OpenCV圖像處理之圖像拼接詳解
更新時(shí)間：2022年08月04日 08:41:27 作者：我今年十六歲
本文主要介紹了如何使用C++?OpenCV實(shí)現(xiàn)圖像景拼接，文中的示例代碼講解詳細(xì)，對我們學(xué)習(xí)OpenCV有一定的幫助，感興趣的可以了解一下
圖像拼接技術(shù)
一、需求分析
將下面兩張圖像進(jìn)行拼接
拼接得到一張完整的圖像
二、具體步驟
1.選擇特征點(diǎn)
//1、選擇特征點(diǎn)
//左圖 右圖 識別特征點(diǎn) 是Mat對象 用c d保存
surf->detectAndCompute(left,Mat(),key2,d);
surf->detectAndCompute(right,Mat(),key1,c);
//特征點(diǎn)對比，保存 特征點(diǎn)為中心點(diǎn)區(qū)域比對
vector<DMatch> matches;
matcher.match(d,c,matches);
//排序從小到大 找到特征點(diǎn)連線
sort(matches.begin(),matches.end());
2.保存最優(yōu)的特征點(diǎn)對象
//2、保存最優(yōu)的特征點(diǎn)對象
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]);
}
//2-1、畫線 最優(yōu)的特征點(diǎn)對象連線
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);
3.特征點(diǎn)匹配
//3、特征點(diǎn)匹配
vector<Point2f>imagepoint1,imagepoint2;
for (int i= 0 ;i < good_matches.size();i++)
{
//查找特征點(diǎn)可連接處 變形
imagepoint1.push_back(key1[good_matches[i].trainIdx].pt);
//查找特征點(diǎn)可連接處 查找基準(zhǔn)線
imagepoint2.push_back(key2[good_matches[i].queryIdx].pt);
}
4.透視轉(zhuǎn)換 圖像融合
//4、透視轉(zhuǎn)換 圖形融合
Mat homo = findHomography(imagepoint1,imagepoint2,CV_RANSAC);
//imshow("homo",homo);
//根據(jù)透視轉(zhuǎn)換矩陣進(jìn)行計(jì)算 四個(gè)坐標(biāo)
CalcCorners(homo,right);
//接收透視轉(zhuǎn)換結(jié)果
Mat imageTransForm;
//透視轉(zhuǎn)換
warpPerspective(right,imageTransForm,homo,
Size(MAX(corners.right_top.x,corners.right_bottom.x),left.rows));
//右圖透視變換 由于本次圖片材料是自己截圖拼接的 因此看不出透視變換的明顯特征
//imshow("imageTransForm",imageTransForm);
//結(jié)果進(jìn)行整合
int dst_width = imageTransForm.cols;
int dst_height = left.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)));
右圖的透視轉(zhuǎn)換，由于圖像材料是自己截圖拼接的，因此看不出透視變換的明顯特征，但根據(jù)上圖可知已經(jīng)做出透視變換圖像處理操作
左圖與右圖的透視轉(zhuǎn)換結(jié)果 拼接 【這里只是將窗口移動(dòng)測試看下前面步驟是否正確】
可以看出左圖與右圖的透視轉(zhuǎn)換結(jié)果 是可以進(jìn)行接下來的圖像融合操作的
5.優(yōu)化圖像 進(jìn)行最終的結(jié)果展示
//5、優(yōu)化圖像
OptimizeSeam(left,imageTransForm,dst);
//最終圖像拼接結(jié)果
imshow("dst",dst);
可以看出 順利完成 兩張圖像拼接的圖像處理操作
三、代碼實(shí)現(xiàn)
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>//圖像融合
#include <opencv2/xfeatures2d.hpp>//拼接算法
#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];//變換后的坐標(biāo)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];
}
//圖像融合的去裂縫處理操作
void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst)
{
int start = MIN(corners.left_top.x, corners.left_bottom.x);//開始位置，即重疊區(qū)域的左邊界
double processWidth = img1.cols - start;//重疊區(qū)域的寬度
int rows = dst.rows;
int cols = img1.cols; //注意，是列數(shù)*通道數(shù)
double alpha = 1;//img1中像素的權(quán)重
for (int i = 0; i < rows; i++)
{
uchar* p = img1.ptr<uchar>(i); //獲取第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++)
{
//如果遇到圖像trans中無像素的黑點(diǎn)，則完全拷貝img1中的數(shù)據(jù)
if (t[j * 3] == 0 && t[j * 3 + 1] == 0 && t[j * 3 + 2] == 0)
{
alpha = 1;
}
else
{
//img1中像素的權(quán)重，與當(dāng)前處理點(diǎn)距重疊區(qū)域左邊界的距離成正比，實(shí)驗(yàn)證明，這種方法確實(shí)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);
}
}
}
int main()
{
//左圖
Mat left = imread("D:/00000000000003jieduanshipincailliao/a1.png");
//右圖
Mat right = imread("D:/00000000000003jieduanshipincailliao/a2.png");
//左右圖顯示
imshow("left",left);
imshow("right",right);
//創(chuàng)建SURF對象
Ptr<SURF> surf;
//create 函數(shù)參數(shù) 海森矩陣閥值 800特征點(diǎn)以內(nèi)
surf = SURF::create(800);
//創(chuàng)建一個(gè)暴力匹配器 用于特征點(diǎn)匹配
BFMatcher matcher;
//特征點(diǎn)容器 存放特征點(diǎn)KeyPoint
vector<KeyPoint>key1,key2;
//保存特征點(diǎn)
Mat c,d;
//1、選擇特征點(diǎn)
//左圖 右圖 識別特征點(diǎn) 是Mat對象 用c d保存
surf->detectAndCompute(left,Mat(),key2,d);
surf->detectAndCompute(right,Mat(),key1,c);
//特征點(diǎn)對比，保存 特征點(diǎn)為中心點(diǎn)區(qū)域比對
vector<DMatch> matches;
matcher.match(d,c,matches);
//排序從小到大 找到特征點(diǎn)連線
sort(matches.begin(),matches.end());
//2、保存最優(yōu)的特征點(diǎn)對象
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]);
}
//2-1、畫線 最優(yōu)的特征點(diǎn)對象連線
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);
//3、特征點(diǎn)匹配
vector<Point2f>imagepoint1,imagepoint2;
for (int i= 0 ;i < good_matches.size();i++)
{
//查找特征點(diǎn)可連接處 變形
imagepoint1.push_back(key1[good_matches[i].trainIdx].pt);
//查找特征點(diǎn)可連接處 查找基準(zhǔn)線
imagepoint2.push_back(key2[good_matches[i].queryIdx].pt);
}
//4、透視轉(zhuǎn)換 圖形融合
Mat homo = findHomography(imagepoint1,imagepoint2,CV_RANSAC);
//imshow("homo",homo);
//根據(jù)透視轉(zhuǎn)換矩陣進(jìn)行計(jì)算 四個(gè)坐標(biāo)
CalcCorners(homo,right);
//接收透視轉(zhuǎn)換結(jié)果
Mat imageTransForm;
//透視轉(zhuǎn)換
warpPerspective(right,imageTransForm,homo,
Size(MAX(corners.right_top.x,corners.right_bottom.x),left.rows));
//右圖透視變換 由于本次圖片材料是自己截圖拼接的 因此看不出透視變換的明顯特征
//imshow("imageTransForm",imageTransForm);
//結(jié)果進(jìn)行整合
int dst_width = imageTransForm.cols;
int dst_height = left.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)));
//5、優(yōu)化圖像
OptimizeSeam(left,imageTransForm,dst);
//最終圖像拼接結(jié)果
imshow("dst",dst);
waitKey(0);
return 0;
}到此這篇關(guān)于OpenCV圖像處理之圖像拼接詳解的文章就介紹到這了,更多相關(guān)OpenCV圖像拼接內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
下面小編就為大家?guī)硪黄獪\談C++的淺拷貝出現(xiàn)的錯(cuò)誤。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-01-01
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)簡單版三子棋，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-10-10
C++詳細(xì)講解函數(shù)調(diào)用與Struct和CLass的區(qū)別
主調(diào)函數(shù)使用被調(diào)函數(shù)的功能,稱為函數(shù)調(diào)用。在C語言/C++中,只有在函數(shù)調(diào)用時(shí),函數(shù)體中定義的功能才會被執(zhí)行，下面讓我們詳細(xì)來了解2022-05-05
C 數(shù)組允許定義可存儲相同類型數(shù)據(jù)項(xiàng)的變量，結(jié)構(gòu)是 C 編程中另一種用戶自定義的可用的數(shù)據(jù)類型，它允許你存儲不同類型的數(shù)據(jù)項(xiàng)2021-10-10
c語言swap(a,b)值交換的4種實(shí)現(xiàn)方法
c語言swap(a,b)值交換的4種實(shí)現(xiàn)方法，這么好的東西，盡管簡單，但值得發(fā)表，以此共享。2013-02-02
C++編程中的數(shù)據(jù)類型和常量學(xué)習(xí)教程
這篇文章主要介紹了C++編程中的數(shù)據(jù)類型和常量學(xué)習(xí)教程,是C++入門學(xué)習(xí)中的基礎(chǔ)知識,需要的朋友可以參考下2015-09-09
一文詳解matlab實(shí)現(xiàn)形態(tài)學(xué)圖像處理
這篇文章主要為大家介紹了matlab實(shí)現(xiàn)形態(tài)學(xué)圖像處理詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-03-03
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)掃雷程序，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-12-12
C語言實(shí)現(xiàn)餐飲點(diǎn)餐管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)餐飲點(diǎn)餐管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-01-01
OpenCV實(shí)現(xiàn)彩色照片轉(zhuǎn)換成素描卡通片
這篇文章主要為大家詳細(xì)介紹了OpenCV實(shí)現(xiàn)彩色照片轉(zhuǎn)換成素描卡通片，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-01-01