使用stitcher需要注意，圖像太大會報錯而且計算慢。
特點(diǎn)和適用范圍：圖像需有足夠重合相同特征區(qū)域。
優(yōu)點(diǎn)：適應(yīng)部分傾斜/尺度變換和畸變情形，拼接效果好，使用簡單，可以一次拼接多張圖片。
缺點(diǎn)：需要有足夠的相同特征區(qū)域進(jìn)行匹配，速度較慢(和圖像大小有關(guān))。
原圖（可下載）
代碼（兩張圖片拼接）
import sys
import cv2
if __name__ == "__main__":
img1 = cv2.imread('C:/Users/Guaguan/Desktop/img/1.jpg') # 圖片絕對路徑，
img2 = cv2.imread('C:/Users/Guaguan/Desktop/img/2.jpg')
# stitcher = cv2.createStitcher(False) # 老的OpenCV版本，用這一個
stitcher = cv2.Stitcher.create(cv2.Stitcher_PANORAMA) # 我的是OpenCV4
(status, pano) = stitcher.stitch((img1, img2))
if status != cv2.Stitcher_OK:
print("不能拼接圖片, error code = %d" % status)
sys.exit(-1)
print("拼接成功.")
cv2.imshow('pano', pano)
# cv2.imwrite("pano.jpg", pano)
cv2.waitKey(0)
拼接結(jié)果
原圖
代碼（多個圖像自動拼接）
import os
import sys
import cv2
import win32ui
# ? python基于Stitcher圖像拼接
def imgstitcher(imgs): # 傳入圖像數(shù)據(jù) 列表[] 實(shí)現(xiàn)圖像拼接
stitcher = cv2.Stitcher.create(cv2.Stitcher_PANORAMA)
_result, pano = stitcher.stitch(imgs)
if _result != cv2.Stitcher_OK:
print("不能拼接圖片, error code = %d" % _result)
sys.exit(-1)
output = 'result' + '.png'
cv2.imwrite(output, pano)
print("拼接成功. %s 已保存!" % output)
if __name__ == "__main__":
# imgPath為圖片所在的文件夾相對路徑
imgPath = 'C:/Users/Guaguan/Desktop/img'
imgList = os.listdir(imgPath)
imgs = []
for imgName in imgList:
pathImg = os.path.join(imgPath, imgName)
img = cv2.imread(pathImg)
if img is None:
print("圖片不能讀取：" + imgName)
sys.exit(-1)
imgs.append(img)
imgstitcher(imgs) # 拼接
cv2.waitKey(0)
cv2.destroyAllWindows()
結(jié)果
到此這篇關(guān)于python調(diào)用stitcher類自動實(shí)現(xiàn)多個圖像拼接融合的文章就介紹到這了,更多相關(guān)python圖像拼接融合內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python 圖像增強(qiáng)算法實(shí)現(xiàn)詳解
- python 基于opencv實(shí)現(xiàn)圖像增強(qiáng)
- 用Python給圖像算法做個簡單應(yīng)用界面
- python+opencv圖像分割實(shí)現(xiàn)分割不規(guī)則ROI區(qū)域方法匯總
- python-opencv實(shí)現(xiàn)視頻指定幀數(shù)間隔圖像的保存功能
- Python深度學(xué)習(xí)之圖像標(biāo)簽標(biāo)注軟件labelme詳解
- python使用matplotlib顯示圖像失真的解決方案
- python實(shí)現(xiàn)求純色彩圖像的邊框
- python數(shù)字圖像處理之估計噪聲參數(shù)
- Python深度學(xué)習(xí)之使用Albumentations對圖像做增強(qiáng)
