利用opencv2.4.10+VS2012和RobHess的sift特征算法实现全景图像拼接

最新推荐文章于 2024-06-09 11:07:13 发布

iplab_gdufs

最新推荐文章于 2024-06-09 11:07:13 发布

阅读量6.5k

点赞数 2

分类专栏：基础训练文章标签： RobHess

本文链接：https://blog.csdn.net/iplab_gdufs/article/details/49050887

版权

利用opencv2.4.10+VS2012和RobHess的sift特征算法实现全景图像拼接

一、保证opencv配置成功，可以参考以下网址来配置。
openCV的配置

二、下载RobHess的SIFT源码并测试使用其源代码。
1、下载
下载“sift-latest_win.zip”这个文件（下载链接）。

2、测试（自信opencv配置成功的话可以跳过这一步）
测试使用其源码可参考此网址。
在测试过程可能会遇到如下错误：
“error LNK1104: 无法打开文件“cv200d.lib” D:\sift-latest_win\sift-1.1.2_20101207_win\match\LINK match”
在菜单中点击”项目”->”属性”->”配置属性”->”链接器”->”输入”，把”附加依赖项”的其中四个lib文件删除，文件名如图

如果能成功运行程序，证明环境配置成功，可以使用RobHess的源码。

三、实现全景拼接的具体操作。
1、新建一个控制台应用程序并给它命名，例如“RobHess_SIFT”。

2、添加所需项。
从下载的文件夹当中找到所需的头文件（.h）和源文件（.c）拷贝到项目的默认路径，然后将其添加到”解决方案资源管理器“，如图
这里写图片描述
（图中显示的即为所需文件）

3、取消.c文件的预编译。
“项目”->”属性”->”配置属性”->”C/C++”->”预编译头”，在”预编译头”选项中选择”不适用预编译头”。
这里写图片描述

4、C语法设定，实现C语言在C++文件里面混合编程。
方法：分别打开xform.h、sift.h、kdtree.h、utils.h、imgfeatures.h（以后的代码中有用到这些头文件里面声明的函数，所以在主函数所在文件要把这些头文件都include进来），把所有函数包含在

#ifdef __cplusplus
extern "C" {
#endif

和

#ifdef __cplusplus
}
#endif

之间。

5、（如果跳过了测试步骤的要做这一步）
在util.c中添加“#include < stdargh.h>,不然编译时候会报错。

6、利用源代码实现全景拼接。
主要分为以下几个步骤：
(1) 读入两张图片并分别提取SIFT特征
(2) 利用k-d tree和BBF算法进行特征匹配查找
(3) 利用RANSAC算法筛选匹配点并计算变换矩阵
(4) 图像融合

(1) 读入两张图片并分别提取SIFT特征
调用RobHess源码中的sift_features()函数进行默认参数的SIFT特征提取，主要代码如下：

    img1_Feat = cvCloneImage(img1);//复制图1，深拷贝，用来画特征点  
    img2_Feat = cvCloneImage(img2);//复制图2，深拷贝，用来画特征点  

    //默认提取的是LOWE格式的SIFT特征点  
    //提取并显示第1幅图片上的特征点  
    n1 = sift_features( img1, &feat1 );//检测图1中的SIFT特征点,n1是图1的特征点个数  
    export_features("feature1.txt",feat1,n1);//将特征向量数据写入到文件  
    draw_features( img1_Feat, feat1, n1 );//画出特征点  
    cvNamedWindow(IMG1_FEAT);//创建窗口  
    cvShowImage(IMG1_FEAT,img1_Feat);//显示  

    //提取并显示第2幅图片上的特征点  
    n2 = sift_features( img2, &feat2 );//检测图2中的SIFT特征点，n2是图2的特征点个数  
    export_features("feature2.txt",feat2,n2);//将特征向量数据写入到文件  
    draw_features( img2_Feat, feat2, n2 );//画出特征点  
    cvNamedWindow(IMG2_FEAT);//创建窗口  
    cvShowImage(IMG2_FEAT,img2_Feat);//显示

以上要添加定义的变量（定义为全局变量，以后定义的也是）有

IplImage *img1, *img2, *img1_Feat, *img2_Feat;
struct feature *feat1, *feat2;
int n1, n2;

其中img1，img2保存载入的两张待拼接的图像。
检测出的SIFT特征点如下：
这里写图片描述

这里写图片描述

(2) 利用k-d tree和BBF算法进行特征匹配查找，并根据最近邻和次近邻距离比值进行初步筛选
也是调用RobHess源码中的函数，加上之后的一些筛选处理，主要代码如下：

    //根据图1的特征点集feat1建立k-d树，返回k-d树根给kd_root  
    kd_root = kdtree_build( feat1, n1 );  

    Point pt1,pt2;//连线的两个端点  
    double d0,d1;//feat2中每个特征点到最近邻和次近邻的距离  
    int matchNum = 0;//经距离比值法筛选后的匹配点对的个数  

    //遍历特征点集feat2，针对feat2中每个特征点feat，选取符合距离比值条件的匹配点，放到feat的fwd_match域中  
    for(int i = 0; i < n2; i++ )  
    {  
        feat = feat2+i;//第i个特征点的指针  
        //在kd_root中搜索目标点feat的2个最近邻点，存放在nbrs中，返回实际找到的近邻点个数  
        int k = kdtree_bbf_knn( kd_root, feat, 2