相关文章：

【1】windows下安装OpenCV（4.3）+VS2017安装+opencv_contrib4.3.0配置

【2】Visual Studio 2017同时配置OpenCV2.4 以及OpenCV4.3

【3】opencv_contrib4.3.0库配置+opencv安装

【4】配置和运行Opencv常见的一些问题总结，以及bug解决。

【5】OpenCV2.4.9实现图像拼接与融合方法【SURF、SIFT、ORB、FAST、Harris角点 、stitch 】

【6】opencv采用映射技术实现鱼眼镜头校正和鱼眼镜头还原全景图。

本文出现的数据结果和码源见：https://download.csdn.net/download/sinat_39620217/18269470

特别提示：opencv安装配置详情请参考相关文章【1】【2】【3】【4】

实现图像拼接具体步骤：

特征点提取

全景图像的拼接，主要是特征点的提取、特征匹配和图像融合；现在CV领域有很多特征点的定义，比如sift、surf、harris角点、ORB都是很有名的特征因子。为了提高拼接的速度和质量，本文在特征提取时采用了改进的特征提取的算法，基于可靠性检测的SURF 算法，特征点粗匹配时采用快速匹配法。

特征点定义：一幅图像中总存在着其独特的像素点，这些点我们可以认为就是这幅图像的特征

SURF算法是对图像进行不同尺寸空间的高斯卷积，然后进行特征点的提取，但是SURF对图像步骤进行了近似替换和简化，降低了计算量。不仅具有很好的鲁棒性和准确性，实时性也提高了不少。

设L(x, y)为原图中的像素点,其积分图像的面积等于该点到原点的所有点的总和，计算公式如下：

由上式可得，任意一块矩形区域（下图：计算积分图像）的积分面积可由式得：                                        

SURF 算法在积分图像的基础上，利用 Hessian 检测子进行特征点的求取。

（1）计算像素点I(x,y)在尺度s上的Hessian矩阵

然后离散化上面的高斯函数。

（2）SURF 特征向量的生成

首先以特征点为中心确定边长为 20s 的正方形区域，然后再划分为4×4 的小区域，每个小区域又分为5×5个采样点，最后用Harr小波计算每个小区域垂直和水平方向的响应，并统计5×5个采样点的总的响应，推导出下面的矢量

可得4×4×4=64维的SURF 特征的描述符，完成预处理后，再进行特征匹配。