1 引言
通常制作360度全景图可以使用专业的全景设备直接获取 ， 也可先使用普通的成像设备拍摄足够多的具有重叠区域的图像序列 ， 然后将这些图像拼接组成一幅全景图像 。
由于成本较低 ， 不需要昂贵的专业设备 ， 利用序列图像进行全景图拼接是近年来的研究热点,其中又分为对静态序列图像拼接的研究 ， 以及对视频序列拼接的研究 。
静态图像序列中的每一张图像都是单独拍摄 ， 能够精确设置控焦距、曝光等拍摄参数 ， 因而够获得较好的成像质量 ， 但操作过程却相对复杂 。
视频序列拍摄操作简单 ， 只需使用录像设备旋转一周录制 ， 但不能准确控制拍摄参数 。 旋转过程中光源位置、景物距离的变化 ， 以及拍摄时出现抖动等情况都会导致视频序列的成像质量较低 ， 给后期拼接工作带来麻烦 。
本文主要研究视频序列的拼接 ， 提出了一种视频序列到全景图的快速转换方法 ， 通过帧的选取、匹配、拼接等步骤生成全景图像 。
2 现状
目前 ， 用于制作全景图的软件很多 ， 其中较著名的有Helmut Dersch公司开发的PTGUI以及Pablo d'Angelo 为主开发开源全景摄影图像拼接软件hugin等 ， 这些软件都是基于Helmut Dersch's Panorama Tools ， 通过控制点对静态图像拼接 ， 输出一张更大幅面的全景图像 。
另外还有一些用于制作全景图的手机应用 ， 如利用视频制作全景图的bubbli,目前该应用只能运行在系统为ios7以上的设备 。
3 关键算法
3.1 图像匹配
图像匹配技术是一种通过对图像内容、特征、结构、关系、纹理及灰度等对应关系 ， 相似性和一致性的分析 ， 寻求相同图像目标的方法 。 目前图像匹配的方法有很多种 ， 根据图像的维数可以分为 2D 和 2D 匹配、2D和 3D 匹配、3D和 3D匹配；根据图像特征提取的层次可以分为基于灰度的匹配、基于特征的匹配 。
本系统采用了基于特征的图像匹配方法 。
基于特征的匹配方法首先在原始图像中提取特征,然后用相似性度量函数和约束条件确定几何变换,最后将该变换关系作用于待匹配图像 。 常用的特征匹配基元包括区域、边缘、轮廓、直线、兴趣点、颜色、纹理、矩等显著特征 ， 总的概括为点、边缘及面等特征 ， 由于面特征提取过程比较复杂 ， 耗时较多 ， 因此基于特征的匹配算法主要研究利用点特征和边缘特征进行匹配 。
3.2 Sift算法
尺度不变特征变换算法,即 SIFT(Scale Invariant Feature Transform)算法是一种提取局部特征的算法 ， 由 David Lowe 于 1999 年提出的一种基于尺度空间的 ， 对图像平移、旋转、缩放等特性保持不变的图像局部特征描述子 。
相较于其它特征提取算法 ， SIFT 算法对亮度变化、尺度缩放、旋转、噪声和仿射变换有很好的鲁棒性 ， 特征描述子信息丰富 ， 独立性好、算法稳定 。
SIFT算法在尺度空间寻找极值点 ， 提取位置、尺度、旋转不变量其构造步骤分为尺度空间的构造、检测尺度空间的极值点、精确确定极值点位置、特征点方向分配、生成特征点描述子五个具体步骤 。
SIFT 特征点描述子的生成过程如下：
1) 以关键点为圆心将关键点邻域旋转 θ ， θ 为关键点的梯度主方向 ， 从而保证了旋转的不变性 。
推荐阅读
- 官方苹果110查询序列号 苹果110序列号查询
- 剪影视频制作教程是什么样的
- 剪映应该怎么剪辑视频
- 剪映九宫格视频怎么做
- 元旦手抄报教程视频 元旦手抄报教程视频画法
- 剪映怎么去掉视频水印
- 短视频社交进入“战国时代”？5G助推新一轮爆发
- 全国首个跨省5G视频通话诞生 四城互联
- 钉钉怎么分享直播视频
- 爱奇艺视频会员可以同时几个人用