谷歌全景拼接出错之我见

最近，一篇关于使用谷歌AI全景拼接技术对照片进行拼接出错的新闻引爆了社交网络。这和我前段时间所研究的Opencv全景拼接技术有关，因此这篇新闻也引起了我的兴趣。

事件的起因是Alex Harker和他的朋友在加拿大路易斯湖滑雪场滑雪时，拍了三张照片（如图1所示），一张有人物的，另两张为纯风景照，当用谷歌照片合成时，竟然出现了“山中巨人”般的效果（如图2所示）。

图1 原始三张照片

图2 谷歌拼接后的照片

图2的拼接照片确实很诡异，那么问题到底出在哪呢？

首先，我用Opencv对图1的三幅照片进行全景拼接看看效果如何。

图3 Opencv全景拼接的结果

图2和图3相比较可以看出，两者本质上是一致的，也就是第1幅照片和第3幅照片进行了完整的全景拼接，对第2幅居于中心位置的头部进行了保留。因此我有理由相信，谷歌AI的全景拼接技术与Opencv全景拼接技术一样，都是基于Brown和D. Lowe所提出的全景拼接技术，其论文为Automatic PanoramicImage Stitching using Invariant Features。（这里要说明一点的是，我并没有得到原始尺寸大小的那三幅照片，所以拼接的效果可能会有些偏差，但不影响技术的分析。）

应用Brown和D. Lowe的全景拼接技术，必须满足一个条件：所有照片必须是由通过旋转相机的方式得到的，即相机的位置是不能变的，因为只有这样才能计算照片之间的单应矩阵。论文是这样叙述的：Assuming that the camera rotates about its optical centre, the groupof transformations the images may undergo is a special group of homographies。

我们来分析一下图1中的那三幅照片，很明显，第1幅和第3幅是由相机旋转而拍摄得到了，而第2幅则改变了相机的位置。所以拼接图像是以由第1幅和第3幅拼接得到的图像为主。而为什么又拼接了一个头部呢？头部正好位于图像的中心部分，算法认为相机没有旋转，而仅仅是焦距的变化，所以就把它也拼接了进去。如果没有第2幅照片的话，其实第1幅和第3幅拼接得是十分完美的。

另外需要说明的是，Brown和D.Lowe所提出的全景拼接技术不是像Alex Harker所应用的那些：先拍人物照片，再拍一些背景，这样就可以把背景拼接，然后再把人物添加进去。这也是导致拼接失败的原因。正确的做法应该是照片之间重叠部分的内容应该是完全一致的。

从这个实例可以看出，目前的全景拼接技术还存在一些缺陷，还不能让人们随心所欲的拼接任意图像。这也让我想起了前几年的一个笑话：谷歌在图像识别分类上，把黑人归为猩猩一类。其实从技术的角度来看，我不得不佩服谷歌的技术，能把黑人识别为猩猩已经是一件了不起的进步了。