opencv圖像分割合成_圖像融合 - opencv的圖像分割與融合技術

圖像融合(去裂縫處理)

從下圖可以看出，兩圖的拼接并不自然，原因就在于拼接圖的交界處，兩圖因為光照色澤的原因使得兩圖交界處的過渡很糟糕，是以需要特定的處了解決這種不自然。這裡的處理思路是權重融合，在重疊部分由前一幅圖像慢慢過渡到第二幅圖像，即将圖像的重疊區域的像素值按一定的權值相加合成新的圖像。

//優化兩圖的連接配接處，使得拼接自然

void OptimizeSeam(Mat& img1， Mat& trans， Mat& dst)

{

int start = MIN(corners.left_top.x， corners.left_bottom.x);//開始位置，即重疊區域的左邊界

double processWidth = img1.cols - start;//重疊區域的寬度

int rows = dst.rows;

int cols = img1.cols; //注意，是列數*通道數

double alpha = 1;//img1中像素的權重

for (int i = 0; i 《 rows; i++)

{

uchar* p = img1.ptr《uchar》(i); //擷取第i行的首位址

uchar* t = trans.ptr《uchar》(i);

uchar* d = dst.ptr《uchar》(i);

for (int j = start; j 《 cols; j++)

{

//如果遇到圖像trans中無像素的黑點，則完全拷貝img1中的資料

if (t［j * 3］ == 0 && t［j * 3 + 1］ == 0 && t［j * 3 + 2］ == 0)

{

alpha = 1;

}

else

{

//img1中像素的權重，與目前處理點距重疊區域左邊界的距離成正比，實驗證明，這種方法确實好

alpha = (processWidth - (j - start)) / processWidth;

}

d［j * 3］ = p［j * 3］ * alpha + t［j * 3］ * (1 - alpha);

d［j * 3 + 1］ = p［j * 3 + 1］ * alpha + t［j * 3 + 1］ * (1 - alpha);

d［j * 3 + 2］ = p［j * 3 + 2］ * alpha + t［j * 3 + 2］ * (1 - alpha);

}

}

驗證拼接效果