Image processing 基于特征的注册步骤

基于特征的注册有哪些步骤

如果将变换后的图像匹配到一组图像（其中只有一个图像是最佳匹配），那么注册的步骤是什么

一旦找到匹配项并使用它们来估计变换，下一步通常是什么

查找对不同类型变换（如：平移、旋转、缩放）不变的点/区域。。因为这些点对这些变换是不变的，所以我们可以在我们想要注册的不同图像中找到它们，这样图像之间就可以有对应关系。这些点/区域的示例包括角点、斑点

在我们有了这些要点之后，我们需要一种方法来描述它们，这种方法不受噪音、对比度灯光变化等的影响。。。我们通过使用点周围的邻域来实现这一点，使用一些描述符，比如：SIFT，ORB，SURF。。。。这些描述符使用不同的方法来应对挑战，使用梯度、颜色标准化、直方图等

在我们对所有图像中的点进行描述之后，我们希望将它们一个注册到另一个，然后通过计算描述符之间的距离度量（例如欧几里德距离），尝试找到点之间的对应关系

当我们在不同图像的点之间找到一些对应时，我们可以计算它们之间的变换（对应点的数量取决于我们想要找到的刚性、仿射、预透视变换的类型）。处理异常值的另一种方法是使用随机样本一致性（RANSAC）或稳健距离度量来查找异常值

在第4步计算变换后，我们将其应用于要注册的图像

---

谢谢，阿米泰。我的问题主要是关于第5步。我有一个变换的img（仿射变换）和一个参考img。我将对哪个图像应用变换？对我来说，答案似乎是——将其应用于已转换的img。事实上，这是对齐的正确方法。对我来说，将变换应用于已经变换的图像几乎表现为逆变换是不直观的。标题“参考图像”和“变换图像”是任意的。使用相应的点计算变换时，您可以决定谁是谁。如果你想知道如何将坐标从变换后的图像转换成参考图像，你会得到“逆变换”。我使用OpenCV检测特征，但这对于估计变换并不重要。我使用RANSAC来估计变换矩阵，然后将其应用于变换后的img。之后，转换后的img看起来几乎与引用相同。我只是想知道。。。这在数学上有什么意义。