Licencia YOLO
Volver al glosario de Ultralytics

Image Stitching

La unión de imágenes alinea y combina imágenes superpuestas para crear una panorámica o un mosaico continuo mediante la correspondencia de características, la transformación geométrica y la fusión de costuras.

La unión de imágenes, también llamada unión de fotografías, alinea y combina dos o más imágenes superpuestas en una sola vista continua. La superposición indica al software cómo encajan las imágenes: un punto de referencia cerca del borde derecho de una foto puede aparecer cerca del centro de la siguiente. Alinear esas dos apariciones permite que la composición abarque una parte mayor de la escena que cualquiera de las fotos por separado. Algunos editores de fotos también usan «unión de fotografías» para referirse a la disposición de imágenes independientes una junto a otra en un collage.

Cómo funciona la unión de imágenes#

El registro de imágenes estima dónde encaja cada imagen en un sistema de coordenadas compartido. A menudo empieza con la correspondencia de imágenes. Un método como la transformada de características invariantes a la escala (SIFT) encuentra puntos distintivos y describe los píxeles que los rodean para poder reconocer los mismos detalles en otra vista. En el método de panorámicas automáticas de 2007 de Matthew Brown y David Lowe, el consenso de muestras aleatorias (RANSAC) ajusta transformaciones candidatas a partir de pequeños subconjuntos de correspondencias y busca el ajuste con el mayor número de correspondencias geométricamente coherentes. La unión clásica no requiere entrenamiento de modelos. Un detector de correspondencias aprendido, como LoFTR, también puede encontrar correspondencias en zonas donde los detectores tradicionales de puntos clave encuentran muy pocas.

Una homografía puede alinear vistas de una superficie plana o vistas tomadas al girar una cámara alrededor de su centro óptico. Una transformación afín puede manejar cambios más sencillos, como desplazamientos y rotaciones entre escaneos planos. Con muchas vistas, el ajuste de haces perfecciona su alineación de forma conjunta y reduce la deriva que puede acumularse cuando cada imagen se alinea solo con la siguiente. La transformación geométrica aplica la alineación estimada para colocar las imágenes en un lienzo compartido.

La unión continúa después del registro. La compensación de exposición reduce las diferencias de brillo, la selección de costuras determina dónde da paso una vista a la siguiente y la fusión suaviza la transición. La fusión multibanda usa transiciones más amplias para los cambios graduales de tono y más estrechas para los detalles finos.

Cómo unir dos imágenes#

Empieza con dos imágenes que compartan detalles reconocibles de la escena. En Photoshop, Archivo > Automatizar > Photomerge alinea las fotos superpuestas y usa máscaras de capa para fusionarlas. En Python, OpenCV Stitcher estima la alineación y compone el resultado. Con opencv-python instalado, el ejemplo siguiente une dos recortes superpuestos de una fotografía de un autobús. El modo SCANS usa un modelo afín, adecuado para el desplazamiento lateral entre los recortes.

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)

El resultado, stitched_bus.jpg, combina las partes exteriores de ambos recortes en un mismo lienzo. El centro compartido aparece una sola vez, en lugar de dos, como ocurriría si los recortes se colocaran uno junto al otro.

Por qué falla la unión de imágenes#

No hay un porcentaje de superposición universal. Importan la textura y la distribución de los puntos coincidentes: una franja de cielo vacío ofrece pocos puntos de referencia, mientras que las ventanas repetidas pueden hacer que el programa de unión alinee partes equivocadas de una fachada. Cuando la cámara se desplaza lateralmente, los objetos cercanos se mueven con respecto al fondo. Este desplazamiento, que depende de la profundidad y se denomina paralaje, puede dejar duplicado el borde de un objeto en primer plano aunque las líneas del fondo coincidan. Un sujeto en movimiento también puede aparecer dos veces si atraviesa la zona de superposición entre exposiciones. Un salto de brillo a lo largo de una unión que, por lo demás, está alineada apunta a un problema de compensación de exposición o de fusión. Estos artefactos pueden darse a la vez.

Usos de la unión de imágenes#

  • Fotografía panorámica: Las vistas sucesivas capturan un ángulo más amplio que una sola exposición. Las proyecciones cilíndricas o esféricas permiten abarcar campos de visión amplios que, en una proyección plana, se estirarían en los bordes.
  • Microscopía: El complemento de unión de Fiji alinea teselas superpuestas del microscopio en una vista más amplia de una muestra, sin tener que capturarla con menos aumento.
  • Cartografía aérea: OpenDroneMap combina fotografías aéreas superpuestas en un ortomosaico. En el mosaico final, el mosaico de alta resolución de Ultralytics YOLO ejecuta la detección de objetos en recortes con posiciones conocidas, preservando los detalles de los objetos pequeños que podrían perderse al cambiar el tamaño de la imagen completa. Un ortomosaico tiene una escala cartográfica uniforme porque su geometría se corrige para tener en cuenta la inclinación de la cámara y el relieve del terreno, lo que permite medir distancias sobre el terreno.

Explora las soluciones

Visión artificial en el deporte

Visión artificial en el deporte

Descubre cómo Ultralytics YOLO impulsa la visión artificial en el deporte con el seguimiento de jugadores y balones, analíticas de rendimiento, información útil para entrenadores y rehabilitación de deportistas.
Más información
Visión artificial para imágenes aéreas

Visión artificial para imágenes aéreas

Convierte imágenes aéreas y de drones en información útil en tiempo real para la agricultura, la acuicultura, la conservación y el análisis geoespacial con Ultralytics YOLO.
Más información
Visión artificial en el sector aeroespacial

Visión artificial en el sector aeroespacial

Aplica la visión artificial en el sector aeroespacial con Ultralytics YOLO para inspeccionar aeronaves, detectar objetos extraños en pistas, gestionar operaciones en tierra y detectar defectos en materiales compuestos.
Más información
Visión artificial en seguridad

Visión artificial en seguridad

Protege todas tus instalaciones con los modelos Ultralytics YOLO. La IA visual permite supervisar perímetros, detectar amenazas, reconocer matrículas y mejorar la seguridad laboral.
Más información
Visión artificial en robótica

Visión artificial en robótica

Potencia máquinas más inteligentes con los modelos Ultralytics YOLO. La IA visual en robótica impulsa la navegación autónoma, la percepción, el seguimiento de objetos y el control en tiempo real.
Más información
Visión artificial en logística

Visión artificial en logística

Agiliza la logística con modelos Ultralytics YOLO. La IA visual permite inspeccionar paquetes, clasificarlos, realizar el seguimiento de vehículos y supervisar la seguridad del almacén en tiempo real.
Más información
Visión artificial en el comercio minorista

Visión artificial en el comercio minorista

Reinventa el comercio minorista con modelos Ultralytics YOLO. La IA visual permite realizar el seguimiento del inventario, supervisar estanterías, gestionar colas y obtener información más útil sobre los clientes.
Más información
Visión artificial en el sector sanitario

Visión artificial en el sector sanitario

Desarrolla soluciones sanitarias con modelos Ultralytics YOLO. La IA visual en el sector sanitario permite acelerar el diagnóstico por imagen, mejorar los diagnósticos y supervisar a los pacientes.
Más información
Visión artificial en la fabricación

Visión artificial en la fabricación

Optimiza la fabricación con modelos Ultralytics YOLO. La IA visual mejora el control de calidad, la detección de defectos, el cumplimiento de las normas de uso de EPI y la automatización de las líneas de montaje.
Más información
Visión artificial en la automoción

Visión artificial en la automoción

Aplica la visión artificial al sector de la automoción con modelos Ultralytics YOLO. La IA visual mejora la seguridad vial, la asistencia al conductor y la automatización de vehículos para lograr carreteras más inteligentes.
Más información
Visión artificial en la agricultura

Visión artificial en la agricultura

Incorpora la IA de visión a la agricultura inteligente con modelos Ultralytics YOLO. Impulsa la monitorización de cultivos, el seguimiento del ganado y la agricultura de precisión para obtener cosechas más abundantes e inteligentes.
Más información

¡Construyamos juntos el futuro de la IA!

Inicia tu recorrido hacia el futuro del aprendizaje automático