Les méthodes numériques d'assemblage d'images utilisent généralement des processus qui sont réalisés en plusieurs étapes successives:

• la mise en correspondance
• la détermination des paramètres d'image
• la reprojection des images
• la fusion

   La mise en correspondance est le point le plus crucial pour l'assemblage d'image. Elle consiste à trouver dans chacune des images des éléments visuels communs.
Ces éléments peuvent être des points caractéristiques (sommets, intersections, ...), des zones des images (travail au niveau des pixels).

   Cette mise en correspondance peut être réalisée de manière plus ou moins automatisée selon le contenu des images à assembler et/ou la manière dont elles ont été obtenues. Il n'existe pas de méthode entièrement automatique pour analyser le contenu d'images qui peuvent ne pas avoir de cohérence (de zones semblables) entre elles.
Par contre, il est possible d'introduire des mécanismes d'automatisation pour limiter l'étendue d'une recherche exhaustive des correspondances en proposant des mises en correspondances partielles ou approximatives. Ces dernières peuvent être données de manière explicite en effectuant un assemblage approximatif de manière interactive, ou implicite quand les images sont fournies dans un ordre donné (par exemple de la gauche vers la droite) et dans lesquelles il existe des zones de recouvrement (par exemple la partie droite de l'image de gauche est en recouvrement avec la partie gauche de l'image de droite).

Dans le cas de mise en correspondance de caractéristique de type "point" de manière interactive, tous les pixels correspondant à un élément visible de l'environnement dans les images peuvent être mis en relation.
La figure suivante illustre un exemple de mise en correspondance entre quelques points caractéristiques d'un ensemble de quatre photographies, prises volontairement dans des orientations quelconques.

 Dans le cas de l'utilisation de zones de regroupement, l'utilisateur va indiquer au processus d'assemblage une solution approximative qui va permettre de trouver, par approximations successives ou par raisonnement géométrique, le nombre le plus grand possible de mise en correspondances entre les caractéristiques de plus bas niveau (pixels par exemple) de chaque image.

    La mise en correspondance nécessite la présence qu'une même caractéristique visible au minimum dans deux images différentes. Il est possible que ce nombre soit plus élevé (comme dans l'exemple donné où une même caractéristique de type "point" est appariée quatre fois) ce qui pourra faciliter ou améliorer quantitavitement la phase suivante de la détermination des paramètres.

   La détermination des paramètres de chaque image est réalisée par une optimisation des équations géométriques (généralement non-linéaires) résultant des mises en correspondance des caractéristiques précédentes.
Il s'agit principalement de la détermination de l'orientation de chaque image, mais aussi des caractéristiques optiques de (ou des) objectif(s) ayant été utilisé(s).
Si ces dernières caractéristiques sont déjà connues, elles ne figurent plus dans la liste des paramètres à déterminer mais dans celle des données des équations.
La solution à cette détermination n'étant pas forcément numériquement exacte, des méthodes de minimisation d'erreur doivent être mises en oeuvre. L'erreur à minimiser peut porter sur des caractéristiques géométriques comme par exemple les distances qui existent, pour chacune des caractéristiques, entre les positions réelles dans l'image et les positions recalculées à partir du modèle de l'image. Dans le cas de l'utilisation de zones de recouvrement, l'erreur peut porter sur des différences de couleur ou d'intensité au niveau des pixels des images.

A l'issue de cette phase de détermination des paramètres, chaque image dispose de ses paramètres d'orientation et des caractéristiques optiques associées.

   Chacune des images devant être assemblées sont reprojetées dans l'espace image du panorama, après une éventuelle phase préalable de correction des déformations géométriques (distorsions).

   Les images reprojetées sont fusionnées entre elles dans l'image panoramique.
Des traitement spécifiques peuvent être utilisés pour gérer l'homogénéisation de la colorimétrie des images (si des différences de balance des blancs ou de niveau de luminosité existent) ainsi que les transitions paramétrables entre les bords des images (par exemple par un effet de fondu de largeur plus ou moins grande).

Le résultat de la fusion des images précédentes peut être illustré par l'animation suivante: