OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) ：基于模板匹配拼接

本文来源公众号“OpenCV与AI深度学习”，仅用于学术分享，侵权删，干货满满。

原文链接：OpenCV常用图像拼接方法(二) ：基于模板匹配拼接

    OpenCV常用图像拼接方法将分为四部分与大家分享，这里是第二种方法，欢迎关注后续，本文源码与素材链接位于文章末尾。

    OpenCV常用图像拼接方法(二) ：基于模板匹配的图像拼接。基于模板的图像拼接特点和适用范围：图像有重合区域，且待拼接图像之间无明显尺度变化和畸变。常用实例：两个相邻相机水平拍摄图像拼接。优点：简单、快速(相比于SIFT特征匹配拼接)。

    这里没有找到较好的实例图片，所以仍使用上一篇文章中的图片，截取如下两部分ROI作为待拼接图像。

    待拼接图①：

    待拼接图②：

    思路：在图①中截取部分公共区域ROI作为模板，利用模板在图②中匹配，得到最佳匹配位置后计算X和Y方向需要平移的像素距离，将图②对应的拼接到大图中。如下，模板为青色区域：

    部分代码和效果如下：

// Image_Stitch_With_Matchtemplate.cpp
// 环境VS2017 + OpenCV4.4.0
// 功能：基于模板匹配的图像拼接
// 特点：图像有重合区域，且待拼接图像之间无明显尺度变换和畸变

#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    Mat imgL = imread("A.jpg");
    Mat imgR = imread("B.jpg");
    double start = getTickCount();
    Mat grayL, grayR;
    cvtColor(imgL, grayL, COLOR_BGR2GRAY);
    cvtColor(imgR, grayR, COLOR_BGR2GRAY);

    Rect rectCut = Rect(372, 122, 128, 360);
    Rect rectMatched = Rect(0, 0, imgR.cols / 2, imgR.rows);
    Mat imgTemp = grayL(Rect(rectCut));
    Mat imgMatched = grayR(Rect(rectMatched));

    int width = imgMatched.cols - imgTemp.cols + 1;
    int height = imgMatched.rows - imgTemp.rows + 1;
    Mat matchResult(height, width, CV_32FC1);
    matchTemplate(imgMatched, imgTemp, matchResult, TM_CCORR_NORMED);
    normalize(matchResult, matchResult, 0, 1, NORM_MINMAX, -1); //归一化到0--1范围

    double minValue, maxValue;
    Point minLoc, maxLoc;
    minMaxLoc(matchResult, &minValue, &maxValue, &minLoc, &maxLoc);

    Mat dstImg(imgL.rows, imgR.cols + rectCut.x - maxLoc.x, CV_8UC3, Scalar::all(0));
    Mat roiLeft = dstImg(Rect(0, 0, imgL.cols, imgL.rows));
    imgL.copyTo(roiLeft);

    Mat debugImg = imgR.clone();
    rectangle(debugImg, Rect(maxLoc.x, maxLoc.y, imgTemp.cols, imgTemp.rows), Scalar(0, 255, 0), 2, 8);
    imwrite("match.jpg", debugImg);

    Mat roiMatched = imgR(Rect(maxLoc.x, maxLoc.y - rectCut.y, imgR.cols - maxLoc.x, imgR.rows - 1 - (maxLoc.y - rectCut.y)));
    Mat roiRight = dstImg(Rect(rectCut.x, 0, roiMatched.cols, roiMatched.rows));
    roiMatched.copyTo(roiRight);

    double end = getTickCount();
    double useTime = (end - start) / getTickFrequency();
    cout << "use-time : " << useTime << "s" << endl;

    imwrite("dst.jpg", dstImg);
    cout << "Done!" << endl;
    return 0;
}

匹配结果：

    拼接结果：

    本次耗时如下图：(工业相机1200W图片拼接大约200ms)：

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。