图像拼接最后融合重叠区域是自动确定的，是根据算法计算出来的 主要思路找出对应点，根据空间约束剔除异常值，把对应点连起来，再做色彩平滑处理，就OK了 具体实现你找个拼接算法看看就一目了然了。

一特征点角点匹配 图像匹配能够应用的场合非常多，如目标跟踪，检测，识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系；end % 转换为真彩色 X = ind2rgbX，map end % 调整图像大小，并转换数据格式 Ai = im2double imresizeX， 384 512 end% 拼接图像并显示A = A1 A2 A3 A4ims；在本文中，我们提出了一种使用 CUDA 架构在 GPU 上运行的并行图像拼接方法顺序算法通过几个 CUDA 内核转换为并行版本通过使用不同类型的内存，我们实现了并行算法的优化同时，将GPU获得的结果与CPU获得的结果进行比较；Wu通过建立模型，将深度学习和进化算法应用于遥感图像的拼接，实现概率意义上的全局优化 图像融合技术是遥感图像拼接技术中的另一项核心技术，分为像素级融合特征级融合决策级融合像素级融合仍然是现阶段最常用的图像融合方法之一 对；ORBOriented FASTand Rotated BRIEF算法是目前最快速稳定的特征点检测和提取算法，许多图像拼接和目标追踪技术利用ORB特征进行实现ORB采用FASTfeatures from accelerated segment test算法来检测特征点，采用BRIEF算法来；这是一个透视变换矩阵经过这个透视变换后的图像，可以直接拿来做拼接6图象拼接完成上面步骤之后，其实这一步很容易7球面变换这一步需要对坐标系进行转换，从平面坐标到球面坐标。

1996年，他在微软研究院任职期间，提出一种基于运动的全景图像拼接模型，采用LM算法，通过求图像间的几何变换关系来进行图像匹配此方法是图像拼接领域的经典算法，Richard Szeliski也因此成为图像拼接领域的奠基人；而图像配准部分是整个图像拼接技术的核心部分，它直接关系到图像拼接算法的成功率和运行速度，因此配准算法的研究是多年来研究的重点目前的图像配准算法基本上可以分为两类基于频域的方法相位相关方法和基于时域的方法。

图像拼接是计算机视觉中古老且广泛使用的算法之一获得尽可能自然没有伪影的图像马赛克是非常重要的，尽管解释全景图或马赛克的自然外观存在主观性早期的方法是估计单应变换，但容易导致错位和重影作者提出了一种新方法；我也是在matlab中做的，我的问题是没有把图像存为灰度图像；用matlab处理碎纸片拼接1思路分别用n个变量储存n个碎纸片图像，然后用矩阵拼接的方式把碎纸片拼接2具体代码clear all close I1=imread#39008bmp#39I2=imread#39014bmp#39I3=imread#39012bmp#39I4=；无法适应大数据量图像的融合图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的一般来说，图像拼接主要包括以下五步 将待拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。

看下，你要拼接的两幅图像寻找到的特征点是否能匹配上，或者先看下两幅图像是否有重合区域，估计是点匹配不上造成的；第6步依此类推，得到 ， ，最后得到拼接复原图像 根据上述算法，利用MATLAB软件编程程序见附录1可得问题1中附件1与附件2的碎片拼接顺序结果如表1与表2所示附件1与附件2的拼接复原图像见附录2与附录3；可以用matlab，不过要你自己实现算法了，比较麻烦，参考一下相关论文这种功能现成的软件也有不少，photoshop里就有，大概是cs3以上版本吧。