuǎn)換矩陣。這個(gè)轉(zhuǎn)換矩陣十分重要。

　　4.角點(diǎn)匹配。經(jīng)過(guò)提純后的角點(diǎn)，則需要匹配。

　　5.圖像變換。這一步我曾經(jīng)嘗試過(guò)很多辦法，最后選擇了FindHomography輸出的變換矩陣，這是一個(gè)透視變換矩陣。經(jīng)過(guò)這個(gè)透視變換后的圖像，可以直接拿來(lái)做拼接。

　　6.圖象拼接。完成上面步驟之后，其實(shí)這一步很容易。

　　7.球面變換。這一步需要對(duì)坐標(biāo)系進(jìn)行轉(zhuǎn)換，從平面坐標(biāo)到球面坐標(biāo)。

　　OpenCV快速實(shí)現(xiàn)全景拼接

　　最新版的opencv2.4里面有很多新元素。 stitching module 就是一個(gè)非常有用的。 在opencv的例程文件夾里，有一個(gè)很好的腳本叫做 stitching_detailed.cpp. 這個(gè)腳本包括了創(chuàng)建全景圖的全部過(guò)程，包括特征提取，匹配，warp，以及合成。安裝好opencv以后，可以簡(jiǎn)單的通過(guò)命令行來(lái)測(cè)試這個(gè)例程：

　　$ 。/stitching_detailed Univ*.jpg

　　這會(huì)使用默認(rèn)參數(shù)來(lái)創(chuàng)建一個(gè)result.jpg的最終文件，來(lái)源的圖片是以 “Univ”開頭的jpg圖像。 可以通過(guò)help察看一些設(shè)置

　　$ 。/stitching_detailed --help

　　例如，可以改變投影的方式，默認(rèn)是球面投影。 下面的例程用摩卡托投影法：

　　$ 。/stitching_detailed Univ*.jpg --warp mercator

　　結(jié)果如下：原圖像可以在這里找到