图像拼接（image stitching）

# OpenCV中stitching的使用

OpenCV提供了高级别的函数封装在Stitcher类中，使用很方便，不用考虑太多的细节。

低级别函数封装在detail命名空间中，展示了OpenCV算法实现的很多步骤和细节，使熟悉如下拼接流水线的用户，方便自己定制。

 可见OpenCV图像拼接模块的实现是十分精密和复杂的，拼接的结果很完善，但同时也是费时的，完全不能够实现实时应用。

官方提供的stitching和stitching_detailed使用示例，分别是高级别和低级别封装这两种方式正确地使用示例。两种结果产生的拼接结果相同，后者却可以允许用户，在参数变量初始化时，选择各项算法。

具体算法流程：

1. 命令行调用程序，输入源图像以及程序的参数
2. 特征点检测，判断是使用surf还是orb，默认是surf。
3. 对图像的特征点进行匹配，使用最近邻和次近邻方法，将两个最优的匹配的置信度保存下来。
4. 对图像进行排序以及将置信度高的图像保存到同一个集合中，删除置信度比较低的图像间的匹配，得到能正确匹配的图像序列。这样将置信度高于门限的所有匹配合并到一个集合中。
5. 对所有图像进行相机参数粗略估计，然后求出旋转矩阵
6. 使用光束平均法进一步精准的估计出旋转矩阵。
7. 波形校正，水平或者垂直
8. 拼接
9. 融合，多频段融合，光照补偿，