因此，我正在尝试拼接由微芯片显微镜拍摄的图像，但很难将所有特征对齐。我已经在两个相邻的图像之间有 50% 的重叠，但即便如此，它并不总是很合适。
我使用 SURF 和 OpenCV 来提取关键点并找到单应矩阵。但是，这远不是一个可以接受的结果。
我的目标是能够完美地拼接 2x2 图像，因此，我可以递归地重复该过程，直到获得最终图像。
你有什么建议吗？一个很好的算法来解决这个问题。或者也许是一种转换图像以便能够从中提取更好关键点的方法。使用阈值（较小的阈值可以获得更多的关键点，还是较大的阈值？）。
现在，我的方法是先拼接两个 2x1 图像，然后将这两个图像拼接在一起。它离我们想要的很近，但仍然不能接受。此外，问题可能是图像曾经是“源”（而第二张图像与矩阵变换以重叠该图像）可能不会有点错位，或者该图像上有一个小角度会影响整个结果.
任何帮助或建议表示赞赏。特别是任何允许使用 OpenCV 和 SURF 的解决方案（即使我并不完全反对其他库......只是大部分项目都是用它开发的）。
谢谢！
我发现在图像配准开发过程中使用TurboReg是一个有用的比较工具。它是一个免费的ImageJ插件，并且有许多不同的拟合类型。
您是否看过新的 OpenCV 拼接示例：stitching.cpp和stitching_detailed.cpp？
编辑：我忘记了这是最先进的 OpenCV，因为我在家里使用树干:) 要访问这些新示例，您需要像这样从 SVN 中检查 OpenCV 主干：
svn co https://code.ros.org/svn/opencv/trunk/opencv opencv-trunk
不幸的是，您需要重新编译它，但您应该能够使用新的拼接代码 :) 如果您之前没有从源代码构建 OpenCV，这里有一个很好的小教程可以帮助您入门。我会提到 OpenCV 有比教程中提到的更多的可以启用/禁用的选项，所以你可能想使用cmake-gui来查看所有选项。您可以使用以下命令轻松获取它：
> sudo apt-get install cmake-qt-gui
另外，如果您更关心质量，并且不介意性能降低；您可以考虑使用Lucas-Kanade 方法进行图像配准。这是一个讲座，这是一篇关于该主题的论文，可能对您有所帮助。
Fiji 的拼接插件通过2D 拼接处理这种对齐错误传播的情况。我们在日常使用中使用它进行显微缝合，我必须说它是完美的。