久久久久久久999_99精品久久精品一区二区爱城_成人欧美一区二区三区在线播放_国产精品日本一区二区不卡视频_国产午夜视频_欧美精品在线观看免费

 找回密碼
 立即注冊(cè)

QQ登錄

只需一步，快速開始

搜索
查看: 2415|回復(fù): 0
打印 上一主題 下一主題
收起左側(cè)

C++圖像拼接源程序

[復(fù)制鏈接]
跳轉(zhuǎn)到指定樓層
樓主
自己做的圖像拼接程序


源程序如下:

  2. //根據(jù)輸入圖像srcImg及其角點(diǎn)坐標(biāo)和篩選過的keypoints向量，拼接兩幅圖像，輸出拼接后的圖像及新圖像的角點(diǎn)

  4. class corners
  5. {

  7. public:
  8.         
  9.         Mat left_top,left_bottom,right_top,right_bottom;

  11.         
  12. };

  14. //圖像融合總函數(shù)
  15. void FuseImg(Mat srcImg1, corners srcImg1_in_srcImg1,
  16.                  Mat srcImg2, corners srcImg2_in_srcImg2,
  17.                  vector<KeyPoint> FilterdKeypoints,
  18.                          vector<KeyPoint> matchedFilterdKeypoints,
  19.                          Mat &dstImg, corners &dstimg_in_dstimg);


  22. ////將原圖像角點(diǎn)變換至目標(biāo)圖像坐標(biāo)系下，確保corners_be_transformed里的矩陣數(shù)據(jù)類型為float型
  23. void put_value_2_transformed_corners(vector<Mat> corners_2_be_transformed,
  24.                                          Mat H_inverted,
  25.                                                                          vector<Mat> &corners_be_transformed);


  28. //根據(jù)兩幅圖像在新圖像中的位置，確定平移量
  29. void get_transformation(vector<Mat> corner_srcImg1_in_dstImg,
  30.                             vector<Mat> corner_srcImg2_in_dstImg,
  31.                                                 Mat &trf);

  33. //根據(jù)輸入圖角點(diǎn)在最終圖中的位置向量和位移，更新輸入圖角點(diǎn)在最終圖中的位置類corners，保證坐標(biāo)為int型
  34. void update_corners_in_dst(vector<Mat> corner_srcImg_in_dstImg,
  35.                                Mat trf, corners &mat_src_in_dst);

  37. //-----------------------------------------------計(jì)算dst的尺寸大小-----------------------------------------
  38. void cal_size_dstImg(vector<Mat> corner_srcImg1_in_dstImg,
  39.                      vector<Mat> corner_srcImg2_in_dstImg,
  40.                                          Mat trsf, int &rows_dst, int &cols_dst);

  42. //計(jì)算像素點(diǎn)權(quán)值
  43. float get_frac(int i_rows, int j_cols, corners corner_mat);

  45. //根據(jù)輸入圖像角點(diǎn)位置更新輸出圖像角點(diǎn)
  46. void get_union_corner(corners corner_mat_src1_in_dst, corners corner_mat_src2_in_dst, corners &corner_mat_dstImg_in_dstImg);

  48. //將srcImg變換至dstImg上
  49. void transf_srcImg2dst(Mat srcImg2, Mat transformation, vector<KeyPoint> FilterdKeypoints,  vector<KeyPoint> matchedFilterdKeypoints, Mat &dst);

  51. //用圖像src更新圖像dst
  52. void updateDstImg(Mat srcImg,corners corner_mat_src_in_dst, corners corner_mat_dst_in_dst,Mat &dstImg);
復(fù)制代碼
  1. #include<iostream>
  2. #include <cxcore.h>
  3. #include <stdlib.h>
  4. #include <time.h>
  5. #include "opencv2/legacy/legacy.hpp"
  6. #include <E:\xunfei\stitch_sift20200330_vc10\stitch_sift20200330_vc10\runRansac.h>
  7. using namespace std;
  8. using namespace cv;

  10. /***************************** Function Prototypes ***************************/


  13. /**
  14.    Calculates a best-fit image transform from image feature correspondences
  15.    using RANSAC.
  16.    @ keyPoints,matchedkeyPoints 特征點(diǎn)
  17.    @ unFilteredMatches未篩選的特征匹配
  18.    @ n 匹配數(shù)
  19.    @ m 用來計(jì)算單應(yīng)性矩陣的最少特征匹配數(shù)
  20.    @param p_badxform 模型允許的最大錯(cuò)誤概率
  21.    @param err_tol 匹配誤差，通過單應(yīng)性矩陣變換后，計(jì)算匹配誤差，在此誤差內(nèi)，認(rèn)為是內(nèi)點(diǎn)
  22.    @param n_in 內(nèi)點(diǎn)數(shù)
  23.    @filteredPoints, matchedFilteredPoints最終的內(nèi)點(diǎn)序列
  24.    @filteredMatches，最終的特征匹配
  25.    @返回最終單應(yīng)性矩陣
  26.    
  27. */
  28. extern void ransac_xform(  vector<KeyPoint> keyPoints,
  29.                                  vector<KeyPoint> matchedkeyPoints,
  30.                                                          vector<DMatch> unFilteredMatches,
  31.                                                          int n, int m,double p_badxform,double err_tol ,
  32.                                          int &n_in,
  33.                                                          vector<KeyPoint> &FilteredPoints,
  34.                                                          vector<KeyPoint> &matchedFilteredPoints,
  35.                                                          vector<DMatch> &FilteredMatches)
  36. {
  37.         n=(int)unFilteredMatches.size();
  38.         Mat M;//單應(yīng)性矩陣
  39.         m=N;
  40.         DMatch sample[N];//暫存被隨機(jī)抽取到的匹配
  41.         DMatch* consensus;//當(dāng)前一致集
  42.         DMatch* consensus_max = NULL;//當(dāng)前最大一致集
  43.         double p, in_frac = RANSAC_INLIER_FRAC_EST;//p為當(dāng)前計(jì)算出的模型的錯(cuò)誤概率，當(dāng)p小于p_badxform時(shí)迭代終止，in_frac為內(nèi)點(diǎn)所占比例
  44.         //in為當(dāng)前一致集元素個(gè)數(shù)，in_min為一致集中元素個(gè)數(shù)允許的最小值，保證RANSAC最終計(jì)算出的轉(zhuǎn)換矩陣錯(cuò)誤的概率小于p_badxform所需的最小內(nèi)點(diǎn)數(shù)目
  45.         //im_max為當(dāng)前最優(yōu)一致集中的元素個(gè)數(shù)
  46.         //k為迭代次數(shù)
  47.         //k_max為迭代次數(shù)最大值，即初始值
  48.         int i, in, in_min, in_max = 0, k = 0, k_max;
  49.         if(n<m)
  50.         {
  51.                 cout<<"實(shí)際匹配數(shù)小于計(jì)算模型需用的最小匹配數(shù)"<<endl;
  52.         }

  54.         srand( (int)time(NULL) );//初始化隨機(jī)數(shù)發(fā)生器
  55.         //計(jì)算保證RANSAC最終計(jì)算出的轉(zhuǎn)換矩陣錯(cuò)誤的概率小于p_badxform所需的最小內(nèi)點(diǎn)數(shù)目
  56.         in_min = calc_min_inliers( n, m, RANSAC_PROB_BAD_SUPP, p_badxform );
  57.         //計(jì)算k的最大值
  58.         k_max = calc_max_k(in_frac, p_badxform, m);
  59.         k=k_max;

  61.         for(int j=0;j<k;j++)
  62.         //for(int j=0;j<5;j++)
  63.         {
  64.                 //pts與mpts為之后要用到的m個(gè)隨機(jī)特征點(diǎn)對(duì)
  65.                 vector<Point2f> pts,mpts;
  66.                 //隨機(jī)選擇m(4)個(gè)匹配
  67.                 draw_ransac_sample( unFilteredMatches, m, n,sample );
  68.                 //提取m個(gè)匹配對(duì)應(yīng)的特征點(diǎn)對(duì)
  69.                 extract_corresp_pts( keyPoints,matchedkeyPoints,sample, m, pts, mpts );
  70.                 //計(jì)算單應(yīng)性矩陣M
  71.                 xform_fn( pts, mpts, M );
  72.                 //計(jì)算一致集和內(nèi)點(diǎn)數(shù)
  73.                 consensus = new DMatch[n];
  74.                 in = find_consensus( keyPoints, matchedkeyPoints, unFilteredMatches, n, M, (double)err_tol, consensus);
  75.                 //更新最優(yōu)一致集的元素個(gè)數(shù)和最優(yōu)一致集
  76.                 if(in>in_max)
  77.                 {
  78.                         in_max = in;
  79.                         consensus_max=consensus;
  80.                         in_frac=((double)in_max)/((double)n);
  81.                 }
  82.                 else delete [] consensus;
  83.                 //根據(jù)當(dāng)前最優(yōu)一致集的元素個(gè)數(shù)是否大于要求的最小內(nèi)點(diǎn)數(shù)，判斷是否繼續(xù)迭代
  84.                 if(in_max>in_min)
  85.                 {
  86.                         break;
  87.                 }
  88.                 //更新迭代次數(shù)k
  89.                 if(calc_max_k(in_frac, p_badxform, m)>5)
  90.                 {
  91.                         k = calc_max_k(in_frac, p_badxform, m);
  92.                 }
  93.         }
  94.         if(in_max>in_min)
  95.         {
  96.                 for(int j=0; j<in_max; j++)
  97.                 {
  98.                         FilteredPoints.push_back(keyPoints[consensus_max[j].queryIdx]);
  99.                         matchedFilteredPoints.push_back(matchedkeyPoints[consensus_max[j].trainIdx]);
  100.                         FilteredMatches.push_back(consensus_max[j]);
  101.                        
  102.                 }
  103.                 n_in=in_max;
  104.         }
  105.         else
  106.         {
  107.                 n_in=0;
  108.         }

  110. }

  112. //計(jì)算計(jì)算保證RANSAC最終計(jì)算出的轉(zhuǎn)換矩陣錯(cuò)誤的概率小于p_badxform所需的最小內(nèi)點(diǎn)數(shù)目
  113. static int calc_min_inliers( int n, int m, double p_badsupp, double p_badxform )
  114. {
  115.   double pi, sum;
  116.   int i, j;

  118.   for( j = m+1; j <= n; j++ )
  119.     {
  120.       sum = 0;
  121.       for( i = j; i <= n; i++ )
  122.         {
  123.           pi = (i-m) * log( p_badsupp ) + (n-i+m) * log( 1.0 - p_badsupp ) +
  124.             log_factorial( n - m ) - log_factorial( i - m ) -
  125.             log_factorial( n - i );
  126.           /*
  127.            * Last three terms above are equivalent to log( n-m choose i-m )
  128.            */
  129.           sum += exp( pi );
  130.         }
  131.       if( sum < p_badxform )
  132.         break;
  133.     }
  134.   return j;
  135. }

  137. //計(jì)算階乘的對(duì)數(shù)
  138. static inline double log_factorial( int n )
  139. {
  140.   double f = 0;
  141.   int i;

  143.   for( i = 1; i <= n; i++ )
  144.     f += log((double) i );

  146.   return f;
  147. }

  149. //計(jì)算迭代次數(shù)k的初始值，也是最大值，程序運(yùn)行后不斷更新k；
  150. int calc_max_k(double in_frac, double p_badxform, int m)
  151. {
  152.         double p;
  153.         p=pow(in_frac, m);
  154.         p=1-p;
  155.         double s=0;
  156.         int i=0;
  157.         for(i=0;i<10000;i++)
  158.         {
  159.                 s=pow(p, i);
  160.                 if(s<p_badxform)
  161.                         break;
  162.         }
  163.         return i;
  164. }

  166. //隨機(jī)選擇四個(gè)匹配作為計(jì)算單應(yīng)性矩陣的樣本值
  167. void draw_ransac_sample( vector<DMatch> unFilteredMatches, int m, int n, DMatch* sample )
  168. {
  169.         for(int i=0;i<m;i++)
  170.         {
  171.                 int id;
  172.                 for(int j=0;j<1000;j++)
  173.                 {
  174.                         id=rand()%n;
  175.                         if(id>(((int)unFilteredMatches.size())))
  176.                                 break;
  177.                 }
  178.                 sample[i]=unFilteredMatches[id];
  179.         }
  180. }

  182. //提取匹配關(guān)鍵點(diǎn)KeyPoints中的點(diǎn)坐標(biāo)輸入到Point2f點(diǎn)對(duì)中
  183. void extract_corresp_pts( vector<KeyPoint> kpts,
  184.                               vector<KeyPoint> mkpts,
  185.                                                   DMatch* sample, int m,
  186.                                                   vector<Point2f> &pts,
  187.                                                   vector<Point2f> &mpts )
  188. {
  189.         for(int i=0;i<m;i++)
  190.         {
  191.                 pts.push_back( kpts[sample[i].queryIdx].pt);
  192.                 mpts.push_back( mkpts[sample[i].trainIdx].pt);
  193.         }

  195. }

  197. //根據(jù)4對(duì)匹配點(diǎn)坐標(biāo)計(jì)算單應(yīng)性矩陣
  198. void xform_fn( vector<Point2f> pts, vector<Point2f> mpts, Mat &M )
  199. {
  200.         Mat mat(8,8,CV_32FC1,Scalar::all(0));
  201.         Mat mat_invert(8,8,CV_32FC1,Scalar::all(0));
  202.         //初始化系數(shù)矩陣行0，2，4，6
  203.         for(int i_rows = 0; i_rows < 4; i_rows++)
  204.         {

  206.                 mat.at<float>(2*i_rows,0) = pts[i_rows].x;//0列

  208.                 mat.at<float>(2*i_rows,1) = pts[i_rows].y;//1列
  209.                
  210.                 mat.at<float>(2*i_rows,2) = 1.0;//2列
  211.                
  212.                 mat.at<float>(2*i_rows,3) = 0.0;//3列
  213.                
  214.                 mat.at<float>(2*i_rows,4) = 0.0;//4列
  215.                
  216.                 mat.at<float>(2*i_rows,5) = 0.0;//5列
  217.                
  218.                 mat.at<float>(2*i_rows,6) = -pts[i_rows].x*mpts[i_rows].x;//6列
  219.                
  220.                 mat.at<float>(2*i_rows,7) = -pts[i_rows].y*mpts[i_rows].x;//7列


  223.         }

  225.         //初始化系數(shù)矩陣行1，3，5，7
  226.         for(int i_rows = 0; i_rows<4; i_rows++)
  227.         {
  228.                
  229.                 mat.at<float>(1+2*i_rows,0) = 0.0;//0列
  230.                
  231.                 mat.at<float>(1+2*i_rows,1) = 0.0;//1列
  232.                
  233.                 mat.at<float>(1+2*i_rows,2) = 0.0;//2列
  234.                
  235.                 mat.at<float>(1+2*i_rows,3) = pts[i_rows].x;//3列
  236.                
  237.                 mat.at<float>(1+2*i_rows,4) = pts[i_rows].y;//4列
  238.                
  239.                 mat.at<float>(1+2*i_rows,5) = 1.0;//5列
  240.                
  241.                 mat.at<float>(1+2*i_rows,6) = -pts[i_rows].x*mpts[i_rows].y;//6列
  242.                
  243.                 mat.at<float>(1+2*i_rows,7) = -pts[i_rows].y*mpts[i_rows].y;//7列

  245.         }
  246.         invert(mat,mat_invert);
  247.        

  249.         //計(jì)算得到向量or數(shù)組
  250.         float vct_mat_invert[8][8],vctr2[8];
  251.         for(int i_rows=0; i_rows<8; i_rows++)
  252.         {
  253.                 for(int j_cols=0; j_cols<8; j_cols++)
  254.                 {
  255.                         vct_mat_invert[i_rows][j_cols] = mat_invert.at<float>(i_rows,j_cols);
  256.                 }
  257.         }
  258.         for(int id=0; id<4;id++)
  259.         {
  260.                 vctr2[id*2]   = mpts[id].x;
  261.                 vctr2[id*2+1] = mpts[id].y;
  262.         }

  264.         //計(jì)算homo
  265.         Mat homo(3,3,CV_32FC1,Scalar::all(0));
  266.         for(int i_rows = 0;i_rows < 3;i_rows++)
  267.         {
  268.                 for(int j_cols = 0; j_cols<3 ; j_cols++)
  269.                 {
  270.                         if((i_rows*3+j_cols) < 8)
  271.                         {
  272.                                 homo.at<float>(i_rows,j_cols) = calc_vct_in_prdct(vct_mat_invert[i_rows*3+j_cols], vctr2, 8);
  273.                         }
  274.                         else homo.at<float>(2,2)=1.0;
  275.                        
  276.                 }
  277.         }
  278.         M=homo;

  280. }
  281. //計(jì)算向量（or數(shù)組）內(nèi)積
  282. float calc_vct_in_prdct(float* vctr1, float* vctr2, int dim)
  283. {
  284.          float VectorInnerProduct=0.0;
  285.          for(int j=0;j<dim;j++)
  286.          {
  287.                  VectorInnerProduct= VectorInnerProduct+vctr1[j]*vctr2[j];
  288.          }
  289.          return VectorInnerProduct;
  290. }

  292. //計(jì)算在單應(yīng)性矩陣下，一對(duì)匹配特征點(diǎn)的像素距離的平方，即誤差平方，返回值即為誤差平方
  293. float err_fn( KeyPoint pot, KeyPoint mpot, Mat M )
  294. {
  295.          if((((int)M.rows)>3)||(((int)M.cols)>3))
  296.                  return 1000.0;
  297.          float point[3],matched_point[3];
  298.          point[0] = pot.pt.x;
  299.          point[1] = pot.pt.y;
  300.          point[2] = 1.0;

  302.          matched_point[0] = mpot.pt.x;
  303.          matched_point[1] = mpot.pt.y;
  304.          matched_point[2] = 1.0;
  305.          
  306.          float transformed_point[3] = {0.0,0.0,0.0};
  307.          for(int i=0; i<3; i++)
  308.          {
  309.                  for(int j=0; j<3;j++)
  310.                  {
  311.                          transformed_point[i] = transformed_point[i] + M.at<float>(i,j)*point[j];
  312.                  }
  313.          }
  314.          //變換后的像素坐標(biāo)歸一化，即將各坐標(biāo)都除以Z坐標(biāo)
  315.          for(int j=0; j<3; j++)
  316.          {
  317.                  transformed_point[j] = transformed_point[j] / transformed_point[2];
  318.          }

  320.          float err_pixl_sqr = 0.0;
  321.          for(int i=0; i<3; i++)
  322.          {
  323.                  err_pixl_sqr = err_pixl_sqr + ( matched_point[i] - transformed_point[i] ) * ( matched_point[i] - transformed_point[i] );
  324.          }
  325.          return err_pixl_sqr;

  327. }

  329. //尋找一致集，返回一致集元素?cái)?shù)
  330. int find_consensus( vector<KeyPoint> kpts, vector<KeyPoint> mkpts, vector<DMatch> uFMaches, int n, Mat M, int err_tol, DMatch* consensus)
  331. {
  332.         int num_matches = (int)uFMaches.size();
  333.         int num_consensus=0;
  334.         double err_sqr = pow((float)err_tol, 2);
  335.         for(int i=0; i<num_matches; i++)
  336.         {
  337.                 if(err_fn( kpts[uFMaches[i].queryIdx], mkpts[uFMaches[i].trainIdx],  M )<err_sqr)
  338.                 {
  339.                         *(consensus + num_consensus)=uFMaches[i];
  340.                         num_consensus++;
  341.                 }
  342.         }
  343.         return num_consensus;

  345. }
復(fù)制代碼

下載: 代碼stitch_sift20200421_vc10.7z (7.94 MB, 下載次數(shù): 7)
圖片1.7z (16.18 MB, 下載次數(shù): 5)
圖片2.7z (11.82 MB, 下載次數(shù): 5)

評(píng)分

參與人數(shù) 1黑幣 +50 收起 理由
admin + 50 共享資料的黑幣獎(jiǎng)勵(lì)！

查看全部評(píng)分

分享到:  QQ好友和群QQ好友和群 QQ空間QQ空間 騰訊微博騰訊微博 騰訊朋友騰訊朋友
收藏收藏2 分享淘帖 頂頂 踩踩
回復(fù)

使用道具 舉報(bào)

本版積分規(guī)則

手機(jī)版|小黑屋|51黑電子論壇 |51黑電子論壇6群 QQ 管理員QQ:125739409;技術(shù)交流QQ群281945664

Powered by 單片機(jī)教程網(wǎng)

快速回復(fù) 返回頂部 返回列表
主站蜘蛛池模板： 美女日皮网站 | 欧美美女二区 | 日韩国产精品一区二区三区 | 91国在线高清视频 | 日韩视频一区二区 | 国产精品免费一区二区三区 | 国产一区二区三区四区五区3d | 亚洲一区 | 91精品国产99 | 久久国产精品一区二区三区 | 久久蜜桃资源一区二区老牛 | 亚洲第一成年免费网站 | 成人一级黄色毛片 | 日韩精品一 | 成人免费区一区二区三区 | 97偷拍视频 | 中文字幕亚洲欧美日韩在线不卡 | 精品国产1区2区3区 一区二区手机在线 | 99精品一区| 欧美激情一区二区 | 久久久精品一区二区 | 国产区一区 | 精品欧美乱码久久久久久 | 国产精品.xx视频.xxtv | 成人a视频 | 国产欧美一级二级三级在线视频 | 久久精品国产99国产精品 | 日本午夜免费福利视频 | www.成人免费视频 | 久草新在线 | 一级高清视频 | 日本在线黄色 | 精品在线一区二区三区 | 少妇无套高潮一二三区 | 97超碰人人草 | 日本视频中文字幕 | 一级黄色毛片免费 | 草b视频| 日韩欧美国产综合 | 日本精品免费 | 四虎在线观看 |