3. 根据关键点特征和描述符, 对两张图像进行匹配, 得到若干匹配点对, 并移除错误匹配
4. 使用Ransac算法和匹配的特征来估计单应矩阵(homography matrix)
5. 通过单应矩阵来对图像进行仿射变换
6. 两图像拼接,重叠部分融合
7. 裁剪以获得美观的最终图像
本次实验通过拍摄多组不同的图片来实现图像的拼接.
# 参考自https://cloud.tencent.com/developer/article/2214756 并作修改
import numpy as np
import cv2
import imutils
from imutils import paths
images = 'image' # 输入图像路径
output = 'res/mix.png' # 输出图像
crop = True
# 使用imutils.path.list_images获取输入图像路径中所有图像的路径并排序
imagePaths = sorted(list(paths.list_images(images)))
images = []
# 读取图像
for imagePath in imagePaths:
image = cv2.imread(imagePath)
images.append(image)
# 创建图像缝合器
stitcher = cv2.Stitcher_create()
(status, stitched) = stitcher.stitch(images)
# status 代表拼接状态,成功时status为0
if status == 0:
# 进入裁剪图像
if crop:
# 在拼图周围添加2像素
stitched = cv2.copyMakeBorder(stitched, 2, 2, 2, 2,
cv2.BORDER_CONSTANT, (0, 0, 0))
# 图像灰度化处理
gray = cv2.cvtColor(stitched, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)[1]
# 查找阈值图像的轮廓
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
c = ma