《计算机视觉应用与实践》课件——项目7 图像拼接.pptxVIP

;;;项目目标;图像拼接是指将拍摄到的具有重叠区域的若干幅图像（可能是不同时间、不同视角或者不同传感器获得的）拼接成一幅无缝全景图。小旌了解到，要实现图像拼接，首先需要进行图像特征点的检测和匹配，然后进行透视变换得到无缝全景图，他决定尝试一下。

小旌打算对拍摄的两幅不同角度的风景图像进行图像拼接。首先，他使用SIFT特征检测算法找到每幅图像中的特征点，然后使用KNN算法进行特征匹配，以便快速地在两幅图像之间建立对应关系，最后，利用透视变换矩阵进行透视变换，完成图像拼接。;项目准备;01;图像金字塔;图像金字塔1.高斯金字塔;图像金字塔1.高斯金字塔;;;【例7-1】编写程序，使用?OpenCV?将图像“build.png”（见本书配套素材“例题图像/build.png”）先进行3次下采样操作，再进行3次上采样操作，然后显示原图像和采样后的图像。;【运行结果】程序运行结果如下图所示。从结果中可以看出，上采样并不是下采样的逆运算，下采样的图像经过上采样后，不能恢复图像的清晰度。

;图像金字塔2.拉普拉斯金字塔;【例7-2】编写程序，使用OpenCV为图像“build.png”（见本书配套素材“例题图像/build.png”）构建两层拉普拉斯金字塔，然后使用拉普拉斯图像恢复原图像，并显示原图像、拉普拉斯图像和恢复的图像。;【运行结果】程序运行结果如下图所示。;02;;特征检测与匹配特征检测1.SIFT算法;;特征检测与匹配特征检测1.SIFT算法;特征检测与匹配特征检测1.SIFT算法;特征检测与匹配特征检测1.SIFT算法;【例?7-3】编写程序，使用SIFT算法检测、计算并绘制图像“build.png”（见本书配套素材“例题图像/build.png”）的特征点。;【运行结果】程序运行结果如下图所示。从结果中可以看出，在图像中检测到3788个SIFT特征点，每个特征的维度为128。;特征检测与匹配特征检测2．ORB算法;特征检测与匹配特征检测2．ORB算法;特征检测与匹配特征检测2．ORB算法;【例?7-4】编写程序，使用?ORB?算法检测、计算并绘制图像“build.png”（见本书配套素材“例题图像/build.png”）的特征点，要求特征点??量为2000。;【运行结果】程序运行结果如图所示。从结果中可以看出，在图像中检测到2000个ORB特征点，每个特征的维度为32。;;特征检测与匹配特征匹配1．暴力匹配算法;;;;;;;【例?7-5】编写程序，首先使用SIFT算法检测和计算图像“left_01.jpg”和“right_01.jpg”（见本书配套素材“例题图像/left_01.jpg”和“例题图像/right_01.jpg”）的特征点，然后使用暴力匹配算法进行特征匹配，并显示匹配结果图像。;特征检测与匹配特征匹配1．暴力匹配算法;【运行结果】程序运行结果如下图所示。;;特征检测与匹配特征匹配2．KNN算法;;;;;;【例?7-6】编写程序，首先使用SIFT算法检测和计算图像“left_01.jpg”和“right_01.jpg”（见本书配套素材“例题图像/left_01.jpg”和“例题图像/right_01.jpg”）的特征点，然后使用FLANN算法进行特征匹配，并显示匹配结果图像。;特征检测与匹配特征匹配3．FLANN算法;【运行结果】程序运行结果如下图所示。;;03;;;;【例?7-7】编写程序，使用OpenCV的cv2.warpPerspective()函数对图像“book.png”（见本书配套素材“例题图像/book.png”）进行透视变换，并显示原图像和透视变换后的图像。;【运行结果】程序运行结果如下图所示。;04;项目实施——风景图像全景拼接项目分析;项目实施——风景图像全景拼接项目分析1.图像特征检测;项目实施——风景图像全景拼接项目分析2.图像特征匹配;项目实施——风景图像全景拼接项目分析3.图像透视变换与拼接;05;;;项目实训2．实训内容;项目实训3．实训小结;项目总结;项目评价;项目评价;项目评价;