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：
1 // Image_Stitch_With_Matchtemplate.cpp 2 // 環境VS2017 + OpenCV4.4.0 3 // 功能：基於模板匹配的圖像拼接 4 // 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
5
6 #include "pch.h"
7 #include <iostream>
8 #include <opencv2/opencv.hpp>
9
10 using namespace std; 11 using namespace cv; 12
13 int main() 14 { 15 Mat imgL = imread("A.jpg"); 16 Mat imgR = imread("B.jpg"); 17 double start = getTickCount(); 18 Mat grayL, grayR; 19 cvtColor(imgL, grayL, COLOR_BGR2GRAY); 20 cvtColor(imgR, grayR, COLOR_BGR2GRAY); 21
22 Rect rectCut = Rect(372, 122, 128, 360); 23 Rect rectMatched = Rect(0, 0, imgR.cols / 2, imgR.rows); 24 Mat imgTemp = grayL(Rect(rectCut)); 25 Mat imgMatched = grayR(Rect(rectMatched)); 26
27 int width = imgMatched.cols - imgTemp.cols + 1; 28 int height = imgMatched.rows - imgTemp.rows + 1; 29 Mat matchResult(height, width, CV_32FC1); 30 matchTemplate(imgMatched, imgTemp, matchResult, TM_CCORR_NORMED); 31 normalize(matchResult, matchResult, 0, 1, NORM_MINMAX, -1); //歸一化到0--1范圍
32
33 double minValue, maxValue; 34 Point minLoc, maxLoc; 35 minMaxLoc(matchResult, &minValue, &maxValue, &minLoc, &maxLoc); 36
37 Mat dstImg(imgL.rows, imgR.cols + rectCut.x - maxLoc.x, CV_8UC3, Scalar::all(0)); 38 Mat roiLeft = dstImg(Rect(0, 0, imgL.cols, imgL.rows)); 39 imgL.copyTo(roiLeft); 40
41 Mat debugImg = imgR.clone(); 42 rectangle(debugImg, Rect(maxLoc.x, maxLoc.y, imgTemp.cols, imgTemp.rows), Scalar(0, 255, 0), 2, 8); 43 imwrite("match.jpg", debugImg); 44
45 Mat roiMatched = imgR(Rect(maxLoc.x, maxLoc.y - rectCut.y, imgR.cols - maxLoc.x, imgR.rows - 1 - (maxLoc.y - rectCut.y))); 46 Mat roiRight = dstImg(Rect(rectCut.x, 0, roiMatched.cols, roiMatched.rows)); 47
48 roiMatched.copyTo(roiRight); 49
50 double end = getTickCount(); 51 double useTime = (end - start) / getTickFrequency(); 52 cout << "use-time : " << useTime << "s" << endl; 53
54 imwrite("dst.jpg", dstImg); 55 cout << "Done!" << endl; 56 return 0; 57
58 }
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）：
