Bild Nähte Python
Ich habe zu Nähen, zwei oder mehr Bilder zusammen mit python und openCV.
Ich fand diesen code für die Suche nach Eckdaten und die Spiele, aber ich weiß nicht, wie es weiter geht.
Helfen Sie mir bitte!
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)
- Blick auf dieser Website richardt.name/Lehr - /supervisions/vision-2011/praktische Es wird Ihnen helfen
Du musst angemeldet sein, um einen Kommentar abzugeben.
Ihre Frage ist nicht ganz eindeutig, aber ich vermute, was du meinst, ist, dass Sie eine Reihe von Bildern, und Sie möchten, um opencv finden Sie die entsprechenden Sehenswürdigkeiten und dann warp/skalieren jedes einzelne Bild, so dass Sie die form eines großen Bildes.
Eine Methode ohne die stitcher-Klasse, im Grunde Durchlaufen die Bilder und die Bestimmung der besten Anpassung eine jede iteration, ist dokumentiert in diese github-code
Einen Ansatz zur Bild-stitching besteht aus den folgenden Schritten.
Erstens, wie Sie bereits herausgefunden, Sie benötigen ein feature point detector und der einige Weg zu finden, die Korrespondenzen zwischen feature-Punkte auf beiden Bildern. Es ist normalerweise eine gute Idee, Sie zu beseitigen eine Menge von Korrespondenzen, da Sie wahrscheinlich enthalten eine Menge Lärm. Eine super einfache Weise zu beseitigen, eine Menge Lärm, ist die Suche nach Symmetrie in den matches.
Dies ist ungefähr das, was dein code funktioniert bis zu diesem Punkt.
Nächsten, zu Nähen die Bilder zusammen, die Sie benötigen, um warp-eines der Bilder, um passen Sie die Perspektive des anderen Bildes. Dies geschieht durch eine Schätzung des homography mithilfe der Korrespondenzen. Weil Ihre Korrespondenzen wird wahrscheinlich immer noch enthalten eine Menge Lärm, wir verwenden in der Regel RANSAC zu robust die Schätzung der homography.
Eine schnelle google-Suche bietet viele Beispiele für diese umgesetzt.