Postupak spajanja (stitching): od mozaika od 800 slika do gigapiksel panorame

26. svibnja 2026.Tehnika

Zašto spajanje? — Od pojedinačne snimke do gigapiksel panorame

Jedna kamera danas tipično isporučuje 24 megapiksela — na zidnoj površini širokoj pet metara to rezultira sa samo 30 PPI (Gigapixel GmbH, 2026). Onima koji obljepljuju ili tiskaju velike površine s vizualnim integritetom potrebno je znatno više razlučivosti: 400 MP na istih pet metara daje oko 127 PPI i čini vidljivim detalje koji do promatrača doista i dopiru. Prave gigapiksel snimke od 100 MP naviše, bez UI povećavanja (upscaling), bez stock portala — to je osnovna premisa tvrtke Gigapixel GmbH, koja je već 2012. godine ostvarila prvu terapiksel snimku na svijetu.

Put do toga ne vodi preko većeg senzora, već kroz spajanje: stotine pojedinačnih snimaka slažu se u mozaik koji se u idealnom slučaju predstavlja kao jedinstvena, kroz cijelo područje oštra snimka. Daniel Hertrich (2018) pokazao je da se 1.200 pojedinačnih slika od 42 MP može spojiti u panoramu od 24 gigapiksela — količina snimaka koja onemogućuje ručnu kontrolu i stavlja algoritam u poziciju odgovornosti. Ključna poveznica između megapiksel mita i fizičke granice jest granica difrakcije: Kako objašnjava Rodriguez (2026), 1.000 MP na senzoru pametnog telefona donijelo bi piksele ispod granice difrakcije (~0,8 µm pri f/1,8) — više MP, dakle, ne znači automatski i više detalja. Opširnije o tome: Mit o 48 megapiksela pametnog telefona.

Zašto onda spajanje? Zato što jedino strategija višestrukog snimanja (multi-shot) zaobilazi fizičku granicu razlučivosti pojedinačnih senzora, a da ne narušava granicu difrakcije, i zato što velikoformatne primjene — od akustičnih panela preko zračnih snimki do muzejskih otisaka — zahtijevaju PPI vrijednosti koje pojedinačna snimka ne može isporučiti.

Algoritmi iza mozaika: SIFT, SURF i usklađivanje značajki (Feature Matching)

Prije nego što se slike stapaju, moraju se poravnati — a za to su zaduženi detektori značajki. Studija Ma et al. (2024) uspoređuje ponovljivost uobičajenih detektora i dolazi do jasnog rezultata: SIFT postiže 92,4 % ponovljivosti, ORB tek 68,1 %. Autori izričito upozoravaju: tko preskoči korak poravnanja, povećava pogrešnu registraciju za faktor 2,3. Za znanstvene i mjeriteljske primjene preporuka je stoga nedvojbena — koristiti detektore neovisne o mjerilu poput SIFT-a ili SURF-a, a ne ORB.

Osim samog usklađivanja značajki, ključna je i fotometrijska dosljednost između segmenata. Thomson et al. (2022) u svojem nizu od 96 kamera koriste korekciju ravnog polja (flat-field correction) kako bi kompenzirali vinjetiranje objektiva te naglašavaju da je prostorna korekcija boja važna za smanjenje artefakata na granicama segmenata. Cabezos-Bernal et al. (2021) koriste X-Rite ColorChecker u svakoj sesiji snimanja kako bi odstupanja boja i ekspozicije učinili mjerljivima — korak koji kod 800+ slika brzo prerasta iz opcije u nužnost. Više o fizičkoj granici detektora i piksela: Granica difrakcije — više megapiksela, ne i više detalja.

Izvori u lancu pogrešaka mnogobrojni su: razlike u ekspoziciji između susjednih kadrova, kromatska aberacija optike, odstupanja nagiba i zaokreta (roll/pitch) montaže panoramske glave te, ne manje važno, pomicanje bliskih objekata uzrokovano paralaksom kod rotacijskih sustava bez adaptera za nodalnu točku.

Otvor blende i difrakcija: f/8 kao idealna vrijednost za spajanje

Svaki otvor blende ima dva suprotna učinka: povećava dubinsku oštrinu, ali istovremeno pojačava difrakciju. Cabezos-Bernal et al. (2021) to formuliraju nedvosmisleno: „The diaphragm was set to f8 […] it is usually the golden number for maximizing image sharpness." U njihovih 90 snimaka (mreža 10×9, 0,76–1,36 GP) f/8 pruža najbolji kompromis između razlučivosti i dubinske oštrine.

Za scene s velikom dubinom — primjerice arhitekturu s bliskim i udaljenim ravninama — f/11 može biti smislen, kako priznaju Kopf et al. (2007), no uz osjetan gubitak razlučivosti zbog difrakcije od otvora f/8 nadalje na većini senzora punog formata. Pravilo glasi: što otvorenije, ali onoliko zatvoreno koliko je potrebno. Fiksni fokus na beskonačno pritom je obavezan — autofokus bi iznova fokusirao pri svakom kadru i uništio preciznost poravnanja.

Još jednom za podsjetnik: granica difrakcije nije teorijski problem, već čvrsta fizička granica. Rodriguez (2026) izračunava da bi 1.000 MP na senzoru pametnog telefona stvorilo piksele znatno ispod granice difrakcije. Tko dakle vjeruje da veći broj megapiksela na istom senzoru rješava problem spajanja, vara se — više detalja pod Granica difrakcije — više megapiksela, ne i više detalja.

Dosljednost boja kroz stotine slika: kalibracija i stapanje (blending)

Stapanje stotina slika iz različitih postavki ekspozicije i ravnoteže bijele boje u besprijekornu panoramu prava je kraljevska disciplina. Dominiraju dva izvora pogrešaka: svijetle trake (banding) na rubovima preklapanja i pomak boja između susjednih polja.

Cabezos-Bernal et al. (2021) dosljedno se oslanjaju na kalibraciju X-Rite ColorCheckerom u svakoj sesiji — time se ravnoteža bijele i temperatura boja ne procjenjuju, već mjere. Thomson et al. (2022) to nadopunjuju korekcijom ravnog polja koja sustavno kompenzira potamnjenje rubova slike uzrokovano vinjetiranjem.

Na strani algoritama, cv2.xphoto.matchGains() daje impresivne brojke: Mia (2026) dokumentira smanjenje traka (banding) za 91 % putem usklađivanja pojačanja (gain matching) u linearnom prostoru boja. Tko radi s 8-bitnim međuformatom, gubi 38 % izvornog dinamičkog raspona — u linearnom 16-/32-bitnom formatu zadržava se 94 % (Mia, 2026).

Zero-Overlap blending u PTGui-ju (PTGui, 2021) raspoređuje razlike u svjetlini preko cijele slike, umjesto da ih koncentrira na rubu. Za krajnji ispis HP (2014) postavlja industrijski standard: ≤ 2 dE2000 dosljednosti boja — vrijednost koju bi svaka gigapiksel panorama trebala zadovoljiti kada se reproducira na velikoformatnim medijima. O formatima datoteka i dubini bita: Formati datoteka PSB, TIFF, JPEG i gigapikseli.

Usporedba softvera: PTGui, Hugin, PanoramaStudio i drugi

Odabir softvera za spajanje odlučuje o brzini, kontroli i kvaliteti izlaza.

PTGui Pro smatra se industrijskim standardom za gigapiksel projekte. Cabezos-Bernal et al. (2021) koriste ga za svoje nizove mozaika od 90 slika, Hertrich (2018) za svoju panoramu od 1.200 slika. PTGui nudi već spomenuto Zero-Overlap stapanje, alat za zakrpe (patch tool) za ciljana poboljšanja i dithering za 8-bitne izvoze (PTGui, 2021).

Hugin, alternativa otvorenog koda, nudi potpunu kontrolu putem CLI-ja i prikladan je za automatizirane procese: pto_gen → cpfind → autooptimiser → nona → enblend (PanoTools Wiki, 2011). Za mozaik i gigapiksel slike wiki izričito preporučuje sekvencijsko stapanje temeljeno na redovima. Tko treba potpunu kontrolu nad svakim parametrom, s Huginom je dobro opslužen — iako je krivulja učenja strma.

PanoramaStudio nudi grafičko sučelje za standardne panorame, ali kod 800+ slika nailazi na granice performansi. PanoVolo (2026) oslanja se na IMU podatke iz kamere kako bi izravno korigirao skretanje/nagib/zaokret (yaw/pitch/roll) — pristup koji posebno dolazi do izražaja u područjima siromašnima strukturama (nebo, monotone površine), gdje detektori temeljeni na značajkama zakazuju.

Preporučeni tijek rada: razvijanje RAW datoteka s kalibracijom unutar kamere → ColorChecker referenca → spajanje u PTGui-ju ili Huginu → izvoz kao 16- ili 32-bitni TIFF. Mia (2026) daje pravilo za radnu memoriju: oko 4 MB RAM-a po megapikselu ciljane panorame. Panorama od 24 GP stoga zahtijeva oko 96 GB RAM-a. Detalji o spajanju zračnih snimki nalaze se pod: Gigapiksel zračne snimke — tehničke osnove.

Kontrola kvalitete: prepoznavanje i ispravljanje pogrešaka

Čak i najbolji algoritam čini pogreške — pitanje je pronalazimo li ih. Dhurga Devi et al. (2025) klasificiraju tri tipična artefakta spajanja: odvajanje (detachment — odvajanje dijela slike od podloge/reference), dupliciranje (duplication — dvostruki prikaz istog objekta) i translokaciju (translocation — pomicanje objekta na pogrešan položaj). Za kvantifikaciju preporučuju SSIM (Structural Similarity Index) za preklapajuća područja i RMSE kao dopunsku metriku.

PanoVolo (2026) preporučuje vizualnu kontrolu pri 100 % zumu — samo na razini piksela postaju vidljivi efekti duhova (ghosting), pogrešne linije i pogreške paralakse. Ako je značajan dio slike pomaknut, pomažu prilagodbe parametara skretanja, nagiba i zaokreta. Dodatno, moderne kamere isporučuju IMU podatke koji u područjima siromašnima strukturama mogu podržati metode temeljene na značajkama.

Alat za zakrpe u PTGui-ju omogućuje ciljano dotjerivanje pojedinih problematičnih zona bez ponovnog izračuna cijele panorame (PTGui, 2021). U Huginu pomaže redoslijed stapanja temeljen na redovima (PanoTools Wiki, 2011) za ciljano upravljanje linijama spoja.

Tko preskoči kontrolu kvalitete, riskira vidljive pogreške na površini konačnog otiska — a pri 127 PPI na pet metara (Gigapixel GmbH, 2026) svaki, pa i najmanji artefakt vidljiv je promatraču. Dodatne napomene o kontroli kvalitete kod zračnih panorama: Gigapiksel zračne snimke — tehničke osnove.