基于RANSAC算法的图像拼接

在同一位置（即图像的照相机位置相同）拍摄的两幅或多幅图像是单应性相关的。接下来要讨论的就是利用该约束将很多图像缝补起来，拼成一个大的图像来创建全景图像。

1.1 SIFT特征匹配

sift算法原理在之前已经发表过了，在这里就不多赘述。（链接：SIFT特征匹配算法及代码(python)）

在图像拼接中应用的目的： 由sift算法将两幅图像进行特征匹配，找到图像之间的对应关系。

1.2 RANSAC算法

RANSAC（RANdom SAmple Consensus）也称随机一致性采样。该算法是用来求解单应性矩阵并找到正确的直线来拟合带有噪声的数据。也就是说，给定一组数据点集中包含正确的点和噪声点，RANSAC能找到一条直线来挑选出正确的点，同时摒弃噪声点。
利用RANSAC算法进行图像拼接是为了减少多幅图像之间出现的特征点错配问题。

单应性矩阵是保直线的，是利用homography算法由两幅图像中各取4个点构造出来的。
用该算法得到的只是图像的平面信息，而不知道景深信息（用RANSAC进行图像拼接的缺陷之一）。

在图像拼接中应用的目的： 利用RANSAC算法找到两张图像间的单应性矩阵，减少错误匹配。

1.3 图像拼接

基于RANSAC算法的