YOLOのライセンス
Ultralytics用語集に戻る

Image Stitching

画像スティッチングは、特徴点マッチング、ワーピング、シームブレンディングを使用して、重なり合う画像の位置を合わせて合成し、連続したパノラマまたはモザイクを作成します。

画像スティッチングは、写真スティッチングとも呼ばれ、2枚以上の重なり合う画像の位置を合わせて結合し、1つの連続したビューを作成します。重なり部分を手がかりに、ソフトウェアは画像同士のつながりを判断します。たとえば、ある写真の右端近くにある目印が、次の写真の中央付近に写っていることがあります。この2つの写り方の位置を合わせることで、合成画像は個々の写真より広い範囲を捉えられます。一部の写真編集ソフトでは、「写真スティッチング」が個別の画像を横に並べてコラージュを作る意味でも使われます。

画像スティッチングの仕組み#

画像レジストレーションは、共通の座標系における各画像の位置を推定します。多くの場合、まず画像マッチングを行います。スケール不変特徴変換(SIFT)などの手法では、特徴的な点を見つけ、その周辺のピクセルを記述することで、別のビューでも同じディテールを認識できるようにします。Matthew BrownとDavid Loweによる2007年の自動パノラマ手法では、ランダムサンプルコンセンサス(RANSAC)を使い、一致点の小さなサブセットから変換候補を推定し、幾何学的に最も整合する一致点が多い推定結果を選びます。従来型のスティッチングにモデルの学習は必要ありません。LoFTRなどの学習ベースのマッチャーは、従来のキーポイント検出器では検出できる点が少なすぎる領域でも対応点を見つけられます。

ホモグラフィは、平面のビューや、カメラを光学中心の周りで回転させて撮影したビューの位置合わせに使用できます。アフィン変換は、平面スキャン間の平行移動や回転など、より単純な変化に対応できます。多数のビューがある場合は、バンドル調整によってビュー全体の位置合わせをまとめて最適化し、各画像を隣の画像だけに合わせることで蓄積するずれを軽減します。ワーピングでは、推定した位置合わせを適用して、画像を共通のキャンバス上に配置します。

スティッチングはレジストレーション後も続きます。露出補正で明るさの違いを軽減し、シーム選択でビューの切り替わる位置を決め、ブレンディングで遷移を滑らかにします。マルチバンドブレンディングでは、トーンの緩やかな変化には幅広い遷移を、細部には狭い遷移を使用します。

2枚の画像をスティッチングする方法#

まず、認識可能なシーンのディテールが共通して写っている2枚の画像を用意します。Photoshopでは、ファイル > 自動処理 > Photomergeを使うと、重なり合う写真の位置を合わせ、レイヤーマスクで合成できます。Pythonでは、OpenCVのStitcherが位置合わせを推定し、結果を合成します。opencv-pythonをインストールした状態で、以下の例ではバスの写真から切り出した、重なり合う2枚の画像をスティッチングします。SCANSモードはアフィンモデルを使用するため、2枚の切り出し画像間の横方向のずれに適しています。

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)

出力のstitched_bus.jpgは、両方の切り出し画像の外側部分を1つのキャンバス上に合成します。共有する中央部分は、切り出し画像を横に並べた場合のように2回ではなく、1回だけ表示されます。

画像スティッチングが失敗する理由#

普遍的に適用できる重なり率はありません。テクスチャと一致点の分布が重要です。何もない空の領域には目印がほとんどない一方、窓が繰り返し並ぶ建物では、スティッチャーがファサードの誤った部分を合わせてしまうことがあります。カメラが横に移動すると、近くの物体は背景に対してずれて見えます。この奥行きに依存するずれは視差と呼ばれ、背景の線が合っていても、前景の輪郭が二重に見える原因になります。動いている被写体が露光間に重なり部分を横切ると、被写体が2つに見えることもあります。位置合わせができているのに接合部に明るさの段差がある場合は、露出補正またはブレンディングに問題があると考えられます。これらのアーティファクトは同時に発生することがあります。

画像スティッチングの用途#

  • パノラマ写真:連続したビューを撮影し、1回の露光より広い画角を捉えます。円筒投影または球面投影を使うと、平面投影では端が引き伸ばされるような広い視野に対応できます。
  • 顕微鏡:Fijiのスティッチングプラグインは、重なり合う顕微鏡画像のタイルを位置合わせして、倍率を下げて撮影することなく、標本をより広い範囲で表示します。
  • 航空マッピング:OpenDroneMapは、重なり合う航空写真をオルソモザイクに合成します。完成したモザイクでは、Ultralytics YOLOの高解像度タイル分割によって、位置が既知の切り出し画像に対して物体検出を実行し、画像全体のリサイズで失われる可能性のある小さな物体のディテールを保持します。オルソモザイクは、カメラの傾きと地形の起伏を補正した幾何形状を持つため、地図上の縮尺が均一になり、地上距離を測定できます。

ソリューションを見る

スポーツにおけるコンピュータービジョン

スポーツにおけるコンピュータービジョン

Ultralytics YOLOが、選手やボールの追跡、パフォーマンス分析、コーチングへの知見、アスリートのリハビリを通じて、スポーツビジョンをどのように支えるかをご紹介します。
詳しく見る
航空画像向けコンピュータービジョン

航空画像向けコンピュータービジョン

Ultralytics YOLOを使用して、ドローンや航空画像をリアルタイムの知見に変換し、農業、水産養殖、自然保護、地理空間分析に活用できます。
詳しく見る
航空宇宙分野のコンピュータービジョン

航空宇宙分野のコンピュータービジョン

Ultralytics YOLOを活用して航空宇宙分野でコンピュータビジョンを導入し、航空機検査、滑走路上のFOD検出、空港の地上業務、複合材の欠陥検出に活用できます。
詳しく見る
セキュリティ分野のコンピュータービジョン

セキュリティ分野のコンピュータービジョン

Ultralytics YOLOモデルであらゆる施設を保護しましょう。ビジョンAIは、周辺監視、脅威検知、ナンバープレート認識、職場の安全管理を支援します。
詳しく見る
ロボティクス分野のコンピュータービジョン

ロボティクス分野のコンピュータービジョン

Ultralytics YOLOモデルで、よりスマートなマシンを実現しましょう。ロボティクスにおけるビジョンAIは、自律ナビゲーション、認識、物体追跡、リアルタイム制御を支援します。
詳しく見る
物流におけるコンピュータービジョン

物流におけるコンピュータービジョン

Ultralytics YOLOモデルで物流を効率化しましょう。ビジョンAIにより、荷物検査、仕分け、車両追跡、倉庫のリアルタイム安全監視を実現します。
詳しく見る
小売業におけるコンピュータービジョン

小売業におけるコンピュータービジョン

Ultralytics YOLOモデルで小売のあり方を変革しましょう。ビジョンAIにより、在庫追跡、棚の監視、行列管理、より高度な顧客インサイトを実現します。
詳しく見る
医療分野におけるコンピュータービジョン

医療分野におけるコンピュータービジョン

Ultralytics YOLOモデルで医療ソリューションを構築しましょう。医療分野のビジョンAIは、医用画像処理の高速化、より高度な診断、患者モニタリングを実現します。
詳しく見る
製造業におけるコンピュータービジョン

製造業におけるコンピュータービジョン

Ultralytics YOLOモデルで製造を最適化しましょう。ビジョンAIは、品質管理、欠陥検出、PPE準拠、組立ラインの自動化を推進します。
詳しく見る
自動車分野におけるコンピュータービジョン

自動車分野におけるコンピュータービジョン

Ultralytics YOLOモデルで自動車分野にコンピュータービジョンを導入しましょう。ビジョンAIは、道路の安全性、運転支援、車両の自動化を向上させ、よりスマートな道路を実現します。
詳しく見る
農業におけるコンピュータービジョン

農業におけるコンピュータービジョン

Ultralytics YOLOモデルでスマート農業にビジョンAIを導入しましょう。作物のモニタリング、家畜の追跡、精密農業を支援し、より高く効率的な収量を実現します。
詳しく見る

AIの未来を一緒に築きましょう!

機械学習の未来に向けた歩みを始めましょう