OpenCV stitching_detailed.cpp解读

一、stitching_detail 程序运行流程

1.命令行调用程序，输入源图像以及程序的参数

2.特征点检测，判断是使用 surf 还是 orb，默认是 surf。

3.对图像的特征点进行匹配，使用最近邻和次近邻方法，将两个最优的匹配的置信度

保存下来。

4.对图像进行排序以及将置信度高的图像保存到同一个集合中，删除置信度比较低的

图像间的匹配，得到能正确匹配的图像序列。这样将置信度高于门限的所有匹配合并到一个

集合中。

5.对所有图像进行相机参数粗略估计，然后求出旋转矩阵

img1 img2 img3 输入图像

--preview 以预览模式运行程序，比正常模式要快，但输出图像分辨率低，拼接的分辨

率 compose_megapix 设置为 0.6

--try_gpu (yes|no) 是否使用 GPU(图形处理器)，默认为 no

/* 运动估计参数 */

--work_megapix <--work_megapix <float>> 图像匹配的分辨率大小，图像的面积尺寸

变为 work_megapix*100000，默认为 0.6

--features (surf|orb) 选择 surf 或者 orb 算法进行特征点计算，默认为 surf

--match_conf <float> 特征点检测置信等级，最近邻匹配距离与次近邻匹配距离的比值，

surf 默认为 0.65，orb 默认为 0.3

/*图像融合参数:*/

--warp

(plane|cylindrical|spherical|fisheye|stereographic|compressedPlaneA2B1|compressedPla

neA1.5B1|compressedPlanePortraitA2B1

|compressedPlanePortraitA1.5B1|paniniA2B1|paniniA1.5B1|paniniPortraitA2B1|paniniPor

traitA1.5B1|mercator|transverseMercator)

选择融合的平面，默认是球形

--seam_megapix <float> 拼接缝像素的大小 默认是 0.1 ------------

--seam (no|voronoi|gc_color|gc_colorgrad) 拼接缝隙估计方法 默认是 gc_color

--compose_megapix <float> 拼接分辨率，默认为-1

--expos_comp (no|gain|gain_blocks) 光照补偿方法，默认是 gain_blocks

--blend (no|feather|multiband) 融合方法，默认是多频段融合

--blend_strength <float> 融合强度，0-100.默认是 5.

三、程序代码分析

1.参数读入

程序参数读入分析，将程序运行是输入的参数以及需要拼接的图像读入内存，检查图像

是否多于 2 张。

[cpp] view plaincopy

7. if (num_images < 2)

8. {

9. LOGLN("Need more images");

10. return -1;

11. }

判断选择是 surf 还是 orb 特征点检测（默认是 surf）以及对图像进行预处理（尺寸缩

放），然后计算每幅图形的特征点，以及特征点描述子

2.1 计算 work_scale，将图像 resize 到面积在 work_megapix*10^6 以下，

（work_megapix 默认是 0.6）

[cpp] view plaincopy

2.2 计算 seam_scale，也是根据图像的面积小于 seam_megapix*10^6，

（seam_megapix 默认是 0.1），seam_work_aspect 目前还没用到

[cpp] view plaincopy

2.3 计算图像特征点，以及计算特征点描述子，并将 img_idx 设置为 i。

[cpp] view plaincopy

1. (*finder)(img, features[i]);//matcher.cpp 348

2. features[i].img_idx = i;

特征点描述的结构体定义如下：

[cpp] view plaincopy

1. struct detail::ImageFeatures

8. Mat descriptors;

9. };

2.4 将源图像 resize 到 seam_megapix*10^6，并存入 image[]中

[cpp] view plaincopy

1. resize(full_img, img, Size(), seam_scale, seam_scale);

2. images[i] = img.clone();

3.图像匹配

对任意两副图形进行特征点匹配，然后使用查并集法，将图片的匹配关系找出，并删

3. matcher(features, pairwise_matches);//对每两个图片进行 matcher，20-》

400 matchers.cpp 502

介绍一下 BestOf2NearestMatcher 函数：

[cpp] view plaincopy

1. //Features matcher which finds two best matches for each feature and leav

es the best one only if the ratio between descriptor distances is greater th

an the threshold match_conf.

2. detail::BestOf2NearestMatcher::BestOf2NearestMatcher(bool try_use_gpu=fals

e,float match_conf=0.3f,

3. intnum_matches_thresh1=6,

8. num_matches_thresh2 – Minimum number of matches required for the 2D projecti

ve

9. transform re-estimation on inliers

函数的定义（只是设置一下参数，属于构造函数）：

[cpp] view plaincopy

1. BestOf2NearestMatcher::BestOf2NearestMatcher(bool try_use_gpu, float match_c

onf, int num_matches_thresh1, int num_matches_thresh2)

2. {

3. #ifdef HAVE_OPENCV_GPU

4. if (try_use_gpu && getCudaEnabledDeviceCount() > 0)