MTB图像配准算法实现

一、背景介绍

        本篇主要是对论文：Fast, Robust Image Registration for Compositing High Dynamic Range Photographs from Hand-Held Exposures 的基本复现。

二、基本原理

        1、 通过将待配准的输入图像，自适应阈值的二值化处理，大幅度规避了亮度变化和噪声干扰对配准结果影响。

        2、多尺度从低频到高频，暴力八邻域相似度匹配，从粗到细来简单暴力的得到配准结果。

        3、所以本篇方法的配准数据只有平移，无法处理旋转或者缩放等情况，并且算法支持配准最大范围和金字塔层数正相关。

三、代码流程

        1、拿到待配准两张输入图像，并截取图像中心公共区域。

 

        2、将输入图像进行高斯金字塔拆分。

        3、计算每张图像均值，并以均值为阈值，图像图像二值化处理。

 

        4.1、拿到金字塔最顶层图像，参考帧保持不动，待配准图像在原图保持不变和往8邻域方向便宜一个像素，生成一共9张待配准图像。

        4.2、9帧图像分别和当前层参考帧计算相似性(都是二值图像，直接全图xor就能得到相似性误差)，取最相似图像，该图像在8邻域上相对于原图的偏移，就表示当前层配准数据shift。

        4.3、下一层图像拿到上层配准数据shift后x2,并以该数据对当前层待配准图像进行偏移，偏移后图像和4.2一样操作，的到当前层配准数据shift2，合并最新配准数据shift = shit*2 + shift2,传给下一层，循环迭代，直达所有层图像数据处理完成，得到的最终shift即为最终配准结果。

 

四、代码实现

        简单代码复现如下，原始代码地址，搞忘了在哪下的了，我在其基础上稍微精简抽了下核心部分。

https://github.com/yulinghan/ImageQualityEnhancement/tree/master/image_registration/mtb