压缩包中包含的具体内容： 对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下： （1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；请参照该算子，自行编写程序实现Harris-Laplacian检测子）。 （2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。 （3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。 （4） 基于图像中的匹配关键点，对两幅图像进行配准。请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m 文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。 （5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。 （6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。可以运行StitchTester.m查看拼接结果。 （7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。 已经实现这些功能，并且编译运行均不报错！

在VC2010环境下实现sift+kd tree+RANSAC图像拼接，本人已经成功调试。

该文件中包含了Adaptive as-natural-as-possible image stitching论文以及As-Projective-As-Possible Image Stitching with Moving DLT这两种较为经典的图像拼接方法。具体包含了ransac算法、multi-GSsampling算法、求取单应性矩阵Homography的奇异矩阵算法、相似矩阵变换的求取、图像翘曲、局部单应性矩阵权重占比、图像融合等算法。具体过程为：1.利用sift算法提取特征点 2.利用ransac multi-gs算法求取单应性矩阵H 3.利用moving DLT求取reference image的翘曲 4.利用提到的线性单应性矩阵H_linear求取网格化后的局部单应性矩阵 5.图像融合及拼接

用matlab仿真的基于灰度匹配算法的图像拼接，代码简单，适合初学者学习

图像拼接算法C++源码，使用opencv实现，代码注释详细。

经典的APAP论文描述的拼接方法源代码，C++语言，编译通过，有助于论文阅读。

基于C语言实现的SIFT算法，实现SIFT图像特征提取，以及基于SIFT的图像拼接。能直接运行

本例为opencv 3.4.5版本的多图像拼接代码，采用SURF算法

基于SIFT算法的图像拼接，资源包括SIFT简介，MATLAB源码，实验图片，GUI设计

IDL图像拼接程序,ENVI+IDL图像处理 /////IDL图像拼接程序,ENVI+IDL图像处理