笔记:使用 opencv 获取两幅图片的相位偏移

double cameraMoved(cv::Mat prev, cv::Mat curr)
{
assert(1 == prev.channels() && 1 == curr.channels());


cv::Mat curr64f, prev64f, hann;
createHanningWindow(hann, prev.size(), CV_64F);
prev.convertTo(prev64f, CV_64F);
curr.convertTo(curr64f, CV_64F);


Point2d shift = phaseCorrelate(prev64f, curr64f, hann);


return std::sqrt(shift.x * shift.x + shift.y * shift.y);

}


opencv 自带的 example 代码:

phase_corrlate.cpp

Video

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,这里是使用OpenCV和Python的一种解决方案: 1. 加载两幅图片: ```python import cv2 img1 = cv2.imread('image1.png') img2 = cv2.imread('image2.png') ``` 2. 将两幅图片转换为灰度图像: ```python gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) ``` 3. 计算两幅灰度图像的差异: ```python diff = cv2.absdiff(gray1, gray2) ``` 4. 对差异图像进行二值化处理: ```python _, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY) ``` 这里使用阈值30将像素值分为两类:小于30的像素被设为0,大于等于30的像素被设为255。 5. 对二值化后的图像进行形态学处理,以消除噪声: ```python kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel) ``` 这里使用一个5x5的矩形结构元素进行闭形态学操作,将图像中的小孔和黑色小斑点填充。 6. 在差异图像中找到轮廓: ```python contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) ``` 这里使用了cv2.findContours函数来找到二值化图像中的所有轮廓,RETR_EXTERNAL参数表示只检测外部轮廓,CHAIN_APPROX_SIMPLE表示压缩水平、垂直和对角线方向的像素,只保留端点。 7. 在原始图像上用矩形标出差异区域: ```python for c in contours: x,y,w,h = cv2.boundingRect(c) cv2.rectangle(img1, (x,y), (x+w,y+h), (0,0,255), 2) ``` 对于每一个轮廓,使用cv2.boundingRect函数计算出最小的外接矩形,然后在原始图像上用红色矩形框标出。 完整代码如下: ```python import cv2 img1 = cv2.imread('image1.png') img2 = cv2.imread('image2.png') gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) diff = cv2.absdiff(gray1, gray2) _, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY) kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel) contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in contours: x,y,w,h = cv2.boundingRect(c) cv2.rectangle(img1, (x,y), (x+w,y+h), (0,0,255), 2) cv2.imshow('diff', img1) cv2.waitKey(0) cv2.destroyAllWindows() ``` 注意,这种方法只适用于两幅图片中只有一个区域不同的情况。如果有多个不同的区域,或者两幅图片中的物体发生了旋转、缩放等变换,这种方法可能会失效。

“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