首页 > 其他分享> > 计算机视觉针对不同场景做全景拼接

计算机视觉针对不同场景做全景拼接

2019-03-31 20:52:41 作者：互联网

针对不同场景做全景拼接

利用RANSAC算法来做不同场景的全景图
在运行代码的时候，会遇到一些错误，主要原因出现在pcv模块中。

from pylab import *
from numpy import *
from PIL import Image

# If you have PCV installed, these imports should work
from PCV.geometry import homography, warp
from PCV.localdescriptors import sift

"""
This is the panorama example from section 3.3.
"""

# set paths to data folder
featname = [r'D:\VScode_workplace\RANSACtest1\sw'+str(i+1)+'.sift' for i in range(5)] 
imname = [r'D:\VScode_workplace\RANSACtest1\sw'+str(i+1)+'.jpg' for i in range(5)]

# extract features and match
l = {}
d = {}
for i in range(5): 
    sift.process_image(imname[i],featname[i])
    l[i],d[i] = sift.read_features_from_file(featname[i])

matches = {}
for i in range(4):
    matches[i] = sift.match(d[i+1],d[i])

# visualize the matches (Figure 3-11 in the book)
for i in range(4):
    im1 = array(Image.open(imname[i]))
    im2 = array(Image.open(imname[i+1]))
    figure()
    sift.plot_matches(im2,im1,l[i+1],l[i],matches[i],show_below=True)


# function to convert the matches to hom. points
def convert_points(j):
    ndx = matches[j].nonzero()[0]
    fp = homography.make_homog(l[j+1][ndx,:2].T)  
    ndx2 = [int(matches[j][i]) for i in ndx]
    tp = homography.make_homog(l[j][ndx2,:2].T) 
    
    # switch x and y - TODO this should move elsewhere
    fp = vstack([fp[1],fp[0],fp[2]])
    tp = vstack([tp[1],tp[0],tp[2]])
    return fp,tp


# estimate the homographies
model = homography.RansacModel() 

fp,tp = convert_points(1)
H_12 = homography.H_from_ransac(fp,tp,model)[0] #im 1 to 2 

fp,tp = convert_points(0)
H_01 = homography.H_from_ransac(fp,tp,model)[0] #im 0 to 1 

tp,fp = convert_points(2) #NB: reverse order
H_32 = homography.H_from_ransac(fp,tp,model)[0] #im 3 to 2 

tp,fp = convert_points(3) #NB: reverse order
H_43 = homography.H_from_ransac(fp,tp,model)[0] #im 4 to 3    


# warp the images
delta = 2000 # for padding and translation

im1 = array(Image.open(imname[1]), "uint8")
im2 = array(Image.open(imname[2]), "uint8")
im_12 = warp.panorama(H_12,im1,im2,delta,delta)

im1 = array(Image.open(imname[0]), "f")
im_02 = warp.panorama(dot(H_12,H_01),im1,im_12,delta,delta)

im1 = array(Image.open(imname[3]), "f")
im_32 = warp.panorama(H_32,im1,im_02,delta,delta)

im1 = array(Image.open(imname[4]), "f")
im_42 = warp.panorama(dot(H_32,H_43),im1,im_32,delta,2*delta)


figure()
imshow(array(im_42, "uint8"))
axis('off')
show()

运行之前需要更改pcv文件，具体步骤如下：
1、找到如下路径：
在这里插入图片描述
看到ransac.py文件，利用vscode打开

在这几行的print，在之前是没有括号的，与python3起冲突，所以只要加上括号，改成图示即可。

1、室内场景
需要拼接的图片：（集美大学寝室照）
效果：
在这里插入图片描述全景照拼接后显得很扭曲。修改后：

在这里插入图片描述修改后结合上一张图片总结原因应当是图片角度过窄，导致有部分图片拼接较好，而有部分图片拼接失败，被程序过度扭曲且无法拼接。

2、室外景深落差较小的场景
需要拼接的图片（集美大学嘉庚图书馆、中山纪念馆）
在这里插入图片描述
使用SIFT特征匹配得到效果：

最终拼接效果图：

室外的全景图片拼接效果较好。但是在右侧拼接处出现了一些偏差。总结原因应当是拍摄过程中两张图片角度过大，使得图片扭曲拼接的出现瑕疵。
然后尝试五张图片
五张图片全景拼接合成：