OpenCV常用圖像拼接方法（二）：基於模板匹配拼接

    OpenCV常用圖像拼接方法將分為四個部分與大家共享，這里是第二種方法，歡迎關注后續，此處子系統與素材鏈接位於文章末尾。

    OpenCV常用圖像拼接方法（二）：基於模板匹配的圖像拼接。基於模板的圖像拼接特征和適用范圍：圖像有重合區域，且待分割圖像之間無明顯尺度變化和畸變。常用實例：兩個相鄰相機水平拍攝圖像拼接。優點：簡單，快速（相比於SIFT特征匹配拼接）。

    這里沒有找到更好的實例圖片，所以仍使用上一篇文章中的圖片，截取如下兩部分ROI作為待拆分圖像。

 

  待拼接圖①：

 

 待拼接圖②：

 

 思路：在圖①中截取部分公共區域ROI作為模板，利用模板在圖②中匹配，得到最佳匹配位置后計算X和Y方向需要平移的距離，將圖②對應的拼接到大圖。如下，模板為青色區域：

 

 

 部分代碼和效果如下：

// Image_Stitch_With_Matchtemplate.cpp
// 環境VS2017 + OpenCV4.4.0
// 功能：基於模板匹配的圖像拼接
// 特點：圖像有重合區域，且待拼接圖像之間無明顯尺度變換和畸變

#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
  Mat imgL = imread("A.jpg");
  Mat imgR = imread("B.jpg");
  double start = getTickCount();
  Mat grayL, grayR;
  cvtColor(imgL, grayL, COLOR_BGR2GRAY);
  cvtColor(imgR, grayR, COLOR_BGR2GRAY);

  Rect rectCut = Rect(372, 122, 128, 360);
  Rect rectMatched = Rect(0, 0, imgR.cols / 2, imgR.rows);
  Mat imgTemp = grayL(Rect(rectCut));
  Mat imgMatched = grayR(Rect(rectMatched));

  int width = imgMatched.cols - imgTemp.cols + 1;
  int height = imgMatched.rows - imgTemp.rows + 1;
  Mat matchResult(height, width, CV_32FC1);
  matchTemplate(imgMatched, imgTemp, matchResult, TM_CCORR_NORMED);
  normalize(matchResult, matchResult, 0, 1, NORM_MINMAX, -1);  //歸一化到0--1范圍

  double minValue, maxValue;
  Point minLoc, maxLoc;
  minMaxLoc(matchResult, &minValue, &maxValue, &minLoc, &maxLoc);

  Mat dstImg(imgL.rows, imgR.cols + rectCut.x - maxLoc.x, CV_8UC3, Scalar::all(0));
  Mat roiLeft = dstImg(Rect(0, 0, imgL.cols, imgL.rows));
  imgL.copyTo(roiLeft);

  Mat debugImg = imgR.clone();
  rectangle(debugImg, Rect(maxLoc.x, maxLoc.y, imgTemp.cols, imgTemp.rows), Scalar(0, 255, 0), 2, 8);
  imwrite("match.jpg", debugImg);

  Mat roiMatched = imgR(Rect(maxLoc.x, maxLoc.y - rectCut.y, imgR.cols - maxLoc.x, imgR.rows - 1 - (maxLoc.y - rectCut.y)));
  Mat roiRight = dstImg(Rect(rectCut.x, 0, roiMatched.cols, roiMatched.rows));

  roiMatched.copyTo(roiRight);

  double end = getTickCount();
  double useTime = (end - start) / getTickFrequency();
  cout << "use-time : " << useTime << "s" << endl;

  imwrite("dst.jpg", dstImg);
  cout << "Done!" << endl;
  return 0;

}

　　匹配結果：

 

 拼接結果：

　　本次耗時如下圖：( 工業相機1200W圖片拼接大約200ms）：