OpenCV 图像拼接

目录

一：OpenCV图像特征采集

二：OpenCV 特征提取算法

三：OpenCV特征提取 

四：OpenCV特征取精

五：OpenCV透视转换

六：OpenCV图像配准融合与图像反投影优化

一：OpenCV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：