python计算机视觉实现全景图像拼接示例
作者:今年的浙江省状元 时间:2021-02-12 09:48:05
首先对图片进行预处理,是图片的分配率大小在合适的范围内,避免图片太大占满整个电脑屏幕。
from PIL import Image
def produceImage(file_in, width, height, file_out):
image = Image.open(file_in)
resized_image = image.resize((height, width), Image.ANTIALIAS)
resized_image.save(file_out)
if __name__ == '__main__':
file_in = 'right2.png'#输入文件的文件名
width = 500#文件大小
height = 500
file_out = 'right11.png'#生成文件的文件名
produceImage(file_in, width, height, file_out)
输出图片之后就可以对两张图片进行拼接了。
两张图像要能拼接在一起成为一张图像,就需要这两张图像中存在有重合的部分。通过这些重合的部分使用sift特征点匹配的算法,来寻找到重合部分的特征点。
需要注意的是,虽然sift算法比Harris角点的效果更好,但是也会出现错误点,并非完美的匹配方法。
在以下的代码中,MyStitcher类里面的内容就是对图像实现拼接的主要过程。
import cv2
import numpy as np
class MyStitcher:
# 拼接函数
def stitch(self, images, ratio=0.75, reprojThresh=4.0, showMatches=False):
# 获取输入图片
(imageB, imageA) = images
# 检测A、B图片的SIFT关键特征点,并计算特征描述子
(kpsA, featuresA) = self.detectAndDescribe(imageA)
(kpsB, featuresB) = self.detectAndDescribe(imageB)
# 匹配两张图片的所有特征点,返回匹配结果
M = self.matchKeypoints(kpsA, kpsB, featuresA, featuresB, ratio, reprojThresh)
# 如果返回结果为空,没有匹配成功的特征点,退出算法
if M is None:
return None
# 否则,提取匹配结果
# H是3x3视角变换矩阵
(matches, H, status) = M
# 将图片A进行视角变换,result是变换后图片
result = cv2.warpPerspective(imageA, H, (imageA.shape[1] + imageB.shape[1], imageA.shape[0]))
# 将图片B传入result图片最左端
result[0:imageB.shape[0], 0:imageB.shape[1]] = imageB
# 检测是否需要显示图片匹配
if showMatches:
# 生成匹配图片
vis = self.drawMatches(imageA, imageB, kpsA, kpsB, matches, status)
# 返回结果
return (result, vis)
# 返回匹配结果
return result
def detectAndDescribe(self, image):
# 将彩色图片转换成灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 建立SIFT生成器
descriptor = cv2.xfeatures2d.SIFT_create()
# 检测SIFT特征点,并计算描述子
(kps, features) = descriptor.detectAndCompute(image, None)
# 将结果转换成NumPy数组
kps = np.float32([kp.pt for kp in kps])
# 返回特征点集,及对应的描述特征
return (kps, features)
def matchKeypoints(self, kpsA, kpsB, featuresA, featuresB, ratio, reprojThresh):
# 建立暴力匹配器
matcher = cv2.DescriptorMatcher_create("BruteForce")
# 使用KNN检测来自A、B图的SIFT特征匹配对,K=2
rawMatches = matcher.knnMatch(featuresA, featuresB, 2)
matches = []
for m in rawMatches:
# 当最近距离跟次近距离的比值小于ratio值时,保留此匹配对
if len(m) == 2 and m[0].distance < m[1].distance * ratio:
# 存储两个点在featuresA, featuresB中的索引值
matches.append((m[0].trainIdx, m[0].queryIdx))
# 当筛选后的匹配对大于4时,计算视角变换矩阵
if len(matches) > 4:
# 获取匹配对的点坐标
ptsA = np.float32([kpsA[i] for (_, i) in matches])
ptsB = np.float32([kpsB[i] for (i, _) in matches])
# 计算视角变换矩阵
(H, status) = cv2.findHomography(ptsA, ptsB, cv2.RANSAC, reprojThresh)
# 返回结果
return (matches, H, status)
# 如果匹配对小于4时,返回None
return None
def drawMatches(self, imageA, imageB, kpsA, kpsB, matches, status):
# 初始化可视化图片,将A、B图左右连接到一起
(hA, wA) = imageA.shape[:2]
(hB, wB) = imageB.shape[:2]
vis = np.zeros((max(hA, hB), wA + wB, 3), dtype="uint8")
vis[0:hA, 0:wA] = imageA
vis[0:hB, wA:] = imageB
# 联合遍历,画出匹配对
for ((trainIdx, queryIdx), s) in zip(matches, status):
# 当点对匹配成功时,画到可视化图上
if s == 1:
# 画出匹配对
ptA = (int(kpsA[queryIdx][0]), int(kpsA[queryIdx][1]))
ptB = (int(kpsB[trainIdx][0]) + wA, int(kpsB[trainIdx][1]))
cv2.line(vis, ptA, ptB, (0, 255, 0), 1)
# 返回可视化结果
return vis
# 读取拼接图片
imageA = cv2.imread("left11.png")
imageB = cv2.imread("right11.png")
# 把图片拼接成全景图
mystitcher = MyStitcher()
(result, vis) = mystitcher.stitch([imageA, imageB], showMatches=True)
# 显示所有图片
cv2.imshow("Image A", imageA)
cv2.imshow("Image B", imageB)
cv2.imshow("Keypoint Matches", vis)
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()
来源:https://blog.csdn.net/weixin_44382897/article/details/109596470
标签:python,计算机视觉,全景拼接
0
投稿
猜你喜欢
详细解读Python中的__init__()方法
2023-03-25 17:10:27
tensorflow模型继续训练 fineturn实例
2023-07-10 12:53:09
python通过elixir包操作mysql数据库实例代码
2024-01-26 04:12:16
python读取csv和txt数据转换成向量的实例
2021-09-12 12:01:24
pycharm如何设置自动生成作者信息
2021-01-21 22:20:58
Python实现读取机器硬件信息的方法示例
2021-02-04 16:28:55
使用python检测手机QQ在线状态的脚本代码
2023-03-27 02:12:06
Python里disconnect UDP套接字的方法
2023-03-26 02:48:00
pandas groupby分组对象的组内排序解决方案
2023-06-15 18:34:58
Node.js 和 Python之间该选择哪个?
2021-05-27 21:38:15
vue 页面卡死,点击无反应的问题及解决
2024-04-27 16:04:21
MySQL开启Slow慢查询的方法示例
2024-01-14 17:43:26
下拉列表两级连动的新方法(二)
2009-06-04 18:22:00
ajax实现无刷新上传文件功能
2024-04-17 10:39:22
Python figure参数及subplot子图绘制代码
2023-09-14 17:13:00
Python开发实例分享bt种子爬虫程序和种子解析
2021-04-03 17:55:29
jupyter notebook内核启动失败问题及解决方法
2022-09-21 02:31:04
vue.js初学入门教程(1)
2023-07-02 17:06:21
NumPy 基本切片和索引的具体使用方法
2023-02-11 20:47:50
布同自制Python函数帮助查询小工具
2021-09-01 19:38:35