如何在python中使用opencv實現圖像拼接

如何在python中使用opencv實現圖像拼接？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

實現上述效果的步驟如下：

1. 采用surft特征檢測算法檢測兩幅圖像的關鍵特征點；

2. 建立FLANN匹配器，采用目前最快的特征匹配（最近鄰搜索）算法FlannBasedMatcher匹配關鍵點

3.從所匹配的全部關鍵點中篩選出優秀的特征點（基于距離篩選）

4. 根據查詢圖像和模板圖像的特征描述子索引得出仿射變換矩陣

5. 獲取左邊圖像到右邊圖像的投影映射關系

6. 透視變換將左圖像放在相應的位置

7. 將有圖像拷貝到特定位置完成拼接

先放python下利用opencv 進行圖像拼接的代碼，環境為python2.7+opencv2:

#coding: utf-8
import numpy as np
import cv2
leftgray = cv2.imread('1.jpg')
rightgray = cv2.imread('2.jpg')
hessian=400
surf=cv2.SURF(hessian) #將Hessian Threshold設置為400,閾值越大能檢測的特征就越少
kp1,des1=surf.detectAndCompute(leftgray,None) #查找關鍵點和描述符
kp2,des2=surf.detectAndCompute(rightgray,None)
FLANN_INDEX_KDTREE=0 #建立FLANN匹配器的參數
indexParams=dict(algorithm=FLANN_INDEX_KDTREE,trees=5) #配置索引，密度樹的數量為5
searchParams=dict(checks=50) #指定遞歸次數
#FlannBasedMatcher：是目前最快的特征匹配算法（最近鄰搜索）
flann=cv2.FlannBasedMatcher(indexParams,searchParams) #建立匹配器
matches=flann.knnMatch(des1,des2,k=2) #得出匹配的關鍵點
good=[]
#提取優秀的特征點
for m,n in matches:
 if m.distance < 0.7*n.distance: #如果第一個鄰近距離比第二個鄰近距離的0.7倍小，則保留
  good.append(m)
src_pts = np.array([ kp1[m.queryIdx].pt for m in good]) #查詢圖像的特征描述子索引
dst_pts = np.array([ kp2[m.trainIdx].pt for m in good]) #訓練(模板)圖像的特征描述子索引
H=cv2.findHomography(src_pts,dst_pts)   #生成變換矩陣
h,w=leftgray.shape[:2]
h2,w1=rightgray.shape[:2]
shft=np.array([[1.0,0,w],[0,1.0,0],[0,0,1.0]])
M=np.dot(shft,H[0])   #獲取左邊圖像到右邊圖像的投影映射關系
dst_corners=cv2.warpPerspective(leftgray,M,(w*2,h))#透視變換，新圖像可容納完整的兩幅圖
cv2.imshow('tiledImg1',dst_corners) #顯示，第一幅圖已在標準位置
dst_corners[0:h,w:w*2]=rightgray #將第二幅圖放在右側
#cv2.imwrite('tiled.jpg',dst_corners)
cv2.imshow('tiledImg',dst_corners)
cv2.imshow('leftgray',leftgray)
cv2.imshow('rightgray',rightgray)
cv2.waitKey()
cv2.destroyAllWindows()

看完上述內容，你們掌握如何在python中使用opencv實現圖像拼接的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！