opencv多幅图像拼接算法（python 图像拼接）

先来看看OpenCV官方的例子得到效果是非常的好，输入的images如下：

效果：

#Stitcher类与detail命名空间

OpenCV提供了高级别的函数封装在Stitcher类中，使用很方便，不用考虑太多的细节。

低级别函数封装在detail命名空间中，展示了OpenCV算法实现的很多步骤和细节，使熟悉如下拼接流水线的用户，方便自己定制。

可见OpenCV图像拼接模块的实现是十分精密和复杂的，拼接的结果很完善，但同时也是费时的，完全不能够实现实时应用。

我在研究detail源码时，由于水平有限，并不能自由灵活地对各种部件取其所需，取舍随意。

官方提供的stitching和stitching_detailed使用示例，分别是高级别和低级别封装这两种方式正确地使用示例。两种结果产生的拼接结果相同，后者却可以允许用户，在参数变量初始化时，选择各项算法。如下所示：

这涉及到以下算法流程：

命令行调用程序，输入源图像以及程序的参数

特征点检测，判断是使用surf还是orb，默认是surf。

对图像的特征点进行匹配，使用最近邻和次近邻方法，

将两个最优的匹配的置信度保存下来。

对图像进行排序以及将置信度高的图像保存到同一个集合中，

删除置信度比较低的图像间的匹配，得到能正确匹配的图像序列。

这样将置信度高于门限的所有匹配合并到一个集合中。

对所有图像进行相机参数粗略估计，然后求出旋转矩阵

使用光束平均法进一步精准的估计出旋转矩阵。

波形校正，水平或者垂直

拼接

融合，多频段融合，光照补偿。

另外在拼接的时候可以设置不同warper，这样会对拼接之后的图像生成不同效果，常见的效果包括

1. 鱼眼相机
2. 环视(平面曲翘)
3. 默认

如下图所示：

代码演示：

#include#includeusing namespace cv;
using namespace std;
int main(int argc, char** argv) {
 vectorfiles;
 glob("D:/images/zsxq/1", files);
 vectorimages;
 for (int i = 0; i < files.size(); i  ) {
 printf("image file : %s \n", files[i].c_str());
 images.push_back(imread(files[i]));
 }
 // 设置拼接模式与参数
 Mat result1, result2, result3;
 Stitcher::Mode mode = Stitcher::PANORAMA;
 Ptrstitcher = Stitcher::create(mode);
 // 拼接方式-多通道融合
 auto blender = detail::Blender::createDefault(detail::Blender::MULTI_BAND);
 stitcher->setBlender(blender);
 // 拼接
 Stitcher::Status status = stitcher->stitch(images, result1);
 // 平面曲翘拼接
 auto plane_warper = makePtr();
 stitcher->setWarper(plane_warper);
 status = stitcher->stitch(images, result2);
 // 鱼眼拼接
 auto fisheye_warper = makePtr();
 stitcher->setWarper(fisheye_warper);
 status = stitcher->stitch(images, result3);
 // 检查返回
 if (status != Stitcher::OK)
 {
 cout << "Can't stitch images, error code = " << int(status) << endl;
 return EXIT_FAILURE;
 }
 imwrite("D:/result1.png", result1);
 imwrite("D:/result2.png", result2);
 imwrite("D:/result3.png", result3);
 waitKey(0);
 return 0;
}

在来看一组输入4张图像，每张分辨率为327*245，总的拼接时间为9.25s。

演示代码：

#include#include#include#include "opencv2/opencv_modules.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/stitching/detail/autocalib.hpp"
#include "opencv2/stitching/detail/blenders.hpp"
#include "opencv2/stitching/detail/camera.hpp"
#include "opencv2/stitching/detail/exposure_compensate.hpp"
#include "opencv2/stitching/detail/matchers.hpp"
#include "opencv2/stitching/detail/motion_estimators.hpp"
#include "opencv2/stitching/detail/seam_finders.hpp"
#include "opencv2/stitching/detail/util.hpp"
#include "opencv2/stitching/detail/warpers.hpp"
#include "opencv2/stitching/warpers.hpp"
using namespace std;
using namespace cv;
using namespace cv::detail;
//
#define ENABLE_LOG 1
// Default command line args
vectorimg_names;
bool preview = false;
bool try_gpu = true;
double work_megapix = 0.6;
double seam_megapix = 0.1;
double compose_megapix = -1;
float conf_thresh = 1.f;
string features_type = "surf";
string ba_cost_func = "ray";
string ba_refine_mask = "xxxxx";
bool do_wave_correct = true;
WaveCorrectKind wave_correct = detail::WAVE_CORRECT_HORIZ;
bool save_graph = false;
std::string save_graph_to;
string warp_type = "spherical";
int expos_comp_type = ExposureCompensator::GAIN_BLOCKS;
float match_conf = 0.3f;
string seam_find_type = "gc_color";
int blend_type = Blender::MULTI_BAND;
float blend_strength = 5;
string result_name = "result.jpg";
int main(int argc, char* argv[])
{
 //读入图像
 double ttt = getTickCount();
 img_names.push_back("E:/workspace/iamge/dataset/yard1.jpg");
 img_names.push_back("E:/workspace/iamge/dataset/yard2.jpg");
 img_names.push_back("E:/workspace/iamge/dataset/yard3.jpg");
 img_names.push_back("E:/workspace/iamge/dataset/yard4.jpg");
#if ENABLE_LOG
 int64 app_start_time = getTickCount();
#endif
 cv::setBreakOnError(true);
 /*int retval = parseCmdArgs(argc, argv);
 if (retval)
 return retval;*/
 // Check if have enough images
 int num_images = static_cast(img_names.size());
 if (num_images < 2)
 {
 LOGLN("Need more images");
 return -1;
 }
 double work_scale = 1, seam_scale = 1, compose_scale = 1;
 bool is_work_scale_set = false, is_seam_scale_set = false, is_compose_scale_set = false;
 LOGLN("Finding features...");
#if ENABLE_LOG
 int64 t = getTickCount();
#endif
 Ptrfinder;
 if (features_type == "surf")
 {
#if defined(HAVE_OPENCV_NONFREE) && defined(HAVE_OPENCV_GPU)
 if (try_gpu && gpu::getCudaEnabledDeviceCount() > 0)
 finder = new SurfFeaturesFinderGpu();
 else
#endif
 finder = new SurfFeaturesFinder();
 }
 else if (features_type == "orb")
 {
 finder = new OrbFeaturesFinder();
 }
 else
 {
 cout << "Unknown 2D features type: '" << features_type << "'.\n";
 return -1;
 }
 Mat full_img, img;
 vectorfeatures(num_images);
 vectorimages(num_images);
 vectorfull_img_sizes(num_images);
 double seam_work_aspect = 1;
 for (int i = 0; i < num_images;   i)
 {
 full_img = imread(img_names[i]);
 full_img_sizes[i] = full_img.size();
 if (full_img.empty())
 {
 LOGLN("Can't open image " << img_names[i]);
 return -1;
 }
 if (work_megapix < 0)
 {
 img = full_img;
 work_scale = 1;
 is_work_scale_set = true;
 }
 else
 {
 if (!is_work_scale_set)
 {
 work_scale = min(1.0, sqrt(work_megapix * 1e6 / full_img.size().area()));
 is_work_scale_set = true;
 }
 resize(full_img, img, Size(), work_scale, work_scale);
 }
 if (!is_seam_scale_set)
 {
 seam_scale = min(1.0, sqrt(seam_megapix * 1e6 / full_img.size().area()));
 seam_work_aspect = seam_scale / work_scale;
 is_seam_scale_set = true;
 }
 (*finder)(img, features[i]);
 features[i].img_idx = i;
 LOGLN("Features in image #" << i 1 << ": " collectGarbage();
 full_img.release();
 img.release();
 LOGLN("Finding features, time: " << ((getTickCount() - t) / getTickFrequency()) << " sec");
 LOG("Pairwise matching");
#if ENABLE_LOG
 t = getTickCount();
#endif
 vectorpairwise_matches;
 BestOf2NearestMatcher matcher(try_gpu, match_conf);
 matcher(features, pairwise_matches);
 matcher.collectGarbage();
 LOGLN("Pairwise matching, time: " << ((getTickCount() - t) / getTickFrequency()) << " sec");
 // Check if we should save matches graph
 if (save_graph)
 {
 LOGLN("Saving matches graph...");
 ofstream f(save_graph_to.c_str());
 f << matchesGraphAsString(img_names, pairwise_matches, conf_thresh);
 }
 // Leave only images we are sure are from the same panorama
 vectorindices = leaveBiggestComponent(features, pairwise_matches, conf_thresh);
 vectorimg_subset;
 vectorimg_names_subset;
 vectorfull_img_sizes_subset;
 for (size_t i = 0; i < indices.size();   i)
 {
 img_names_subset.push_back(img_names[indices[i]]);
 img_subset.push_back(images[indices[i]]);
 full_img_sizes_subset.push_back(full_img_sizes[indices[i]]);
 }
 images = img_subset;
 img_names = img_names_subset;
 full_img_sizes = full_img_sizes_subset;
 // Check if we still have enough images
 num_images = static_cast(img_names.size());
 if (num_images < 2)
 {
 LOGLN("Need more images");
 return -1;
 }
 HomographyBasedEstimator estimator;
 vectorcameras;
 estimator(features, pairwise_matches, cameras);
 for (size_t i = 0; i < cameras.size();   i)
 {
 Mat R;
 cameras[i].R.convertTo(R, CV_32F);
 cameras[i].R = R;
 LOGLN("Initial intrinsics #" << indices[i] 1 << ":\n" << cameras[i].K());
 }
 Ptradjuster;
 if (ba_cost_func == "reproj") adjuster = new detail::BundleAdjusterReproj();
 else if (ba_cost_func == "ray") adjuster = new detail::BundleAdjusterRay();
 else
 {
 cout << "Unknown bundle adjustment cost function: '" << ba_cost_func setConfThresh(conf_thresh);
 Mat_refine_mask = Mat::zeros(3, 3, CV_8U);
 if (ba_refine_mask[0] == 'x') refine_mask(0,0) = 1;
 if (ba_refine_mask[1] == 'x') refine_mask(0,1) = 1;
 if (ba_refine_mask[2] == 'x') refine_mask(0,2) = 1;
 if (ba_refine_mask[3] == 'x') refine_mask(1,1) = 1;
 if (ba_refine_mask[4] == 'x') refine_mask(1,2) = 1;
 adjuster->setRefinementMask(refine_mask);
 (*adjuster)(features, pairwise_matches, cameras);
 // Find median focal length
 vectorfocals;
 for (size_t i = 0; i < cameras.size();   i)
 {
 LOGLN("Camera #" << indices[i] 1 << ":\n" << cameras[i].K());
 focals.push_back(cameras[i].focal);
 }
 sort(focals.begin(), focals.end());
 float warped_image_scale;
 if (focals.size() % 2 == 1)
 warped_image_scale = static_cast(focals[focals.size() / 2]);
 else
 warped_image_scale = static_cast(focals[focals.size() / 2 - 1]   focals[focals.size() / 2]) * 0.5f;
 if (do_wave_correct)
 {
 vectorrmats;
 for (size_t i = 0; i < cameras.size();   i)
 rmats.push_back(cameras[i].R.clone());
 waveCorrect(rmats, wave_correct);
 for (size_t i = 0; i < cameras.size();   i)
 cameras[i].R = rmats[i];
 }
 LOGLN("Warping images (auxiliary)... ");
#if ENABLE_LOG
 t = getTickCount();
#endif
 vectorcorners(num_images);
 vectormasks_warped(num_images);
 vectorimages_warped(num_images);
 vectorsizes(num_images);
 vectormasks(num_images);
 // Preapre images masks
 for (int i = 0; i < num_images;   i)
 {
 masks[i].create(images[i].size(), CV_8U);
 masks[i].setTo(Scalar::all(255));
 }
 // Warp images and their masks
 Ptrwarper_creator;
#if defined(HAVE_OPENCV_GPU)
 if (try_gpu && gpu::getCudaEnabledDeviceCount() > 0)
 {
 if (warp_type == "plane") warper_creator = new cv::PlaneWarperGpu();
 else if (warp_type == "cylindrical") warper_creator = new cv::CylindricalWarperGpu();
 else if (warp_type == "spherical") warper_creator = new cv::SphericalWarperGpu();
 }
 else
#endif
 {
 if (warp_type == "plane") warper_creator = new cv::PlaneWarper();
 else if (warp_type == "cylindrical") warper_creator = new cv::CylindricalWarper();
 else if (warp_type == "spherical") warper_creator = new cv::SphericalWarper();
 else if (warp_type == "fisheye") warper_creator = new cv::FisheyeWarper();
 else if (warp_type == "stereographic") warper_creator = new cv::StereographicWarper();
 else if (warp_type == "compressedPlaneA2B1") warper_creator = new cv::CompressedRectilinearWarper(2, 1);
 else if (warp_type == "compressedPlaneA1.5B1") warper_creator = new cv::CompressedRectilinearWarper(1.5, 1);
 else if (warp_type == "compressedPlanePortraitA2B1") warper_creator = new cv::CompressedRectilinearPortraitWarper(2, 1);
 else if (warp_type == "compressedPlanePortraitA1.5B1") warper_creator = new cv::CompressedRectilinearPortraitWarper(1.5, 1);
 else if (warp_type == "paniniA2B1") warper_creator = new cv::PaniniWarper(2, 1);
 else if (warp_type == "paniniA1.5B1") warper_creator = new cv::PaniniWarper(1.5, 1);
 else if (warp_type == "paniniPortraitA2B1") warper_creator = new cv::PaniniPortraitWarper(2, 1);
 else if (warp_type == "paniniPortraitA1.5B1") warper_creator = new cv::PaniniPortraitWarper(1.5, 1);
 else if (warp_type == "mercator") warper_creator = new cv::MercatorWarper();
 else if (warp_type == "transverseMercator") warper_creator = new cv::TransverseMercatorWarper();
 }
 if (warper_creator.empty())
 {
 cout << "Can't create the following warper '" << warp_type << "'\n";
 return 1;
 }
 Ptrwarper = warper_creator->create(static_cast(warped_image_scale * seam_work_aspect));
 for (int i = 0; i < num_images;   i)
 {
 Mat_K;
 cameras[i].K().convertTo(K, CV_32F);
 float swa = (float)seam_work_aspect;
 K(0,0) *= swa; K(0,2) *= swa;
 K(1,1) *= swa; K(1,2) *= swa;
 corners[i] = warper->warp(images[i], K, cameras[i].R, INTER_LINEAR, BORDER_REFLECT, images_warped[i]);
 sizes[i] = images_warped[i].size();
 warper->warp(masks[i], K, cameras[i].R, INTER_NEAREST, BORDER_CONSTANT, masks_warped[i]);
 }
 vectorimages_warped_f(num_images);
 for (int i = 0; i < num_images;   i)
 images_warped[i].convertTo(images_warped_f[i], CV_32F);
 LOGLN("Warping images, time: " << ((getTickCount() - t) / getTickFrequency()) << " sec");
 Ptrcompensator = ExposureCompensator::createDefault(expos_comp_type);
 compensator->feed(corners, images_warped, masks_warped);
 Ptrseam_finder;
 if (seam_find_type == "no")
 seam_finder = new detail::NoSeamFinder();
 else if (seam_find_type == "voronoi")
 seam_finder = new detail::VoronoiSeamFinder();
 else if (seam_find_type == "gc_color")
 {
#if defined(HAVE_OPENCV_GPU)
 if (try_gpu && gpu::getCudaEnabledDeviceCount() > 0)
 seam_finder = new detail::GraphCutSeamFinderGpu(GraphCutSeamFinderBase::COST_COLOR);
 else
#endif
 seam_finder = new detail::GraphCutSeamFinder(GraphCutSeamFinderBase::COST_COLOR);
 }
 else if (seam_find_type == "gc_colorgrad")
 {
#if defined(HAVE_OPENCV_GPU)
 if (try_gpu && gpu::getCudaEnabledDeviceCount() > 0)
 seam_finder = new detail::GraphCutSeamFinderGpu(GraphCutSeamFinderBase::COST_COLOR_GRAD);
 else
#endif
 seam_finder = new detail::GraphCutSeamFinder(GraphCutSeamFinderBase::COST_COLOR_GRAD);
 }
 else if (seam_find_type == "dp_color")
 seam_finder = new detail::DpSeamFinder(DpSeamFinder::COLOR);
 else if (seam_find_type == "dp_colorgrad")
 seam_finder = new detail::DpSeamFinder(DpSeamFinder::COLOR_GRAD);
 if (seam_finder.empty())
 {
 cout << "Can't create the following seam finder '" << seam_find_type find(images_warped_f, corners, masks_warped);
 // Release unused memory
 images.clear();
 images_warped.clear();
 images_warped_f.clear();
 masks.clear();
 LOGLN("Compositing...");
#if ENABLE_LOG
 t = getTickCount();
#endif
 Mat img_warped, img_warped_s;
 Mat dilated_mask, seam_mask, mask, mask_warped;
 Ptrblender;
 //double compose_seam_aspect = 1;
 double compose_work_aspect = 1;
 for (int img_idx = 0; img_idx < num_images;   img_idx)
 {
 LOGLN("Compositing image #"  0)
 compose_scale = min(1.0, sqrt(compose_megapix * 1e6 / full_img.size().area()));
 is_compose_scale_set = true;
 // Compute relative scales
 //compose_seam_aspect = compose_scale / seam_scale;
 compose_work_aspect = compose_scale / work_scale;
 // Update warped image scale
 warped_image_scale *= static_cast(compose_work_aspect);
 warper = warper_creator->create(warped_image_scale);
 // Update corners and sizes
 for (int i = 0; i < num_images;   i)
 {
 // Update intrinsics
 cameras[i].focal *= compose_work_aspect;
 cameras[i].ppx *= compose_work_aspect;
 cameras[i].ppy *= compose_work_aspect;
 // Update corner and size
 Size sz = full_img_sizes[i];
 if (std::abs(compose_scale - 1) > 1e-1)
 {
 sz.width = cvRound(full_img_sizes[i].width * compose_scale);
 sz.height = cvRound(full_img_sizes[i].height * compose_scale);
 }
 Mat K;
 cameras[i].K().convertTo(K, CV_32F);
 Rect roi = warper->warpRoi(sz, K, cameras[i].R);
 corners[i] = roi.tl();
 sizes[i] = roi.size();
 }
 }
 if (abs(compose_scale - 1) > 1e-1)
 resize(full_img, img, Size(), compose_scale, compose_scale);
 else
 img = full_img;
 full_img.release();
 Size img_size = img.size();
 Mat K;
 cameras[img_idx].K().convertTo(K, CV_32F);
 // Warp the current image
 warper->warp(img, K, cameras[img_idx].R, INTER_LINEAR, BORDER_REFLECT, img_warped);
 // Warp the current image mask
 mask.create(img_size, CV_8U);
 mask.setTo(Scalar::all(255));
 warper->warp(mask, K, cameras[img_idx].R, INTER_NEAREST, BORDER_CONSTANT, mask_warped);
 // Compensate exposure
 compensator->apply(img_idx, corners[img_idx], img_warped, mask_warped);
 img_warped.convertTo(img_warped_s, CV_16S);
 img_warped.release();
 img.release();
 mask.release();
 dilate(masks_warped[img_idx], dilated_mask, Mat());
 resize(dilated_mask, seam_mask, mask_warped.size());
 mask_warped = seam_mask & mask_warped;
 if (blender.empty())
 {
 blender = Blender::createDefault(blend_type, try_gpu);
 Size dst_sz = resultRoi(corners, sizes).size();
 float blend_width = sqrt(static_cast(dst_sz.area())) * blend_strength / 100.f;
 if (blend_width < 1.f)
 blender = Blender::createDefault(Blender::NO, try_gpu);
 else if (blend_type == Blender::MULTI_BAND)
 {
 MultiBandBlender* mb = dynamic_cast(static_cast(blender));
 mb->setNumBands(static_cast(ceil(log(blend_width)/log(2.)) - 1.));
 LOGLN("Multi-band blender, number of bands: " numBands());
 }
 else if (blend_type == Blender::FEATHER)
 {
 FeatherBlender* fb = dynamic_cast(static_cast(blender));
 fb->setSharpness(1.f/blend_width);
 LOGLN("Feather blender, sharpness: " sharpness());
 }
 blender->prepare(corners, sizes);
 }
 // Blend the current image
 blender->feed(img_warped_s, mask_warped, corners[img_idx]);
 }
 Mat result, result_mask;
 
 blender->blend(result, result_mask);
 LOGLN("Compositing, time: " << ((getTickCount() - t) / getTickFrequency()) << " sec");
 imwrite(result_name, result);
 result.convertTo(result,CV_8UC1);
 imshow("stitch",result);
 ttt = ((double)getTickCount() - ttt) / getTickFrequency();
 cout << "总的拼接时间:" << ttt << endl;
 waitKey(0);
 LOGLN("Finished, total time: " << ((getTickCount() - app_start_time) / getTickFrequency()) << " sec");
 return 0;
}

效果：