Licenciar o YOLO
Voltar ao glossário da Ultralytics

Image Stitching

A união de imagens alinha e combina imagens sobrepostas em um panorama ou mosaico contínuo, usando correspondência de características, transformação geométrica e mesclagem de costuras.

A união de imagens, também chamada de união de fotografias, alinha e combina duas ou mais imagens sobrepostas em uma única vista contínua. A sobreposição indica ao software como as imagens se encaixam: um ponto de referência próximo à borda direita de uma foto pode aparecer perto do centro da seguinte. Alinhar essas duas aparições permite que a composição cubra mais da cena do que qualquer foto isolada. Alguns editores de fotos também usam «união de fotografias» para se referir à organização de imagens separadas lado a lado em uma colagem.

Como funciona a união de imagens#

O registro de imagens estima onde cada imagem se encaixa em um sistema de coordenadas compartilhado. Muitas vezes, começa com a correspondência de imagens. Um método como a Transformada de características invariante à escala (SIFT) encontra pontos distintos e descreve os pixels ao redor deles para que os mesmos detalhes possam ser reconhecidos em outra vista. No método de panorama automático de 2007, de Matthew Brown e David Lowe, a amostragem aleatória de consenso (RANSAC) ajusta transformações candidatas a partir de pequenos subconjuntos de correspondências e procura o ajuste com o maior número de correspondências geometricamente consistentes. A união clássica de imagens não exige treinamento de modelos. Um método de correspondência aprendido, como o LoFTR, também pode encontrar correspondências em áreas onde os detectores tradicionais de pontos-chave encontram poucas.

Uma homografia pode alinhar vistas de uma superfície plana ou vistas capturadas ao girar uma câmera em torno do seu centro óptico. Uma transformação afim pode lidar com alterações mais simples, como deslocamentos e rotações entre digitalizações planas. Com várias vistas, o ajuste em bloco refina o alinhamento entre elas em conjunto, reduzindo o desvio que pode se acumular quando cada imagem é alinhada apenas à imagem vizinha. A transformação geométrica aplica o alinhamento estimado para posicionar as imagens em uma tela compartilhada.

A união continua após o registro. A compensação de exposição reduz as diferenças de brilho, a seleção de costura determina onde uma vista dá lugar à seguinte, e a mesclagem suaviza a transição. A mesclagem multibanda usa transições mais amplas para mudanças graduais de tonalidade e mais estreitas para detalhes finos.

Como unir duas imagens#

Começa com duas imagens que compartilham detalhes reconhecíveis da cena. No Photoshop, Arquivo > Automatizar > Photomerge alinha fotos sobrepostas e usa máscaras de camada para combiná-las. Em Python, o OpenCV Stitcher estima o alinhamento e compõe o resultado. Com opencv-python instalado, o exemplo abaixo une dois recortes sobrepostos de uma fotografia de um ônibus. O modo SCANS usa um modelo afim, adequado ao deslocamento lateral entre os 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)

A saída, stitched_bus.jpg, combina as partes externas dos dois recortes em uma única tela. O centro compartilhado aparece uma vez, em vez de duas, como aconteceria se os recortes fossem posicionados lado a lado.

Por que a união de imagens falha#

Não existe uma porcentagem de sobreposição universal. A textura e a distribuição dos pontos correspondentes são importantes: uma faixa de céu vazio oferece poucos pontos de referência, enquanto janelas repetidas podem fazer com que o sistema de união alinhe partes erradas de uma fachada. Quando a câmera se desloca lateralmente, os objetos próximos mudam de posição em relação ao fundo. Esse deslocamento, que depende da profundidade e é chamado de paralaxe, pode deixar duplicada a borda de um objeto em primeiro plano, mesmo quando o fundo está alinhado. Um objeto em movimento também pode aparecer duas vezes se atravessar a área de sobreposição entre exposições. Uma mudança de brilho ao longo de uma junção que, de resto, está alinhada indica um problema de compensação de exposição ou de mesclagem. Esses artefatos podem ocorrer em conjunto.

Onde a união de imagens é usada#

  • Fotografia panorâmica: Vistas sucessivas capturam um ângulo mais amplo do que uma única exposição. Projeções cilíndricas ou esféricas acomodam campos de visão amplos que ficariam esticados nas bordas em uma projeção plana.
  • Microscopia: O plugin de união do Fiji alinha peças sobrepostas de imagens microscópicas para formar uma vista maior de uma amostra, sem precisar capturá-la com menor ampliação.
  • Mapeamento aéreo: O OpenDroneMap combina fotografias aéreas sobrepostas em um ortomosaico. No mosaico final, o fatiamento em alta resolução do Ultralytics YOLO executa a detecção de objetos em recortes com posições conhecidas, preservando detalhes de objetos pequenos que podem se perder ao redimensionar a imagem inteira. Um ortomosaico tem uma escala cartográfica uniforme porque sua geometria é corrigida para compensar a inclinação da câmera e o relevo do terreno, permitindo medir distâncias no solo.

Explore as soluções

Visão computacional no desporto

Visão computacional no desporto

Descubra como o Ultralytics YOLO impulsiona a visão computacional no esporte com rastreamento de jogadores e bolas, análise de desempenho, insights para treinadores e reabilitação de atletas.
Saiba mais
Visão computacional para imagens aéreas

Visão computacional para imagens aéreas

Transforma imagens de drones e aéreas em informações em tempo real para a agricultura, a aquacultura, a conservação e a análise geoespacial com Ultralytics YOLO.
Saiba mais
Visão computacional no setor aeroespacial

Visão computacional no setor aeroespacial

Aplica visão computacional na indústria aeroespacial com Ultralytics YOLO para inspecionar aeronaves, detetar objetos estranhos na pista (FOD), apoiar operações aeroportuárias em terra e detetar defeitos em materiais compósitos.
Saiba mais
Visão computacional na segurança

Visão computacional na segurança

Protege todas as instalações com os modelos Ultralytics YOLO. A IA visual permite monitorizar perímetros, detetar ameaças, reconhecer matrículas e melhorar a segurança no local de trabalho.
Saiba mais
Visão computacional na robótica

Visão computacional na robótica

Potencia máquinas mais inteligentes com os modelos Ultralytics YOLO. A IA visual na robótica permite navegação autónoma, perceção, rastreamento de objetos e controlo em tempo real.
Saiba mais
Visão computacional na logística

Visão computacional na logística

Otimize a logística com os modelos Ultralytics YOLO. A IA de visão permite inspecionar pacotes, fazer triagem, rastrear veículos e monitorar a segurança em tempo real nos armazéns.
Saiba mais
Visão computacional no varejo

Visão computacional no varejo

Reinvente o varejo com os modelos Ultralytics YOLO. A IA de visão permite rastrear o estoque, monitorar prateleiras, gerenciar filas e obter insights mais inteligentes sobre clientes.
Saiba mais
Visão computacional na área da saúde

Visão computacional na área da saúde

Desenvolva soluções de saúde com os modelos Ultralytics YOLO. A IA de visão na área da saúde permite obter imagens médicas mais rapidamente, diagnósticos mais inteligentes e monitoramento de pacientes.
Saiba mais
Visão computacional na manufatura

Visão computacional na manufatura

Otimize a manufatura com modelos Ultralytics YOLO. A IA visual impulsiona o controle de qualidade, a detecção de defeitos, a conformidade com o uso de EPI e a automação da linha de montagem.
Saiba mais
Visão computacional no setor automotivo

Visão computacional no setor automotivo

Aplique visão computacional no setor automotivo com modelos Ultralytics YOLO. A IA visual aumenta a segurança viária, aprimora a assistência ao condutor e viabiliza a automação de veículos para estradas mais inteligentes.
Saiba mais
Visão computacional na agricultura

Visão computacional na agricultura

Leve a IA de visão à agricultura inteligente com os modelos Ultralytics YOLO. Aprimore o monitoramento de plantações, o rastreamento de animais e a agricultura de precisão para obter safras maiores e mais inteligentes.
Saiba mais

Vamos construir juntos o futuro da IA!

Comece sua jornada rumo ao futuro do aprendizado de máquina