基本介绍
图像的全景拼接,即“缝合”两张具有重叠区域的图来创建一张全景图。其中用到了计算机视觉和图像处理技术有:关键点特征检测、局部不变特征、关键特征点匹配、RANSAC(Random Sample Consensus,随机采样一致性)和透视变形。
具体步骤
(1)检测左右两张图像的SIFT关键特征点,并提取局部不变特征 ;
(2)使用knnMatch检测来自右图(左图)的SIFT特征,与左图(右图)进行匹配 ;
(3)计算视角变换矩阵H,用变换矩阵H对右图进行扭曲变换;
(4)将左图(右图)加入到变换后的图像的左侧(右侧)获得最终图像;
代码:
import cv2 as cv # 导入opencv包 import numpy as np # 导入numpy包,图像处理中的矩阵运算需要用到 # 检测图像的SIFT关键特征点 def sift_keypoints_detect(image): # 处理图像一般很少用到彩色信息,通常直接将图像转换为灰度图 gray_image = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 获取图像特征sift-SIFT特征点,实例化对象sift sift = cv.xfeatures2d.SIFT_create() # keypoints:特征点向量,向量内的每一个元素是一个KeyPoint对象,包含了特征点的各种属性信息(角度、关键特征点坐标等) # features:表示输出的sift特征向量,通常是128维的 keypoints, features = sift.detectAndCompute(image, None) # cv.drawKeyPoints():在图像的关键特征点部位绘制一个小圆圈 # 如果传递标志flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS,它将绘制一个大小为keypoint的圆圈并显示它的方向 # 这种方法同时显示图像的坐标,大小和方向,是最能显示特征的一种绘制方式 keypoint