前言
一个摄像头视野不大的时候,我们希望进行两个视野合并,这样让正视的视野增大,从而可以看到更广阔的标准视野。拼接的方法分为两条路,第一条路是stitcher类,第二条思路是特征点匹配。
本篇使用stitcher匹配,进行两张图来视野合并拼接。
Demo
两张图拼接过程
步骤一:打开图片
步骤二:加入图片进入队列
步骤三:创建拼接类
步骤四:拼接
对拼接后显示所有:
步骤五:对图像进行宽高黑边裁剪(略)
直接写个算法对周边黑色区域进行矩形探测,然后裁剪即可,方法很多,一般我们拍照的图片都不是全黑的,而黑边是全黑的,这个算法写起来有明显的特征。
耗时测试
原始图像1701x1280像素,耗时477ms左右
原始图片1701x1280像素,拼接消耗的时间约477ms:
图像缩小至400x300像素,耗时390ms左右
然后对其图片进行缩放后测试其耗时:
将图片统一缩放为800x600分辨率,其拼接耗时在390ms左右。
图像放大至1920x1080像素,耗时530ms左右
将图片放大至1920x1080分辨率,其拼接耗时在530ms左右
注意
本次测试并不严谨,基于同样图的缩放,单纯控制像素缩放来比较,但是得出的结论可以反应图像大小的影响,最终的耗时是受多方因素影响,包括但不限于检测特征电的数量、重叠区域的大小、像素分辨率、多图。
结论
这种方式适合对照片进行拼接,对黑边处理之后,效果很不错,但是,调用stitcher类实现时对图片的特征匹配有要求,一些特征点不够的图片无法拼接,并且,当图片较大或多张图片拼接时,速度慢。所以,倘若放到视频上,一秒钟25-60fps,那就肯定不行了。
SIFT算法拼接,SIFT算法可以提供较高的准确率,得到的图片需要经过再次处理,才能得到相对较好的图片,
ORB算法拼接,算法的速度非常快,但是最容易出现问题,且得到的图片需要经过再次处理,才能得到相对较好的图片,
函数原型
函数cv::Stitcher::create
- 参数一:拼接模式枚举,只有2个值PANORAMA和SCANS
PANORAMA:创建照片全景的模式,期望图像处于透视状态;
SCANS:合成扫描的模式。期望仿射变换下的图像,默认情况下不补偿曝光。(由于咱们一般总归有角度偏移,所以这个方式对拼接图像有较高要求) - 参数二:是否使用gpu,这种方式编译opencv得带上gpu编译,编译opencv的时候开启支持gpu,在arm上的话,需要先确认芯片是否支持GPU,然后安装GPU驱动,然后编译opencv支持GPU选项,才可以。
函数cv::Stitcher:: stitch
- 参数一:输入图像列表
- 参数二:输出拼接结果
- 参数一:输入图像列表
- 参数二:输入图像列表依次需要拼接的区域
- 参数三:输出拼接结果
Demo源码
对应工程模板v1.69.0