图像拼接的综述、各种算法描述，算是对自己学习的一个交代

绝对好用的基于小波的图像拼接代码 有解释 还有图片 里面有相应的pdf文档 方便大家看懂

首先感谢作者陈育圣和莊永裕为我们展现出如此优秀的作品《基於全局相似转换的猜测之自然影像拼接》，资源为该论文的电子文档（核心部分做了翻译,可能存在瑕疵，敬请谅解），文档仅用于学习，请用到该文章的做好引用声明。 Chen Y S，Chuang Y Y． Natural image stitching with the global similarity prior［C］//Proceedings of the 14th European Conference on European Conference on Computer Vision． Amsterdam，Netherlands: Springer，2016: 186-201． ［DOI: 10.1007 /978-3-319-46454-1_12］

MATLAB代码，里面有详细的代码介绍以及各个函数代码注解以及遥感图像，并且能够很快的运行出来，得到一个良好的拼接效果。

基于halcon角点检测实现图像拼接。例子是三张图中进行harris角点检测，然后进行匹配，模式识别，图像融合

压缩包中包含的具体内容： 对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下： （1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；请参照该算子，自行编写程序实现Harris-Laplacian检测子）。 （2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。 （3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。 （4） 基于图像中的匹配关键点，对两幅图像进行配准。请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m 文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。 （5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。 （6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。可以运行StitchTester.m查看拼接结果。 （7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。 已经实现这些功能，并且编译运行均不报错！

在VC2010环境下实现sift+kd tree+RANSAC图像拼接，本人已经成功调试。

该文件中包含了Adaptive as-natural-as-possible image stitching论文以及As-Projective-As-Possible Image Stitching with Moving DLT这两种较为经典的图像拼接方法。具体包含了ransac算法、multi-GSsampling算法、求取单应性矩阵Homography的奇异矩阵算法、相似矩阵变换的求取、图像翘曲、局部单应性矩阵权重占比、图像融合等算法。具体过程为：1.利用sift算法提取特征点 2.利用ransac multi-gs算法求取单应性矩阵H 3.利用moving DLT求取reference image的翘曲 4.利用提到的线性单应性矩阵H_linear求取网格化后的局部单应性矩阵 5.图像融合及拼接

用matlab仿真的基于灰度匹配算法的图像拼接，代码简单，适合初学者学习

图像拼接算法C++源码，使用opencv实现，代码注释详细。