【OpenCV学习】计算两幅图像的重叠区域

最新推荐文章于 2022-05-02 23:17:44 发布

weixin_33754065

最新推荐文章于 2022-05-02 23:17:44 发布

阅读量1.8k

点赞数

文章标签：人工智能 python

这篇博客介绍如何计算两幅图像的重叠部分。通过将问题转化为多边形求交，结合图像匹配和单应矩阵应用，标识出两图像在原始位置的重叠区域。算法包括图像匹配获取单应矩阵、计算转换后的点集、求多边形交集以及还原原始点集。代码实现中参考了多边形求交集的方法。

摘要由CSDN通过智能技术生成

问题描述：已知两幅图像Image1和Image2，计算出两幅图像的重叠区域，并在Image1和Image2标识出重叠区域。

算法思想：

若两幅图像存在重叠区域，则进行图像匹配后，会得到一张完整的全景图，因而可以转换成图像匹配问题。

图像匹配问题，可以融合两幅图像，得到全景图，但无法标识出在原图像的重叠区域。

将两幅图像都理解为多边形，则其重叠区域的计算，相当于求多边形的交集。

通过多边形求交，获取重叠区域的点集，然后利用单应矩阵还原在原始图像的点集信息，从而标识出重叠区域。

算法步骤：

1.图像匹配计算，获取单应矩阵。

2.根据单应矩阵，计算图像2的顶点转换后的点集。

3.由图像1的顶点集合和图像2的转换点集，计算多边形交集。

4.根据单应矩阵的逆，计算多边形的交集在图像2中的原始点集。

代码实现如下所示:

  1 bool ImageOverlap(cv::Mat &img1,cv::Mat &img2,std::vector<cv::Point> &vPtsImg1,std::vector<cv::Point> &vPtsImg2)
  2 {
  3     cv::Mat g1(img1,Rect(0,0,img1.cols,img1.rows));
  4     cv::Mat g2(img2,Rect(0,0,img2.cols,img2.rows));
  5 
  6     cv::cvtColor(g1,g1,CV_BGR2GRAY);
  7     cv::cvtColor(g2,g2,CV_BGR2GRAY);
  8 
  9     std::vector<cv::KeyPoint> keypoints_roi, keypoints_img;  /* keypoints found using SIFT */
 10     cv::Mat descriptor_roi, descriptor_img;             /* Descriptors for SIFT */
 11     cv::FlannBasedMatcher matcher;                      /* FLANN based matcher to match keypoints */
 12     std::vector<cv::DMatch> matches, good_matches;
 13     cv::SIFT sift;
 14     int i, dist=80;
 15 
 16     sift(g1, Mat(), keypoints_roi, descriptor_roi);      /* get keypoints of ROI image */
 17     sift(g2, Mat(), keypoints_img, descriptor_img);         /* get key