Görüntü birleştirme: Revizyonlar arasındaki fark

'''Görüntü birleştirme''', '''fotoğraf birleştirme''' ya da '''resim birleştirme''', parçalar halinde bulunan veya bölümler haldehalinde [[görüntü]]lenmiş resimlerin, görünüm alanlarının birleştirilerek [[panorama|panoramik]] veya yüksek çözünürlükte görüntüler üretebilmeyi sağlayan, [[fotoğraf]]ların çoklu şekilde birleştirilmesine verilen isimdir. Görüntü birleştirme yaygın şekilde bilgisayar [[yazılım]]larının kullanılması ile üretilir. Birleştirme esnasında sorunsuz sonuçların elde edilebilmesi için görüntülerin yaklaşma ve kesişme (birleşme) noktalarının hemen hemen tam olarak birleştirilmesi gerekir.<ref>Steve Mann and R. W. Picard. "Virtual bellows: constructing high-quality images from video.", In Proceedings of the IEEE First International Conference on Image ProcessingAustin, Teksas, Kasım 13–16, 1994</ref><ref name="Ward">{{cite conference|title=Hiding seams in high dynamic range panoramas | publisher=ACM | author=Ward, Greg | year=2006 | booktitle=Proceedings of the 3rd symposium on Applied perception in graphics and visualization|conference=ACM International Conference Proceeding Series|isbn=1-59593-429-4 | volume=153| doi=10.1145/1140491.1140527}}</ref> Bazı birleştirme algoritmaları aslında faydalı olmasına rağmen, çakışma bölgelerinde HDR (High Dynamic Range) görüntüleme yaparak daha farklı görüntüler elde edilmesine neden olurlar.<ref>Steve Mann. "Compositing Multiple Pictures of the Same Scene", Proceedings of the 46th Annual Imaging Science & Technology Conference, Mayıs 9–14, Cambridge, Massachusetts, 1993</ref><ref>S. Mann, C. Manders, and J. Fung, "The Lightspace Change Constraint Equation (LCCE) with practical application to estimation of the projectivity+gain transformation between multiple pictures of the same subject matter" IEEE International Conference on Acoustics, Speech, and Signal Processing, 6–10 Nisan 2003, s. III - 481-4 cilt.3</ref> Bunların yanı sıra bazı [[Dijital fotoğraf makinesi|dijital kameralar]] ile dahili görüntü birleştirme yapılabilir. Görüntü birleştirme günümüz dünyasında yaygın şekilde şu uygulamalarda kullanılmaktadır:

[[Dosya:Alcatraz03182006.jpg|thumb|center|850px|[[Alcatraz Adası]], görüntülerinin birleştirilerek oluşturulmuş panorama görüntüsü.]]

İşlem üç aşamadan oluşmaktadır. Bu aşamalar -: ''görüntü çakıştırma'', ''kalibrasyon'' ve ''birleştirme'' aşamalarıdırdir.

Genel olarak ise başa çıkılması gereken büyük sorunlar arasında paralaks etkisi, mercek deformasyonu, sahne hareketleri ve pozlama farklılıkları yer alır. Panoramik birleştirme için işlenecek dizi görüntülerde mercek bozulmasını aşmak için makul bir miktarda (en azından %15 ilaile %30) örtüşme bulunması yeterli olmakta ve resimlerdeki planların saptanabilir özelliklere sahip olması gerekmektedir. Birleştirilecek görüntülerdeki çerçeveler arası birleşim hatalarının en aza indirgenmesi için tutarlı bir pozlama yapılması gerekmektedir.

* Öncelikle algoritmalar, görüntüdeki piksel koordinatlarının bir başka koordinat ile uygun şekilde matematiksel model belirlenmesi için gereklidirler. Bu görüntü uyumunu gerçekleştirir.

* Ardından görüntülerdeki çeşitli çiftler (veya koleksiyonlar) ile ilgili doğru hizalamaları tahmin etmesi gerekir. Algoritmalar doğrudan piksel, piksel karşılaştırma yaparak, birleştirme yapabildiği gibi Gradyan inişleri de (veya diğer optimizasyon tekniklerini) bu parametrelerin doğru tahmin edilebilmesi için kullanabilir.

* Görüntü birleştirmenin yansıtmalı bir şekilde dönüştürülebilmesi ve yerleştirilecek tüm görüntülerin hizalanabilmesi için oluşturulacak kompozisyon yüzeyine karar vermelisiniz. Sorunsuz bir şekilde birbiri ilebirbiriyle örtüşen görüntülerin karşılaştırılabilmesine olanak sağlayacak algoritmaları oluşturmanızdaoluşturmanız da gerekecektir. Hatta bunları paralaks etkisi, mercek deformasyonu, sahne hareketleri ve pozlama farklıları içinde ayrı, ayrı düşünmelisiniz.

Otomatik olarak görüntüler arasındaki benzerliklerin bulunması için keypoint önemli bir özelliktir. Güçlü benzeşmeler üzerine kompost edilmiş bir görüntünün dönüşümünün yapılabilmesi amacıyla hizalamalar hesaplanmaktadır. Sert köşeler, normal köşeler, lekeler, gauss farkları da tekrarlanan olsa bile farklı ve görüntü birleştirme için kullanılabilecek iyi özelliklerdir.

İlgili noktaların tespit edilebilmesi için ilk operatörlerden birisi, 1977 yılında kümelenmiş bir ortamda robotun otomatik dolaşımı için yaptığı araştırma esnasında Hans P. Moravec tarafından geliştirilmiştir. Moravec ayrıca bir görüntüdeki "ilgi noktalarını" tanımlamıştır ve bu ilgi alanı noktalarından görüntü üzerinde eşleşen alanların bulunabileceği sonucuna varmıştır. Moravec'in operatorüoperatörü belirli noktaları tanımladığından dolayı köşe dedektörü olarak kabul edilir. Çünkü her yöne doğru büyük yoğunluktaki farklılıkları nokta olarak algılar. buBu genellikle köşelerde görülen bir durumdur. Bununla birlikte aslında bu ilginç bir durumdur. Moravec özellikle köşelerde yer alan bu ilgili noktaları bulmak ile ilgilenmemiş, sadece farklı bölgelerdeki birbirini takip eden resim çerçevelerini kaydedebilmek için uğraşıyorduuğraşmıştır. Harris ve Stephens, Moravec'in köşe dedektörü üzerine geliştirdiği operatörü, direkt olarak doğrultusuna göre köşelerdeki puan farkını dikkate alarak geliştirdiler. Bu görüntüler sıraya dayalı olarak robotun ortam yorumlarını oluşturma işlemi esnasında gerekli bir adımdı. Moravec gibi görüntü çerçevelerinde, birbirine geçen noktalarda karşılıklı gelen noktaları eşleştirmek için bir yönteme ihtiyaç duyuyorlardı ama hem çerçeveler arasındaki köşelerin hem de kenarların takip edilmesiyle de ilgileniyorlardı.