python街景-全景图像的拼接（使用SUPF算法）

# 初次尝试全景图像拼接
# stitchers算法的基本原理：
# 1 首先就是通过算法找特征点（SURF算法，也可以用SIFT算法）。
# 2 其次就是计算图片之间的特征点的匹配程度，达到阈值才能拼接成功。
# 3 等一系列操作，可参照我的demo01.
# 4 拼接

# 如果要拼接成功：则首要条件是保证图片间图像重叠部分的特征点重合（匹配）的地方比较多。
# 因为特征点提取用的是SURF算法，查阅资料可知：SURF算法主要提取的是一些突出点，比如轮廓边缘，角点。
# 就是说：特征点出现位置，一般都在有形状的地方或者形状变化明显的地方，才有良好的拼接效果。
# 若是图像中大部分区域都为纯白色的天花板，导致整体特征点比较少，图像重叠部分的特征点也较少，会导致其匹配特征点的失败。
# 这个比较适合，一个坐标点的多张照片，全景图的拼接，效果较好。
# sift速度是sift的三倍。
# sift适用于尺度和旋转变换的图像，suft处理亮度变化的图像最好。
# 经调研，选择不同坐标点，不同照片拼接为街道立面的工作，百度做得很好。

# 解决问题的思路：提取特征点的源码，然后把每张图的特征点画出来，观察一下特征点的情况，根据实际情况分析和调整。
# 经过实验发现，Stitcher算法要拼接成功的要素是图间的重叠部分的特征点 重叠度和重叠数量要达到一个阈值才行。

# demo01
import numpy as np
import cv2
from cv2 import Stitcher

if __name__ == "__main__":
    img1 = cv2.imread('one.jpg')
    img2 = cv2.imread('two.jpg')
    stitcher = cv2.createStitcher(False)
    # stitcher = cv2.Stitcher.create(cv2.Stitcher_PANORAMA), 根据不同的OpenCV版本来调用
    (_result, picture_result) = stitcher.stitch((img1, img2))
    # cv2.imshow('picture_result', picture_result)
    cv2.imwrite("./picture_result.jpg", picture_result)
    cv2.waitKey(0)
    quit()