基于SIFT特征的全景图像拼接

               

基于SIFT特征的全景图像拼接

分类： 计算机视觉/OpenCV 2013-07-04 21:43  91人阅读  评论(0)  收藏  举报

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

(3) 图像融合

SIFT算法以及RANSAC算法都是利用的RobHess的SIFT源码，前三个步骤RobHess的源码中都有自带的示例。

(1) SIFT特征提取

直接调用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：

[cpp]  view plain copy

1. img1_Feat = cvCloneImage(img1);//复制图1，深拷贝，用来画特征点  
2. img2_Feat = cvCloneImage(img2);//复制图2，深拷贝，用来画特征点  
3.   
4. //默认提取的是LOWE格式的SIFT特征点  
5. //提取并显示第1幅图片上的特征点  
6. 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  
7. export_features("feature1.txt",feat1,n1);//将特征向量数据写入到文件  
8. draw_features( img1_Feat, feat1, n1 );//画出特征点  
9. cvNamedWindow(IMG1_FEAT);//创建窗口  
10. cvShowImage(IMG1_FEAT,img1_Feat);//显示  
11.   
12. //提取并显示第2幅图片上的特征点  
13. 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  
14. export_features("feature2.txt",feat2,n2);//将特征向量数据写入到文件  
15. draw_features( img2_Feat, feat2, n2 );//画出特征点  
16. cvNamedWindow(IMG2_FEAT);//创建窗口  
17. cvShowImage(IMG2_FEAT,img2_Feat);//显示  

检测出的SIFT特征点如下：

                 

(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：

[cpp]  view plain copy

1. //根据图1的特征点集