opencv 图像拼接SURF

stitcher 算法

优点：简单便捷，可以一次性拼合多张图片。

缺点： 1. 会卡顿一下。

2. 多图拼接的时候可能会丢失掉一些图片。

void example()
{Mat img1 = imread("C:/Users/59834/Desktop/image/a.png");Mat img2 = imread("C:/Users/59834/Desktop/image/b.png");Mat img3 = imread("C:/Users/59834/Desktop/image/c.png");Mat img4 = imread("C:/Users/59834/Desktop/image/d.png");imshow("img1",img1);imshow("img2",img2);imshow("img3",img3);imshow("img4",img4);//带顺序容器vectorvector<Mat>images;images.push_back(img1);images.push_back(img2);images.push_back(img3);images.push_back(img4);//用来保存最终拼接图Mat result;//false 不使用GPU加速Stitcher sti = Stitcher::createDefault(false);//将向量容器中所有的图片按照顺序进行拼接，结果保存在result中Stitcher::Status sta = sti.stitch(images,result);if(sta != Stitcher::OK){cout<<"canot Stitcher"<<endl;}imshow("result",result);waitKey(0);}

SURF：

优点：拼接的图像效果质量理想。

缺点：一次性只支持图片两两拼接，如果多图拼接只能先拼一个再拼下一个。

SURF流程：

使用：

1. 特征点采集

2.保存最优特征点对象

3. 特征点周围匹配

4. 透视转换，图像融合

5. 优化图像

Mat left = imread("C:/Users/59834/Desktop/image/a1.png");Mat right = imread("C:/Users/59834/Desktop/image/a2.png");imshow("left",left);imshow("right",right);//创建SURF对象//create 函数参数 海森矩阵阀值Ptr<SURF> surf;surf = SURF::create(800);//暴力匹配器BFMatcher matcher;//特征点容器vector<KeyPoint>key1,key2;Mat c,d;//1、选择特征点surf->detectAndCompute(left,Mat(),key2,d);surf->detectAndCompute(right,Mat(),key1,c);//特征点对比，保存vector<DMatch> matches;matcher.match(d,c,matches);//排序从小到大sort(matches.begin(),matches.end());//2、保存最优的特征点对象vector<DMatch>good_matches;int ptrpoint = std::min(50,(int)(matches.size()*0.15));for (int i = 0;i < ptrpoint;i++){good_matches.push_back(matches[i]);}//2-1、画线 最优的特征点对象连线Mat outimg;drawMatches(left,key2,right,key1,good_matches,outimg,Scalar::all(-1),Scalar::all(-1),vector<char>(),DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);imshow("outimg",outimg);//3、特征点匹配vector<Point2f>imagepoint1,imagepoint2;for (int i= 0 ;i < good_matches.size();i++){imagepoint1.push_back(key1[good_matches[i].trainIdx].pt);imagepoint2.push_back(key2[good_matches[i].queryIdx].pt);}//4、透视转换 图形融合Mat homo = findHomography(imagepoint1,imagepoint2,CV_RANSAC);imshow("homo",homo);CalcCorners(homo,right);Mat imageTransForm;warpPerspective(right,imageTransForm,homo,Size(MAX(corners.right_top.x,corners.right_bottom.x),left.rows));imshow("imageTransForm",imageTransForm);int dst_width = imageTransForm.cols;int dst_height = left.rows;Mat dst(dst_height,dst_width,CV_8UC3);dst.setTo(0);imageTransForm.copyTo(dst(Rect(0,0,imageTransForm.cols,imageTransForm.rows)));left.copyTo(dst(Rect(0,0,left.cols,left.rows)));//5、优化图像OptimizeSeam(left,imageTransForm,dst);imshow("dst",dst);waitKey(0);

opencv 图像拼接SURF相关推荐

python+opencv图像拼接-python opencv 图像拼接的实现方法
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 ...
OpenCV图像拼接之Stitching和Stitching_detailed
Stitcher类与detail命名空间 OpenCV提供了高级别的函数封装在Stitcher类中,使用很方便,不用考虑太多的细节. 低级别函数封装在detail命名空间中,展示了opencv算法实现 ...
c++ opencv图像拼接
图像拼接 SURF算法实现的拼接代码. 基于ORB的图像拼接 opencv自带的拼接算法stitch SURF算法实现的拼接代码. #include "highgui/highgui.hpp ...
OpenCV图像拼接-Stitcher类-Stitching detailed使用与参数介绍
关于OpenCV图像拼接的方法,如果不熟悉的话,可以先看看我整理的如下四篇博客: OpenCV常用图像拼接方法(一):直接拼接(硬拼) OpenCV常用图像拼接方法(二):基于模板匹配拼接 OpenC ...
HI3559算法移植之OpenCV图像拼接、配准和图像融合技术（三）
图像拼接比较经典的是SIFT.SURF.ORB等算法.其中SURF是SIFT的升级版,在实时性上要优于后者.本次先实现图片级的融合.拼接. SURF的构建流程是:构建Hessian矩阵.H矩阵判别式. ...
OPenCV 图像拼接之------stitching和stitching_detailed
Stitcher类与detail命名空间 OpenCV提供了高级别的函数封装在Stitcher类中,使用很方便,不用考虑太多的细节. 低级别函数封装在detail命名空间中,展示了opencv算法实现 ...
python图像拼接_python opencv 图像拼接的实现方法
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 ...
OpenCV仿射变换 SURF特征点描述合辑
原文:http://blog.csdn.net/poem_qianmo/article/details/33320997?utm_source=tuicool&utm_medium=refer ...
pythonopencv算法_python opencv之SURF算法示例
本文介绍了python opencv之SURF算法示例,分享给大家,具体如下: 目标: SURF算法基础 opencv总SURF算法的使用原理: 上节课使用了SIFT算法,当时这种算法效率不高,需要 ...

opencv 图像拼接SURF

opencv 图像拼接SURF相关推荐

最新文章

热门文章