目錄：

函數介紹

圖像拼接算法實現

圖像拼接算法改進

Image Stitching with OpenCV and Python - PyImageSearch?www.pyimagesearch.com

本文參考上面這個鏈接，實現多張圖像的拼接，構建一張全景圖。

根據多個圖像創建全景圖的步驟為：

檢測兩張圖像的關鍵點特征（DoG、Harris等）

計算不變特征描述符（SIFT、SURF或ORB等）

根據關鍵點特征和描述符，對兩張圖像進行匹配，得到若干匹配點對，并移除錯誤匹配；

使用Ransac算法和匹配的特征來估計單應矩陣（homography matrix）；

通過單應矩陣來對圖像進行仿射變換；

兩圖像拼接，重疊部分融合；

裁剪以獲得美觀的最終圖像。

原理比較復雜，本文先不講解，OpenCV中已經實現了全景圖拼接的算法，它們是 cv2.createStitcher (OpenCV 3.x) 和 cv2.Stitcher_create(OpenCV 4) 。

該算法對以下條件具有較好的魯棒性：

• 輸入圖像的順序
• 圖像的方向
• 光照變化
• 圖像噪聲

一、函數介紹

OpenCV 3.x 的 cv2.createStitcher 函數原型為：

createStitcher(...)createStitcher([, try_use_gpu]) -> retval

這個函數有一個參數 try_use_gpu，它可以用來提升圖像拼接整個過程的速度。

OpenCV 4 的 cv2.Stitcher_create 函數原型為：

Stitcher_create(...)Stitcher_create([, mode]) -> retval. @brief Creates a Stitcher configured in one of the stitching. modes.. . @param mode Scenario for stitcher operation. This is usually. determined by source of images to stitch and their transformation.. Default parameters will be chosen for operation in given scenario.. @return Stitcher class instance.

要執行實際的圖像拼接，我們需要調用 .stitch 方法：

OpenCV 3.x: stitch(...) method of cv2.Stitcher instancestitch(images[, pano]) -> retval, panoOpenCV 4.x: stitch(...) method of cv2.Stitcher instancestitch(images, masks[, pano]) -> retval, pano. @brief These functions try to stitch the given images.. . @param images Input images.. @param masks Masks for each input image specifying where to. look for keypoints (optional).. @param pano Final pano.. @return Status code.

該方法接收一個圖像列表，然后嘗試將它們拼接成全景圖像，并進行返回。

變量 status=0表示圖像拼接是否成功。

二、圖像拼接算法實現

先把三張圖片讀取出來存放到列表里：

img_dir = 'pictures/stitching' names = os.listdir(img_dir)images = [] for name in names:img_path = os.path.join(img_dir, name)image = cv2.imread(img_path)images.append(image)

圖片順序沒有影響，我試了一下，不同的圖片順序，輸出全景圖都相同。

然后構造圖像拼接對象stitcher， 要注意的是，OpenCV 3 和 4 的構造器是不同的。

import imutils stitcher = cv2.createStitcher() if imutils.is_cv3() else cv2.Stitcher_create()

再把圖像列表傳入.stitch函數，該函數會返回狀態和拼接好的全景圖（如果沒有錯誤）：

status, stitched = stitcher.stitch(images)

完整代碼如下：

import os import cv2 import imutilsimg_dir = 'pictures/stitching' names = os.listdir(img_dir)images = [] for name in names:img_path = os.path.join(img_dir, name)image = cv2.imread(img_path)images.append(image)stitcher = cv2.createStitcher() if imutils.is_cv3() else cv2.Stitcher_create() status, stitched = stitcher.stitch(images)if status==0:cv2.imwrite('pictures/stitch.jpg', stitched)

OpenCV真的很強大，這短短幾行，就實現了拼接全景圖。

全景圖如下：

呃，全景圖是實現了，但是周圍出現了一些黑色區域。

這是因為構建全景時會做透視變換，透視變換時會產生這些黑色區域。

所以需要做進一步處理，裁剪出全景圖的最大內部矩形區域，也就是只保留下圖中紅色虛線邊框內的全景區域。

三、圖像拼接算法改進

獲取圖像列表并得到初步全景圖，這兩步還是相同的：

img_dir = 'pictures/stitching' names = os.listdir(img_dir)images = [] for name in names:img_path = os.path.join(img_dir, name)image = cv2.imread(img_path)images.append(image)stitcher = cv2.createStitcher() if imutils.is_cv3() else cv2.Stitcher_create() status, stitched = stitcher.stitch(images)

在全景圖四周各添加10像素寬的黑色邊框，以確保能夠找到全景圖的完整輪廓：

stitched = cv2.copyMakeBorder(stitched, 10, 10, 10, 10, cv2.BORDER_CONSTANT, (0, 0, 0))

再將全景圖轉換為灰度圖，并將不為0的像素全置為255，作為前景，其他像素灰度值為0，作為背景。

gray = cv2.cvtColor(stitched, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)

現在有了全景圖的二值圖，再應用輪廓檢測，找到最大輪廓的邊界框，

注：和輪廓相關的詳細講解可以查看 這篇文章。

cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(cnts, key=cv2.contourArea) # 獲取最大輪廓mask = np.zeros(thresh.shape, dtype="uint8") x, y, w, h = cv2.boundingRect(cnt) # 繪制最大外接矩形框（內部填充） cv2.rectangle(mask, (x, y), (x + w, y + h), 255, -1)

這個白色矩形框是整個全景圖可以容納下的最小矩形區域。

接下來就是最難，也是最巧妙的部分了，先創建mask的兩個副本：

• minRect，這個mask的白色區域會慢慢縮小，直到它剛好可以完全放入全景圖內部。
• sub，這個mask用于確定minRect是否需要繼續減小，以得到滿足要求的矩形區域。

minRect = mask.copy() sub = mask.copy()# 開始while循環，直到sub中不再有前景像素 while cv2.countNonZero(sub) > 0:minRect = cv2.erode(minRect, None)sub = cv2.subtract(minRect, thresh)

不斷地對minRect進行腐蝕操作，然后用minRect減去之前得到的閾值圖像，得到sub，

再判斷sub中是否存在非零像素，如果不存在，則此時的minRect就是我們最終想要的全景圖內部最大矩形區域。

sub和minRect在while循環中的變化情況如下動圖所示：

因為OpenCV中灰度圖像素值范圍0-255，如果兩個數相減得到負數的話，會直接將其置為0；如果兩個數相加，結果超過了255的話，則直接置為255。

比如下面這個圖，左圖中白色矩形可以完全包含在全景圖中，但不是全景圖的最大內接矩形，用它減去右邊的閾值圖，

因為黑色像素減白色像素，會得到黑色像素，所以其結果圖為全黑的圖。

所以上面那個while循環最終得到的minRect就是減去閾值圖得到全黑圖的面積最大的矩形區域。

好了，我們已經得到全景圖的內置最大矩形框了，接下來就是找到這個矩形框的輪廓，并獲取其坐標：

cnts, hierarchy = cv2.findContours(minRect.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(cnts, key=cv2.contourArea) # 計算最大輪廓的邊界框 (x, y, w, h) = cv2.boundingRect(cnt)# 使用邊界框坐標提取最終的全景圖 stitched = stitched[y:y + h, x:x + w]

得到最終結果圖如下：

完整代碼如下：

import os import cv2 import imutils import numpy as npimg_dir = '/images' names = os.listdir(img_dir)images = [] for name in names:img_path = os.path.join(img_dir, name)image = cv2.imread(img_path)images.append(image)stitcher = cv2.createStitcher() if imutils.is_cv3() else cv2.Stitcher_create() status, stitched = stitcher.stitch(images)# 四周填充黑色像素，再得到閾值圖 stitched = cv2.copyMakeBorder(stitched, 10, 10, 10, 10, cv2.BORDER_CONSTANT, (0, 0, 0)) gray = cv2.cvtColor(stitched, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)cnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(cnts, key=cv2.contourArea)mask = np.zeros(thresh.shape, dtype="uint8") x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(mask, (x, y), (x + w, y + h), 255, -1)minRect = mask.copy() sub = mask.copy()# 開始while循環，直到sub中不再有前景像素 while cv2.countNonZero(sub) > 0:minRect = cv2.erode(minRect, None)sub = cv2.subtract(minRect, thresh)cnts, hierarchy = cv2.findContours(minRect.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(cnts, key=cv2.contourArea) x, y, w, h = cv2.boundingRect(cnt)# 使用邊界框坐標提取最終的全景圖 stitched = stitched[y:y + h, x:x + w]cv2.imwrite('final.jpg', stitched)

---

如果覺得有用，就點個贊吧(? ??_??)?。

總結

以上是生活随笔為你收集整理的getprocaddress得到为0_拼接图像得到全景图的全部內容，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。