创建全景图
在同一位置(即图像的照相机位置相同)拍摄的两幅或者多幅图像是单应性相关的,使用该约束将很多图像缝补起来,拼成一个大的图像来,创建全景图像。
目标:将数张有重叠部分的图像通过特征点检测,匹配,图像变换拼成一幅无缝的全景图或高分辨率图像。
如何创建全景图像?
1、 提供一组图像集,实现特征匹配(相邻图像之间要有重复区域)
2、通过匹配特征计算图像之间的变换结构
3、利用图像变换结构,实现图像映射
4、 针对叠加后的图像,采用APAP之类的算法,对齐特征点
5、 通过图割方法,自动选取拼接缝
实现图像集之间的特征匹配
import sift
featname = ['D:输入图片/Univ'+str(i+1)+'.sift' for i in range(5)]
imname = ['D:输入图片/Univ'+str(i+1)+'.jpg' for i in range(5)]
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])
使用RANSAC求解单应性矩阵
RANSAC(Random Sample Consensus)即随机采样一致性,对SIFT算法产生的128维特征描述符进行剔除错误匹配点。
它的基本思想是:数据中包含正确的点和噪声点,给定一个合理的模型,这个模型应该能够在描述正确数据点的同时摒弃噪声点。
class RansacModel(object):
def __init__(self,debug=False):
self.debug = debug
def fit(self, data):
#计算选取的4个对应点对,拟合一个