OpenCV开发笔记(七十九):基于Stitcher类实现全景图片拼接

2024-09-02 14:28

本文主要是介绍OpenCV开发笔记(七十九):基于Stitcher类实现全景图片拼接,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

若该文为原创文章,转载请注明原文出处
本文章博客地址:https://hpzwl.blog.csdn.net/article/details/141561865

长沙红胖子Qt(长沙创微智科)博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中…

OpenCV开发专栏(点击传送门)

上一篇:《OpenCV开发笔记(七十八):在ubuntu上搭建opencv+python开发环境以及匹配识别Demo》
下一篇:《OpenCV开发笔记(八十):基于特征点匹配实现全景图片拼接》


前言

  一个摄像头视野不大的时候,我们希望进行两个视野合并,这样让正视的视野增大,从而可以看到更广阔的标准视野。拼接的方法分为两条路,第一条路是stitcher类,第二条思路是特征点匹配。
  本篇使用stitcher匹配,进行两张图来视野合并拼接。


Demo

  在这里插入图片描述


两张图拼接过程

步骤一:打开图片

  在这里插入图片描述

cv::Mat mat = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/29.jpg");
cv::Mat mat2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/30.jpg");

步骤二:加入图片进入队列

  在这里插入图片描述

std::vector<cv::Mat> vectorMat;
vectorMat.push_back(mat);
vectorMat.push_back(mat2);

步骤三:创建拼接类

  在这里插入图片描述

cv::Ptr<cv::Stitcher> pStitcher = cv::Stitcher::create(cv::Stitcher::PANORAMA, false);
//cv::Ptr<cv::Stitcher> pStitcher = cv::Stitcher::create(cv::Stitcher::SCANS, false);

步骤四:拼接

  在这里插入图片描述

cv::Ptr<cv::Stitcher> pStitcher = cv::Stitcher::create(cv::Stitcher::SCANS, false);
LOG;
cv::Stitcher::Status status = pStitcher->stitch(vectorMat, resultMat);
LOG;
if(status != cv::Stitcher::OK)
{std::cout << "Failed to stitch, status =" << status << std::endl;return;
}

  对拼接后显示所有:
  在这里插入图片描述

cv::namedWindow("mat", cv::WINDOW_NORMAL);
cv::imshow("mat", mat);
cv::resizeWindow("mat", cv::Size(400, 300));cv::namedWindow("mat2", cv::WINDOW_NORMAL);
cv::imshow("mat2", mat2);
cv::resizeWindow("mat2", cv::Size(400, 300));cv::namedWindow("resultMat", cv::WINDOW_NORMAL);
cv::imshow("resultMat", resultMat);
cv::resizeWindow("resultMat", cv::Size(400, 300));

步骤五:对图像进行宽高黑边裁剪(略)

  直接写个算法对周边黑色区域进行矩形探测,然后裁剪即可,方法很多,一般我们拍照的图片都不是全黑的,而黑边是全黑的,这个算法写起来有明显的特征。


耗时测试

原始图像1701x1280像素,耗时477ms左右

  在这里插入图片描述

  在这里插入图片描述

  原始图片1701x1280像素,拼接消耗的时间约477ms:

图像缩小至400x300像素,耗时390ms左右

  然后对其图片进行缩放后测试其耗时:
  在这里插入图片描述

  在这里插入图片描述

  将图片统一缩放为800x600分辨率,其拼接耗时在390ms左右。

图像放大至1920x1080像素,耗时530ms左右

  在这里插入图片描述

  在这里插入图片描述

  将图片放大至1920x1080分辨率,其拼接耗时在530ms左右

注意

  本次测试并不严谨,基于同样图的缩放,单纯控制像素缩放来比较,但是得出的结论可以反应图像大小的影响,最终的耗时是受多方因素影响,包括但不限于检测特征电的数量、重叠区域的大小、像素分辨率、多图。

结论

  这种方式适合对照片进行拼接,对黑边处理之后,效果很不错,但是,调用stitcher类实现时对图片的特征匹配有要求,一些特征点不够的图片无法拼接,并且,当图片较大或多张图片拼接时,速度慢。所以,倘若放到视频上,一秒钟25-60fps,那就肯定不行了。
  SIFT算法拼接,SIFT算法可以提供较高的准确率,得到的图片需要经过再次处理,才能得到相对较好的图片,
  ORB算法拼接,算法的速度非常快,但是最容易出现问题,且得到的图片需要经过再次处理,才能得到相对较好的图片,


函数原型

函数cv::Stitcher::create

static Ptr<Stitcher> create(Mode mode = PANORAMA, bool try_use_gpu = false);
  • 参数一:拼接模式枚举,只有2个值PANORAMA和SCANS
    PANORAMA:创建照片全景的模式,期望图像处于透视状态;
    SCANS:合成扫描的模式。期望仿射变换下的图像,默认情况下不补偿曝光。(由于咱们一般总归有角度偏移,所以这个方式对拼接图像有较高要求)
  • 参数二:是否使用gpu,这种方式编译opencv得带上gpu编译,编译opencv的时候开启支持gpu,在arm上的话,需要先确认芯片是否支持GPU,然后安装GPU驱动,然后编译opencv支持GPU选项,才可以。

函数cv::Stitcher:: stitch

CV_WRAP Status stitch(InputArrayOfArrays images, OutputArray pano);
  • 参数一:输入图像列表
  • 参数二:输出拼接结果
Status stitch(InputArrayOfArrays images, const std::vector<std::vector<Rect> > &rois, OutputArray pano);
  • 参数一:输入图像列表
  • 参数二:输入图像列表依次需要拼接的区域
  • 参数三:输出拼接结果

Demo源码

void OpenCVManager::testStitchImages()
{cv::Mat mat = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/29.jpg");cv::Mat mat2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/30.jpg");#if 0// 拼接环视全景,特征点是完全不够,无法使用该方法,同时就算能拼也无法达到新能要求cv::Mat mat = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/front_2024-08-22_17-15-08_result.png");cv::Mat mat2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/left_2024-08-22_17-15-10_result.png");cv::Mat mat2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/right_2024-08-22_17-15-11_result.png");
#endif#if 1// 对图片进行缩放,测试其拼接耗时cv::resize(mat, mat, cv::Size(1920, 1080));cv::resize(mat2, mat2, cv::Size(1920, 1080));
#endifstd::vector<cv::Mat> vectorMat;vectorMat.push_back(mat);vectorMat.push_back(mat2);cv::Mat resultMat;cv::Ptr<cv::Stitcher> pStitcher = cv::Stitcher::create(cv::Stitcher::PANORAMA, false);
//    cv::Ptr<cv::Stitcher> pStitcher = cv::Stitcher::create(cv::Stitcher::SCANS, false);LOG;cv::Stitcher::Status status = pStitcher->stitch(vectorMat, resultMat);LOG;if(status != cv::Stitcher::OK){std::cout << "Failed to stitch, status =" << status << std::endl;return;}cv::namedWindow("mat", cv::WINDOW_NORMAL);cv::imshow("mat", mat);cv::resizeWindow("mat", cv::Size(400, 300));cv::namedWindow("mat2", cv::WINDOW_NORMAL);cv::imshow("mat2", mat2);cv::resizeWindow("mat2", cv::Size(400, 300));cv::namedWindow("resultMat", cv::WINDOW_NORMAL);cv::imshow("resultMat", resultMat);cv::resizeWindow("resultMat", cv::Size(400, 300));cv::waitKey(0);
}

对应工程模板v1.69.0

  在这里插入图片描述


上一篇:《OpenCV开发笔记(七十八):在ubuntu上搭建opencv+python开发环境以及匹配识别Demo》
下一篇:《OpenCV开发笔记(八十):基于特征点匹配实现全景图片拼接》


本文章博客地址:https://hpzwl.blog.csdn.net/article/details/141561865

这篇关于OpenCV开发笔记(七十九):基于Stitcher类实现全景图片拼接的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1130212

相关文章

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Android实现在线预览office文档的示例详解

《Android实现在线预览office文档的示例详解》在移动端展示在线Office文档(如Word、Excel、PPT)是一项常见需求,这篇文章为大家重点介绍了两种方案的实现方法,希望对大家有一定的... 目录一、项目概述二、相关技术知识三、实现思路3.1 方案一:WebView + Office Onl

C# foreach 循环中获取索引的实现方式

《C#foreach循环中获取索引的实现方式》:本文主要介绍C#foreach循环中获取索引的实现方式,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、手动维护索引变量二、LINQ Select + 元组解构三、扩展方法封装索引四、使用 for 循环替代

Spring Security+JWT如何实现前后端分离权限控制

《SpringSecurity+JWT如何实现前后端分离权限控制》本篇将手把手教你用SpringSecurity+JWT搭建一套完整的登录认证与权限控制体系,具有很好的参考价值,希望对大家... 目录Spring Security+JWT实现前后端分离权限控制实战一、为什么要用 JWT?二、JWT 基本结构

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2

Android实现两台手机屏幕共享和远程控制功能

《Android实现两台手机屏幕共享和远程控制功能》在远程协助、在线教学、技术支持等多种场景下,实时获得另一部移动设备的屏幕画面,并对其进行操作,具有极高的应用价值,本项目旨在实现两台Android手... 目录一、项目概述二、相关知识2.1 MediaProjection API2.2 Socket 网络

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Redis消息队列实现异步秒杀功能

《Redis消息队列实现异步秒杀功能》在高并发场景下,为了提高秒杀业务的性能,可将部分工作交给Redis处理,并通过异步方式执行,Redis提供了多种数据结构来实现消息队列,总结三种,本文详细介绍Re... 目录1 Redis消息队列1.1 List 结构1.2 Pub/Sub 模式1.3 Stream 结

C# Where 泛型约束的实现

《C#Where泛型约束的实现》本文主要介绍了C#Where泛型约束的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录使用的对象约束分类where T : structwhere T : classwhere T : ne

将Java程序打包成EXE文件的实现方式

《将Java程序打包成EXE文件的实现方式》:本文主要介绍将Java程序打包成EXE文件的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录如何将Java程序编程打包成EXE文件1.准备Java程序2.生成JAR包3.选择并安装打包工具4.配置Launch4