利用Python实现图像拼接-Toy模板网

这篇具有很好参考价值的文章主要介绍了利用Python实现图像拼接。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

利用python语言实现多张图像拼接_小饼干cookie的博客-CSDN博客_python拼接图像

主要参考上述博文，只是对于复现过程遇到的小问题的解决做一些补充。

拼接程序：

from pylab import *
from numpy import *
from PIL import Image

# If you have PCV installed, these imports should work
from PCV.geometry import homography, warp
from PCV.localdescriptors import sift

"""
This is the panorama example from section 3.3.
"""


featname = ['D:/pythonCode/test/data/testimages/' + str(i + 1) + '.sift' for i in range(5)]   //需要根据自己的图像地址和图像数量修改地址和循环次数
imname = ['D:/pythonCode/test/data/testimages/' + str(i + 1) + '.jpg' for i in range(5)]
# extract features and m
# match
l = {}
d = {}
for i in range(5):    //循环次数=图像数量
    sift.process_image(imname[i], featname[i])
    l[i], d[i] = sift.read_features_from_file(featname[i])

matches = {}
for i in range(4):    //循环次数=图像数量-1
    matches[i] = sift.match(d[i + 1], d[i])

# visualize the matches (Figure 3-11 in the book)
for i in range(4):    //循环次数=图像数量-1
    im1 = array(Image.open(imname[i]))
    im2 = array(Image.open(imname[i + 1]))
    figure()
    sift.plot_matches(im2, im1, l[i + 1], l[i], matches[i], show_below=True)


# function to convert the matches to hom. points
# 将匹配转换成齐次坐标点的函数
def convert_points(j):
    ndx = matches[j].nonzero()[0]
    fp = homography.make_homog(l[j + 1][ndx, :2].T)
    ndx2 = [int(matches[j][i]) for i in ndx]
    tp = homography.make_homog(l[j][ndx2, :2].T)

    # switch x and y - TODO this should move elsewhere
    fp = vstack([fp[1], fp[0], fp[2]])
    tp = vstack([tp[1], tp[0], tp[2]])
    return fp, tp


# estimate the homographies
# 估计单应性矩阵
model = homography.RansacModel()

fp, tp = convert_points(1)
H_12 = homography.H_from_ransac(fp, tp, model)[0]  # im 1 to 2

fp, tp = convert_points(0)
H_01 = homography.H_from_ransac(fp, tp, model)[0]  # im 0 to 1

tp, fp = convert_points(2)  # NB: reverse order
H_32 = homography.H_from_ransac(fp, tp, model)[0]  # im 3 to 2

tp, fp = convert_points(3)  # NB: reverse order
H_43 = homography.H_from_ransac(fp, tp, model)[0]  # im 4 to 3

# 扭曲图像
delta = 100  # 用于填充和平移 for padding and translation

im1 = array(Image.open(imname[1]), "uint8")
im2 = array(Image.open(imname[2]), "uint8")
im_12 = warp.panorama(H_12, im1, im2, delta, delta)

im1 = array(Image.open(imname[0]), "f")
im_02 = warp.panorama(dot(H_12, H_01), im1, im_12, delta, delta)

im1 = array(Image.open(imname[3]), "f")
im_32 = warp.panorama(H_32, im1, im_02, delta, delta)

im1 = array(Image.open(imname[4]), "f")
im_42 = warp.panorama(dot(H_32, H_43), im1, im_32, delta, 2 * delta)

figure()
imshow(array(im_42, "uint8"))
axis('off')
show()

先了解下拼接的相关理论，将代码复制到Python中复现，对遇到的问题逐一解决

1、需要安装PCV包

参考手把手解决解决Python安装PCV_日拱一卒不慌忙的博客-CSDN博客

2、代码中的读取图像，无.sift文件

imname使我们要拼接的原图

featname是sift文件，这个文件是需要根据原图进行生成的

具体代码参考

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
from PCV.localdescriptors import sift
from PCV.localdescriptors import harris
 
# 添加中文字体支持
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:/windows/fonts/SimSun.ttc", size=14)
 
imname = 'D:/ComputerVision_code/img/sdl11.jpg'   //需要拼接的图像的位置
im = array(Image.open(imname).convert('L'))
sift.process_image(imname, 'empire.sift')        //生成名称为empire的sift文件        
l1, d1 = sift.read_features_from_file('empire.sift')
 
figure()
gray()
subplot(121)
sift.plot_features(im, l1, circle=False)
title(u'SIFT特征',fontproperties=font)
 
# 检测harris角点
harrisim = harris.compute_harris_response(im)
 
subplot(122)
filtered_coords = harris.get_harris_points(harrisim, 6, 0.1)
imshow(im)
plot([p[1] for p in filtered_coords], [p[0] for p in filtered_coords], '*')
axis('off')
title(u'Harris角点',fontproperties=font)
 
show()

报错：empire.sift not found

原因：未修改PCV文件夹下的sift.py中的process_image函数。

解决方案：下载VLFeat0.9.20的版本，将三个相关的文件复制到自己项目环境中，再将Anaconda中sift.py的文件打开地址修改一下就可以了

主要参考：【python】 OSError:sift not found 问题解决_Lin-CT的博客-CSDN博客

博主讲的很详细，我就不画蛇添足了。

3、成功生成了sift文件，可以继续运行图像拼接程序，报错did not meet fit acceptance criteria

原因：图片问题，输入的图片太暗或太糊，导致系统无法进行特征提取或特征点太少无法匹配（有时候图片正常也会出现这种情况，反正出现这个问题只需换图片即可解决）。

主要参考：python计算机视觉常见报错及解决方案（不断更新中）_Lin-CT的博客-CSDN博客

个人感受：采用上述方式进行图像拼接，需要图像特征点较多并明显才能达到好的拼接效果，否则要么特征点太少程序无法运行，要么拼接效果很差。

我的图像的特征点较少，并且位移信息基本已知，我打算通过平移叠加进行拼图，在想是直接用PS拼（真香），还是再找找新的图像处理方法[哭笑不得]

快看我美丽的拼接成果。

利用Python实现图像拼接