图像拼接蟒蛇

Question

我必须使用python和openCV将两个或多个图像拼接在一起。我找到了用于查找关键点和匹配项的代码，但我不知道如何继续。请帮帮我！

import numpy as np
import cv2
MIN_MATCH_COUNT = 10
img1 = cv2.imread('a.jpg',0)          # queryImage
img2 = cv2.imread('b.jpg',0) # trainImage
# Initiate SIFT detector
sift = cv2.SIFT()
# find the keypoints and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks = 50)
flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(des1,des2,k=2)
# store all the good matches as per Lowe's ratio test.
good = []
for m,n in matches:
    if m.distance < 0.7*n.distance:
        good.append(m)

Answer 1

你的问题不是很清楚，但我假设你的意思是你有一堆图像，你想让opencv找到相应的地标，然后扭曲/缩放每张图片，以便它们可以形成一个大图像。

一个不使用拼接器类的方法，基本上是遍历图片并确定每次迭代的最佳拟合，记录在此 github 代码中

Answer 2

图像拼接的一种方法包括以下步骤。

首先，正如您已经发现的那样，您需要一个特征点检测器以及找到两个图像上特征点之间的对应关系的某种方法。消除大量对应关系通常是一个好主意，因为它们可能包含大量噪音。消除大量噪音的一个超级简单的方法是在比赛中寻找对称性。

到目前为止，这大致就是您的代码所做的。

接下来，要将图像拼接在一起，您需要扭曲其中一个图像以匹配另一个图像的视角。这是通过使用对应关系估计单应性来完成的。由于您的通信仍可能包含大量噪声，因此我们通常使用 RANSAC 来稳健地估计同源异构词。

快速的谷歌搜索提供了许多正在实施的例子。