Python实现图像的全景拼接

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