opencv2基于SURF特征提取实现两张图像拼接融合.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.04M 资料格式：pdf 举报版权申诉

weixin_38663608-12742788-4744300845379390941.pdf-第1页.png

第1页 / 共2页

weixin_38663608-12742788-4744300845379390941.pdf-第2页.png

第2页 / 共2页

文本预览

opencv2基于基于SURF特征提取实现两张图像拼接融合特征提取实现两张图像拼接融合主要为大家详细介绍了opencv2基于SURF特征提取实现两张图像拼接融合，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下本文实例为大家分享了opencv2实现两张图像拼接融合的具体代码，供大家参考，具体内容如下要用到两个文件，estimate.cpp和matcher.h(在有关鲁棒匹配这篇博文中有） estimate.cpp的头文件也需要添加一些东西才行，以下是对的，已经成功运行。加了using namespace std;之后，cv::可以去掉了。 estimate.cpp: #include #include #include #include #include #include #include #include #include #include "matcher.h" using namespace std; using namespace cv; int main() { // Read input images读入图像 cv::Mat image1= cv::imread("parliament1.bmp",0); cv::Mat image2= cv::imread("parliament2.bmp",0); if (!image1.data || !image2.data) return 0; // Display the images显示图像 cv::namedWindow("Image 1"); cv::imshow("Image 1",image1); cv::namedWindow("Image 2"); cv::imshow("Image 2",image2); // Prepare the matcher准备匹配 RobustMatcher rmatcher; rmatcher.setConfidenceLevel(0.98); rmatcher.setMinDistanceToEpipolar(1.0); rmatcher.setRatio(0.65f); cv::Ptr pfd= new cv::SurfFeatureDetector(10); rmatcher.setFeatureDetector(pfd); // Match the two images std::vector matches; std::vector keypoints1, keypoints2; cv::Mat fundemental= rmatcher.match(image1,image2,matches, keypoints1, keypoints2); // draw the matches画匹配结果 cv::Mat imageMatches; cv::drawMatches(image1,keypoints1, // 1st image and its keypoints第一张图像及其关键点 image2,keypoints2, // 2nd image and its keypoints第二张图像及其关键点 matches, // the matches匹配结果 imageMatches, // the image produced产生的图像 cv::Scalar(255,255,255)); // color of the lines线的颜色 cv::namedWindow("Matches"); cv::imshow("Matches",imageMatches); // Convert keypoints into Point2f将关键点转换为Point2f std::vector points1, points2; for (std::vector::const_iterator it= matches.begin(); it!= matches.end(); ++it) {H // Get the position of left keypoints得到左图关键点位置 float x= keypoints1[it->queryIdx].pt.x; float y= keypoints1[it->queryIdx].pt.y; points1.push_back(cv::Point2f(x,y));

// Get the position of right keypoints得到右图关键点位置 x= keypoints2[it->trainIdx].pt.x; y= keypoints2[it->trainIdx].pt.y; points2.push_back(cv::Point2f(x,y)); } std::cout << points1.size() << " " << points2.size() << std::endl; // Find the homography between image 1 and image 2找到图像1和图像2之间的单应性矩阵 std::vector inliers(points1.size(),0); cv::Mat homography= cv::findHomography( cv::Mat(points1),cv::Mat(points2), // corresponding points对应点 inliers, // outputed inliers matches 输出内点匹配 CV_RANSAC, // RANSAC method RANSAC 方法 1.); // max distance to reprojection point到对应点的最大距离 // Draw the inlier points画内点 std::vector::const_iterator itPts= points1.begin(); std::vector::const_iterator itIn= inliers.begin(); while (itPts!=points1.end()) { // draw a circle at each inlier location在每一个内点画一个圈 if (*itIn) cv::circle(image1,*itPts,3,cv::Scalar(255,255,255),2); ++itPts; ++itIn; } itPts= points2.begin(); itIn= inliers.begin(); while (itPts!=points2.end()) { // draw a circle at each inlier location在每一个内点画一个圈 if (*itIn) cv::circle(image2,*itPts,3,cv::Scalar(255,255,255),2); ++itPts; ++itIn; } // Display the images with points显示画点的图像 cv::namedWindow("Image 1 Homography Points"); cv::imshow("Image 1 Homography Points",image1); cv::namedWindow("Image 2 Homography Points"); cv::imshow("Image 2 Homography Points",image2); // Warp image 1 to image 2变形图像1到图像2 cv::Mat result; cv::warpPerspective(image1, // input image输入的图像 result, // output image输出的图像 homography, // homography单应性矩阵 cv::Size(2*image1.cols,image1.rows)); // size of output image输出图像的大小 // Copy image 1 on the first half of full image复制图像1的上一部分 cv::Mat half(result,cv::Rect(0,0,image2.cols,image2.rows)); image2.copyTo(half); // Display the warp image显示变形后图像 cv::namedWindow("After warping"); cv::imshow("After warping",result); cv::waitKey(); return 0; } 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

分享到：

赞收藏

资料库

opencv2基于SURF特征提取实现两张图像拼接融合.pdf

相关推荐

开发技术

热门标签

最新资料