图像拼接（Image Stitching）

文章目录一、图像拼接二、拼接工具：Fiji三、基于 Fiji 工具的图像拼接3.1、（两张）图像拼接 —— 通过重复操作，可实现多张图像拼接方法一：组合拼接：Combine（无重叠）方法二：成对拼接：Stitching - Pairwise Stitching（有重叠）3.2、（序列）图像拼接应用一：网格拼接：Stitching - Grid/Collection Stitching（支持有无重叠）应用二：网格拼接：Stitching - Grid/Collection Stitching（支持无规律重叠）3.3、BigStitcher —— 适用于大尺寸2D/3D图像（多视角、多通道）四、自定义代码4.1、图像切块（1）支持 patch_size + overlap —— （默认保留）若边界小块不足一个patch（2）支持 patch_size + overlap + boundary_mode（右 / 下侧）：keep + discard + padding + expand（3）支持 patch_size + overlap + boundary_mode（上下左右）：mirror_padding（固定计算 + 动态计算）（4）支持 patch_size + overlap + boundary_mode：mirror_padding（上下左右） + expend（右 / 下侧）3.2、图像拼接（1）支持 patch_size + overlap —— （暂时）只支持keep + discard（2）支持 patch_size + overlap + boundary_mode（上下左右）：mirror_padding（动态计算） —— Fusion_method = Linear Blending / Average一、图像拼接图像拼接（Image Stitching）：是一项计算机视觉技术，它将多张重叠的图像合并为一张更大、无缝的全景图或广角视图。该技术广泛应用于全景摄影、地图制作、医学影像处理、计算机视觉及增强现实（AR）等领域。项目背景：随着大型生物标本高分辨率成像需求的增长，传统显微镜视野的局限性成为一个重要挑战。由于单幅显微镜图像的视野有限，研究人员往往需要对整个标本进行平铺扫描，以获取完整的结构信息。然而，电动载物台提供的物理坐标精度不足，导致相邻图像块之间存在位置偏移或重叠，无法直接重建完整的图像。解决方法：图像拼接可用于重建任意数量的平铺输入图像或图像堆栈，并提供精确的空间对齐。其利用傅立叶移位定理（Fourier Shift Theorem）一次性计算两个 2d / 3d 图像之间所有可能的平移 (x、y[、z])，从而通过互相关度量找到最佳重叠区域。如果使用两个以上的输入图像 / 堆栈，则使用全局优化确定所有图块的正确位置，避免局部误差累积。