html网站模板怎么用,二手书籍交易网站开发方式,找网站公司做网站用了织梦可以吗,中国跨境电商出口平台这种拼接方法的假设前提是#xff1a;待拼接的两幅图像之间的变换模型是平移模型#xff0c;即两幅图像同名点位置之间只相差两个未知量#xff1a;ΔxΔx 和ΔyΔy#xff0c;自由度为2#xff0c;模型收得最紧。所以只有所有图像都是用同一水平线或者同一已知倾斜角的摄…这种拼接方法的假设前提是待拼接的两幅图像之间的变换模型是平移模型即两幅图像同名点位置之间只相差两个未知量ΔxΔx 和ΔyΔy自由度为2模型收得最紧。所以只有所有图像都是用同一水平线或者同一已知倾斜角的摄像机拍摄时这种方法才适用。 整个过程为首先对输入的两幅图像做柱面投影然后通过模板匹配求取ΔxΔx 和ΔyΔy最后采用渐入渐出的融合方式拼接两幅图像。
柱面投影 为了保证拼接后的视觉一致性所以需要将待拼接的图像分别投影到一个标准的坐标系下然后再进行图像拼接。由于柱面坐标的变换比较简单并且投影图像与其投影到圆柱表面的位置无关用其描述的柱面全景图像可在水平方向上满足360度环视具有较好的视觉效果所以可采用柱面投影完成图像拼接。 下面为柱面投影采用的公式x′x′和y′y′为柱面投影后的图像坐标xx和yy为图像原来的坐标widthwidth和heightheight为图像宽高ff为相机焦距我的理解是因为widthwidth和heightheight都是在图像坐标系下所以这个ff是相对于图像的我是根据图像大小以及视场角最做的估计。 x′f∗atan(x−0.5∗widthf)f∗atan(0.5∗widthf) x′f∗atan(x−0.5∗widthf)f∗atan(0.5∗widthf) y′f∗(y−0.5∗height)(x−0.5∗width)2f2−−−−−−−−−−−−−−−−−−√0.5∗height y′f∗(y−0.5∗height)(x−0.5∗width)2f20.5∗height
下面是柱面校正的代码事无巨细都是自己写的因为没有找到上述公式的反演公式直接正向插值了好在出来的效果还不错。 /**柱面投影函数 *参数列表中imgIn为输入图像f为焦距 *返回值为柱面投影后的图像 */ Mat cylinder(Mat imgIn, int f) { int colNum, rowNum; colNum 2 * f*atan(0.5*imgIn.cols / f);//柱面图像宽 rowNum 0.5*imgIn.rows*f / sqrt(pow(f, 2)) 0.5*imgIn.rows;//柱面图像高 Mat imgOut Mat::zeros(rowNum, colNum, CV_8UC1); Mat_uchar im1(imgIn); Mat_uchar im2(imgOut); //正向插值 int x1(0), y1(0); for (int i 0; i imgIn.rows; i) for (int j 0; j imgIn.cols; j) { x1 f*atan((j - 0.5*imgIn.cols) / f) f*atan(0.5*imgIn.cols / f); y1 f*(i - 0.5*imgIn.rows) / sqrt(pow(j - 0.5*imgIn.cols, 2) pow(f, 2)) 0.5*imgIn.rows; if (x1 0 x1 colNumy1 0 y1rowNum) { im2(y1, x1) im1(i, j); } } return imgOut; } 模板匹配 通过模板匹配的方法求取平移变换参数
/**求平移量 *参数表为输入两幅图像有一定重叠区域 *返回值为点类型存储x,y方向的偏移量 */ Point2i getOffset(Mat img, Mat img1) { Mat templ(img1, Rect(0, 0.4*img1.rows, 0.2*img1.cols, 0.2*img1.rows)); Mat result(img.cols - templ.cols 1, img.rows - templ.rows 1, CV_8UC1);//result存放匹配位置信息 matchTemplate(img, templ, result, CV_TM_CCORR_NORMED); normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat()); double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; minMaxLoc(result, minVal, maxVal, minLoc, maxLoc, Mat()); matchLoc maxLoc;//获得最佳匹配位置 int dx matchLoc.x; int dy matchLoc.y - 0.4*img1.rows;//右图像相对左图像的位移 Point2i a(dx, dy); return a; } 线性融合 采用渐入渐出融合其实就是在重叠区域对两幅图像的像素线性地分配权值。公式imgd∗img1(1−d)∗img2imgd∗img1(1−d)∗img2其中img为融合后的图像img1和img2为待拼接的两幅图像。d为重叠区域中某个像素点到边界的距离。
/*渐入渐出拼接 *参数列表中img1,img2为待拼接的两幅图像a为偏移量 *返回值为拼接后的图像 */ Mat linearStitch(Mat img, Mat img1, Point2i a) { int d img.cols - a.x;//过渡区宽度 int ms img.rows - abs(a.y);//拼接图行数 int ns img.cols a.x;//拼接图列数 Mat stitch Mat::zeros(ms, ns, CV_8UC1); //拼接 Mat_uchar ims(stitch); Mat_uchar im(img); Mat_uchar im1(img1); if (a.y 0) { Mat roi1(stitch, Rect(0, 0, a.x, ms)); img(Range(a.y, img.rows), Range(0, a.x)).copyTo(roi1); Mat roi2(stitch, Rect(img.cols, 0, a.x, ms)); img1(Range(0, ms), Range(d, img1.cols)).copyTo(roi2); for (int i 0; i ms; i) for (int j a.x; j img.cols; j) ims(i, j) uchar((img.cols - j) / float(d)*im(i a.y, j) (j - a.x) / float(d)*im1(i, j - a.x)); } else { Mat roi1(stitch, Rect(0, 0, a.x, ms)); img(Range(0, ms), Range(0, a.x)).copyTo(roi1); Mat roi2(stitch, Rect(img.cols, 0, a.x, ms)); img1(Range(-a.y, img.rows), Range(d, img1.cols)).copyTo(roi2); for (int i 0; i ms; i) for (int j a.x; j img.cols; j) ims(i, j) uchar((img.cols - j) / float(d)*im(i, j) (j - a.x) / float(d)*im1(i abs(a.y), j - a.x)); } return stitch; } 实验效果 写一个包含主函数的文件调用上述方法
#includeopencv2/highgui/highgui.hpp #includeopencv2/imgproc/imgproc.hpp #includeiostream #includetime.h
int main() { Mat img imread(frame1.jpg, 0);//左图像 Mat img1 imread(frame2.jpg, 0);//右图像 imshow(源图像-左, img); imshow(源图像-右, img1); double t (double)getTickCount(); //柱形投影 double t3 (double)getTickCount(); img cylinder(img,1000); img1 cylinder(img1, 1000); t3 ((double)getTickCount() - t3) / getTickFrequency(); //匹配 double t1 (double)getTickCount(); Point2i a getOffset(img, img1); t1 ((double)getTickCount() - t1) / getTickFrequency(); //拼接 double t2 (double)getTickCount(); Mat stitch linearStitch(img, img1, a); t2 ((double)getTickCount() - t2) / getTickFrequency(); t ((double)getTickCount() - t) / getTickFrequency(); cout 各阶段耗时 endl; cout 柱面投影 t3 \n 模板匹配 t1 \n 渐入渐出拼接 t2 endl; cout 总时间 t endl; imshow(柱面校正-左图像, img); imshow(柱面校正-右图像, img1); imshow(拼接结果, stitch); imwrite(rectify.jpg, img); imwrite(rectify1.jpg, img1); imwrite(stitch.jpg, stitch); waitKey(0); return 0; } 首先读取两幅源图像 柱面投影之后 最后的拼接结果 拼接时间效率 测试环境为Intel(R) Core(TM) i3-2350M CPU 2.3GHzWin 10VS2013;源图像像素分辨率为640*480。 可以看出整体效果还行但细节很差比如重叠区域的墙上电线出现了重影。时间效率方面自己写的柱面投影函数耗时明显有待优化 --------------------- 作者czl389 来源CSDN 原文https://blog.csdn.net/czl389/article/details/54599253 版权声明本文为博主原创文章转载请附上博文链接
