vivid_yellow:
配准的过程通常逃不出这三个大步骤
1. 找特征：给照片画重点
2. 变换：把照片扭一扭
刚体变换：只旋转和平移，像把照片转个方向挪个位置。
仿射变换：除了转和平移，还能拉伸、缩放，稍微复杂点。
投影变换：像是把照片投到另一个角度，考虑透视效果。
非线性变换：最灵活，像橡皮泥一样随便捏，但也最复杂。
3. 寻优：找到最佳匹配
常见的评分方式有：
均方根距离：算两张图每个点的差距，差距越小越好。
互信息：看两张图的信息共享程度，像查重率。
相关性：看两张图的亮度变化是不是同步。
挑出得分最高的。常见的算法有：
穷尽搜索：挨个试所有可能，笨但准。
梯度下降：像下山一样，往分数高的方向走。
遗传算法：模仿进化，挑出最优解。
配准的两种大流派
1. 基于灰度的配准
基本流程：怎么玩这个“滑动游戏”？
假设参考图叫 R，大小是 M×N（比如100×100像素），待配准图叫 S，大小是P×Q（比如200×200像素）。流程是这样的：
叠起来滑：把 R 当小模板，放在 S 上，像玩拼图一样挪来挪去。
子图登场：每次挪动，R 盖住的那块 S 的区域叫“子图”。子图左上角的坐标记为 (i,j)。
滑动范围：不能滑出界，所以 i 从0到 P−M，j 从0到 Q−N（这就是公式9.2.1说的范围）。
比相似度：每次滑动，都算一下子图和 R 有多像，找个“相似度得分”。得分最高的地方，就是对齐的位置。
主流玩法1：互相关配准法
主流玩法2：最大互信息配准法
2. 基于特征的配准
基本流程：一步步来
基于特征的配准一般有这几步，像是破案的套路：
预处理：先把照片“洗干净”。两张图可能有灰度偏差（亮度不一样）或者几何变形（拉伸、旋转），得尽量抹平这些差异，让后续步骤更顺畅。
找特征：挑出照片里的“线索”，可能是点、线、面，得挑得准、挑得稳。
特征匹配：把两张图的特征一对一连起来，像拉红线牵姻缘。
变换对齐：用匹配好的特征算出“扭图公式”，把待配准图调整到跟参考图一致。
玩法1：基于点特征的图像配准算法
过程是这样的：
建窗口：对参考图的每个特征点 pi（比如房子的角），围着它画个小框（目标窗口），大小是 m×n