前言

对于图像拼接，前面探讨了通过基于Stitcher进行拼接过渡和基于特征点进行拼接过渡，这2个过渡的方式是摄像头拍摄角度和方向不应差距太大。

对于特定的场景，本身摄像头拍摄角度差距较大，拉伸变换后也难做到完美的缝隙拼接，这个时候使用渐近过渡反倒是最好的。

Demo

单独蒙版

蒙版过渡，这里只是根据图来，其实可对每个像素对于第一张图为系数k，而第二张为255-k，实现渐近过渡。

直接使用第一张蒙版优化

准本蒙版

蒙版可以混合，也可以分开，为了让读者更好的深入理解原理，这里都使用：

找个工具，造单色渐进色，红色蒙版，只是r通道，bga都为0

（注意：使用rgba四通道）

（上面这张图，加了边框，导致了"入坑二"打印像素值不对）

由于工具渐进色无法叠层，这个工具无法实现rgba不同向渐进色再一张图（横向、纵向、斜向），更改了方式，每个使用一张图：

为了方便，不管a通道了，直接a为100%（255）。

再弄另外一个通道的：

在这里使用工具就只能单独一张了：

一个蒙版图的过渡实例

步骤一：打开图片和蒙版

cpp 复制代码

   cv::Mat matLeft = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/29.jpg"); cv::Mat matRight = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/30.jpg"); cv::Mat matMask1 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/37.png", cv::IMREAD_UNCHANGED); cv::Mat matMask2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/38.png", cv::IMREAD_UNCHANGED); cv::Mat matMask3 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/39.png", cv::IMREAD_UNCHANGED); cv::Mat matMask4 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/40.png", cv::IMREAD_UNCHANGED);

步骤二：将蒙版变成和原图一样大小

cpp 复制代码

    cv::resize(matLeft, matLeft, cv::Size(0, 0), 0.5, 0.5); cv::resize(matRight, matRight, cv::Size(0, 0), 0.5, 0.5); cv::resize(matMask1, matMask1, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask2, matMask2, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask3, matMask3, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask4, matMask4, cv::Size(matLeft.cols, matLeft.rows));

步骤三：底图

由于两张图虽然是同样大小，但是其不是按照整体拼接后的大小，所以需要假设一个拼接后的大小的底图。

cpp 复制代码

    // 底图，扩大500横向，方便移动
    cv::Mat matResult = cv::Mat(matLeft.rows, matLeft.cols + 500, CV_8UC3);

步骤四：原图融合

cpp 复制代码

        // 副本，每次都要重新清空来调整
        cv::Mat matResult2 = matResult.clone(); #if 1 // 第一张图，直接比例赋值，因为底图为0 for(int row = 0; row < matLeft.rows; row++) { for(int col = 0; col < matLeft.cols; col++) { double r = matMask1.at<cv::Vec4b>(row, col)[2] / 255.0f; // double r = matMask2.at<cv::Vec4b>(row, col)[1] / 255.0f; // double r = matMask3.at<cv::Vec4b>(row, col)[0] / 255.0f; // double r = matMask4.at<cv::Vec4b>(row, col)[0] / 255.0f; matResult2.at<cv::Vec3b>(row, col)[0] = (matLeft.at<cv::Vec3b>(row, col)[0] * r); matResult2.at<cv::Vec3b>(row, col)[1] = (matLeft.at<cv::Vec3b>(row, col)[1] * r); matResult2.at<cv::Vec3b>(row, col)[2] = (uchar)(matLeft.at<cv::Vec3b>(row, col)[2] * r); } } #endif

步骤五：另外一张图的融合

cpp 复制代码

#if 1 // 第二张图，加法，因为底图为原图了 for(int row = 0; row < matRight.rows; row++) { for(int col = 0; col < matRight.cols; col++) { double g = matMask2.at<cv::Vec4b>(row, col)[1] / 255.0f; // 偏移了x坐标 matResult2.at<cv::Vec3b>(row, col + x)[0] += matRight.at<cv::Vec3b>(row, col)[0] * g; matResult2.at<cv::Vec3b>(row, col + x)[1] += matRight.at<cv::Vec3b>(row, col)[1] * g; matResult2.at<cv::Vec3b>(row, col + x)[2] += matRight.at<cv::Vec3b>(row, col)[2] * g; } } #endif

步骤六（与步骤五互斥）：优化的融合

cpp 复制代码

#if 1 // 第二张图，加法，因为底图为原图了（优化） for(int row = 0; row < matRight.rows; row++) { for(int col = 0; col < matRight.cols; col++) { double r2; if(x + col <= matLeft.cols) { r2 = (255 - matMask1.at<cv::Vec4b>(row, col + x)[2]) / 255.0f; }else{ r2 = 1.0f; } // 偏移了x坐标 matResult2.at<cv::Vec3b>(row, col + x)[0] += matRight.at<cv::Vec3b>(row, col)[0] * r2; matResult2.at<cv::Vec3b>(row, col + x)[1] += matRight.at<cv::Vec3b>(row, col)[1] * r2; matResult2.at<cv::Vec3b>(row, col + x)[2] += matRight.at<cv::Vec3b>(row, col)[2] * r2; } } #endif

函数原型

手码的像素算法，没有什么高级函数。

Demo源码

cpp 复制代码

void OpenCVManager::testMaskSplicing() { cv::Mat matLeft = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/29.jpg"); cv::Mat matRight = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/30.jpg"); cv::Mat matMask1 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/37.png", cv::IMREAD_UNCHANGED); cv::Mat matMask2 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/38.png", cv::IMREAD_UNCHANGED); cv::Mat matMask3 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/39.png", cv::IMREAD_UNCHANGED); cv::Mat matMask4 = cv::imread("D:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/40.png", cv::IMREAD_UNCHANGED); #if 0 // 打印通道数和数据类型 // ..\openCVDemo\modules\openCVManager\OpenCVManager.cpp 9166 "2024-10-31 20:07:42:619" 4 24 24 LOG << matMask.channels() << matMask.type() << CV_8UC4; // 4 24 // 打印mask蒙版行像素，隔一定行数打一次 for(int row = 0; row < matMask.rows; row += 10) { for(int col = 100; col < matMask.cols; col++) { int r = matMask.at<cv::Vec4b>(row, col)[2]; int g = matMask.at<cv::Vec4b>(row, col)[1]; int b = matMask.at<cv::Vec4b>(row, col)[0]; int a = matMask.at<cv::Vec4b>(row, col)[3]; LOG << "row:" << row << ", col:" << col << "r(rgba):" << r << g << b << a; break; } } #endif // 图片较大，缩为原来的0.5倍 cv::resize(matLeft, matLeft, cv::Size(0, 0), 0.5, 0.5); cv::resize(matRight, matRight, cv::Size(0, 0), 0.5, 0.5); cv::resize(matMask1, matMask1, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask2, matMask2, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask3, matMask3, cv::Size(matLeft.cols, matLeft.rows)); cv::resize(matMask4, matMask4, cv::Size(matLeft.cols, matLeft.rows)); // 底图，扩大500横向，方便移动 cv::Mat matResult = cv::Mat(matLeft.rows, matLeft.cols + 500, CV_8UC3); // 第一张图 int key = 0; int x = 0; while(true) { // 副本，每次都要重新清空来调整 cv::Mat matResult2 = matResult.clone(); #if 1 // 第一张图，直接比例赋值，因为底图为0 for(int row = 0; row < matLeft.rows; row++) { for(int col = 0; col < matLeft.cols; col++) { double r = matMask1.at<cv::Vec4b>(row, col)[2] / 255.0f; // double r = matMask2.at<cv::Vec4b>(row, col)[1] / 255.0f; // double r = matMask3.at<cv::Vec4b>(row, col)[0] / 255.0f; // double r = matMask4.at<cv::Vec4b>(row, col)[0] / 255.0f; matResult2.at<cv::Vec3b>(row, col)[0] = (matLeft.at<cv::Vec3b>(row, col)[0] * r); matResult2.at<cv::Vec3b>(row, col)[1] = (matLeft.at<cv::Vec3b>(row, col)[1] * r); matResult2.at<cv::Vec3b>(row, col)[2] = (uchar)(matLeft.at<cv::Vec3b>(row, col)[2] * r); } } #endif #if 0 // 第二张图，加法，因为底图为原图了 for(int row = 0; row < matRight.rows; row++) { for(int col = 0; col < matRight.cols; col++) { double g = matMask2.at<cv::Vec4b>(row, col)[1] / 255.0f; // 偏移了x坐标 matResult2.at<cv::Vec3b>(row, col + x)[0] += matRight.at<cv::Vec3b>(row, col)[0] * g; matResult2.at<cv::Vec3b>(row, col + x)[1] += matRight.at<cv::Vec3b>(row, col)[1] * g; matResult2.at<cv::Vec3b>(row, col + x)[2] += matRight.at<cv::Vec3b>(row, col)[2] * g; } } #endif #if 1 // 第二张图，加法，因为底图为原图了（优化） for(int row = 0; row < matRight.rows; row++) { for(int col = 0; col < matRight.cols; col++) { double r2; if(x + col <= matLeft.cols) { r2 = (255 - matMask1.at<cv::Vec4b>(row, col + x)[2]) / 255.0f; }else{ r2 = 1.0f; } // 偏移了x坐标 matResult2.at<cv::Vec3b>(row, col + x)[0] += matRight.at<cv::Vec3b>(row, col)[0] * r2; matResult2.at<cv::Vec3b>(row, col + x)[1] += matRight.at<cv::Vec3b>(row, col)[1] * r2; matResult2.at<cv::Vec3b>(row, col + x)[2] += matRight.at<cv::Vec3b>(row, col)[2] * r2; } } #endif // cv::imshow("matMask1", matMask1); // cv::imshow("matLeft", matLeft); cv::imshow("matResult2", matResult2); key = cv::waitKey(0); if(key == 'a') { x--; if(x < 0) { x = 0; } }else if(key == 'd') { x++; if(x + matRight.cols > matResult2.cols) { x = matResult2.cols - matRight.cols; } }else if(key == 'q') { break; } } }