OpenCV-assemblage D'Images à partir d'une grille d'images
j'ai trouvé quelques exemples de travail de base sur la couture via OpenCV pour des images panoramiques. J'ai aussi trouvé de la documentation utile dans le API docs, mais je ne peux pas savoir comment accélérer le traitement en fournissant des informations supplémentaires.
dans mon cas, je génère un ensemble d'images dans une grille de 20x20 de cadres individuels, pour un total de 400 images à assembler en un seul grand. Cela prend énormément de temps sur un PC moderne, donc ça prendrait des heures sur un conseil d'administration.
y a-t-il un moyen de donner à L'instance OpenCV des informations sur les images, comme moi connaissant à l'avance le positionnement relatif de toutes les images comme elles apparaîtraient sur une grille? Les seuls appels API que je vois jusqu'à présent est de simplement ajouter toutes les images indistinctement à une file via vImg.push_back()
.
Références
- Couture. Assemblage d'images-API OpenCV Documentation, consulté le 26 février 2014,
<http://docs.opencv.org/modules/stitching/doc/stitching.html>
- OpenCV Coutures exemple (Stitcher classe, Panorama), consulté le 26 février 2014,
<http://feelmare.blogspot.ca/2013/11/opencv-stitching-example-stitcher-class.html>
- Panorama Image de Couture dans OpenCV, consulté le 26 février 2014,
<http://ramsrigoutham.com/2012/11/22/panorama-image-stitching-in-opencv/>
5 réponses
autant que je sache, il n'y a aucun moyen de fournir des données supplémentaires au moteur OpenCV en plus de lui donner une liste d'images. Il fait un assez bon travail sur son propre bien. Je voudrais vérifier une partie du code d'exemple, et tester combien de temps chaque opération de couture prend. D'après mes expériences avec 4x6, 4x8,..., 4x20 panoramique reconstructions, le temps CPU nécessaire semble augmenter avec le nombre d'images qui se chevauchent. J'imagine qu'il vous faudrait au moins une minute pour calculer les machines modernes.
Source: https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/cpp/stitching.cpp?rev=6682
1 /*M///////////////////////////////////////////////////////////////////////////////////////
2 //
3 // IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
4 //
5 // By downloading, copying, installing or using the software you agree to this license.
6 // If you do not agree to this license, do not download, install,
7 // copy or use the software.
8 //
9 //
10 // License Agreement
11 // For Open Source Computer Vision Library
12 //
13 // Copyright (C) 2000-2008, Intel Corporation, all rights reserved.
14 // Copyright (C) 2009, Willow Garage Inc., all rights reserved.
15 // Third party copyrights are property of their respective owners.
16 //
17 // Redistribution and use in source and binary forms, with or without modification,
18 // are permitted provided that the following conditions are met:
19 //
20 // * Redistribution's of source code must retain the above copyright notice,
21 // this list of conditions and the following disclaimer.
22 //
23 // * Redistribution's in binary form must reproduce the above copyright notice,
24 // this list of conditions and the following disclaimer in the documentation
25 // and/or other materials provided with the distribution.
26 //
27 // * The name of the copyright holders may not be used to endorse or promote products
28 // derived from this software without specific prior written permission.
29 //
30 // This software is provided by the copyright holders and contributors "as is" and
31 // any express or implied warranties, including, but not limited to, the implied
32 // warranties of merchantability and fitness for a particular purpose are disclaimed.
33 // In no event shall the Intel Corporation or contributors be liable for any direct,
34 // indirect, incidental, special, exemplary, or consequential damages
35 // (including, but not limited to, procurement of substitute goods or services;
36 // loss of use, data, or profits; or business interruption) however caused
37 // and on any theory of liability, whether in contract, strict liability,
38 // or tort (including negligence or otherwise) arising in any way out of
39 // the use of this software, even if advised of the possibility of such damage.
40 //
41 //M*/
42
43 // We follow to these papers:
44 // 1) Construction of panoramic mosaics with global and local alignment.
45 // Heung-Yeung Shum and Richard Szeliski. 2000.
46 // 2) Eliminating Ghosting and Exposure Artifacts in Image Mosaics.
47 // Matthew Uyttendaele, Ashley Eden and Richard Szeliski. 2001.
48 // 3) Automatic Panoramic Image Stitching using Invariant Features.
49 // Matthew Brown and David G. Lowe. 2007.
50
51 #include <iostream>
52 #include <fstream>
53 #include "opencv2/highgui/highgui.hpp"
54 #include "opencv2/stitching/stitcher.hpp"
55
56 using namespace std;
57 using namespace cv;
58
59 void printUsage()
60 {
61 cout <<
62 "Rotation model images stitcher.\n\n"
63 "stitching img1 img2 [...imgN]\n\n"
64 "Flags:\n"
65 " --try_use_gpu (yes|no)\n"
66 " Try to use GPU. The default value is 'no'. All default values\n"
67 " are for CPU mode.\n"
68 " --output <result_img>\n"
69 " The default is 'result.jpg'.\n";
70 }
71
72 bool try_use_gpu = false;
73 vector<Mat> imgs;
74 string result_name = "result.jpg";
75
76 int parseCmdArgs(int argc, char** argv)
77 {
78 if (argc == 1)
79 {
80 printUsage();
81 return -1;
82 }
83 for (int i = 1; i < argc; ++i)
84 {
85 if (string(argv[i]) == "--help" || string(argv[i]) == "/?")
86 {
87 printUsage();
88 return -1;
89 }
90 else if (string(argv[i]) == "--try_gpu")
91 {
92 if (string(argv[i + 1]) == "no")
93 try_use_gpu = false;
94 else if (string(argv[i + 1]) == "yes")
95 try_use_gpu = true;
96 else
97 {
98 cout << "Bad --try_use_gpu flag value\n";
99 return -1;
100 }
101 i++;
102 }
103 else if (string(argv[i]) == "--output")
104 {
105 result_name = argv[i + 1];
106 i++;
107 }
108 else
109 {
110 Mat img = imread(argv[i]);
111 if (img.empty())
112 {
113 cout << "Can't read image '" << argv[i] << "'\n";
114 return -1;
115 }
116 imgs.push_back(img);
117 }
118 }
119 return 0;
120 }
121
122
123 int main(int argc, char* argv[])
124 {
125 int retval = parseCmdArgs(argc, argv);
126 if (retval) return -1;
127
128 Mat pano;
129 Stitcher stitcher = Stitcher::createDefault(try_use_gpu);
130 Stitcher::Status status = stitcher.stitch(imgs, pano);
131
132 if (status != Stitcher::OK)
133 {
134 cout << "Can't stitch images, error code = " << status << endl;
135 return -1;
136 }
137
138 imwrite(result_name, pano);
139 return 0;
140 }
141
142
j'ai fait un peu de travail avec le pipeline de couture et bien que je ne me considère pas un expert sur le terrain, j'ai obtenu de meilleures performances (et de meilleurs résultats aussi) en ajustant chaque étape du pipeline séparément. Comme vous pouvez le voir sur la photo, la classe de couture n'est rien d'autre qu'une enveloppe de ce pipeline:
certaines parties intéressantes que vous pouvez ajuster sont les étapes de redimensionnement (il vient un point où plus de résolution signifie Juste plus de temps de calcul et plus des caractéristiques inexactes), le processus d'appariement et (bien que ce ne soit qu'une supposition) donnant de bons paramètres de caméra au lieu d'effectuer une estimation. Cela implique d'obtenir les paramètres de la caméra avant de faire la couture, mais ce n'est pas vraiment difficile. Ici vous avez quelques références: Calibration de la caméra OpenCV et Reconstruction 3D.
encore une fois: je ne suis pas un expert, c'est juste basé sur mon expérience en tant que stagiaire faisant quelques expériences avec la bibliothèque!
envisager d'autoriser L'utilisation du GPU dans L'OpenCV Stitcher:
bool try_use_gpu = true;
Stitcher myStitcher = Stitcher::createDefault(try_use_gpu);
Stitcher::Status status = myStitcher.stitch(Imgs, pano);
Peut-être que cela pourrait aider? https://software.intel.com/en-us/articles/fast-panorama-stitching
spécifiquement la partie sur l'appariement par paires
Ronen
si vous connaissez les positions relatives des images, il semble que vous pourriez décomposer le problème en sous-problèmes et éventuellement réduire la charge de calcul en l'approchant avec connaissance de la structure du problème. Essentiellement, divisez l'ensemble des images en groupes de 4 images adjacentes, traitez les images, puis procédez au traitement des images résultantes en utilisant la même idée jusqu'à ce que vous arriviez à votre panorama. Cela dit, Je n'ai que récemment commencé à jouer avec cet ensemble d'outils de opencv. Je sais que c'est une idée plutôt simple, mais il pourrait être utile à quelqu'un.