基于Matlab的图像拼接与拼接后平均剪切实现

我就是我 2022-09-09 09:25 237阅读 0赞

**本例程主要实现：两张有重叠部分的PNG格式文件，通过灰度化、角点检测、特征点提取、NCC算法匹配和RANSAC算法滤除误匹配完成两张图像的拼接并保存拼接图像，最后并将拼接后的图像平均大小裁剪成两部分。**

**[本例程完整源码和素材下载][Link 1]**

**目录**

**主函数**

**效果一**

**效果二**

### **主函数：** ###

clc;
    clear all;
    close all
    % img1 = imread('projection_a.png');%读取拼接图1
    % img2 = imread('projection_b.png');%读取拼接图2
    
    img1 = imread('GDUT_left.png');%读取拼接图1
    img2 = imread('GDUT_right.png');%读取拼接图2
    img1Dup=rgb2gray(img1);%拼接图1灰度化
    figure,imshow(img1Dup);%显示灰度化的拼接图1
    title('Input gray image1');
    img1Dup=double(img1Dup);%转化为double数据类型
    
    img2Dup=rgb2gray(img2);%拼接图2灰度化
    figure,imshow(img2Dup);%显示灰度化的拼接图2
    title('Input gray image2');
    img2Dup=double(img2Dup);%转化为double数据类型
    
    %使用Harris角点检测进行特征点提取
    [locs1] = Harris(img1Dup);%locs1存储拼接图1检测到的角点坐标
    [locs2] = Harris(img2Dup);%locs2存储拼接图2检测到的角点坐标
    
    %利用NCC匹配算法去寻找两幅图像之间的对应关系（相似程度）,匹配好的特征点用红色线进行连接
    %NCC(Normalized cross correlation)--归一化的交叉相关性
    %matchLoc1存储拼接图1进行NCC匹配好的角点坐标
    %matchLoc2存储拼接图2进行NCC匹配好的角点坐标
    [matchLoc1 matchLoc2] =  findCorr(img1Dup,img2Dup,locs1, locs2);
    
    %使用RANSAC算法滤除误匹配，寻找一个最佳单应矩阵H，RANSAC滤除匹配后特征点用蓝色线进行连接
    %单应矩阵：同一平面下的点，从一个图像到另一个图像的投影映射
    %RANSAC(RANdom SAmple Consensus)--随机抽样一致
    %inlierIdx为RANSAC算法滤除误匹配后留下的特征点索引
    [H inlierIdx] = estHomography(img1Dup,img2Dup,matchLoc2',matchLoc1');
    %打印单应矩阵H
    H
    %拼接图1和拼接图2进行拼接，得到拼接后图像imgout
    [imgout]=warpTheImage(H,img1,img2);
    %显示拼接后的图像
    figure,imshow(uint8(imgout));
    title('final mosaicing image');
    %保存拼接后的图片
    imwrite(uint8(imgout), 'projection_mosaicing.jpg', 'jpg');
    
    %拼接图像裁剪为两部分
    imgout_gray = rgb2gray(imgout);
    [m,n]=size(imgout_gray);
    X1 = imcrop(imgout,[0,0,n/2,m]);
    X2 = imcrop(imgout,[n/2,0,n/2,m]);
    figure,imshow(X1);%显示裁剪图1
    figure,imshow(X2);%显示裁剪图2

### **效果一：** ###

输入的两张png图像(注：jpg\\bmp等格式图像本例程也适用)：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16][] ![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

拼接图1(GDUT\_left.png) 拼接图2(GDUT\_right.png)

NCC匹配算法去寻找两幅图像之间的对应关系（相似程度）:

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

使用RANSAC算法滤除误匹配，寻找一个最佳单应矩阵H，RANSAC滤除匹配后特征点用蓝色线进行连接:

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

拼接图1和拼接图2进行拼接后图像：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 4][]

拼接后图像裁剪为大小相同的两部分：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_19_color_FFFFFF_t_70_g_se_x_16][]![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_19_color_FFFFFF_t_70_g_se_x_16 1][]

### **效果二：** ###

换一份图像进行测试：

输入的两张png图像(注：jpg\\bmp等格式图像本例程也适用)：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_17_color_FFFFFF_t_70_g_se_x_16][] ![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_17_color_FFFFFF_t_70_g_se_x_16 1][]

拼接图1(HAUT\_left.png) 拼接图2(HAUT\_right.png)

NCC匹配算法去寻找两幅图像之间的对应关系（相似程度）:

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 5][]

使用RANSAC算法滤除误匹配，寻找一个最佳单应矩阵H，RANSAC滤除匹配后特征点用蓝色线进行连接:

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 6][]

拼接图1和拼接图2进行拼接后图像：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 7][]

拼接后图像裁剪为大小相同的两部分：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_15_color_FFFFFF_t_70_g_se_x_16][]![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_15_color_FFFFFF_t_70_g_se_x_16 1][]

[Link 1]: https://download.csdn.net/download/qq_32809093/21752927
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/20210831095835669.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5Lqm5oiR6aOe5Lmf,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/3c5018fd01504a94b55500f1af8f7311.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220829/0f1233299ea04f63a9c50de254ea9665.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220829/25ab5a6afdb94946a72140b146efb7d2.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220829/7ef1246adb4a489fa060092a85d1349f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_19_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/20210831102743248.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5Lqm5oiR6aOe5Lmf,size_19,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_19_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/8272f747c18348b7b2b832ae449f7bb3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_17_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/20210831104241516.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5Lqm5oiR6aOe5Lmf,size_17,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_17_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/dd1b5ac490f045ec878dd2b10a1b2910.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220829/78e167badb574461a005c449bb034b16.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220829/bdb545349c624b158e009583ba4cdd72.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_20_color_FFFFFF_t_70_g_se_x_16 7]: /images/20220829/c36b2d8c342d4d549cbd68d5c6a026f0.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_15_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/20210831104731750.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5Lqm5oiR6aOe5Lmf,size_15,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5Lqm5oiR6aOe5Lmf_size_15_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/5eeb7bf182144c01a9785f3c6fda3430.png