python opencv 实现图像超分辨率_如何使用OpenCV实现多张图像拼接

先来看看OpenCV官方的例子得到效果是非常的好，输入的images如下：

效果：

#Stitcher类与detail命名空间

OpenCV提供了高级别的函数封装在Stitcher类中，使用很方便，不用考虑太多的细节。

低级别函数封装在detail命名空间中，展示了OpenCV算法实现的很多步骤和细节，使熟悉如下拼接流水线的用户，方便自己定制。

可见OpenCV图像拼接模块的实现是十分精密和复杂的，拼接的结果很完善，但同时也是费时的，完全不能够实现实时应用。

我在研究detail源码时，由于水平有限，并不能自由灵活地对各种部件取其所需，取舍随意。

官方提供的stitching和stitching_detailed使用示例，分别是高级别和低级别封装这两种方式正确地使用示例。两种结果产生的拼接结果相同，后者却可以允许用户，在参数变量初始化时，选择各项算法。如下所示：

这涉及到以下算法流程：

命令行调用程序，输入源图像以及程序的参数

特征点检测，判断是使用surf还是orb，默认是surf。

对图像的特征点进行匹配，使用最近邻和次近邻方法，

将两个最优的匹配的置信度保存下来。

对图像进行排序以及将置信度高的图像保存到同一个集合中，

删除置信度比较低的图像间的匹配，得到能正确匹配的图像序列。

这样将置信度高于门限的所有匹配合并到一个集合中。

对所有图像进行相机参数粗略估计，然后求出旋转矩阵

使用光束平均法进一步精准的估计出旋转矩阵。

波形校正，水平或者垂直

拼接

融合，多频段融合，光照补偿。

另外在拼接的时候可以设置不同warper，这样会对拼接之后的图像生成不同效果，常见的效果包括

1. 鱼眼相机
2. 环视(平面曲翘)
3. 默认

如下图所示：

代码演示：

#include #include using namespace cv;using namespace std;int main(int argc, char** argv) { vector files; glob("D:/images/zsxq/1