iOS利用opencv庫拼接圖片的另一種方法

文章主要參考Opencv Sift和Surf特征實現(xiàn)圖像無縫拼接生成全景圖像,我做了一小點點的修改虚吟,同時在iOS上能正常使用莱革。

問題說明

Xcode9中闽颇,如果直接將圖片等文件拖拽進項目中锻拘,可能會識別不到米母。這時候轮锥,我們通過Add Files to xxx的方式來進行添加矫钓。

項目目錄文件結(jié)構(gòu)

屏幕快照 2017-10-23 下午5.29.10.png

主要代碼

一、合成代碼
#include "opencv2.framework/Headers/opencv.hpp"
#include "opencv2.framework/Headers/legacy/legacy.hpp"
#include "opencv2.framework/Headers/nonfree/nonfree.hpp"
#include <vector>
#include <iostream>

using namespace std;
using namespace cv;

//計算原始圖像點位在經(jīng)過矩陣變換后在目標圖像上對應(yīng)位置
Point2f getTransformPoint(const Point2f originalPoint,const Mat &transformMaxtri){
    Mat originelP,targetP;
    originelP=(Mat_<double>(3,1)<<originalPoint.x,originalPoint.y,1.0);
    targetP=transformMaxtri*originelP;
    float x=targetP.at<double>(0,0)/targetP.at<double>(2,0);
    float y=targetP.at<double>(1,0)/targetP.at<double>(2,0);
    return Point2f(x,y);
}

- (UIImage *)composeImage{

    NSString *path01 = [[NSBundle mainBundle] pathForResource:@"test01" ofType:@"jpg"];
    NSString *path02 = [[NSBundle mainBundle] pathForResource:@"test02" ofType:@"jpg"];
    Mat img01;
    Mat img02;
    if (path01 == nil && path02 == nil) {
        return [UIImage new];
    }
    else{
        img01 = imread([path01 UTF8String]);
        img02 = imread([path02 UTF8String]);

        //如果沒有讀取到image
        if (!img01.data && !img02.data) {
            return [UIImage new];
        }

        //灰度圖轉(zhuǎn)換
        Mat img_h_01 ,img_h_02;
        cvtColor(img01, img_h_01, CV_RGB2GRAY);
        cvtColor(img02, img_h_02, CV_RGB2GRAY);

        //提取特征點
        SiftFeatureDetector siftDetector(800);
        vector<KeyPoint> keyPoint1,KeyPoint2;
        siftDetector.detect(img_h_01, keyPoint1);
        siftDetector.detect(img_h_02, KeyPoint2);

        //特征點描述舍杜,為下面的特征點匹配做準備
        SiftDescriptorExtractor siftDescriptor;
        Mat img_description_01,img_description_02;
        siftDescriptor.compute(img_h_01, keyPoint1, img_description_01);
        siftDescriptor.compute(img_h_02, KeyPoint2, img_description_02);

        //獲得匹配特征點新娜,并提取最優(yōu)配對
        FlannBasedMatcher matcher;
        vector<DMatch> matchePoints;
        matcher.match(img_description_01,img_description_02,matchePoints,Mat());
        sort(matchePoints.begin(), matchePoints.end());//特征點排序

        //獲取排在前N個的最優(yōu)配對
        vector<Point2f> imagePoints1,imagePoints2;
        for (int i = 0; i < 10; i++) {
            imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);
            imagePoints2.push_back(KeyPoint2[matchePoints[i].trainIdx].pt);
        }

        //獲取img1到img2的投影映射矩陣,尺寸為3*3
        Mat homo = findHomography(imagePoints1, imagePoints2, CV_RANSAC);
        Mat adjustMat = (Mat_<double>(3,3)<<1.0,0,img01.cols,0,1.0,0,0,0,1.0);
        Mat adjustHomo = adjustMat * homo;

        //獲得最強配對點在原始圖像和矩陣變換后圖像上的對應(yīng)位置既绩,用于圖像拼接點的定位
        Point2f originalLinkPoint,targetLintPoint,basedImagePoint;
        originalLinkPoint = keyPoint1[matchePoints[0].queryIdx].pt;
        targetLintPoint = getTransformPoint(originalLinkPoint, adjustHomo);
        basedImagePoint = KeyPoint2[matchePoints[0].trainIdx].pt;

        //圖像配準
        Mat imageTransform1;
        warpPerspective(img01, imageTransform1, adjustHomo, cv::Size(img02.cols+img01.cols+110,img02.rows));

        //在最強配準點左側(cè)的重疊區(qū)域進行累加概龄,使銜接穩(wěn)定過度,消除突變
        Mat image01OverLap,image02OverLap;
        image01OverLap = imageTransform1(cv::Rect(cv::Point(targetLintPoint.x - basedImagePoint.x,0),cv::Point(targetLintPoint.x,img02.rows)));
        image02OverLap = img02(cv::Rect(0,0,image01OverLap.cols,image01OverLap.rows));

        //復(fù)制img01的重疊部分
        Mat image01ROICOPY = image01OverLap.clone();
        for (int i = 0; i < image01OverLap.rows; i++) {
            for (int j = 0; j < image01OverLap.cols;j++) {
                double weight;
                //隨距離改變而改變的疊加體系
                weight = (double)j/image01OverLap.cols;
                image01OverLap.at<Vec3b>(i,j)[0] = (1 - weight)*image01ROICOPY.at<Vec3b>(i,j)[0]+weight*image02OverLap.at<Vec3b>(i,j)[0];
                image01OverLap.at<Vec3b>(i,j)[1] = (1 - weight)*image01ROICOPY.at<Vec3b>(i,j)[1]+weight*image02OverLap.at<Vec3b>(i,j)[1];
                image01OverLap.at<Vec3b>(i,j)[2] = (1 - weight)*image01ROICOPY.at<Vec3b>(i,j)[2]+weight*image02OverLap.at<Vec3b>(i,j)[2];
            }
        }

        Mat ROIMat = img02(cv::Rect(cv::Point(image01OverLap.cols,0),cv::Point(img02.cols,img02.rows)));
        ROIMat.copyTo(Mat(imageTransform1,cv::Rect(targetLintPoint.x,0,ROIMat.cols,img02.rows)));
        return [self imageWithCVMat:imageTransform1];
    }
}

二饲握、CVMat轉(zhuǎn)UIImage
- (UIImage *)imageWithCVMat:(const cv::Mat&)cvMat
{
    NSData *data = [NSData dataWithBytes:cvMat.data length:cvMat.elemSize() * cvMat.total()];
    CGColorSpaceRef colorSpace;
    if (cvMat.elemSize() == 1) {
        colorSpace = CGColorSpaceCreateDeviceGray();
    } else {
        colorSpace = CGColorSpaceCreateDeviceRGB();
    }
    CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data);
    // Creating CGImage from cv::Mat
    CGImageRef imageRef = CGImageCreate(cvMat.cols,                                 //width
                                        cvMat.rows,                                 //height
                                        8,                                          //bits per component
                                        8 * cvMat.elemSize(),                       //bits per pixel
                                        cvMat.step[0],                              //bytesPerRow
                                        colorSpace,                                 //colorspace
                                        kCGImageAlphaNone|kCGBitmapByteOrderDefault,// bitmap info
                                        provider,                                   //CGDataProviderRef
                                        NULL,                                       //decode
                                        false,                                      //should interpolate
                                        kCGRenderingIntentDefault                   //intent
                                        );

    UIImage *cvImage = [[UIImage alloc]initWithCGImage:imageRef];
    CGImageRelease(imageRef);
    CGDataProviderRelease(provider);
    CGColorSpaceRelease(colorSpace);
    return cvImage;
}
三私杜、顯示合成的圖片
- (void)viewDidLoad {
    [super viewDidLoad];

    double start = [[NSDate date] timeIntervalSince1970]*1000;
    NSLog(@"start time= %f ", (start));

    UIImageView *img = [[UIImageView alloc]initWithFrame:self.view.bounds];
    img.contentMode = UIViewContentModeScaleAspectFit;
    img.image = [self composeImage];
    [self.view addSubview:img];

    double end = [[NSDate date] timeIntervalSince1970]*1000;
    NSLog(@"end time= %f ", (end));
    NSLog(@"use time =%f millisecond ", (end-start)); 
}

不足的地方,還請各位多多指教救欧,謝謝了衰粹。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市颜矿,隨后出現(xiàn)的幾起案子寄猩,更是在濱河造成了極大的恐慌,老刑警劉巖骑疆,帶你破解...
    沈念sama閱讀 211,290評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件田篇,死亡現(xiàn)場離奇詭異替废,居然都是意外死亡,警方通過查閱死者的電腦和手機泊柬,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,107評論 2 385
  • 文/潘曉璐 我一進店門椎镣,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人兽赁,你說我怎么就攤上這事状答。” “怎么了刀崖?”我有些...
    開封第一講書人閱讀 156,872評論 0 347
  • 文/不壞的土叔 我叫張陵惊科,是天一觀的道長。 經(jīng)常有香客問我亮钦,道長馆截,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,415評論 1 283
  • 正文 為了忘掉前任蜂莉,我火速辦了婚禮蜡娶,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘映穗。我一直安慰自己窖张,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 65,453評論 6 385
  • 文/花漫 我一把揭開白布蚁滋。 她就那樣靜靜地躺著宿接,像睡著了一般。 火紅的嫁衣襯著肌膚如雪枢赔。 梳的紋絲不亂的頭發(fā)上澄阳,一...
    開封第一講書人閱讀 49,784評論 1 290
  • 那天,我揣著相機與錄音踏拜,去河邊找鬼碎赢。 笑死,一個胖子當(dāng)著我的面吹牛速梗,可吹牛的內(nèi)容都是我干的肮塞。 我是一名探鬼主播,決...
    沈念sama閱讀 38,927評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼姻锁,長吁一口氣:“原來是場噩夢啊……” “哼枕赵!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起位隶,我...
    開封第一講書人閱讀 37,691評論 0 266
  • 序言:老撾萬榮一對情侶失蹤拷窜,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體篮昧,經(jīng)...
    沈念sama閱讀 44,137評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡赋荆,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,472評論 2 326
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了懊昨。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片窄潭。...
    茶點故事閱讀 38,622評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖酵颁,靈堂內(nèi)的尸體忽然破棺而出嫉你,到底是詐尸還是另有隱情,我是刑警寧澤躏惋,帶...
    沈念sama閱讀 34,289評論 4 329
  • 正文 年R本政府宣布幽污,位于F島的核電站,受9級特大地震影響其掂,放射性物質(zhì)發(fā)生泄漏油挥。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,887評論 3 312
  • 文/蒙蒙 一款熬、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧攘乒,春花似錦贤牛、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至沽讹,卻和暖如春般卑,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背爽雄。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工蝠检, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人挚瘟。 一個月前我還...
    沈念sama閱讀 46,316評論 2 360
  • 正文 我出身青樓叹谁,卻偏偏與公主長得像,于是被迫代替她去往敵國和親乘盖。 傳聞我的和親對象是個殘疾皇子焰檩,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,490評論 2 348

推薦閱讀更多精彩內(nèi)容