findhomography函数 find函数vector

大家好，今日小源来为大家解答以上的问题。findhomography函数，find函数vector很多人还不知道，现在让我们一起来看看吧！

findhomography函数 find函数vector

findhomography函数 find函数vector

1、因此，一旦我们建立了单应性，我们需要扭曲视角，我们将以下单应矩阵应用于图像：么是图像拼接呢？简单来说，对于输入应该有一组图像，输出是合成图像。

2、同时，必须保留图像之间的逻辑流。

3、首先让我们了解图像拼接的概念。

4、基本上，如果你想捕捉一个大的场景，你的相机只能提供一个特定分辨率的图像（如：640×480），这当然不足以捕捉大的全景。

5、所以，我们可以做的是捕捉整个场景的多个图像，然后把所有的碎片放在一起，形成一个大的图像。

6、这些有序的照片被称为全景。

7、获取多幅图像并将其转换成全景图的整个过程称为图像拼接。

8、首先，需要安装opencv 3.4.2.16。

9、接下来我们将导入我们将在Python代码中使用的库：在我们的教程中，我们将拍摄这张精美的照片，我们会将其分成两张左右两张照片，然后我们会尝试拍摄相同或非常相似的照片。

10、因此，我将此图像切成两个图像，它们会有某种重叠区域：在此，我们将列出我们应采取的步骤，以取得最终的结果:因此，从步开始，我们将导入这两个图像并将它们转换为灰度，如果您使用的是大图像，我建议您使用cv2.resize，因为如果您使用较旧的计算机，它可能会非常慢并且需要很长时间。

11、如果要调整图像大小，即调整50％，只需将fx = 1更改为fx = 0.5即可。

12、我们还需要找出两幅图像中匹配的特征。

13、我们将使用opencv_contrib的SIFT描述符。

14、SIFT (Scale constant Feature Transform)是一种非常强大的OpenCV算法。

15、这些最匹配的特征作为拼接的基础。

16、我们提取两幅图像的关键点和sift描述符如下:kp1和kp2是关键点，des1和des2是图像的描述符。

17、如果我们用特征来画这幅图，它会是这样的:左边的图像显示实际图像。

18、右侧的图像使用SIFT检测到的特征进行注释：一旦你有了两个图像的描述符和关键点，我们就会发现它们之间的对应关系。

19、我们为什么要这么做?为了将任意两个图像连接成一个更大的图像，我们必须找到重叠的点。

20、这些重叠的点会让我们根据幅图像了解第二幅图像的方向。

21、根据这些公共点，我们就能知道第二幅图像是大是小还是旋转后重叠，或者缩小/放大后再fitted。

22、所有此类信息的产生是通过建立对应关系来实现的。

23、这个过程称为registration。

24、对于匹配图像，可以使用opencv提供的FLANN或BFMatcher方法。

25、我会写两个例子证明我们会得到相同的结果。

26、两个示例都匹配两张照片中更相似的特征。

本文到这结束，希望上面文章对大家有所帮助。