A. ps里面自动图像拼接用的是什么算法
adobe photoshop cc 2015.5拼接图像方法是：
1、打开PS，新建适当大小白色背景文件；
2、文件-打开-选择要拼接的图片，ctrl+t调整图片大小、位置；
3、继续打开图片，拖进来，调整大小位置，直至布满这张画布，合并图层，完成。
B. 图像拼接，如何确定最后融合重叠区域
图像拼接最后融合重叠区域是自动确定的，是根据算法计算出来的。
主要思路：找出对应点，根据空间约束剔除异常值，把对应点连起来，再做色彩平滑处理，就OK了。
具体实现你找个拼接算法看看就一目了然了。
C. 加权平均法图像融合算法原理是什么
加权平均法图像融合算法的原理就是：对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值，举例说比如要融合两幅图像A，B，那它们的融合后图像的像素值就是A*50%+B*50%，就这么简单
D. android 全景图像拼接算法哪种方案最好
首先介绍一下流程：
1.选图，两张图的重叠区域不能太小，我个人认为最少不少于15%，这样才能保证有足够的角点匹配。
2.角点检测。这一步OpenCV提供了很多种方法，譬如Harris角点检测，而监测出的角点用CvSeq存储，这是一个双向链表。
3.角点提纯。在提纯的时候，需要使用RANSAC提纯。OpenCV自带了一个函数，FindHomography，不但可以提纯，还可以计算出3x3的转换矩阵。这个转换矩阵十分重要。
4.角点匹配。经过提纯后的角点，则需要匹配。
5.图像变换。这一步我曾经尝试过很多办法，最后选择了FindHomography输出的变换矩阵，这是一个透视变换矩阵。经过这个透视变换后的图像，可以直接拿来做拼接。
6.图象拼接。完成上面步骤之后，其实这一步很容易。
7.球面变换。这一步需要对坐标系进行转换，从平面坐标到球面坐标。
E. 简单的图像融合算法:像素灰度值取大/小图像融合方法matlab代码。就是比较2幅图同一点的像素值取大/小。
im1=imread('c:\1.bmp'); % 读入两个图像
im2=imread('c:\3.bmp');
im3=im1-im2; %两图相减
a=im3>0; %图1比图2大的像素点
b=im3==0; %图1比图2小的像素点
% 合成大像素值的图像
im_large=uint8(a).*im1+uint8(b).*im2;
%合成小像素值的图像
im_small=uint8(b).*im1+uint8(a).*im2;
%显示结果
imshow(im_large)
figure, imshow(im_small)
%希望你是这个意思。。
F. 急求！图像拼接算法代码
算法描述
procere ImageMatching
{
输入FirstImage;
输入SecondImage;
//获得两幅图象的大小
Height1=GetImageHeight(FirstImage);
Height2=GetImageHeight(SecondImage);
Width1=GetImageWidth(FirstImage);
Width2=GetImageWidth(SecondImage);
// 从第二幅图象取网格匹配模板
SecondImageGrid = GetSecondImageGrid(SecondImage);
// 粗略匹配，网格在第一幅图象中先从左向右移动，再从下到上移动，每次移动一个网格间距，Step_Width 或Step_Height，当网格移出重叠区域后结束
y=Heitht1-GridHeight;
MinValue = MaxInteger;
While ( y<Height1-OverlapNumber)//当网格移出重叠部分后结束
{
x=Grid_Width/2; //当网格位于第一幅图象的最左边时，A点的横坐标。
While ( x<(Width1-Grid_Width/2) )
{
FirstImageGrid=GetImgaeGrid(FirstImgaeGrid, x, y);
differ=CaculateDiff(FirstImgaeGrid, SecondImageGrid);//计算象素值差的平
//方和
if (differ<MinValue)
{
BestMatch_x=x;
BestMatch_y=y;
MinValue = differ;
}
x= x+Step_width;
}
y=y-Step_Height;
}
//精确匹配
Step_Width= Step_Width/2;
Step_Height= Step_Height/2;
While ( Step_Height>0 & Step_Width>0)//当水平步长和垂直步长均减为零时结束
{
if(Step_Height==0)//当仅有垂直步长减为零时，将其置为1
Step_Height=1;
If(Step_Width==0) //当仅有水平步长减为零时，将其置为1
Step_Width=1;
temp_x = BestMatch_x;
temp_y = BestMatch_y;
for ( i= -1; i<1; i++)
for( j= -1; j<1; j++)
{
if ((i=0&j!=0)|(i!=0&j=0))
{
FirstImageGrid=GetImgaeGrid(FirstImgaeGrid,
temp_x+i*Step_Width, temp_y +j*Step_Height);
differ=CaculateDiff(FirstImgaeGrid, SecondImageGrid);
if (differ<MinValue)
{
BestMatch_x=x;
BestMatch_y=y;
MinValue = differ;
}
}
}
Step_Height = Step_Height /2;
Step_Width = Step_Width/2;
}
}
不懂的可以问我，相互交流
G. 由matlab实现的基于sift算法的图像拼接融合
哎，不就是广角镜合成算法嘛。
大神，分呢？
H. 图像融合处理技术
多种遥感数据源获取的遥感数据在时间、空间、光谱、方向及分辨率等方面各不相同，它们反映了同一地区地物波谱的不同方面或不同分辨率的遥感信息。所以，单一遥感数据一般不能提取足够的信息完成某些应用，而多遥感类型数据通过融合可以得到多个遥感数据的互补信息，提高遥感数据的利用率。目前，应用于地学领域较多的是基于像元的融合方法。
1.ISH变换
在色度学中，存在有两种彩色坐标系统：一是由红（R）、绿（G）、蓝（B）三原色构成的彩色（RGB）空间；另一是由亮度（I）（或称明度、强度）、色调（H）、饱和度（S）构成的色度（IHS）空间（亦称孟塞尔坐标）。这两个系统的关系可用图4-1表示，此时，IHS的范围呈现为一圆锥体；在垂直于IHS圆锥轴的切面上，二者则呈现为图4-1所示的关系。该图中，过S=0，白光点，沿Ⅰ轴只有亮度明暗（白－黑）差异；圆周代表H的变化，并设定红色为H=0；半径方向代表饱和度，圆心处S=0，为白色（消色），圆周处S=1，彩色最纯。
图4-1ISH与RGB空间示意图
很明显，这两个坐标之间可以互相转换，这种转换即称为IHS变换，或彩色坐标变换（也称孟塞尔变换）。通常把RGB空间变换到IHS空间称之为正变换，反过来，由IHS变换到RGB称反变换。当不直接采用三原色成分（R、G、B）的数量表示颜色，而是用三原色各自在R、G、B总量中的相对比例r、g、b来表示，即
西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究
式中：r+g+b=1。此时，如g=b=0，则r=1，为红色；白色（r=g=b）则为W（
西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究
对I进行反差扩展，H及S进行直方图规一化处理后
西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究
目前在遥感数字图像处理中，IHS变换多用于以下研究。
2.彩色合成图像的饱和度增强
当用以合成的3个原始图像相关性较大时，常规处理往往合成图像的饱和度会不足，色彩不鲜（纯），像质偏灰，且较模糊、细节难辨。通过IHS变换，在IHS空间中增强（拉伸）饱和度S，用反变换求R、G、B进行彩色显示，则可显着改善图像的颜色质量和分辨能力。
3.不同分辨率遥感图像的复合显示
直接把不同分辨率图像输入R、G、B通道作彩色合成复合显示，即使几何配精度很高，也难以获得清晰的图像（低分辨率图像使像质模糊）。采取将最高分辨率图像置作“I”、次高置作“H”、低分辨率者置作“S”，然后反变换，求出R、G、B作复合彩色显示，则基本可使合成图像保持有高分辨率图像的清晰度。对TM（常取其中两个波段）和SPOT（常取全色波段）图像作此种复合，既可获得SPOT的高分辨率，又可充分利用TM丰富的波谱信息。
4.特殊矿化蚀变遥感信息提取
除前述方法外，用下列公式（Kruse,1984）进行RGB到ISH坐标变换：
西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究
其中：
经对I、S反差扩展，并对S直方图规一化处理，再反变换回到RGB彩色空间，公式如下：
西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究
式中：Bi=S·sinH;Xi=S·cosH。
郭华东（1995）及张旺生（1999）用上述处理方法提取石英脉，曾取得过很好的效果。
前人及笔者图像处理经验表明，上述常用图像处理方法对于解决一般的遥感信息提取与增强，一般都会得到较好效果，但不同的地区自然地理条件、提取图像信息的目的及所用的数据时相的差别，都是影响图像信息提取效果的重要因素。另外，针对某种特殊目的进行图像信息提取，更需要根据实际情况进行特别算法设计。这也正是遥感图像处理方法能够取得不断创新的主要原因之一。