文件名称：matlab图片叠加的代码-CV-homework2:简历作业2
文件大小：14.35MB
文件格式：ZIP
更新时间：2024-06-12 13:33:23
系统开源
matlab图片叠加的代码 （美国华盛顿州雷纳山的全景图像。） 项目2：全景拼接 简短的 截止日期：11月9日 所需文件：results / index.md和代码/ ##概述全景拼接是计算机视觉的早期成功。 Matthew Brown和David G. Lowe于2007年出版了一部著名的著作。此后，自动全景拼接技术已在许多应用中得到广泛采用，例如Google Street View，智能手机上的全景照片以及诸如和的拼接软件。 在此编程任务中，我们将匹配来自多个图像的SIFT关键点，以构建单个全景图像。 这将涉及多个任务： 使用vlfeat检测SIFT点并为图像中的每个关键点提取SIFT描述符。 比较来自两个不同图像的两组SIFT描述符，并找到匹配的关键点（ SIFTSimpleMatcher.m ）。 给定匹配的关键点列表，请使用最小二乘法查找将图像1中的位置映射到图像2中的位置的仿射变换矩阵（ ComputeAffineMatrix.m ）。 使用RANSAC可以更可靠地估计仿射变换矩阵（ RANSACFit.m ）。 给定该转换矩阵，就可以使用它来转换（移动，缩放或倾斜）图像1
【文件预览】：
CV-homework2-master
----results()
--------sift.png(301KB)
--------yosemite.jpg(158KB)
--------house.png(413KB)
--------siftsimplematcher_result.png(197KB)
--------index.md(2KB)
--------transform_tester_result.jpg(61KB)
--------MelakwaLake.png(493KB)
--------riverside.png(475KB)
--------Hanging.png(866KB)
--------california.png(1.25MB)
--------uttower.png(310KB)
--------sac.png(250KB)
--------placeholder.jpg(8KB)
--------Rainier.png(1.04MB)
--------beach.png(313KB)
----code()
--------SIFTSimpleMatcher.m(2KB)
--------StitchTester.m(2KB)
--------EvaluateSIFTMatcher.m(580B)
--------RANSACFit.m(5KB)
--------TransformationTester.m(925B)
--------EvaluateAffineMatrix.m(690B)
--------MultipleStitch.m(7KB)
--------PlotMatch.m(10KB)
--------ComputeAffineMatrix.m(2KB)
--------PairStitch.m(2KB)
----index_files()
--------Rainier1.png(432KB)
--------Stitched.png(167KB)
--------Rainier2.png(419KB)
--------AllStitched.png(702KB)
----README.md(9KB)
----data()
--------Rainier6.png(450KB)
--------uttower2.jpg(39KB)
--------yosemite1.jpg(198KB)
--------yosemite4.jpg(248KB)
--------yosemite2.jpg(195KB)
--------Rainier5.png(485KB)
--------Rainier1.png(432KB)
--------Rainier2.png(419KB)
--------yosemite3.jpg(179KB)
--------Rainier4.png(453KB)
--------MelakwaLake2.png(487KB)
--------Rainier3.png(429KB)
--------MelakwaLake1.png(464KB)
--------uttower1.jpg(39KB)
--------Hanging2.png(639KB)
--------Hanging1.png(661KB)
----checkpoint()
--------Match_ref.mat(255B)
--------Match_input.mat(964KB)
--------Affine_ref.mat(207B)