一，准备图片

可以先手动分一分，有的是关键信息在中间，有的是在上面，主要就是这两种。

然后用程序先截出正方形的图片：

int main()
{for (int i = 1; i <= 10; i++) {Mat img = imread("D:/pic2/img (" + to_string(i) + ").jpg",0);int p = min(img.rows, img.cols);Mat img2 = img(Rect((img.cols - p) / 2, (img.rows - p) / 2, p, p));imwrite("D:/pic2/a" + to_string(i) + ".jpg",img2);}return 0;
}

截上面的：

int main()
{for (int i = 1; i <= 15; i++) {Mat img = imread("D:/pic2/img (" + to_string(i) + ").jpg",0);int p = min(img.rows, img.cols);Mat img2 = img(Rect(0, 0, p, p));imwrite("D:/pic2/a" + to_string(i) + ".jpg",img2);}return 0;
}

二，拼图

我们先把所有小图调整到统一的大小，然后按照亮度排序。

对于目标图像，按照分块，也分别统计亮度排序。

再根据排序结果进行匹配，把小图往对应位置填充就行了。

图片除了要做亮度匹配之外，在最后拼到大图上之前，还要做亮度调整，把整体亮度调到和分块亮度相同。

struct Nodes
{int t;int id;bool operator<(Nodes a) const{if (t == a.t)return id < a.id;return t < a.t;}
};int imageSum(Mat img)
{int s = 0;for (int i = 0; i < img.rows; i++)for (int j = 0; j < img.cols; j++)s += img.at<uchar>(i, j);return s;
}int main()
{const int N = 9;const int NUM = N * N;const int SIZE = N * 2000;const int PIX = 100;const int R1 = SIZE / PIX;const int R = R1 / N * R1 / N;Mat imgs[NUM];for (int i = 1; i <= NUM; i++) {imgs[i - 1] = imread("D:/pic2/img (" + to_string(i) + ").jpg", 0);resize(imgs[i - 1], imgs[i - 1], Size(PIX, PIX));}Mat img = imread("D:/pic2/img (74).jpg", 0);resize(img, img, Size(SIZE, SIZE));Nodes node[NUM * R];Nodes node2[NUM * R];for (int i = 0; i < NUM * R; i++) {node[i].t = imageSum(imgs[i % NUM]);node[i].id = i % NUM;node2[i].t = imageSum(img(Rect(i % R1 * PIX, i / R1 * PIX, PIX, PIX)));node2[i].id = i;}sort(node, node + NUM * R);sort(node2, node2 + NUM * R);for (int i = 0; i < NUM * R; i++){Mat image;imgs[node[i].id % NUM].copyTo(image);image *= 1.0 * node2[i].t / node[i].t;image.copyTo(img(Rect(node2[i].id % R1 * PIX, node2[i].id / R1 * PIX, PIX, PIX)));}//imshow("img", img);imwrite("D:/pic2/ans.png", img);cv::waitKey(0);return 0;
}

拼接结果：

（头部）放大效果：

（眼睛）放大效果：

三，优化思路

1，当前所用图片较少，如果图片多一点，效果会好一点。

2，因为图片少，每个图片都被用到多次。当前是每个图片被使用的次数相同，这一点可以优化一下，自适应的选择每个图片被使用的次数，效果应该会更好。

3，要想搞成彩色的，主要问题在于图片的匹配问题。灰度图像只需要按照亮度排序即可匹配，改成彩色图像相当于从一维变成三维。

opencv应用——以图拼图相关推荐

python拼图游戏代码,OpenCV Python实现拼图小游戏
基于OpenCV实现拼图版小游戏,供大家参考,具体内容如下效果展示实现思路 1.对图像进行分割,分割成m*n个子图 2.打乱子图的顺序 3.将子图重新组成一幅新的图片并显示 4.添加鼠标点击响应 ...
scrapy爬虫初探
今天先从实操作来讲述采用scrapy来实现对csdn博客的爬取,后续慢慢剖析scrapy爬虫的原理和结构. 1)环境搭建首先安装scrapy pip install scrapy 其他库依据需要自动 ...
抖音自动人机拼图验证-selenium+pyautogui+opencv
一.简介平时使用Selenium爬取网页数据的时候难免会遇到人机验证,有拼图.文字.滑动等本文介绍比较常见的一种滑块拼图验证,利用opencv就可计算出滑块需要移动的距离虽然Selenium有自 ...
【opencv有趣应用】图像拼图
今天学习图像拼图,就有点像拼图游戏那样的 import cv2 import osdef cv_show_image(name, img):cv2.imshow(name, img)cv2.waitK ...
opencv以图片名称为索引顺序读取多张图片
自己的项目中需要按照顺序读取多张图片,论坛上已有的方式大多是通过图像名称固定编号,按照编号循序读取,这种方法虽然简单有效,可局限性在于读取的图片名必须是连续有限的,比如下面的例子中只能读取该文件夹下图 ...
六寸相纸打印拼图 - opencv
准备自己打印一些照片,三寸相纸性价比低,只好买六寸来拼四张然后裁剪,不过并没有搜到提供了这个功能的工具,想想代码应该很简单,所以就造轮子了.可能其实有但是我没搜到. 轮子在这里: https://gi ...
十.OpenCv 特征点检测和匹配
特征点检测和匹配 1. 特征检测的基本概念特征检测是计算机视觉和图像处理中的一个概念.它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征.特征检测的结果是把图像上的点分为不同的子集 ...
【OpenCV学习】（十）特征点检测与匹配
[OpenCV学习](十)特征点检测与匹配背景提取图像的特征点是图像领域中的关键任务,不管在传统还是在深度学习的领域中,特征代表着图像的信息,对于分类.检测任务都是至关重要的: 特征点应用的一些场 ...
如何用 OpenCV、Python 和深度学习实现面部识别？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉 Face ID 的兴起带动了一波面部识别技术热 ...

opencv应用——以图拼图

一，准备图片

二，拼图

三，优化思路

opencv应用——以图拼图相关推荐

最新文章

热门文章