python实现图像拼接
本文实例为大家分享了python实现图像拼接的具体代码,供大家参考,具体内容如下
1.待拼接的图像
2.基于SIFT特征点和RANSAC方法得到的图像特征点匹配结果
3.图像变换结果
4.代码及注意事项
importcv2 importnumpyasnp defcv_show(name,image): cv2.imshow(name,image) cv2.waitKey(0) cv2.destroyAllWindows() defdetectAndCompute(image): image=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) sift=cv2.xfeatures2d.SIFT_create() (kps,features)=sift.detectAndCompute(image,None) kps=np.float32([kp.ptforkpinkps])#得到的点需要进一步转换才能使用 return(kps,features) defmatchKeyPoints(kpsA,kpsB,featuresA,featuresB,ratio=0.75,reprojThresh=4.0): #ratio是最近邻匹配的推荐阈值 #reprojThresh是随机取样一致性的推荐阈值 matcher=cv2.BFMatcher() rawMatches=matcher.knnMatch(featuresA,featuresB,2) matches=[] forminrawMatches: iflen(m)==2andm[0].distanceint pt1=(int(kpsB[trainIdx][0]),int(kpsB[trainIdx][1])) pt2=(int(kpsA[trainIdx][0])+wB,int(kpsA[trainIdx][1])) cv2.line(drawImg,pt1,pt2,(0,0,255)) cv_show("drawImg",drawImg) #读取图像 imageA=cv2.imread('./right_01.png') cv_show("imageA",imageA) imageB=cv2.imread('./left_01.png') cv_show("imageB",imageB) #计算SIFT特征点和特征向量 (kpsA,featuresA)=detectAndCompute(imageA) (kpsB,featuresB)=detectAndCompute(imageB) #基于最近邻和随机取样一致性得到一个单应性矩阵 (M,matches,status)=matchKeyPoints(kpsA,kpsB,featuresA,featuresB) #绘制匹配结果 drawMatches(imageA,imageB,kpsA,kpsB,matches,status) #拼接 stich(imageA,imageB,M)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。