Licenza YOLO
Torna al glossario di Ultralytics

Image Stitching

L'unione di immagini allinea e fonde immagini sovrapposte in un panorama o mosaico continuo tramite corrispondenza delle caratteristiche, deformazione e fusione delle giunzioni.

L'unione di immagini, chiamata anche unione di foto, allinea e combina due o più immagini sovrapposte in un'unica vista continua. La sovrapposizione indica al software come combaciare le immagini: un punto di riferimento vicino al bordo destro di una foto potrebbe comparire vicino al centro della successiva. Allineando queste due occorrenze, l'immagine composita può coprire una porzione della scena più ampia di quella visibile in ciascuna foto. Alcuni editor fotografici usano anche il termine «unione di foto» per indicare la disposizione di immagini separate una accanto all'altra in un collage.

Come funziona l'unione di immagini#

La registrazione delle immagini stima la posizione di ciascuna immagine in un sistema di coordinate condiviso. Spesso si parte dalla corrispondenza delle immagini. Un metodo come la trasformata delle caratteristiche invarianti alla scala (SIFT) individua punti distintivi e descrive i pixel circostanti, così da poter riconoscere gli stessi dettagli in un'altra vista. Nel metodo automatico per panorami del 2007 di Matthew Brown e David Lowe, il consenso su campioni casuali (RANSAC) adatta le trasformazioni candidate a partire da piccoli sottoinsiemi di corrispondenze e cerca l'adattamento con il maggior numero di corrispondenze geometricamente coerenti. L'unione classica di immagini non richiede l'addestramento di modelli. Anche un sistema di corrispondenza appreso, come LoFTR, può trovare corrispondenze in aree in cui i rilevatori tradizionali di punti chiave ne individuano troppo poche.

Un'omografia può allineare viste di una superficie piana o viste acquisite ruotando una fotocamera intorno al suo centro ottico. Una trasformazione affine può gestire cambiamenti più semplici, come traslazioni e rotazioni tra scansioni piane. Con più viste, la regolazione a fascio ne perfeziona congiuntamente l'allineamento, riducendo la deriva che può accumularsi quando ogni immagine viene allineata solo a quella adiacente. La deformazione applica l'allineamento stimato per collocare le immagini su una tela condivisa.

L'unione prosegue anche dopo la registrazione. La compensazione dell'esposizione riduce le differenze di luminosità, la selezione della giunzione determina dove una vista lascia il posto alla successiva e la fusione attenua la transizione. La fusione multibanda usa transizioni più ampie per i cambiamenti graduali di tono e più strette per i dettagli fini.

Come unire due immagini#

Inizia con due immagini che condividono dettagli riconoscibili della scena. In Photoshop, File > Automate > Photomerge allinea le foto sovrapposte e usa maschere di livello per fonderle. In Python, OpenCV Stitcher stima l'allineamento e crea l'immagine composita. Dopo aver installato opencv-python, l'esempio seguente unisce due ritagli sovrapposti di una foto di un autobus. La modalità SCANS usa un modello affine, adatto allo spostamento laterale tra i ritagli.

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)

Il risultato, stitched_bus.jpg, combina le parti esterne di entrambi i ritagli su un'unica tela. La parte centrale condivisa compare una sola volta, anziché due come accadrebbe se i ritagli fossero affiancati.

Perché l'unione di immagini non riesce#

Non esiste una percentuale di sovrapposizione valida in ogni situazione. Contano la texture e la distribuzione dei punti corrispondenti: una striscia di cielo uniforme offre pochi punti di riferimento, mentre le finestre ripetute possono indurre il sistema a unire parti sbagliate di una facciata. Quando la fotocamera si sposta lateralmente, gli oggetti vicini cambiano posizione rispetto allo sfondo. Questo spostamento dipendente dalla profondità, chiamato parallasse, può lasciare duplicato il contorno di un oggetto in primo piano anche se lo sfondo è allineato. Un soggetto in movimento può comparire due volte se attraversa la zona di sovrapposizione tra le esposizioni. Un salto di luminosità lungo una giunzione altrimenti allineata indica un problema di compensazione dell'esposizione o di fusione. Questi artefatti possono verificarsi contemporaneamente.

Dove si usa l'unione di immagini#

  • Fotografia panoramica: le viste successive catturano un angolo più ampio di una singola esposizione. Le proiezioni cilindriche o sferiche si adattano a campi visivi ampi, che con una proiezione piana risulterebbero deformati ai bordi.
  • Microscopia: il plugin di stitching di Fiji allinea tasselli sovrapposti acquisiti al microscopio per offrire una vista più ampia di un campione, senza doverlo acquisire a un ingrandimento inferiore.
  • Mappatura aerea: OpenDroneMap combina foto aeree sovrapposte in un'ortomosaico. Sul mosaico finito, l'elaborazione a tasselli ad alta risoluzione di Ultralytics YOLO esegue il rilevamento degli oggetti su ritagli con posizioni note, preservando i dettagli degli oggetti piccoli che potrebbero andare persi ridimensionando l'intera immagine. Un ortomosaico ha una scala cartografica uniforme perché la sua geometria è corretta per l'inclinazione della fotocamera e il rilievo del terreno, consentendo di misurare le distanze sul suolo.

Esplora le soluzioni

La visione artificiale nello sport

La visione artificiale nello sport

Scopri come Ultralytics YOLO alimenta la computer vision nello sport con il tracciamento di giocatori e palloni, l'analisi delle prestazioni, gli approfondimenti per gli allenatori e la riabilitazione degli atleti.
Scopri di più
Computer vision per immagini aeree

Computer vision per immagini aeree

Trasforma immagini aeree e riprese da drone in informazioni utili in tempo reale per agricoltura, acquacoltura, conservazione e analisi geospaziale con Ultralytics YOLO.
Scopri di più
Computer vision nel settore aerospaziale

Computer vision nel settore aerospaziale

Applica la visione artificiale nel settore aerospaziale con Ultralytics YOLO per l'ispezione degli aeromobili, il rilevamento di FOD sulle piste, le operazioni di terra aeroportuali e il rilevamento di difetti nei materiali compositi.
Scopri di più
Visione artificiale nella sicurezza

Visione artificiale nella sicurezza

Proteggi ogni sito con i modelli Ultralytics YOLO. L'IA visiva alimenta il monitoraggio perimetrale, il rilevamento delle minacce, il riconoscimento delle targhe e la sicurezza sul lavoro.
Scopri di più
Visione artificiale nella robotica

Visione artificiale nella robotica

Dai più potenza alle macchine intelligenti con i modelli Ultralytics YOLO. Nell'ambito della robotica, l'IA visiva alimenta la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Visione artificiale nella logistica

Visione artificiale nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. L'IA per la visione consente l'ispezione dei pacchi, la selezione, il tracciamento dei veicoli e il monitoraggio della sicurezza nei magazzini in tempo reale.
Scopri di più
Visione artificiale nel commercio al dettaglio

Visione artificiale nel commercio al dettaglio

Ripensa il commercio al dettaglio con i modelli Ultralytics YOLO. L'IA per la visione consente di tracciare le scorte, monitorare gli scaffali, gestire le code e ottenere informazioni più approfondite sui clienti.
Scopri di più
Visione artificiale in ambito sanitario

Visione artificiale in ambito sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. In ambito sanitario, l'IA per la visione consente di elaborare più rapidamente le immagini mediche, migliorare la diagnostica e monitorare i pazienti.
Scopri di più
Computer vision nella produzione

Computer vision nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La visione basata sull'IA migliora il controllo qualità, il rilevamento dei difetti, la conformità ai requisiti sui DPI e l'automazione delle linee di assemblaggio.
Scopri di più
Computer vision nel settore automobilistico

Computer vision nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La visione basata sull'IA migliora la sicurezza stradale, i sistemi di assistenza alla guida e l'automazione dei veicoli, per strade più intelligenti.
Scopri di più
Visione artificiale in agricoltura

Visione artificiale in agricoltura

Porta l'IA visiva nell'agricoltura intelligente con i modelli Ultralytics YOLO. Gestisci il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per ottenere raccolti più abbondanti e intelligenti.
Scopri di più

Costruiamo insieme il futuro dell'IA!

Inizia il tuo percorso verso il futuro del machine learning