matlab图像拼接算法

% Load images.
buildingDir = fullfile（toolboxdir（‘vision‘） ‘visiondata‘ ‘building‘）;
buildingScene = imageDatastore（buildingDir）;

% Display images to be stitched
montage（buildingScene.Files）

% Read the first image from the image set.
I = readimage（buildingScene 1）;

% Initialize features for I（1）
grayImage = rgb2gray（I）;
points = detectSURFFeatures（grayImage）;
[features points] = extractFeatures（grayImage points）;

% Initialize all the transforms to the identity matrix. Note that the
% projective transform is used here because the building images are fairly
% close to the camera. Had the scene been captured from a further distance
% an affine transform would suffice.
numImages = numel（buildingScene.Files）;
tforms（numImages） = projective2d（eye（3））;

% Iterate over remaining image pairs
for n = 2:numImages

    % Store points and features for I（n-1）.
    pointsPrevious = points;
    featuresPrevious = features;

    % Read I（n）.
    I = readimage（buildingScene n）;

    % Detect and extract SURF features for I（n）.
    grayImage = rgb2gray（I）;
    points = detectSURFFeatures（grayImage）;
    [features points] = extractFeatures（grayImage points）;

    % Find correspondences between I（n） and I（n-1）.
    indexPairs = matchFeatures（features featuresPrevious ‘Unique‘ true）;

    matchedPoints = points（indexPairs（:1） :）;
    matchedPointsPrev = pointsPrevious（indexPairs（:2） :）;

    % Estimate the transformation between I（n） and I（n-1）.
    tforms（n） = estimateGeometricTransform（matchedPoints matchedPointsPrev...
        ‘projective‘ ‘Confidence‘ 99.9 ‘MaxNumTrials‘ 2000）;

    % Compute T（1） * ... * T（n-1） * T（n）
    tforms（n）.T = tforms（n-1）