python+opencv中最近出现的一些变化( OpenCV 官方的 Python tutorial目前好像还没有改过来?) 记一次全景图像的拼接...
最近在学习过程中发现opencv有了很多变动, OpenCV 官方的 Python tutorial目前好像还没有改过来,导致大家在学习上面都出现了一些问题,现在做一个小小的罗列,希望对大家有用
做的是关于全景图像的拼接,关于sift和surf的语法之后有需要会另开文章具体阐述,此篇主要是解决大家困惑许久的问题。
笔者python3.x
首先是安装上,必须先后安装pip install opencv_python和pip install opencv-contrib-python==3.3.0.10后面一个一定要指定版本号,因为版本上面最新的opencv-contrib-python-3.4.5.20版本好像申请了什么专利,所以我们可能无法调用的,安装上要是出现了报错,先别急着写在,重新运行一次语句,基本上就可能可以了。
然后是关于sift和surf这两条语句上面,它的语法函数也出现了变化,具体可以参考这个
http://answers.opencv.org/question/52130/300-python-cv2-module-cannot-find-siftsurforb/
好像是最近才修改的,真的走了很多弯路才走通。
#这里的代码有改动之后才能用
#sift = cv.xfeatures2d_SIFT().create()修改为
sift = cv2.xfeatures2d.SIFT_create()
hessian=400
#surf=cv2.SURF(hessian)修改为
surf=cv2.xfeatures2d.SURF_create(hessian)
下面给出两个代码,是借鉴了网友的,但是对于报错的部分和需要改正的点都已经纠错完毕了,希望对大家有所帮助。有其他的bug也欢迎留言。
示例1
6.jpg
7.jpg
效果图
#coding: utf-8 import numpy as np import cv2leftgray = cv2.imread('6.jpg') rightgray = cv2.imread('7.jpg')hessian=400 surf=cv2.xfeatures2d.SURF_create(hessian) #surf=cv2.SURF(hessian) #将Hessian Threshold设置为400,阈值越大能检测的特征就越少 kp1,des1=surf.detectAndCompute(leftgray,None) #查找关键点和描述符 kp2,des2=surf.detectAndCompute(rightgray,None)FLANN_INDEX_KDTREE=0 #建立FLANN匹配器的参数 indexParams=dict(algorithm=FLANN_INDEX_KDTREE,trees=5) #配置索引,密度树的数量为5 searchParams=dict(checks=50) #指定递归次数 #FlannBasedMatcher:是目前最快的特征匹配算法(最近邻搜索) flann=cv2.FlannBasedMatcher(indexParams,searchParams) #建立匹配器 matches=flann.knnMatch(des1,des2,k=2) #得出匹配的关键点 good=[] #提取优秀的特征点 for m,n in matches: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 good.append(m) src_pts = np.array([ kp1[m.queryIdx].pt for m in good]) #查询图像的特征描述子索引 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 H=cv2.findHomography(src_pts,dst_pts) #生成变换矩阵 h,w=leftgray.shape[:2] h1,w1=rightgray.shape[:2] shft=np.array([[1.0,0,w],[0,1.0,0],[0,0,1.0]]) M=np.dot(shft,H[0]) #获取左边图像到右边图像的投影映射关系 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 cv2.imshow('tiledImg1',dst_corners) #显示,第一幅图已在标准位置 dst_corners[0:h,w:w*2]=rightgray #将第二幅图放在右侧 #cv2.imwrite('tiled.jpg',dst_corners) cv2.imshow('tiledImg',dst_corners) cv2.imshow('leftgray',leftgray) cv2.imshow('rightgray',rightgray) cv2.waitKey() cv2.destroyAllWindows()
示例2
test1.jpg
test2.jpg
效果图
import numpy as np import cv2 as cv from matplotlib import pyplot as pltif __name__ == '__main__':top, bot, left, right = 100, 100, 0, 500img1 = cv.imread('test1.jpg')img2 = cv.imread('test2.jpg')srcImg = cv.copyMakeBorder(img1, top, bot, left, right, cv.BORDER_CONSTANT, value=(0, 0, 0))testImg = cv.copyMakeBorder(img2, top, bot, left, right, cv.BORDER_CONSTANT, value=(0, 0, 0))img1gray = cv.cvtColor(srcImg, cv.COLOR_BGR2GRAY)img2gray = cv.cvtColor(testImg, cv.COLOR_BGR2GRAY)#这里的代码有改动之后才能用#sift = cv.xfeatures2d_SIFT().create()sift = cv2.xfeatures2d.SIFT_create()# find the keypoints and descriptors with SIFTkp1, des1 = sift.detectAndCompute(img1gray, None)kp2, des2 = sift.detectAndCompute(img2gray, None)# FLANN parametersFLANN_INDEX_KDTREE = 1index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)search_params = dict(checks=50)flann = cv.FlannBasedMatcher(index_params, search_params)matches = flann.knnMatch(des1, des2, k=2)# Need to draw only good matches, so create a maskmatchesMask = [[0, 0] for i in range(len(matches))]good = []pts1 = []pts2 = []# ratio test as per Lowe's paperfor i, (m, n) in enumerate(matches):if m.distance < 0.7*n.distance:good.append(m)pts2.append(kp2[m.trainIdx].pt)pts1.append(kp1[m.queryIdx].pt)matchesMask[i] = [1, 0]draw_params = dict(matchColor=(0, 255, 0),singlePointColor=(255, 0, 0),matchesMask=matchesMask,flags=0)img3 = cv.drawMatchesKnn(img1gray, kp1, img2gray, kp2, matches, None, **draw_params)plt.imshow(img3, ), plt.show()rows, cols = srcImg.shape[:2]MIN_MATCH_COUNT = 10if len(good) > MIN_MATCH_COUNT:src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2)dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2)M, mask = cv.findHomography(src_pts, dst_pts, cv.RANSAC, 5.0)warpImg = cv.warpPerspective(testImg, np.array(M), (testImg.shape[1], testImg.shape[0]), flags=cv.WARP_INVERSE_MAP)for col in range(0, cols):if srcImg[:, col].any() and warpImg[:, col].any():left = colbreakfor col in range(cols-1, 0, -1):if srcImg[:, col].any() and warpImg[:, col].any():right = colbreakres = np.zeros([rows, cols, 3], np.uint8)for row in range(0, rows):for col in range(0, cols):if not srcImg[row, col].any():res[row, col] = warpImg[row, col]elif not warpImg[row, col].any():res[row, col] = srcImg[row, col]else:srcImgLen = float(abs(col - left))testImgLen = float(abs(col - right))alpha = srcImgLen / (srcImgLen + testImgLen)res[row, col] = np.clip(srcImg[row, col] * (1-alpha) + warpImg[row, col] * alpha, 0, 255)# opencv is bgr, matplotlib is rgbres = cv.cvtColor(res, cv.COLOR_BGR2RGB)# show the result plt.figure()plt.imshow(res)plt.show()else:print("Not enough matches are found - {}/{}".format(len(good), MIN_MATCH_COUNT))matchesMask = None
转载于:https://www.cnblogs.com/xingnie/p/10230278.html
python+opencv中最近出现的一些变化( OpenCV 官方的 Python tutorial目前好像还没有改过来?) 记一次全景图像的拼接...相关推荐
- Gabor滤波简介与Opencv中的实现及参数变化实验
声明:本篇文章为转载,目的是便于以后查找学习 Gabor滤波是一种非常常见的特征提取算法,在人脸识别等领域有着很广泛的应用,在这里我主要介绍一下Gabor滤波器的公式及Opencv下的代码实现,以及我 ...
- opencv中mean函数耗时_使用OpenCV进行人脸对齐
在人脸识别项目中,如果图片中人脸的方向各不一样且相差很大,这样会影响人脸识别的准确率.所以在实际人脸检测项目中,在人脸识别的前一步往往会先进行人脸对齐.人脸对齐可以看作是数据normalization ...
- 下列关于python语言中缩进的说法正确的是_关于Python程序中与“缩进”有关的说法中,以下选项中正确的是 _________ 。_学小易找答案...
[单选题]表达式 'x' or 'y' or [] 的返回值为______. [判断题]( )中国与金砖国家贸易互补性强. [判断题]( ).中国是世界上最大的纺织品生产国和出口国,约占世界纺织品贸易 ...
- 哪个是python程序中与缩进有关的正确说法_关于Python程序中与“缩进”有关的说法中,以下选项中正确的是()。_学小易找答案...
[单选题]白内障的主要症状 [多选题]白内障病人手术后护理重点观察是 [单选题]某女,21岁.排球比赛时与队员发生碰撞,后诉鼻梁疼痛来院就诊,检查鼻腔发现鼻中隔有一小血肿.正确处理方法是 [单选题]开 ...
- python表达式中可以控制运算的优先顺序_在Python表达式中可以使用_______控制运算的优先顺序。...
[填空题]Python中的大部分对象均为不可变对象,例如___________________________等,_ __________________________________等则为可变对象 ...
- 属于python语言中合法的二进制整数是_以下选项属于 Python 整数类型的是( )
[单选题]3*1**3 表达式输出结果为________ [多选题]以下的布尔代数运算正确的是( ) [单选题]下列________不是Python的数据类型. [单选题]下列不是Python语言关键 ...
- win python ide_Win中同时安装python2和python3及SulimeText3的python IDE搭建
一.下载安装Sublime Text3,初衷是不想忍受pycharm的打开速度,想享受下飞的质感.Sublime Text3的安装已经久远,请自行google. 二.安装python2.7与pytho ...
- python语言中整型对应的英文是什么-12.Python数值类型(整形、浮点型和复数)及其用法...
实际开发中,我们经常需要使用数字记录游戏中用户的得分.游戏中角色的生命值.伤害值等信息,Python 语言提供了数值类型用于保存这些数值. 需要注意的是,Python 中这些数值类型都是不可改变的,也 ...
- python游戏中加入背景音乐_添加声音到你的 Python 游戏 | Linux 中国
通过添加声音到你的游戏中,听听当你的英雄战斗.跳跃.收集战利品时会发生什么.学习如何在这个 Pygame 系列的第十三篇文章中,创建一个声音平台类精灵. (本文字数:2707,阅读时长大约:4 分钟) ...
- Opencv中的erode和dilate(腐蚀和膨胀-python实现)
文章目录 1.腐蚀原理 (1)具体实现过程 (2).函数讲解 (3).代码实战 2.膨胀原理 (1)具体实现过程 (2)函数讲解 (3)代码实现 1.腐蚀原理 (1)具体实现过程 腐蚀会把物体的边界腐 ...
最新文章
- TensorFlow入门(二)简单前馈网络实现 mnist 分类
- 蓝桥杯 黄金连分数(BigDecimal的使用)
- winfrom实现简单计算器V2版本
- 现代软件工程 (备份)
- mysql查询今天_昨天_7天_近30天_本月_上一月 数据_(转载)mysql查询今天、昨天、7天、近30天、本月、上一月数据...
- 学硕、全日制停招!研究生重大变革,来了
- 吴恩达深度学习5.1练习_Sequence Models_Building a RNN Step by Step
- unity图片变成马赛克如何取像素并改变颜色_Unity3D-2.5D像素游戏随机地形构造tilemap(rule tile)...
- 当浏览器输入url的时候发生了什么
- QQ恶搞 - 让艾特你的人语无伦次
- 有没有什么免费的网页视频录制软件?PC端视频录制软件集合
- 【回波损耗(dB)和电压驻波比(VSWR)之间的关系】
- html怎么改变图片整体大小,html怎么改变图片大小?
- 常用Intent合集 Android
- iOS6的控制屏幕旋转技巧
- ps图层混合模式的含义
- 提高组CSP-S初赛模拟试题整理
- 2022-04-27 openshift集群kubelet中出现unable to fetch pod logs错误问题定位
- error link1158 无法运行rc.exe
- 《九》微信小程序中的自定义组件
热门文章
- PyTorch(CNN+MNIST测试)
- 1103 Integer Factorization (30 分)深度搜索30分大题要重写
- python调用库roc_curve()_解决ROC曲线画出来只有一个点的问题
- python数据库教程_python使用mysql操作教程
- erp服务器性能测试,浪潮PS-ERP压力测试报告--AMD单路服务器
- python对象和类_Python面向对象(一)类与对象
- 日语python_Python日志和日语(或任何非ascii)
- css移动端页面单位,视窗单位在移动端上的使用技巧
- java creat sql,java 实体类 生成 create sql
- C/C++[1782 codeup] 谁是你的潜在朋友