點擊上方藍字關注我們

微信公眾號：OpenCV學堂

關注獲取更多計算機視覺與深度學習知識

前言

圖像/視頻拼接的主要目的是為了解決相機視野(FOV-Field Of View)限制，生成更寬的FOV圖像/視頻場景。視頻拼接在體育直播、全景顯示、數字娛樂、視頻處理中都被廣泛應用，同時視頻/圖像拼接涉及到矯正圖像、對其與匹配圖像、融合、統一光照、無縫連接、多尺度重建等各個圖像算法模型與細節處理，可以說是圖像處理技術的綜合運用。特別是最近幾年收到深度學習的影響，各種基于深度學習的圖像對齊與拼接技術也取得了長足發展。

01

圖像拼接流程

圖像拼接流程主要是針對輸入系列視頻幀或者圖像，基于像素像素或者特征點相似然后對齊圖像、融合對齊之后的圖像，更新全景圖像拼接結果，圖示如下：

最常見就是基于SIFT/SURF/OBR/AKAZE等方法實現特征提取，基于RANSAC等方法實現對齊，基于圖像融合或者無縫克隆算法實現對齊圖像的拼接。

針對不同的拼接方式可以分為圖像拼接、視頻拼接、全景拼接。針對圖像拼接可以分為像素相似與特征相似；視頻拼接又分為固定相機、移動相機；全景拼接分為單相機、相機列陣、魚眼相機列陣。圖示如下：

02

深度學習方法

通過卷積神經網絡CNN可以更好的學習與提取圖像特征、通過語義分割獲取初始匹配、然后對齊，圖示如下：

其中IA與IB是輸入圖像，CNN是預訓練的特征提取網絡模型，匹配網絡與回歸網絡。其中匹配網絡主要是計算相似程度，其網絡計算方式如下：

回歸網絡的結構如下：

因依老宿發心初

半學修心半讀書

?推薦閱讀?

OpenCV4系統化學習路線圖-視頻版本！

Tensorflow + OpenCV4 安全帽檢測模型訓練與推理

匯總 | OpenCV DNN模塊中支持的分類網絡

OpenCV中支持的人臉檢測方法整理與匯總

詳解ENet | CPU可以實時的道路分割網絡

從Pytorch 的ONNX到OpenVINO中IR中間層

OpenCV 基于Inception模型圖像分類

OpenCV4.4 + YOLOv4 真的可以運行了…..

總結

以上是生活随笔為你收集整理的opencv4 图像特征匹配_概述 | 全景图像拼接技术全解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。