图像拼接（四）：双摄像头实时视频拼接（平移模型）_双目摄像头视频融合(1)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

namedWindow("cam2", CV_WINDOW_AUTOSIZE);
namedWindow("stitch", CV_WINDOW_AUTOSIZE);

if (cap1.isOpened()&&cap2.isOpened())
{
    cout << "\*\*\* \*\*\*" << endl;
    cout << "摄像头已启动！"<<endl;
}
else
{
    cout << "\*\*\* \*\*\*" << endl;
    cout << "警告：摄像头打开不成功或者未检测到有两个摄像头!" << endl;
    cout << "程序结束！" <<endl<< "\*\*\* \*\*\*" << endl;
    return -1;
}

//cap1.set(CV\_CAP\_PROP\_FRAME\_WIDTH, 640);
//cap1.set(CV\_CAP\_PROP\_FRAME\_HEIGHT, 480);
//cap2.set(CV\_CAP\_PROP\_FRAME\_WIDTH, 640);
//cap2.set(CV\_CAP\_PROP\_FRAME\_HEIGHT, 480);
cap1.set(CV_CAP_PROP_FOCUS,0);
cap2.set(CV_CAP_PROP_FOCUS, 0);

while (!stop)
{
    if (cap1.read(frame1) && cap2.read(frame2))
    {
        imshow("cam1", frame1);
        imshow("cam2", frame2);

        //彩色帧转灰度
        cvtColor(frame1, frame1, CV_RGB2GRAY);
        cvtColor(frame2, frame2, CV_RGB2GRAY);

        //柱面投影变换
        //frame1 = cylinder(frame1, 1005);
        //frame2 = cylinder(frame2, 1005);
        //匹配和拼接
        /\*视频拼接通过while循环实现，下面这个判断的意思是，有两

*种情形才计算平移参数，一是程序启动时，前3个循环内；二
*是按下回车键时。这样在场景和摄像头相对固定时，避免了平
*移量的重复计算，提高了拼接的实时性
*/
if (k < 3 || waitKey(delay) == 13)//按回车键
{
cout << “正在匹配…”<<endl;
a = getOffset(frame1, frame2);
}
frame = linearFusion(frame1, frame2, a);

        imshow("stitch", frame);
        k++;

    }
    else
    {
        cout << "----------------------" << endl;
        cout << "waitting..." << endl;
    }
    //按下ESC键，退出循环，程序结束
    if (waitKey(1) == 27)
    {
        stop = true;
        cout << "程序结束！" << endl;
        cout << "\*\*\* \*\*\*" << endl;
    }
}
return 0;

}

//计算平移参数
Point2i getOffset(Mat img, Mat img1)
{
Mat templ(img1, Rect(0, 0.4img1.rows, 0.2img1.cols, 0.2img1.rows));
Mat result(img.cols - templ.cols + 1, img.rows - templ.rows + 1, CV_8UC1);//result存放匹配位置信息
matchTemplate(img, templ, result, CV_TM_CCORR_NORMED);
normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
matchLoc = maxLoc;//获得最佳匹配位置
int dx = matchLoc.x;
int dy = matchLoc.y - 0.4img1.rows;//右图像相对左图像的位移
Point2i a(dx, dy);
return a;
}

//线性（渐入渐出）融合
Mat linearFusion(Mat img, Mat img1, Point2i a)
{
int d = img.cols - a.x;//过渡区宽度
int ms = img.rows - abs(a.y);//拼接图行数
int ns = img.cols + a.x;//拼接图列数
Mat stitch = Mat::zeros(ms, ns, CV_8UC1);
//拼接
Mat_ ims(stitch);
Mat_ im(img);
Mat_ im1(img1);

if (a.y >= 0)
{
    Mat roi1(stitch, Rect(0, 0, a.x, ms));
    img(Range(a.y, img.rows), Range(0, a.x)).copyTo(roi1);
    Mat roi2(stitch, Rect(img.cols, 0, a.x, ms));
    img1(Range(0, ms), Range(d, img1.cols)).copyTo(roi2);
    for (int i = 0; i < ms; i++)
        for (int j = a.x; j < img.cols; j++)
            ims(i, j) = uchar((img.cols - j) / float(d)*im(i + a.y, j) + (j - a.x) / float(d)*im1(i, j - a.x));

}
else
{
    Mat roi1(stitch, Rect(0, 0, a.x, ms));
    img(Range(0, ms), Range(0, a.x)).copyTo(roi1);
    Mat roi2(stitch, Rect(img.cols, 0, a.x, ms));
    img1(Range(-a.y, img.rows), Range(d, img1.cols)).copyTo(roi2);
    for (int i = 0; i < ms; i++)
        for (int j = a.x; j < img.cols; j++)
            ims(i, j) = uchar((img.cols - j) / float(d)*im(i, j) + (j - a.x) / float(d)*im1(i + abs(a.y), j - a.x));
}

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

//bbs.csdn.net/topics/618668825)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！