图像拼接基础：数学原理与流程概览
图像拼接，说白了就是把多张照片拼成一张大图。听起来简单，但背后有一套严谨的数学逻辑。我刚开始接触这个领域时，也以为就是简单叠图，结果拼出来的图歪七扭八，根本没法看。
后来才明白，核心就两个问题：怎么对齐，怎么融合。这一章我们先啃第一个问题——对齐的数学原理。
单应性矩阵：两张图之间的“映射密码”
假设你拍了两张照片，场景有重叠区域。这两张图之间是什么关系？
如果相机只是绕着光心旋转，或者拍摄的是一个平面场景（比如墙面、地面），那么两张图之间的变换可以用一个 3×3 的矩阵来描述——这就是单应性矩阵（Homography）。
核心公式：
p' = H · p其中 p 是第一张图上的点 (x, y, 1)，p' 是第二张图上的对应点 (x', y', 1)，H 就是单应性矩阵。
H 矩阵有 8 个自由度（去掉一个尺度因子）。这意味着，理论上只需要 4 对匹配点就能解出 H。但实际项目中，我从来不用 4 对点——噪声太大。一般我会用 RANSAC 算法，找几十对点，然后筛选出内点再求解。
我的经验：匹配点对数量建议在 20-50 对之间。太少容易过拟合，太多计算量上去了但精度提升有限。我曾经在一个项目中只用了 8 对点，结果拼接处总有错位，后来加到 30 对，问题就解决了。
透视变换：图像怎么“变形”
有了 H 矩阵，下一步就是把一张图映射到另一张图的坐标系里。这个过程叫透视变换（Perspective Transformation）。
透视变换和仿射变换不一样。仿射变换只能做平移、旋转、缩放、剪切，保持平行线还是平行线。但透视变换可以改变“透视感”——你想想看，拍一个矩形墙面，从侧面拍会变成梯形，这就是透视效果。
| 变换类型 | 自由度 | 保持特性 | 典型应用 |
|---|---|---|---|
| 仿射变换 | 6 | 平行线、比例 | 图像配准、简单校正 |
| 透视变换 | 8 | 直线（不保持平行） | 图像拼接、视角校正 |
透视变换的公式展开是这样的：
x' = (h11*x + h12*y + h13) / (h31*x + h32*y + h33)
y' = (h21*x + h22*y + h23) / (h31*x + h32*y + h33)注意分母不是 1，而是 h31*x + h32*y + h33。这就是透视变换和仿射变换最本质的区别——分母随坐标变化，所以能产生“近大远小”的效果。
避坑指南：我曾经在拼接无人机航拍图时，直接用仿射变换代替透视变换，结果拼接出来的图边缘严重扭曲。后来才发现，无人机虽然飞得高，但地面不是平面，透视效应仍然存在。记住：只要相机有旋转或场景有深度变化，就必须用透视变换。
拼接流程概览：从输入到输出
好了，数学原理讲完了。那整个拼接流程长什么样？我画了一张图，你看一眼就明白了。
整个流程其实就五步：
- 输入图像——保证有足够重叠区域（我一般要求至少 30% 重叠）
- 特征提取——SIFT 精度高但慢，ORB 快但鲁棒性差，看场景选
- 特征匹配 + RANSAC——这一步是去噪的关键，RANSAC 迭代次数设 1000 次以上
- 单应性矩阵估计——用内点做最小二乘，别直接用原始匹配点
- 透视变换 + 融合——变换后做加权融合或多频段融合，消除接缝
我的习惯：在特征匹配阶段，我会先用暴力匹配（Brute-Force）找出所有候选匹配，然后用 RANSAC 筛选。虽然慢一点，但匹配质量有保障。如果追求实时性，可以改用 FLANN 匹配器。
为什么单应性矩阵不能解决所有问题？
嗯，这里要泼一盆冷水。单应性矩阵假设场景是平面，或者相机只有旋转运动。如果你的相机有平移，场景又有深度变化，那单应性矩阵就不够用了——会出现视差（Parallax）问题。
我记得有一次做室内全景拼接，相机平移了 50 厘米，结果拼接处出现了重影。后来改用全局对齐 + 局部光流校正才解决。
所以，单应性矩阵是基础，但不是万能药。遇到复杂场景，需要更高级的模型（比如 Bundle Adjustment 或网格变形）。这些我们后面章节会细讲。
一句话总结：单应性矩阵解决“怎么对齐”的问题，透视变换解决“怎么变形”的问题，两者配合，才能把两张图拼到一起。