OpenCV 图像拼接
目录
一：OpenCV图像特征采集
特征提取：
一幅图中总存在着一些独特的像素点，这些点我们可以认为就是这幅图的特征，成为特征点。
计算机视觉领域特征提取：
获取一幅图中存在着一些独特的像素点。
需要解决问题：
1、提取图片中的特征点
2、解决尺度不变性问题，不同大小的图片获取到的特征是一样的。
3、提取到的特征点要稳定，能被精确定位。
二：OpenCV 特征提取算法
特征提取算法
三：OpenCV特征提取
结果：提取到的特征很粗糙，不是很精确的特征点，导致效果很差。
要求：去粗取精，获取优秀的匹配点。
四：OpenCV特征取精
取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。
五：OpenCV透视转换
透视变换是按照物体成像投影规律进行变换，即将物体重新投影到新的成像平面。透视变换常用于机器人视觉导航研究中，由于相机视场与地面存在倾斜角使得物体成像产生畸变，通常通过透视变换实现对物体图像的校正。
使用cv::warpPerspective()进行透视变换
void cv::warpPerspective(
cv::InputArray src, // 输入图像
cv::OutputArray dst, // 输出图像
cv::InputArray M, // 3x3 变换矩阵
cv::Size dsize, // 目标图像大小
int flags = cv::INTER_LINEAR, // 插值方法
int borderMode = cv::BORDER_CONSTANT, // 外推方法
const cv::Scalar& borderValue = cv::Scalar() //常量边界时使用
);
透视矩阵 ：
获取特征矩阵：
a. 根据图像的4个顶点来获取特征矩阵
cv::Mat cv::getPerspectiveTransform( // 返回3x3透视变换矩阵
const cv::Point2f* src, // 源图像四个顶点坐标（点数组）
const cv::Point2f* dst // 目标图像上四个顶点的坐标（点数组）
);
b. 函数来计算透视矩阵H(3*3)
findHomography (
InputArray srcPoints,//源平面中点的坐标矩阵.vector<Point2f>类型
InputArray dstPoints,//目标平面中点的坐标矩阵，vector<Point2f>类型
int method = 0,
double ransacReprojThreshold = 3,
OutputArray mask = noArray(),
const int maxIters = 2000,
const double confidence = 0.995
)
六：OpenCV图像配准融合与图像反投影优化
图片拼接流程思想：