1. 图像拼接传统做法：
特征点提取：sift、surf、orb等特征点提取；
基于特征点的配准：RANSAC方法剔除匹配点并拟合图像变换矩阵（全局单应性矩阵）；
图像融合：先确定缝合线，再利用加权融合、多频带融合的方法融合;
方法：除了按照上文提到的顺序利用opencv进行拼接，还可以用opencv自带的stitch类，拼接很方便，效果也很好。
2.图像拼接出现的问题：
对于大视差的物体（可以理解为离摄像头比较近的物体，或者待拼接的图片上有远景有近景）
可采用的方法,分为两种，一种是基于缝合线的方法，可以参看确定Seam- Driven 、Content preserving warp 、Parallax-toleranting stitching 这三种方法，很经典的。
二是采用基于网格优化及网格约束的方法，代表有DHW、SVAS，APAP，SPHP、AANAP等方法，可以下载他们的相关论文看。
二是采用基于网格优化及网格约束的方法，代表有DHW、SVAS，APAP，SPHP、AANAP等方法，可以下载他们的相关论文看。
视频拼接除了图像拼接的大视差问题，还有移动的物体经过重合区域会出现重影的问题，现在解决的办法比较推荐的有
Video Stitching with Spatial-Temporal Content-Preserving Warping 这篇论文，提出加时空域约束项，时空域3D缝合线的方法，效果很好。
Video Stitching with Spatial-Temporal Content-Preserving Warping 这篇论文，提出加时空域约束项，时空域3D缝合线的方法，效果很好。
待拼接的两幅图像之间的变换模型是平移模型，即两幅图像同名点位置之间只相差两个未知量：
