Aligner des images dans opencv

J'ai des images de la même scène ont porté à différentes distances. Je veux aligner les images de telle façon que chaque fonctionnalité est exactement dans la même position dans chaque image. Comment puis-je faire cela à l'aide d'opencv?

Checkout ces liens: l'Alignement des Images (ECC) dans OpenCV (C++ / Python), lent, mais ça marche: learnopencv.com/image-alignment-ecc-in-opencv-c-python Homographie des Exemples à l'aide d'OpenCV (Python / C++) learnopencv.com/homography-examples-using-opencv-python-c Github le code: github.com/spmallick/learnopencv/tree/master/Homography

OriginalL'auteur user3363298 | 2014-02-28

  1. 9

    Tout d'abord vous devez déterminer la transformation entre vos images. Il peut être aussi simple que la maj ou aussi complexe que les non-linéaire de la déformation. En se concentrant opération ne peut pas seulement la maj, mais aussi un peu de l'échelle et même de cisaillement les images. Dans ce cas, vous devez utiliser une Homographie de les faire correspondre.

    Deuxième, de la manière la plus simple que vous avez à faire est de sélectionner manuellement au moins 4 paris de points correspondants, d'enregistrer leurs coordonnées et de les introduire dans findHomography() fonction. Le résultant 3x3 transformation peut être utilisée dans warpPerspective() de faire correspondre les images. Si le résultat est bon, vous pouvez automatiser le processus de recherche des correspondances par l'aide, par exemple, le SURF et qui correspondent à leurs descripteurs.

    Enfin, si le résultat n'est pas satisfaisant, vous devez avoir un cadre plus général de transformation de l'homographie. Je voudrais essayer une pièce sage Affine d'essayer de faire correspondre les morceaux d'images séparément. De toute façon, plus d'infos à propos de vos commentaires et de votre objectif final sera de l'aider à résoudre le problème correctement.

    Ici c'est un travail entièrement exemple en Python et OpenCV qui montre comment utiliser SIFT/SURF pour détecter automatiquement les points correspondants et d'appliquer les findHomography() et warpPerspective() des fonctions sur ces données.

    OriginalL'auteur Vlad

  2. 5

    Vous pouvez utiliser image de couture ou fonction machting algorithmes de openCV.

    Les principales étapes de la fonction de correspondance sont :

    • Extrait de fonctionnalités (SURF ou de TAMISER ou autres...)
    • Correspondre les caractéristiques (FLANN ou BruteForce...) et de filtrer les couplages
    • Trouver la transformation géométrique (RANSAC ou LMeds...)

    OriginalL'auteur Olivier A

  3. 3

    L'idée de base est dans l'avion, faire pivoter les images et le son de la 2D à la traduction dans les directions X et Y en fonction de leur appariés en fonction de points.

    Découvrez Image Algorithmes D'Alignement où vous pouvez trouver deux approches pour ce faire à l'aide d'OpenCV (avec code).

    OriginalL'auteur herohuyongtao