OpenCV实现图像拼接案例

这篇文章主要介绍了OpenCV实现图像拼接案例，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的朋友可以参考一下

一、penCV图像特征采集

特征提取：

  一幅图中总存在着一些独特的像素点，这些点我们可以认为就是这幅图的特征，成为特征点。

计算机视觉领域特征提取：

获取一幅图中存在着一些独特的像素点。

需要解决问题：

• 1、提取图片中的特征点
•  2、解决尺度不变性问题，不同大小的图片获取到的特征是一样的。
•  3、提取到的特征点要稳定，能被精确定位。

二、OpenCV 特征提取算法

特征提取算法：

三、OpenCV特征提取 

结果：提取到的特征很粗糙，不是很精确的特征点，导致效果很差。

要求：去粗取精，获取优秀的匹配点。

四、OpenCV特征取精

取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。 

五、OpenCV透视转换

透视变换是按照物体成像投影规律进行变换，即将物体重新投影到新的成像平面。透视变换常用于机器人视觉导航研究中，由于相机视场与地面存在倾斜角使得物体成像产生畸变，通常通过透视变换实现对物体图像的校正。 

使用cv::warpPerspective()进行透视变换

void cv::warpPerspective(

cv::InputArray src, // 输入图像

cv::OutputArray dst, // 输出图像

cv::InputArray M, // 3x3 变换矩阵

cv::Size dsize, // 目标图像大小

int flags = cv::INTER_LINEAR, // 插值方法

int borderMode = cv::BORDER_CONSTANT, // 外推方法

const cv::Scalar& borderValue = cv::Scalar() //常量边界时使用

);

透视矩阵 ：

获取特征矩阵：

a. 根据图像的4个顶点来获取特征矩阵

cv::Mat cv::getPerspectiveTransform( // 返回3x3透视变换矩阵

const cv::Point2f* src, // 源图像四个顶点坐标（点数组）

const cv::Point2f* dst // 目标图像上四个顶点的坐标（点数组）

);

b. 函数来计算透视矩阵H(3*3)

findHomography    (   

InputArray     srcPoints,//源平面中点的坐标矩阵.vector<Point2f>类型

InputArray     dstPoints,//目标平面中点的坐标矩阵，vector<Point2f>类型

int     method = 0,

double     ransacReprojThreshold = 3,

OutputArray     mask = noArray(),

const int     maxIters = 2000,

const double     confidence = 0.995

)

六、OpenCV图像配准融合与图像反投影优化

图片拼接流程思想：

到此这篇关于OpenCV实现图像拼接案例的文章就介绍到这了,更多相关OpenCV 图像拼接内容请搜索编程学习网以前的文章希望大家以后多多支持编程学习网！