Image Stitching
تُحاذي عملية دمج الصور الصورَ المتداخلة وتدمجها في صورة بانورامية أو فسيفساء متصلة باستخدام مطابقة السمات والتحويل الهندسي ودمج خطوط الوصل.
دمج الصور، المعروف أيضًا باسم تركيب الصور، يحاذي صورتين متداخلتين أو أكثر ويدمجهما في مشهد واحد متصل. يوضح التداخل للبرنامج كيفية تركيب الصور معًا: فقد تظهر معلم بارز قرب الحافة اليمنى لإحدى الصور قرب منتصف الصورة التالية. تتيح محاذاة هذين المظهرين للصورة المركبة تغطية جزء أكبر من المشهد مما تغطيه أي من الصورتين بمفردها. وتستخدم بعض برامج تحرير الصور أيضًا مصطلح «تركيب الصور» للدلالة على ترتيب صور منفصلة جنبًا إلى جنب في صورة مجمعة.
آلية عمل دمج الصور#
تُقدّر مطابقة الصور هندسيًا موضع كل صورة ضمن نظام إحداثيات مشترك. وغالبًا ما تبدأ بـمطابقة الصور. وتستخرج طريقة مثل تحويل السمات الثابتة المقياس (SIFT) نقاطًا مميزة، وتصف وحدات البكسل المحيطة بها بحيث يمكن التعرّف على التفاصيل نفسها في مشهد آخر. وفي طريقة إنشاء الصور البانورامية التلقائية التي وضعها ماثيو براون وديفيد لوي عام 2007، تلائم خوارزمية توافق العينة العشوائية (RANSAC) التحويلات المرشحة انطلاقًا من مجموعات فرعية صغيرة من المطابقات، وتبحث عن الملاءمة التي تضم أكبر عدد من المطابقات المتسقة هندسيًا. لا يتطلب الدمج التقليدي تدريب أي نموذج. ويمكن أيضًا لمُطابِق متعلَّم مثل LoFTR إيجاد نقاط مقابلة في المناطق التي لا تكتشف فيها كاشفات النقاط المفتاحية التقليدية عددًا كافيًا منها.
يمكن لـتحويل إسقاطي محاذاة مشاهد سطح مستوٍ أو مشاهد التُقطت بتدوير الكاميرا حول مركزها البصري. ويمكن لـتحويل أفيني التعامل مع تغييرات أبسط، مثل الإزاحات والدورانات بين عمليات مسح الأسطح المستوية. وعند وجود مشاهد متعددة، تعمل تسوية الحزمة على تحسين محاذاتها معًا، مما يقلل الانحراف الذي قد يتراكم عندما تُحاذى كل صورة مع الصورة المجاورة لها فقط. ويطبّق التحويل الهندسي المحاذاة المقدّرة لوضع الصور على لوحة رسم مشتركة.
تستمر عملية الدمج بعد المطابقة الهندسية. إذ يقلل تعويض التعريض الضوئي اختلافات السطوع، ويحدد اختيار خط الوصل الموضع الذي يفسح فيه أحد المشاهد المجال للمشهد التالي، بينما ينعّم الدمج الانتقال بينهما. ويستخدم الدمج متعدد النطاقات انتقالات أوسع للتغييرات التدريجية في الدرجة اللونية، وأضيق للتفاصيل الدقيقة.
كيفية دمج صورتين معًا#
ابدأ بصورتين تتشاركان تفاصيل واضحة في المشهد. في Photoshop، تحاذي File > Automate > Photomerge الصور المتداخلة وتستخدم أقنعة الطبقات لدمجها. وفي Python، تقدّر OpenCV Stitcher المحاذاة وتُركّب النتيجة. بعد تثبيت opencv-python، يدمج المثال أدناه مقتطعين متداخلين من صورة حافلة. يستخدم وضع SCANS نموذجًا أفينيًا، وهو مناسب للإزاحة الجانبية بين المقتطعين.
from urllib.request import urlretrieve
import cv2
path, _ = urlretrieve("https://ultralytics.com/images/bus.jpg", "bus.jpg")
image = cv2.imread(path)
width = image.shape[1]
# Create two views with a shared center region.
left = image[:, : 4 * width // 5].copy()
right = image[:, width // 5 :].copy()
stitcher = cv2.Stitcher_create(cv2.Stitcher_SCANS)
status, stitched = stitcher.stitch([left, right])
if status != cv2.Stitcher_OK:
raise RuntimeError(f"Stitching failed with status {status}")
cv2.imwrite("stitched_bus.jpg", stitched)تجمع النتيجة، stitched_bus.jpg، الأجزاء الخارجية من كلا المقتطعين على لوحة رسم واحدة. ويظهر الجزء الأوسط المشترك مرة واحدة بدلًا من مرتين، كما لو وُضع المقتطعان جنبًا إلى جنب.
أسباب فشل دمج الصور#
لا توجد نسبة تداخل مثالية تناسب جميع الحالات. إذ تهمّ الملمس وطريقة توزيع النقاط المتطابقة: فالامتداد الخالي من المعالم في السماء يوفر عددًا قليلًا منها، بينما قد تجعل النوافذ المتكررة أداة الدمج تحاذي أجزاءً خاطئة من واجهة المبنى. وعندما تتحرك الكاميرا جانبيًا، تتزحزح الأجسام القريبة بالنسبة إلى الخلفية. وقد تؤدي هذه الإزاحة المعتمدة على العمق، المعروفة باسم اختلاف المنظر، إلى ظهور حافة في المقدمة مزدوجة حتى عندما تكون خطوط الخلفية مصطفّة. وقد يظهر الجسم المتحرك مرتين أيضًا إذا عبر منطقة التداخل بين التعريضين. ويشير اختلاف السطوع على طول وصلة مصطفّة في ما عدا ذلك إلى مشكلة في تعويض التعريض الضوئي أو الدمج. وقد تظهر هذه العيوب مجتمعة.
استخدامات دمج الصور#
- التصوير البانورامي: تلتقط المشاهد المتتابعة زاوية أوسع مما يلتقطه تعريض واحد. وتستوعب الإسقاطات الأسطوانية أو الكروية مجالات الرؤية الواسعة التي قد تتمدد عند الحواف إذا عُرضت بإسقاط مستوٍ.
- المجهر: تدمج إضافة Fiji الصور المتداخلة الملتقطة بالمجهر في مشهد أكبر للعينة، دون الحاجة إلى تصويرها بتكبير أقل.
- رسم الخرائط الجوية: يدمج OpenDroneMap الصور الجوية المتداخلة في فسيفساء تقويمية. وفي الفسيفساء المكتملة، يشغّل تقسيم الصور عالية الدقة في Ultralytics YOLO كشف الأجسام على مقتطعات ذات مواضع معروفة، محافظًا على تفاصيل الأجسام الصغيرة التي قد تضيع عند تغيير حجم الصورة كاملة. وتتميز الفسيفساء التقويمية بمقياس خريطة موحّد، لأن هندستها مصححة لتعويض ميل الكاميرا وتضاريس الأرض، مما يتيح قياس المسافات على سطح الأرض.










