关于OpenCV的stitching使用

配置环境：VS2010+OpenCV2.4.9

为了使用 OpenCV 实现图像拼接头痛了好长时间，一直都没时间做，今天下定决心去实现基本的图像拼接。

首先，看一看使用 OpenCV 进行拼接的方法

基本都是用 Stitcher 类中的 stitch 方法。下面是网上的代码，同时也是 opencv\samples\cpp\stitching.cpp 的代码。

#include 
#include 
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/stitching/stitcher.hpp"
 
using namespace std;
using namespace cv;
 
bool try_use_gpu = false;
vector imgs;
string result_name = "result.jpg";
 
void printUsage();
int parseCmdArgs(int argc, char** argv);
 
int main(int argc, char* argv[])
{
    int retval = parseCmdArgs(argc, argv);
    if (retval) return -1;
 
    Mat pano;
    Stitcher stitcher = Stitcher::createDefault(try_use_gpu);
    Stitcher::Status status = stitcher.stitch(imgs, pano);
 
    if (status != Stitcher::OK)
    {
        cout << "Can't stitch images, error code = " << int(status) << endl;
        return -1;
    }
 
    imwrite(result_name, pano);
    return 0;
}
 
 
void printUsage()
{
    cout <<
        "Rotation model images stitcher.\n\n"
        "stitching img1 img2 [...imgN]\n\n"
        "Flags:\n"
        "  --try_use_gpu (yes|no)\n"
        "      Try to use GPU. The default value is 'no'. All default values\n"
        "      are for CPU mode.\n"
        "  --output \n"
        "      The default is 'result.jpg'.\n";
}
 
 
int parseCmdArgs(int argc, char** argv)
{
    if (argc == 1)
    {
        printUsage();
        return -1;
    }
    for (int i = 1; i < argc; ++i)
    {
        if (string(argv[i]) == "--help" || string(argv[i]) == "/?")
        {
            printUsage();
            return -1;
        }
        else if (string(argv[i]) == "--try_use_gpu")
        {
            if (string(argv[i + 1]) == "no")
                try_use_gpu = false;
            else if (string(argv[i + 1]) == "yes")
                try_use_gpu = true;
            else
            {
                cout << "Bad --try_use_gpu flag value\n";
                return -1;
            }
            i++;
        }
        else if (string(argv[i]) == "--output")
        {
            result_name = argv[i + 1];
            i++;
        }
        else
        {
            Mat img = imread(argv[i]);
            if (img.empty())
            {
                cout << "Can't read image '" << argv[i] << "'\n";
                return -1;
            }
            imgs.push_back(img);
        }
    }
    return 0;
}

感觉这个说的比较繁琐，我就改写成了下面的代码

#include 
#include 
#include 
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/stitching/stitcher.hpp"
#include
 
using namespace std;
using namespace cv;
 
bool try_use_gpu = false;
vector imgs;
string result_name = "result.jpg";
 
int main()
{
    Mat img1=imread("1.jpg");
    Mat img2=imread("2.jpg");
    imgs.push_back(img1);
    imgs.push_back(img2);
    Mat pano;
    Stitcher stitcher = Stitcher::createDefault(try_use_gpu);
    Stitcher::Status status = stitcher.stitch(imgs, pano);
    if (status != Stitcher::OK)
    {
        cout << "Can't stitch images, error code = " << status << endl;
        return -1;
    }
    namedWindow(result_name);
    imshow(result_name,pano);
    imwrite(result_name,pano);
    waitKey();
    return 0;
}

下面看一下原图和效果图，（以四张原图为例，分为左上，右上，左下，右下）

效果图如下：

可以发现代码中最关键的两句就是：

Stitcher stitcher = Stitcher::createDefault(try_use_gpu);
Stitcher::Status status = stitcher.stitch(imgs, pano);

Stitcher 是 OpenCV 的一个类，下面看一下这个类的源代码:

class CV_EXPORTS Stitcher
{
public:
    enum { ORIG_RESOL = -1 };
    enum Status { OK, ERR_NEED_MORE_IMGS };
 
    // Creates stitcher with default parameters
    static Stitcher createDefault(bool try_use_gpu = false);
 
    Status estimateTransform(InputArray images);
    Status estimateTransform(InputArray images, const std::vector > &rois);
 
    Status composePanorama(OutputArray pano);
    Status composePanorama(InputArray images, OutputArray pano);
 
    Status stitch(InputArray images, OutputArray pano);
    Status stitch(InputArray images, const std::vector > &rois, OutputArray pano);
 
    double registrationResol() const { return registr_resol_; }
    void setRegistrationResol(double resol_mpx) { registr_resol_ = resol_mpx; }
 
    double seamEstimationResol() const { return seam_est_resol_; }
    void setSeamEstimationResol(double resol_mpx) { seam_est_resol_ = resol_mpx; }
 
    double compositingResol() const { return compose_resol_; }
    void setCompositingResol(double resol_mpx) { compose_resol_ = resol_mpx; }
 
    double panoConfidenceThresh() const { return conf_thresh_; }
    void setPanoConfidenceThresh(double conf_thresh) { conf_thresh_ = conf_thresh; }
 
    bool waveCorrection() const { return do_wave_correct_; }
    void setWaveCorrection(bool flag) { do_wave_correct_ = flag; }
 
    detail::WaveCorrectKind waveCorrectKind() const { return wave_correct_kind_; }
    void setWaveCorrectKind(detail::WaveCorrectKind kind) { wave_correct_kind_ = kind; }
 
    Ptr featuresFinder() { return features_finder_; }
    const Ptr featuresFinder() const { return features_finder_; }
    void setFeaturesFinder(Ptr features_finder)
        { features_finder_ = features_finder; }
 
    Ptr featuresMatcher() { return features_matcher_; }
    const Ptr featuresMatcher() const { return features_matcher_; }
    void setFeaturesMatcher(Ptr features_matcher)
        { features_matcher_ = features_matcher; }
 
    const cv::Mat& matchingMask() const { return matching_mask_; }
    void setMatchingMask(const cv::Mat &mask)
    {
        CV_Assert(mask.type() == CV_8U && mask.cols == mask.rows);
        matching_mask_ = mask.clone();
    }
 
    Ptr bundleAdjuster() { return bundle_adjuster_; }
    const Ptr bundleAdjuster() const { return bundle_adjuster_; }
    void setBundleAdjuster(Ptr bundle_adjuster)
        { bundle_adjuster_ = bundle_adjuster; }
 
    Ptr warper() { return warper_; }
    const Ptr warper() const { return warper_; }
    void setWarper(Ptr warper) { warper_ = warper; }
 
    Ptr exposureCompensator() { return exposure_comp_; }
    const Ptr exposureCompensator() const { return exposure_comp_; }
    void setExposureCompensator(Ptr exposure_comp)
        { exposure_comp_ = exposure_comp; }
 
    Ptr seamFinder() { return seam_finder_; }
    const Ptr seamFinder() const { return seam_finder_; }
    void setSeamFinder(Ptr seam_finder) { seam_finder_ = seam_finder; }
 
    Ptr blender() { return blender_; }
    const Ptr blender() const { return blender_; }
    void setBlender(Ptr blender) { blender_ = blender; }
 
private:
    /* hidden */
};

可以看到 Stitcher 大致有这些成员函数：createDefault，estimateTransform，composePanorama，stitch 等等。

 Stitcher stitcher = Stitcher::createDefault(try_use_gpu);这句话表示使用默认参数创建Stitcher类的对象stitcher，try_use_gpu表示是否打开GPU，默认不打开，即try_use_gpu=false;下面是这个函数的原型：

C++: Stitcher Stitcher::createDefault(bool try_use_gpu=false)
参数：Flag indicating whether GPU should be used whenever it’s possible.
return：Stitcher class instance.（即创建了一个对象）

Stitcher::Status status = stitcher.stitch(imgs, pano);这句话表示：try to stitch the given images 

C++: Status Stitcher::stitch(InputArray images, OutputArray pano)
C++: Status Stitcher::stitch(InputArray images, const std::vector>& rois, OutputArray pano)
参数：images – Input images.
　　  rois – Region of interest rectangles.（感兴趣区）
      pano – Final pano.
return：Status code.（数据成员中枚举数组的一项）

Stitcher::estimateTransform 和 Stitcher::composePanorama 的使用为高级使用，需要清楚Stitching pipeline 的过程。

下面贴出 pipeline：

可以看出这个过程很复杂，需要涉及到很多的算法，比如：特征点的提取、特征点匹配、图像融合等等。这些过程 OpenCV 都为我们封装在 Stitcher 类中，不在此细述。

总结

虽然用 OpenCV 中的 Stitcher 类实现了基本的拼接，但是有一个最大的问题是，运行的效率是极低的，就这个代码中，拼接 3 张图片差不多用了一分钟，这在需要做实时拼接的时候是根本不可能使用的，所以后面需要做的工作任然是弄清楚 Stitching pipeline 的详细过程，进一步优化代码，提高拼接运行效率。

下面贴出参考资料：
http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html

下面贴出源代码和 OpenCV 中的 stiching.cpp 和 stitching_detailed.cpp 的下载地址：
http://download.csdn.net/detail/u013637931/8255767

图形学

#OpenCV

关于OpenCV的stitching使用

https://suncle.me/posts/4067358408/

作者

Suncle Chen

发布于

2014年12月13日

许可协议

我的四年，我的校招上一篇

计算机图形学知识综述下一篇