图像拼接是什么？
将一组在空间上彼此关联并且有一部分重叠区域的图像序列进行配准后融合，获得一幅高分辨率无缝图像的技术称为图像拼接技术。
为什么需要图像拼接？
相机分辨率有限，拍摄大尺寸需要更改焦距，焦距提高后图像分辨率降低，因此在不改变焦距的情况得到大场景图像。
历史发展
- 1992年，剑桥大学Brown提出图像技术包括：提取图像特征、选择搜索策略、确定变换方式、衡量配准结果；
- 2002年，2S出利用变换矩阵模型对图像进行变换；
- 2004年，Lowe发表SIFT（scale invariant feature transform）特征提取技术；
- 随后出现PCA-SIFT、CSIFT、SURF、ASIFT等特征算法；
- 国内，模板匹配方法，如基于动态规划的拉普拉斯融合算法、基于傅里叶变换的相位相关法等；
分类
半自动拼接、全自动拼接
常用方法
1.基于区域的模板匹配法
基于区域的模板匹配法不需要提取图像特征，是直接优化求解模型参数。将像素点信息转化为对应点的信息，选取一个合适的代价函数，如将图像重叠区域像素灰度差值作为比较模板相似度度量函数。基于区域的模板匹配法要求两幅图像之间灰度属性变化不大，实验结果容易受光照变换影响，算法鲁棒性低。
2.基于变换域相关方法
基于变换域相关方法主要指传统傅里叶变换法，在频域上傅里叶函数具有平移、旋转及尺度缩放等优点，可以将图像空域变换到频域空间以后再进行配准，同时保存了空域中图像其他特征。基于变换域相关算法具有准确性好和自动化程度高等特点，同时具有对图像灰度空间像素点的相关计算量大和易受噪声影响等特性。
3.基于特征的拼接方法
根据提取得到的特征点匹配图像重叠区域，基于特征的拼接算法对图像关键特征信息进行计算，根据特征点判断重叠区域是否匹配，避免对整个图像空间的计算，降低了拼接的时间复杂度，并且对图像灰度变化、空间域仿射变换及图像遮挡等都具有较好的适应性。根据特征点提取方式不同，基于特征的拼接算法可细分为特征点映射法、特征线映射法和特征区域映射法。