详细描述

配准模块实现了参数化图像配准。所实现的方法是直接对齐，即它直接使用像素值来计算一对图像之间的配准，而不是基于特征的配准。该实现实质上遵循 [258] 的相应部分。

当我们尝试配准在不同光照条件或曝光时间下拍摄的图像，或者图像仅部分重叠时，基于特征的方法比基于像素的方法具有一些优势。另一方面，与基于特征的方法相比，基于像素方法的主要优势在于它们对某些图像（那些在类似光照条件下拍摄且具有明显重叠的图像）的精度更高，因为我们使用了图像中所有可用的信息，这使我们能够实现亚像素精度。这对于某些应用（如多帧去噪或超分辨率）尤其重要。

事实上，像素和特征配准方法可以相互补充：一个应用可以首先使用特征进行粗略配准，然后使用基于像素的方法对图像的重叠区域进行精细配准。开发的代码允许这种用例。

该模块实现了从抽象类 cv::reg::Map 或 cv::reg::Mapper 派生的类。前者对两个参考系之间的坐标变换进行建模，而后者封装了一种调用计算两个图像之间 Map 的方法。虽然目标是实现基于像素的方法，但该模块可以扩展为支持其他可以计算图像之间变换的方法（特征方法、光流等）。

从 Map 派生的每个类都实现了运动模型，如下所示

MapShift：对简单的平移进行建模
MapAffine：对仿射变换进行建模
MapProjec：对投影变换进行建模

MapProject 也可以用于对仿射运动或平移进行建模，但对其的一些操作成本更高，这就是定义另外两个类的原因。

从 Mapper 派生的类是

MapperGradShift：用于计算平移的基于梯度的对齐。它生成一个 MapShift（对应于平移向量的两个参数）。
MapperGradEuclid：用于欧几里得运动（即旋转和平移）的基于梯度的对齐。它计算三个参数（角度和平移向量），尽管结果出于方便的原因存储在 MapAffine 对象中。
MapperGradSimilar：用于计算相似性的基于梯度的对齐，它在欧几里得运动中添加了缩放。它计算四个参数（两个用于反对称矩阵，两个用于平移向量），尽管结果出于更好的方便性存储在 MapAffine 对象中。
MapperGradAffine：用于仿射运动模型的基于梯度的对齐。参数数量为六个，结果存储在 MapAffine 对象中。
MapperGradProj：用于计算投影变换的基于梯度的对齐。参数数量为八个，结果存储在 MapProject 对象中。
MapperPyramid：它使用高斯金字塔实现分层运动估计。它的构造函数接受作为参数的任何其他实现 Mapper 接口的对象，并且它是 MapperPyramid 为金字塔的每个尺度调用的映射器。

如果图像之间的运动不是非常小，则使用这些类的正常方法是创建一个 MapperGrad* 对象并将其用作输入来创建一个 MapperPyramid，该金字塔反过来被调用以执行计算。但是，如果图像之间的运动足够小，我们可以直接使用 MapperGrad* 类。另一种可能性是首先使用基于特征的方法进行粗略配准，然后通过 MapperPyramid 或直接使用 MapperGrad* 对象进行细化。映射器的“calculate”方法接受运动的初始估计作为输入。

在决定使用哪个 MapperGrad 时，我们必须考虑到具有更多参数的映射器可以处理更复杂的运动，但会涉及更多计算，因此速度较慢。此外，如果我们对序列所遵循的运动模型有信心，则将参数数量增加到我们需要的范围之外会降低精度：最好使用我们能够使用的最小自由度数。

在模块测试中，有一些示例展示了如何使用任何已实现的映射器来配准一对图像。

类
类	cv::reg::Map
	用于对两个图像之间 Map 进行建模的基类。更多...

类	cv::reg::MapAffine

类	cv::reg::Mapper
	用于对计算映射的算法进行建模的基类。更多...

类	cv::reg::MapperGradAffine

类	cv::reg::MapperGradEuclid

类	cv::reg::MapperGradProj

类	cv::reg::MapperGradShift

类	cv::reg::MapperGradSimilar

类	cv::reg::MapperPyramid

类	cv::reg::MapProjec

类	cv::reg::MapShift

类	cv::reg::MapTypeCaster