بررسی اثر انواع فیلترها برای دوخت تصاویر با استفاده از الگوریتم تبدیل ویژگی مقیاس ثابت (sift)

یکی از شاخه های پردازش تصویر، دوخت تصاویر است. دوخت تصاویر، فرآیندی است برای ترکیب چندین عکس که مناظر تصویربرداری شده، همپوشانی یا پیوستگی دارند. هدف از انجام این کار، ایجاد یک منظره کاملتر و یک سراسرنما از مناظر است. یکی از قویترین و پرکاربردترین روشهای دوخت تصاویر، الگوریتم تبدیل ویژگی مقیاس ثابت (sift) است. در این مقاله، ورودی، تصاویر پنگوئن، کوه و کعبه هستند که هر یک از این سه تصویر به دو قسمت برش زده میشوند. سپس انواع فیلترهای مکانی آرام کننده، تیزکننده و فیلترهای فرکانسی پایینگذر و بالاگذر بر روی هر یک از تصاویر برش خورده اعمال میشوند. دوخت تصاویر برای هر یک از دو تصویر برش خورده با استفاده از الگوریتم sift انجام میشود و روش ارزشیابی و شباهت تصویرخروجی با تصویر ورودی با شاخص سنجش شباهت ساختاری (ssim) سنجیده میشود. نتایج نشان میدهند که اکثر فیلترها تاثیری بر بهبود کیفیت تصویر خروجی نداشته اند و کیفیت تصویر خروجی در حالت بدون فیلتر بهتر است. فقط برای تصویر پنگوئن ها، مقدار ssim بدون اعمال فیلتر ٠/٨١ است و استفاده از فیلترهای آرامکننده میانگیر دایرهای و میانه مقدار ssim را به ٠/٨٣ افزایش داده است و کیفیت تصویر دوختشده بهتر شده است.

investigating the effect of various filters for image stitching using sift algorithm

one of the branches of image processing is image stitching. image stitching is the process of combining multiple images that the captured scenes are overlapping or contiguous. the purpose of doing this is to create a more complete view and a panoramic view of the scene. one of the most powerful and widely used methods of image stitching is the invariant scale feature transform (sift) algorithm. in this paper, the input is penguin, mountain and kaaba images, each of these three images are cut into two parts. then, a variety of spatial smoothing and sharpening filters and low-pass and high-pass frequency filters are applied to each of the cropped images. image stitching for each of the two cropped images is done using sift algorithm and the evaluation method and the similarity of the output image with the input image is measured with the structural similarity index measure (ssim). the results show that most of the filters have no effect on improving the quality of the output image, and the quality of the output image is better in the case without filters. for the penguins image only, the ssim value is 0.81 without applying the filter, and the use of circular and median smoothing filters has increased the ssim value to 0.83, and the quality of the stitched image has improved