Opencv 图像拼接与融合简单方法Stitcher

Opencv 图像拼接与融合简单方法Stitcher

官方示例

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/stitching.hpp"
#include <iostream>
using namespace std;
using namespace cv;
bool divide_images = false;
Stitcher::Mode mode = Stitcher::PANORAMA;
vector<Mat> imgs;
string result_name = "result.jpg";
void printUsage(char** argv);
int parseCmdArgs(int argc, char** argv);
int main(int argc, char* argv[])
{
    int retval = parseCmdArgs(argc, argv);
    if (retval) return EXIT_FAILURE;
    Mat pano;
    Ptr<Stitcher> stitcher = Stitcher::create(mode);
    Stitcher::Status status = stitcher->stitch(imgs, pano);
    if (status != Stitcher::OK)
    {
        cout << "Can't stitch images, error code = " << int(status) << endl;
        return EXIT_FAILURE;
    }
    imwrite(result_name, pano);
    cout << "stitching completed successfully\n" << result_name << " saved!";
    return EXIT_SUCCESS;
}
void printUsage(char** argv)
{
    cout <<
         "Images stitcher.\n\n" << "Usage :\n" << argv[0] <<" [Flags] img1 img2 [...imgN]\n\n"
         "Flags:\n"
         "  --d3\n"
         "      internally creates three chunks of each image to increase stitching success\n"
         "  --mode (panorama|scans)\n"
         "      Determines configuration of stitcher. The default is 'panorama',\n"
         "      mode suitable for creating photo panoramas. Option 'scans' is suitable\n"
         "      for stitching materials under affine transformation, such as scans.\n"
         "  --output <result_img>\n"
         "      The default is 'result.jpg'.\n\n"
         "Example usage :\n" << argv[0] << " --d3 --try_use_gpu yes --mode scans img1.jpg img2.jpg\n";
}
int parseCmdArgs(int argc, char** argv)
{
    if (argc == 1)
    {
        printUsage(argv);
        return EXIT_FAILURE;
    }
    for (int i = 1; i < argc; ++i)
    {
        if (string(argv[i]) == "--help" || string(argv[i]) == "/?")
        {
            printUsage(argv);
            return EXIT_FAILURE;
        }
        else if (string(argv[i]) == "--d3")
        {
            divide_images = true;
        }
        else if (string(argv[i]) == "--output")
        {
            result_name = argv[i + 1];
            i++;
        }
        else if (string(argv[i]) == "--mode")
        {
            if (string(argv[i + 1]) == "panorama")
                mode = Stitcher::PANORAMA;
            else if (string(argv[i + 1]) == "scans")
                mode = Stitcher::SCANS;
            else
            {
                cout << "Bad --mode flag value\n";
                return EXIT_FAILURE;
            }
            i++;
        }
        else
        {
            Mat img = imread(samples::findFile(argv[i]));
            if (img.empty())
            {
                cout << "Can't read image '" << argv[i] << "'\n";
                return EXIT_FAILURE;
            }
            if (divide_images)
            {
                Rect rect(0, 0, img.cols / 2, img.rows);
                imgs.push_back(img(rect).clone());
                rect.x = img.cols / 3;
                imgs.push_back(img(rect).clone());
                rect.x = img.cols / 2;
                imgs.push_back(img(rect).clone());
            }
            else
                imgs.push_back(img);
        }
    }
    return EXIT_SUCCESS;
}

使用方法

在vs中新建一个空的项目,新建一个源文件,将代码复制到源文件中,右键项目重新生成。找到生成的文件位置,使用控制台运行生成的可执行文件。
这里生成的是‘’图像拼接.exe"
result.jpg是拼接好的图像
在这里插入图片描述

运行效果

从网上随便截了4张相连的图片,名字为1.png,2.png,3.png,4.png
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
最终合成的图像效果如下
–mode panorama
请添加图片描述
–mode scans:请添加图片描述
原图:
在这里插入图片描述

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
以下是使用OpenCV进行图像拼接融合的步骤: 1. 特征点提取:使用ORB和SURF等算法提取两张图片中的特征点。 2. 特征点匹配:使用OpenCV提供的特征点匹配算法,如FLANN或Brute-Force等,将两张图片中的特征点进行匹配。 3. 图像配准:通过计算匹配的特征点之间的变换矩阵,将两张图片进行配准,使它们在同一坐标系下对齐。 4. 图像拼接:将两张图片进行拼接,可以使用OpenCV提供的拼接函数,如cv2.stitcher或cv2.createStitcher等。 5. 图像融合:将拼接后的图像进行融合,可以使用OpenCV提供的图像融合函数,如cv2.addWeighted等。 以下是一个使用ORB算法进行图像拼接融合的Python代码示例: ```python import cv2 # 读取两张图片 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 创建ORB特征点检测器 orb = cv2.ORB_create() # 在两张图片中分别检测特征点和描述符 kp1, des1 = orb.detectAndCompute(img1, None) kp2, des2 = orb.detectAndCompute(img2, None) # 使用Brute-Force算法进行特征点匹配 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) matches = bf.match(des1, des2) # 将匹配的特征点按照距离进行排序 matches = sorted(matches, key=lambda x: x.distance) # 取前10个匹配的特征点 good_matches = matches[:10] # 获取匹配的特征点在两张图片中的坐标 src_pts = [kp1[m.queryIdx].pt for m in good_matches] dst_pts = [kp2[m.trainIdx].pt for m in good_matches] # 计算变换矩阵 M, mask = cv2.findHomography(np.float32(src_pts), np.float32(dst_pts), cv2.RANSAC, 5.0) # 将两张图片进行拼接 result = cv2.warpPerspective(img1, M, (img1.shape[1] + img2.shape[1], img1.shape[0])) result[0:img2.shape[0], 0:img2.shape[1]] = img2 # 将拼接后的图像进行融合 blend = cv2.addWeighted(result[:, :img1.shape[1]], 0.5, result[:, img1.shape[1]:], 0.5, 0) # 显示结果 cv2.imshow('Result', blend) cv2.waitKey(0) cv2.destroyAllWindows() ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值