python opencv 图像拼接的实现方法

时间：2022-10-10 15:56:16

初级的图像拼接为将两幅图像简单的粘贴在一起，仅仅是图像几何空间的转移与合成，与图像内容无关。高级图像拼接也叫作基于特征匹配的图像拼接，拼接时消去两幅图像相同的部分，实现拼接合成全景图。

具有相同尺寸的图A和图B含有相同的部分与不同的部分，如图所示：

python opencv 图像拼接的实现方法           python opencv 图像拼接的实现方法

用基于特征的图像拼接实现后：

python opencv 图像拼接的实现方法

设图像高为h，相同部分的宽度为wx

拼接后图像的宽w=wA+wB-wx

因此，可以先构建一个高为h，宽为W*2的空白图像，将左图像向右平移wx，右图像粘贴在右侧。则右图像刚好覆盖左图像中的相同部分。最终拼接图像完成，完成后的图像左侧有宽度为wx的空白即为所检测出的两幅图像的相同部分，可根据需要选择是否去除。示例图如下。

实现上述效果的步骤如下：

1. 采用surft特征检测算法检测两幅图像的关键特征点；

2. 建立FLANN匹配器，采用目前最快的特征匹配（最近邻搜索）算法FlannBasedMatcher匹配关键点

3.从所匹配的全部关键点中筛选出优秀的特征点（基于距离筛选）

4. 根据查询图像和模板图像的特征描述子索引得出仿射变换矩阵

5. 获取左边图像到右边图像的投影映射关系

6. 透视变换将左图像放在相应的位置

7. 将有图像拷贝到特定位置完成拼接

先放python下利用opencv 进行图像拼接的代码，环境为python2.7+opencv2:

  1. #coding: utf-8
  2. import numpy as np
  3. import cv2
  4. leftgray = cv2.imread('1.jpg')
  5. rightgray = cv2.imread('2.jpg')
  6. hessian=400
  7. surf=cv2.SURF(hessian) #将Hessian Threshold设置为400,阈值越大能检测的特征就越少
  8. kp1,des1=surf.detectAndCompute(leftgray,None) #查找关键点和描述符
  9. kp2,des2=surf.detectAndCompute(rightgray,None)
  10. FLANN_INDEX_KDTREE=0 #建立FLANN匹配器的参数
  11. indexParams=dict(algorithm=FLANN_INDEX_KDTREE,trees=5) #配置索引，密度树的数量为5
  12. searchParams=dict(checks=50) #指定递归次数
  13. #FlannBasedMatcher：是目前最快的特征匹配算法（最近邻搜索）
  14. flann=cv2.FlannBasedMatcher(indexParams,searchParams) #建立匹配器
  15. matches=flann.knnMatch(des1,des2,k=2) #得出匹配的关键点
  16. good=[]
  17. #提取优秀的特征点
  18. for m,n in matches:
  19. if m.distance < 0.7*n.distance: #如果第一个邻近距离比第二个邻近距离的0.7倍小，则保留
  20. good.append(m)
  21. src_pts = np.array([ kp1[m.queryIdx].pt for m in good]) #查询图像的特征描述子索引
  22. dst_pts = np.array([ kp2[m.trainIdx].pt for m in good]) #训练(模板)图像的特征描述子索引
  23. H=cv2.findHomography(src_pts,dst_pts) #生成变换矩阵
  24. h,w=leftgray.shape[:2]
  25. h1,w1=rightgray.shape[:2]
  26. shft=np.array([[1.0,0,w],[0,1.0,0],[0,0,1.0]])
  27. M=np.dot(shft,H[0]) #获取左边图像到右边图像的投影映射关系
  28. dst_corners=cv2.warpPerspective(leftgray,M,(w*2,h))#透视变换，新图像可容纳完整的两幅图
  29. cv2.imshow('tiledImg1',dst_corners) #显示，第一幅图已在标准位置
  30. dst_corners[0:h,w:w*2]=rightgray #将第二幅图放在右侧
  31. #cv2.imwrite('tiled.jpg',dst_corners)
  32. cv2.imshow('tiledImg',dst_corners)
  33. cv2.imshow('leftgray',leftgray)
  34. cv2.imshow('rightgray',rightgray)
  35. cv2.waitKey()
  36. cv2.destroyAllWindows()

所用图像为：

python opencv 图像拼接的实现方法   python opencv 图像拼接的实现方法

拼接完成后的图像为：

python opencv 图像拼接的实现方法

测试一下抗干扰能力，所用图像：

python opencv 图像拼接的实现方法     python opencv 图像拼接的实现方法

拼接结果：

python opencv 图像拼接的实现方法

可见，抗干扰能力还是不错的，在测试中若拼接不成功，则注意以下两点：

1. 所用两幅图像尺寸是否相同，是否有相同的部分。

2. 适当调整hessian的值。

总结

以上所述是小编给大家介绍的python opencv 图像拼接的实现方法，希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！

原文链接：https://blog.csdn.net/qq878594585/article/details/81901703

标签：

相关文章