位置: IT常识 - 正文

5.OpenCV图像拼接(opencv拼接图片)

编辑:rootadmin
5.OpenCV图像拼接 一、前言

推荐整理分享5.OpenCV图像拼接(opencv拼接图片),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:opencv图片叠加显示,opencv 拼图,opencv图片叠加显示,opencv图片合成,opencv两张图片融合,opencvsharp 图像拼接,opencv图片合成,opencv 拼图,内容如对您有帮助,希望把文章链接给更多的朋友!

   图像拼接(Image Stitching)是一种利用实景图像组成全景空间的技术,它将多幅图像拼接成一幅大尺度图像或360°全景图,可视作场景重建的一种特殊情况,其中图像仅通过平面单应性进行关联。图像拼接在运动检测和跟踪,增强现实,分辨率增强,视频压缩和图像稳定等机器视觉领域有很大的应用。   图像拼接的输出是两个输入图像的并集。

输入图像特征点提取特征点匹配图像配准投影变换拼缝计算图像融合生成全景图

1、特征点提取(Feature Extraction):检测输入图像中的特征点。 2、图像配准(Image Registration):建立了图像之间的集合对应关系,使它们可在一个共同的参照系中进行变换、比较和分析。 3、投影变换(Warping):将其中一幅图像的图像重投影,并将图像放置在更大的画布上。 4、图像融合(Blending):通过改变边界附近的图像灰度级,去除这些缝隙,创建混合图像,从而在图像之间实现平滑过渡。混合模式(Blending Modes)用于将两层融合到一起。

二、实现方法基于SURF的图像拼接5.OpenCV图像拼接(opencv拼接图片)

  用SIFT算法来实现图像拼接是很常用的方法,但是因为SIFT计算量很大,所以在速度要求很高的场合下不再适用。所以,它的改进方法SURF因为在速度方面有了明显的提高(速度是SIFT的3倍),所以在图像拼接领域还是大有作为。虽说SURF精确度和稳定性不及SIFT,但是其综合能力还是优越一些。下面将详细介绍拼接的主要步骤。

1.特征点提取和匹配 //创建SURF对象 //create 参数 海森矩阵阈值 Ptr<SURF> surf; surf = SURF::create(800); //暴力匹配器 BFMatcher matcher; vector<KeyPoint> key1, key2; Mat c, d; //寻找特征点 surf->detectAndCompute(left, Mat(), key2, d); surf->detectAndCompute(right, Mat(), key1, c); //特征点对比 保存 vector<DMatch>matches; //使用暴力匹配器匹配特征点 保存 matcher.match(d, c, matches); //排序 从小到大 sort(matches.begin(), matches.end()); //保留最优的特征点收集 vector<DMatch>good_matches; int ptrPoint = std::min(50, (int)(matches.size()*0.15)); for(int i=0; i<ptrPoint; i++) good_matches.push_back(matches[i]); //最佳匹配的特征点连成一线 Mat outimg; drawMatches(left, key2, right, key1, good_matches, outimg, Scalar::all(-1), Scalar::all(-1), vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); imshow("outimg", outimg);

2.图像配准

  这样子就得到了两幅待拼接图的匹配点集,接下来进行图像的配准,即将两张图像转换为同一坐标下,这里需要使用findHomography函数来求得变换矩阵。   但是需要注意的是,findHomography函数所要用到的点集是Point2f类型的,所以需要对刚得到的点集good_matches再做一次处理,使其转换为Point2f类型的点集。

//特征点配准 vector<Point2f>imagepoint1, imagepoint2; for(int i=0; i<good_matches.size(); i++) { imagepoint1.push_back(key1[good_matches[i].trainIdx].pt); imagepoint2.push_back(key2[good_matches[i].queryIdx].pt); }

  上述操作后,用imagepoint1, imagepoint2去求变换矩阵,并且实现图像配准。   值得注意的是findHomography函数的参数中选择CV_RANSAC。使用RANSAC算法继续筛选可靠地匹配点,这使得匹配点解更为精确。

//透视转换 Mat homo = findHomography(imagepoint1, imagepoint2, CV_RANSAC); imshow("homo", homo); //右图四个顶点坐标转换计算 CalcCorners(homo, right); Mat imageTransform; warpPerspective(right, imageTransform, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x), left.rows)); imshow("imageTransform", imageTransform);

3.图像拷贝

拷贝的思路很简单,就是将左图直接拷贝到配准图上就可以了。

int dst_width = imageTransform.cols; int dst_height = imageTransform.rows; Mat dst(dst_height, dst_width, CV_8UC3); dst.setTo(0); imageTransform.copyTo(dst(Rect(0, 0, imageTransform.cols, imageTransform.rows))); left.copyTo(dst(Rect(0, 0, left.cols, left.rows)));

4.图像融合(去裂缝处理) OptimizeSeam(left, imageTransform, dst); imshow("dst", dst); waitKey(0);//优化两图的连接处,使得拼接自然void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst){ int start = MIN(corners.left_top.x, corners.left_bottom.x);//开始位置,即重叠区域的左边界 double processWidth = img1.cols - start;//重叠区域的宽度 int rows = dst.rows; int cols = img1.cols; //注意,是列数*通道数 double alpha = 1;//img1中像素的权重 for (int i = 0; i < rows; i++) { uchar* p = img1.ptr<uchar>(i); //获取第i行的首地址 uchar* t = trans.ptr<uchar>(i); uchar* d = dst.ptr<uchar>(i); for (int j = start; j < cols; j++) { //如果遇到图像trans中无像素的黑点,则完全拷贝img1中的数据 if (t[j * 3] == 0 && t[j * 3 + 1] == 0 && t[j * 3 + 2] == 0) { alpha = 1; } else { //img1中像素的权重,与当前处理点距重叠区域左边界的距离成正比,实验证明,这种方法确实好 alpha = (processWidth - (j - start)) / processWidth; } d[j * 3] = p[j * 3] * alpha + t[j * 3] * (1 - alpha); d[j * 3 + 1] = p[j * 3 + 1] * alpha + t[j * 3 + 1] * (1 - alpha); d[j * 3 + 2] = p[j * 3 + 2] * alpha + t[j * 3 + 2] * (1 - alpha); } }}

三、完整代码#include <iostream>#include <opencv2/opencv.hpp>#include <opencv2/highgui.hpp>#include <opencv2/xfeatures2d.hpp>#include <opencv2/calib3d.hpp>#include <opencv2/imgproc.hpp>using namespace std;using namespace cv;using namespace cv::xfeatures2d;typedef struct{ Point2f left_top; Point2f left_bottom; Point2f right_top; Point2f right_bottom;}four_corners_t;four_corners_t corners;void CalcCorners(const Mat& H, const Mat& src){ double v2[] = { 0, 0, 1 };//左上角 double v1[3];//变换后的坐标值 Mat V2 = Mat(3, 1, CV_64FC1, v2); //列向量 Mat V1 = Mat(3, 1, CV_64FC1, v1); //列向量 V1 = H * V2; //左上角(0,0,1) cout << "V2: " << V2 << endl; cout << "V1: " << V1 << endl; corners.left_top.x = v1[0] / v1[2]; corners.left_top.y = v1[1] / v1[2]; //左下角(0,src.rows,1) v2[0] = 0; v2[1] = src.rows; v2[2] = 1; V2 = Mat(3, 1, CV_64FC1, v2); //列向量 V1 = Mat(3, 1, CV_64FC1, v1); //列向量 V1 = H * V2; corners.left_bottom.x = v1[0] / v1[2]; corners.left_bottom.y = v1[1] / v1[2]; //右上角(src.cols,0,1) v2[0] = src.cols; v2[1] = 0; v2[2] = 1; V2 = Mat(3, 1, CV_64FC1, v2); //列向量 V1 = Mat(3, 1, CV_64FC1, v1); //列向量 V1 = H * V2; corners.right_top.x = v1[0] / v1[2]; corners.right_top.y = v1[1] / v1[2]; //右下角(src.cols,src.rows,1) v2[0] = src.cols; v2[1] = src.rows; v2[2] = 1; V2 = Mat(3, 1, CV_64FC1, v2); //列向量 V1 = Mat(3, 1, CV_64FC1, v1); //列向量 V1 = H * V2; corners.right_bottom.x = v1[0] / v1[2]; corners.right_bottom.y = v1[1] / v1[2];}//优化两图的连接处,使得拼接自然void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst){ int start = MIN(corners.left_top.x, corners.left_bottom.x);//开始位置,即重叠区域的左边界 double processWidth = img1.cols - start;//重叠区域的宽度 int rows = dst.rows; int cols = img1.cols; //注意,是列数*通道数 double alpha = 1;//img1中像素的权重 for (int i = 0; i < rows; i++) { uchar* p = img1.ptr<uchar>(i); //获取第i行的首地址 uchar* t = trans.ptr<uchar>(i); uchar* d = dst.ptr<uchar>(i); for (int j = start; j < cols; j++) { //如果遇到图像trans中无像素的黑点,则完全拷贝img1中的数据 if (t[j * 3] == 0 && t[j * 3 + 1] == 0 && t[j * 3 + 2] == 0) { alpha = 1; } else { //img1中像素的权重,与当前处理点距重叠区域左边界的距离成正比,实验证明,这种方法确实好 alpha = (processWidth - (j - start)) / processWidth; } d[j * 3] = p[j * 3] * alpha + t[j * 3] * (1 - alpha); d[j * 3 + 1] = p[j * 3 + 1] * alpha + t[j * 3 + 1] * (1 - alpha); d[j * 3 + 2] = p[j * 3 + 2] * alpha + t[j * 3 + 2] * (1 - alpha); } }}//计算配准图的四个顶点坐标int main(){ Mat left = imread("A.jpg"); Mat right =imread("B.jpg"); imshow("left", left); imshow("right", right); //1.特征点提取和匹配 //创建SURF对象 //create 参数 海森矩阵阈值 Ptr<SURF> surf; surf = SURF::create(800); //暴力匹配器 BFMatcher matcher; vector<KeyPoint> key1, key2; Mat c, d; //寻找特征点 surf->detectAndCompute(left, Mat(), key2, d); surf->detectAndCompute(right, Mat(), key1, c); //特征点对比 保存 vector<DMatch>matches; //使用暴力匹配器匹配特征点 保存 matcher.match(d, c, matches); //排序 从小到大 sort(matches.begin(), matches.end()); //保留最优的特征点收集 vector<DMatch>good_matches; int ptrPoint = std::min(50, (int)(matches.size()*0.15)); for(int i=0; i<ptrPoint; i++) good_matches.push_back(matches[i]); //最佳匹配的特征点连成一线 Mat outimg; drawMatches(left, key2, right, key1, good_matches, outimg, Scalar::all(-1), Scalar::all(-1), vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); imshow("outimg", outimg); //2.图像配准 //特征点配准 vector<Point2f>imagepoint1, imagepoint2; for(int i=0; i<good_matches.size(); i++) { imagepoint1.push_back(key1[good_matches[i].trainIdx].pt); imagepoint2.push_back(key2[good_matches[i].queryIdx].pt); } //透视转换 Mat homo = findHomography(imagepoint1, imagepoint2, CV_RANSAC); imshow("homo", homo); //右图四个顶点坐标转换计算 CalcCorners(homo, right); Mat imageTransform; warpPerspective(right, imageTransform, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x), left.rows)); imshow("imageTransform", imageTransform); //3.图像拷贝 int dst_width = imageTransform.cols; int dst_height = imageTransform.rows; Mat dst(dst_height, dst_width, CV_8UC3); dst.setTo(0); imageTransform.copyTo(dst(Rect(0, 0, imageTransform.cols, imageTransform.rows))); left.copyTo(dst(Rect(0, 0, left.cols, left.rows))); //4.优化拼接最终结果图,去除黑边 OptimizeSeam(left, imageTransform, dst); imshow("dst", dst); waitKey(0); return 0;}
本文链接地址:https://www.jiuchutong.com/zhishi/298845.html 转载请保留说明!

上一篇:浅识WebGL和Three.js(webgl1.0)

下一篇:Vue父子组件生命周期执行顺序是什么?(vue父子组件生命周期钩子执行顺序)

  • wps2019如何兼容office2003(wps 兼容)

    wps2019如何兼容office2003(wps 兼容)

  • iphone连接电脑无反应怎么办(iphone连接电脑无法连接至设备)

    iphone连接电脑无反应怎么办(iphone连接电脑无法连接至设备)

  • 华为nova4e能装内存卡吗(nova4e可以装内存卡吗)

    华为nova4e能装内存卡吗(nova4e可以装内存卡吗)

  • 华为手环丢失定位找回(华为手环丢失如何定位)

    华为手环丢失定位找回(华为手环丢失如何定位)

  • iphone转接头失灵(苹果转接头失灵)

    iphone转接头失灵(苹果转接头失灵)

  • 希沃视频展台的使用方法(希沃视频展台的摄像头有什么用)

    希沃视频展台的使用方法(希沃视频展台的摄像头有什么用)

  • 华为mate30前置摄像头亮红光(华为mate30前置摄像头打不开怎么办)

    华为mate30前置摄像头亮红光(华为mate30前置摄像头打不开怎么办)

  • 邮箱能发文件夹出去吗(邮箱能发送文件夹吗?)

    邮箱能发文件夹出去吗(邮箱能发送文件夹吗?)

  • 台式电脑黑屏只有鼠标箭头(台式电脑黑屏只剩下一个鼠标箭头)

    台式电脑黑屏只有鼠标箭头(台式电脑黑屏只剩下一个鼠标箭头)

  • 荣耀大屏手机有哪些(荣耀新大屏手机)

    荣耀大屏手机有哪些(荣耀新大屏手机)

  • 电脑窗口怎么平铺(电脑桌面窗口怎么平铺)

    电脑窗口怎么平铺(电脑桌面窗口怎么平铺)

  • 蓝牙耳机会泄露信息吗(手机检测不到蓝牙耳机怎么办)

    蓝牙耳机会泄露信息吗(手机检测不到蓝牙耳机怎么办)

  • 淘气值满多少可以极速退款(淘气值满多少可以参加喵糖游戏)

    淘气值满多少可以极速退款(淘气值满多少可以参加喵糖游戏)

  • iphone 11 pro max双卡怎么插(apple iphone 11pro max)

    iphone 11 pro max双卡怎么插(apple iphone 11pro max)

  • 如何关闭airpods(如何关闭airpods pro语音播报)

    如何关闭airpods(如何关闭airpods pro语音播报)

  • 苹果8p手机有几个话筒(苹果8p有几种尺寸)

    苹果8p手机有几个话筒(苹果8p有几种尺寸)

  • 怎么把pdf文件拆开(怎么把pdf文件拆分成几个小文件免费)

    怎么把pdf文件拆开(怎么把pdf文件拆分成几个小文件免费)

  • 荣耀20pro多少寸(荣耀20pro是多少寸)

    荣耀20pro多少寸(荣耀20pro是多少寸)

  • iqoo可不可以开空调(iqoo3可以开空调吗)

    iqoo可不可以开空调(iqoo3可以开空调吗)

  • 手机扩容是什么意思(手机扩容是什么意思 手机扩容相关知识介绍)

    手机扩容是什么意思(手机扩容是什么意思 手机扩容相关知识介绍)

  • oppor11s隐藏相册在哪(oppoa11隐藏相册)

    oppor11s隐藏相册在哪(oppoa11隐藏相册)

  • 小米平板4plus怎么打电话(小米平板4plus怎么投屏到电视)

    小米平板4plus怎么打电话(小米平板4plus怎么投屏到电视)

  • dns解析不正常(修复dns)

    dns解析不正常(修复dns)

  • 蘑菇街如何实名验证(蘑菇街实名认证身份证怎么解除)

    蘑菇街如何实名验证(蘑菇街实名认证身份证怎么解除)

  • Pradollano滑雪站,西班牙内华达山脉国家公园 (© NTCo/iStock/Getty Images Plus)(paul滑雪)

    Pradollano滑雪站,西班牙内华达山脉国家公园 (© NTCo/iStock/Getty Images Plus)(paul滑雪)

  • 建筑企业交税流程
  • 需要考虑的税务问题
  • 公司去社保局开什么发票
  • 建筑公司预收了款项已经开了增值税发票怎么做账
  • 怎么免费用别人的网
  • 新公司开基本户银行选择
  • 公司财务外包费怎么入账
  • 子公司分红款没收到,宣告分红可以免税吗
  • 收到转账支票怎么去银行处理
  • 公共部门管理中具有哪些作用
  • 存货暂估入账需要什么单据?
  • 加盖发票专用章的是
  • 公司授权给公司有风险吗?
  • 其他应收款 应收账款
  • 个人转租工厂需交什么税
  • 营改增后房地产企业增值税税收筹划存在问题
  • 保险的月缴纳可以调整么?
  • 赔偿金要交增值税吗
  • 增值税专用发票可以开电子发票吗
  • 企业所得税汇算清缴账务处理
  • 国税局代开增值税专票要哪些资料?
  • 文化事业建设税计算方法
  • 同一控制下的企业合并的会计核算方法
  • 成本费用跨年度怎么计算
  • 自建房屋没有发票如何入账
  • 小规模可以接收专票吗现在
  • Windows10如何切换中英文输入法
  • 英雄联盟电脑软件图片
  • 公允价值变动损益在利润表哪里
  • 临时设施是租入还是租入
  • 公司认缴出资怎么交税
  • 其他应收款年末余额较大
  • wordpresswiki
  • php访问mysql的五个基本步骤
  • win10iis安装配置
  • 工程收到款项会计分录
  • html+css登录页面
  • vue路由的理解
  • 企业进项税怎么查询
  • 发票作废有费用吗
  • 缴纳税款滞纳金怎么算
  • 小规模纳税人的企业所得税怎么算
  • 在建工程过程中取得收入怎么入账
  • 固定资产清理净损益怎么计算出来的
  • 企业分红所得税
  • sql中的row_number
  • 应付股利是否影响未分配利润
  • 农副产品普通发票可以抵扣增值税吗
  • mysql中的null值和空
  • 备用金支出没有发票怎么办
  • MySQL中使用FREDATED引擎实现跨数据库服务器、跨实例访问
  • 发票金额和付款金额差几毛钱
  • 车辆上牌的费用应付多少?
  • 工会经费计提比例0.8%
  • 会计每个月需要打印科目余额表吗
  • 会计计算工资的步骤流程
  • sql server2012操作步骤
  • mysqlbinlog -vvv
  • 无法安装mysql数据库
  • fedora怎么安装软件
  • badcommandorfilename是什么意思
  • mac如何快速复制文件
  • linux wordpress gzip压缩开启方法
  • Win8如何根据需要自定义文件管理器导航窗格
  • win8 ui
  • pycharm远程调试linux
  • dos 判断
  • python自动发邮件内容
  • vue怎么做兼容
  • nodejs怎么连接mysql
  • jquery js区别
  • 在androidstudio中,如何改变图片的位置
  • 河北税务怎么查询交了没有
  • 成都税务举报电话多少
  • 从国外进口设备需要缴纳增值税吗
  • 按期申报和按次申报的区别
  • 建筑增值税税率历次调整
  • 广州市地税服务大厅
  • 广东省社保缴费基数
  • 2021年福利彩票47期
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设