本文實(shí)例為大家分享了OpenCV實(shí)現(xiàn)拼接圖像的具體方法，供大家參考，具體內(nèi)容如下
成都創(chuàng)新互聯(lián)主要從事成都網(wǎng)站制作、成都網(wǎng)站設(shè)計(jì)、外貿(mào)營銷網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)太仆寺,10年網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):13518219792
用iphone拍攝的兩幅圖像：
拼接后的圖像：
相關(guān)代碼如下：
重慶分公司
重慶分公司
//讀取圖像
Mat leftImg=imread("left.jpg");
Mat rightImg=imread("right.jpg");
if(leftImg.data==NULL||rightImg.data==NULL)
return;
//轉(zhuǎn)化成灰度圖
Mat leftGray;
Mat rightGray;
cvtColor(leftImg,leftGray,CV_BGR2GRAY);
cvtColor(rightImg,rightGray,CV_BGR2GRAY);
//獲取兩幅圖像的共同特征點(diǎn)
int minHessian=400;
SurfFeatureDetector detector(minHessian);
vector leftKeyPoints,rightKeyPoints;
detector.detect(leftGray,leftKeyPoints);
detector.detect(rightGray,rightKeyPoints);
SurfDescriptorExtractor extractor;
Mat leftDescriptor,rightDescriptor;
extractor.compute(leftGray,leftKeyPoints,leftDescriptor);
extractor.compute(rightGray,rightKeyPoints,rightDescriptor);
FlannBasedMatcher matcher;
vector matches;
matcher.match(leftDescriptor,rightDescriptor,matches);
int matchCount=leftDescriptor.rows;
if(matchCount>15)
{
matchCount=15;
sort(matches.begin(),matches.begin()+leftDescriptor.rows,DistanceLessThan);
}
vector leftPoints;
vector rightPoints;
for(int i=0; i(3,3)<<1.0,0,leftImg.cols, 0,1.0,0, 0,0,1.0);
//拼接圖像
Mat tiledImg;
warpPerspective(leftImg,tiledImg,shftMat*homo,Size(leftImg.cols+rightImg.cols,rightImg.rows));
rightImg.copyTo(Mat(tiledImg,Rect(leftImg.cols,0,rightImg.cols,rightImg.rows)));
//保存圖像
imwrite("tiled.jpg",tiledImg);
//顯示拼接的圖像
imshow("tiled image",tiledImg);
waitKey(0); 以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持創(chuàng)新互聯(lián)。
