最近スペックルプロジェクトは、完全なスペックルパターンに組み込ま二つのカメラの部分的なビューを必要とし、次のように実際には後の検索を容易にするために、プロジェクトで使用されるスティッチングアルゴリズムレコードを特特徴点を一致します。
-------------------------------------------------- -
基本的な考え方：
>画像特徴 - 画像特徴検出：モザイク画像、第一画像特徴マッチング（見つかった画像との対応関係）、および画像特徴のマッチングに、第一の画像特徴を検出し、全体のプロセスは、を表すことができます。マッチング - >画像ステッチ
現在、重要な特徴検出点検出、エッジ検出、線検出、ブロック検出があります。特にキー検出対象の画像の特徴点として、より明白スペックルパターン特性中点、以来。
次のカテゴリ内の主流の特徴検出アルゴリズム：
1.SIFT
スケール不変特徴は、スケール不変特徴変換を変換します。アルゴリズムは、投影不変（欧州不変性、スケール不変...）、及び良好にノイズと閉塞に対するでき、高精度な特徴点検出を含むが、アルゴリズムは処理速度よりも、より複雑です遅いです。
2.SURF
強力な機能を加速する強力な機能をスピードアップ。SURFは、SIFTのアップグレード版で、遅いの欠点を解決するために主にSIFT。
3.FAST
加速セグメントテストからの特徴は、スプリットテスト機能を得る加速しました。機能を参照することなく唯一の特徴点検出アルゴリズムは、記載されており、超高速アルゴリズムの検出の不変性コンチネンタルスケール不変性が、スピードがありません（当然の評判を！）
4.ORB
指向BRIEF FAST +ブリーフはそれらの組み合わせである、高精度かつ効率特徴抽出と、FAST BRIEFディスクリプタ機能の結合を検出します！回転不変（BRIEF特性）、およびノイズに敏感ではないが、任意のコースのスケール不変性を持っていないと一緒に！
5.Harris
広くコーナー点抽出アルゴリズムであり、勾配は、画像、画像のコーナー検出畳み込み思想によって計算されます。
そこHOG、ハール、LBP他の特徴検出アルゴリズム。
-------------------------------------------------- -
ソースイメージ：
-------------------------------------------------- -
マッチング効果：
スペックルパターンの特性と組み合わせることで、オンラインリアルタイムのマッチングの要件を考慮して、ほとんどはORBのスペックルパターンを使用して一連の処理を検討し始めたが、その実装は、実際の運用ではうまく動作しないことがわかった（おそらく、アルゴリズム自体は速攻は無駄になります多分私は不合理なパラメータ設定！）、SURFアルゴリズムの最後と決定的な使用は、実際のスペックルパターンマッチングテストの後、効果は実際の要件を満たすために明白なアルゴリズムであることを発見しました！
以下は、スプライシングをマッチングするための2つのスペックルパターン（二産業用カメラ及びエリアに* 400 300を得た後に採取した）です。
次のようにマッチング結果を用いて、SURFアルゴリズムは、次のとおりです。
図マッチング効果は、図中の点のマッチングの10対の良好な効果に見られるように。なお、マッチング点の数が大きいほど、第10最もmatchPoints最終データマッチングポイントから最小ハミング距離値を選択するエラーマッチングポイントを大量に含んでいます。10点マッチングスプライシングパラメータを計算するために使用することができるバックのためのスペックルパターンモザイク。異なるサンプルは、試験した。このようにしてマッチングの効果は、その後のスプライシングのため、非常に安定です。
-------------------------------------------------- -
モザイク効果：
スプライシング良好な結果が、2つのスペックル画像モザイク以下の結果（暗の中央領域におけるスプライスの右1/3の位置）に表示されません。
なお、使用マッチングスペックルパターンの中央領域（完全な画像マッチング効率が低い！）、そしてマッチングの中央領域が成功し、マッチング点補正後のスペックルパターンの確立についての透視変換行列、右のスペックル画像を使用してそして、補正後の右画像の左側に左のスペックル画像を結びます。
2枚の画像の2048 * 2448モザイクを使用してSURFアルゴリズムは、このアルゴリズムは、1秒の内の制御を取ります！全体のスプライシングプロセス高精度、効率、また、プロジェクトの実際のニーズを満たすためにアルゴリズムルパン次の試験、良好です。
-------------------------------------------------- -
機能説明：
SURFアルゴリズムは、特に以下の、OpenCVのライブラリ関数を使用しています。
特徴点検出カテゴリ：
CV :: SurfFeatureDetector
特徴記述子カテゴリ：
CV :: SurfDescriptorExtractor
特徴点のマッチング：
CV :: FlannBasedMatcher
最後に、10個のマッチングポイント、マッチポイントを削除するポイントの残りの選択に旧集中！
エフェクト特徴点マッチング機能：
CV :: drawMatches（）
透視変換機能：
CV :: warPerspective（）
-------------------------------------------------- -
20181030増加：
優れたマッチポイントのマッチングエラーが残っているために、それは次のように回避することができます。
1.ハミング距離厳密な制御;
2.厳密な制御を結ぶマッチング点の傾きは、
-------------------------------------------------- -
-------------------------------------------------- -