OpenCV图像拼接(10)用于实现图像拼接过程中的时间流逝(timelapse)效果的一个类cv::detail::Timelapser

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::detail::Timelapser 是 OpenCV 库中用于实现图像拼接过程中的时间流逝(timelapse)效果的一个类。它通常用于将一系列的图像或视频帧组合成一个平滑过渡的序列,常应用于延时摄影(time-lapse photography)或者视频合成等领域。

这个类的主要作用是管理图像拼接的过程,并提供一种方法来创建不同类型的 Timelapser 实例,以适应不同的需求和场景。

主要成员函数

  • createDefault(): 静态成员函数,用于创建一个默认类型的 Timelapser 对象。根据传入的参数类型,可以生成不同策略的时间流逝实例。

  • apply(): 应用当前的拼接设置到输入图像上,生成拼接结果。该函数可能有不同的重载形式,以支持不同类型的操作和输入。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/stitching/detail/timelapsers.hpp>
#include <vector>

using namespace cv;
using namespace cv::detail;
using namespace std;

int main()
{
    // 图像文件列表
    vector< String > img_names = { "/media/dingxin/data/study/OpenCV/sources/images/lapsetimer1.png", "/media/dingxin/data/study/OpenCV/sources/images/lapsetimer2.png",
                                   "/media/dingxin/data/study/OpenCV/sources/images/lapsetimer3.png" };
    vector< Mat > imgs;

    // 加载所有图像
    for ( const auto& name : img_names )
    {
        Mat img = imread( name, IMREAD_COLOR );  // 确保以彩色模式读取图像
        if ( img.empty() )
        {
            cout << "无法加载图像: " << name << endl;
            return -1;
        }
        imgs.push_back( img );
    }

    // 创建Timelapser实例
    Ptr< Timelapser > timelapser = Timelapser::createDefault( Timelapser::AS_IS );

    // 初始化Timelapser,假设所有图像具有相同的尺寸
    Size dst_size = imgs[ 0 ].size();
    vector< Point > corners;  // 每个图像对应的角落位置
    vector< Size > sizes;     // 每个图像的尺寸

    for ( size_t i = 0; i < imgs.size(); ++i )
    {
        corners.push_back( Point( 0, 0 ) );  // 假设每个图像都在左上角
        sizes.push_back( dst_size );         // 所有图像具有相同的尺寸
    }

    timelapser->initialize( corners, sizes );

    // 处理每张图像
    for ( size_t i = 0; i < imgs.size(); ++i )
    {
        Mat img_converted;
        imgs[ i ].convertTo( img_converted, CV_16SC3 );  // 将图像转换为16位深度、三通道的短整型格式

        timelapser->process( img_converted, noArray(), Point( 0, 0 ) );  // 使用noArray()作为mask,假设不需要掩码

        // 获取当前帧的结果
        UMat result_umat = timelapser->getDst();
        Mat result;
        result_umat.copyTo( result );  // 将UMat转换为Mat以便显示或保存
        Mat restoredImageMat;
        result.convertTo( restoredImageMat, CV_8U );  // 如果需要的话,调整数据类型以适应显示

        imshow( "Current Frame", restoredImageMat );
        waitKey( 300 );  // 暂停一段时间以便观察每一帧
    }

    // 获取最终拼接结果
    UMat final_result_umat = timelapser->getDst();
    Mat final_result;
    final_result_umat.copyTo( final_result );
    imwrite( "final_timelapse.jpg", final_result );
    cout << "时间流逝视频的最后一帧已保存为 final_timelapse.jpg" << endl;

    return 0;
}
相关推荐
光锥智能2 分钟前
CES观察|AI硬件迎来黄金时代,中国机器人“进场打工”
人工智能
九河云2 分钟前
数据驱动未来,华为云DWS为智能决策提速
大数据·人工智能·安全·机器学习·华为云
黄河里的小鲤鱼4 分钟前
拯救草台班子-战略
人工智能·python·信息可视化
qq_411262424 分钟前
DAB加ai加蓝牙音箱有市场吗
人工智能
华清远见成都中心5 分钟前
机器学习怎么学?
人工智能·机器学习
碎碎思5 分钟前
在 FPGA 上实现并行脉冲神经网络(Spiking Neural Net)
人工智能·深度学习·神经网络·机器学习·fpga开发
FONE_Platform12 分钟前
能源化工行业全面预算解决方案:重塑双碳目标下的财务新动能
大数据·人工智能
前沿在线13 分钟前
从“用系统”到“跑 Agent”:AI 钉钉 1.1 在重新定义企业操作系统 | 前沿在线
人工智能
智能相对论14 分钟前
CES深度观察|AI硬件消费时代的“幕后英雄”走向台前
人工智能·百度
Terrence Shen18 分钟前
【CUDA编程系列】之01
c++·人工智能·深度学习·机器学习