图像配准

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。该实现基本遵循[262] 中的相应部分。

当试图配准在不同光照条件或曝光时间下拍摄的图片，或者图像仅部分重叠时，基于特征的方法相较于基于像素的方法具有一些优势。另一方面，基于像素的方法与基于特征的方法相比，其主要优势在于对某些图片（在相似光照条件下拍摄且有显著重叠的图片）具有更好的精度，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。这对于多帧去噪或超分辨率等特定应用尤为重要。

事实上，基于像素和基于特征的配准方法可以相互补充：应用程序可以首先使用特征获得粗略配准，然后使用基于像素的方法对图像的重叠区域进行配准细化。所开发的代码支持这种用例。

该模块实现了从抽象类 cv::reg::Map 或 cv::reg::Mapper 派生的类。前者模拟了两个参考系之间的坐标变换，而后者封装了一种调用方法来计算两幅图像之间映射的方式。尽管目标是实现基于像素的方法，但该模块可以扩展以支持其他能够计算图像之间变换的方法（特征方法、光流等）。

每个从 Map 派生的类都实现了一个运动模型，如下所示：

• MapShift：模拟简单平移
• MapAffine：模拟仿射变换
• MapProjec：模拟投影变换

MapProjec 也可以用于模拟仿射运动或平移，但其上的一些操作成本更高，这就是定义另外两个类的原因。

从 Mapper 派生的类有：

• MapperGradShift：基于梯度的对齐，用于计算平移。它生成一个 MapShift（对应于平移向量的两个参数）。
• MapperGradEuclid：基于梯度的对齐，用于欧几里得运动，即旋转和平移。它计算三个参数（角度和平移向量），尽管为方便起见，结果存储在 MapAffine 对象中。
• MapperGradSimilar：基于梯度的对齐，用于计算相似性，它在欧几里得运动中增加了缩放。它计算四个参数（两个用于反对称矩阵，两个用于平移向量），尽管为更方便起见，结果存储在 MapAffine 对象中。
• MapperGradAffine：基于梯度的对齐，用于仿射运动模型。参数数量为六个，结果存储在 MapAffine 对象中。
• MapperGradProj：基于梯度的对齐，用于计算投影变换。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。其构造函数接受任何实现 Mapper 接口的其他对象作为参数，并且正是该映射器被 MapperPyramid 在金字塔的每个尺度上调用。

如果图像之间的运动不是非常小，使用这些类的通常方法是创建一个 MapperGrad* 对象，并将其用作输入来创建 MapperPyramid，后者反过来被调用来执行计算。然而，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。这些映射器的“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，参数较多的映射器可以处理更复杂的运动，但涉及更多的计算，因此速度较慢。此外，如果我们对序列遵循的运动模型有信心，那么超出所需数量地增加参数会降低准确性：最好使用最少的自由度。

在模块测试中，有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
	用于建模两幅图像之间映射的基类。更多...
类	cv::reg::MapAffine
类	cv::reg::Mapper
	用于建模计算映射算法的基类。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