计算机视觉 针对不同场景做全景拼接

针对不同场景做全景拼接

利用RANSAC算法来做不同场景的全景图
在运行代码的时候,会遇到一些错误,主要原因出现在pcv模块中。

from pylab import *
from numpy import *
from PIL import Image

# If you have PCV installed, these imports should work
from PCV.geometry import homography, warp
from PCV.localdescriptors import sift

"""
This is the panorama example from section 3.3.
"""

# set paths to data folder
featname = [r'D:\VScode_workplace\RANSACtest1\sw'+str(i+1)+'.sift' for i in range(5)] 
imname = [r'D:\VScode_workplace\RANSACtest1\sw'+str(i+1)+'.jpg' for i in range(5)]

# extract features and match
l = {}
d = {}
for i in range(5): 
    sift.process_image(imname[i],featname[i])
    l[i],d[i] = sift.read_features_from_file(featname[i])

matches = {}
for i in range(4):
    matches[i] = sift.match(d[i+1],d[i])

# visualize the matches (Figure 3-11 in the book)
for i in range(4):
    im1 = array(Image.open(imname[i]))
    im2 = array(Image.open(imname[i+1]))
    figure()
    sift.plot_matches(im2,im1,l[i+1],l[i],matches[i],show_below=True)


# function to convert the matches to hom. points
def convert_points(j):
    ndx = matches[j].nonzero()[0]
    fp = homography.make_homog(l[j+1][ndx,:2].T)  
    ndx2 = [int(matches[j][i]) for i in ndx]
    tp = homography.make_homog(l[j][ndx2,:2].T) 
    
    # switch x and y - TODO this should move elsewhere
    fp = vstack([fp[1],fp[0],fp[2]])
    tp = vstack([tp[1],tp[0],tp[2]])
    return fp,tp


# estimate the homographies
model = homography.RansacModel() 

fp,tp = convert_points(1)
H_12 = homography.H_from_ransac(fp,tp,model)[0] #im 1 to 2 

fp,tp = convert_points(0)
H_01 = homography.H_from_ransac(fp,tp,model)[0] #im 0 to 1 

tp,fp = convert_points(2) #NB: reverse order
H_32 = homography.H_from_ransac(fp,tp,model)[0] #im 3 to 2 

tp,fp = convert_points(3) #NB: reverse order
H_43 = homography.H_from_ransac(fp,tp,model)[0] #im 4 to 3    


# warp the images
delta = 2000 # for padding and translation

im1 = array(Image.open(imname[1]), "uint8")
im2 = array(Image.open(imname[2]), "uint8")
im_12 = warp.panorama(H_12,im1,im2,delta,delta)

im1 = array(Image.open(imname[0]), "f")
im_02 = warp.panorama(dot(H_12,H_01),im1,im_12,delta,delta)

im1 = array(Image.open(imname[3]), "f")
im_32 = warp.panorama(H_32,im1,im_02,delta,delta)

im1 = array(Image.open(imname[4]), "f")
im_42 = warp.panorama(dot(H_32,H_43),im1,im_32,delta,2*delta)


figure()
imshow(array(im_42, "uint8"))
axis('off')
show()


运行之前需要更改pcv文件,具体步骤如下:
1、找到如下路径:
在这里插入图片描述
看到ransac.py文件,利用vscode打开
在这里插入图片描述
在这几行的print,在之前是没有括号的,与python3起冲突,所以只要加上括号,改成图示即可。

1、室内场景
需要拼接的图片:(集美大学寝室照)
效果:
在这里插入图片描述全景照拼接后显得很扭曲。修改后:

在这里插入图片描述修改后结合上一张图片总结原因应当是图片角度过窄,导致有部分图片拼接较好,而有部分图片拼接失败,被程序过度扭曲且无法拼接。

2、室外景深落差较小的场景
需要拼接的图片(集美大学嘉庚图书馆、中山纪念馆)
在这里插入图片描述在这里插入图片描述在这里插入图片描述
使用SIFT特征匹配得到效果:
在这里插入图片描述在这里插入图片描述
最终拼接效果图:
在这里插入图片描述
室外的全景图片拼接效果较好。但是在右侧拼接处出现了一些偏差。总结原因应当是拍摄过程中两张图片角度过大,使得图片扭曲拼接的出现瑕疵。
然后尝试五张图片
五张图片全景拼接合成:

在这里插入图片描述
但是两次我发现五张图片两次合成的结果又可能不一样。
所以要多运行两次才可以。

3、室外景深落差较大的场景

在室外取了景深落差较大的景,例如以下两个对比:
在这里插入图片描述在这里插入图片描述
这是两个非常明显的景深效果和非景深效果两张图片的对比。
然而在运行的时候,出现了如下错误:

在这里插入图片描述
由图可见,五张图片的sift特征点都形成了矩阵。

在这里插入图片描述

但是可能由于没有找到最佳拟合的线,所以无法进行拼接。
在这里插入图片描述

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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