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
weixin_456904275 分钟前
OpenCV 摄像头参数控制详解
人工智能·opencv·计算机视觉
IT_陈寒22 分钟前
Vue 3.4 实战:这7个Composition API技巧让我的开发效率飙升50%
前端·人工智能·后端
张较瘦_32 分钟前
[论文阅读] AI+软件工程 | AI供应链信任革命:TAIBOM如何破解AI系统“可信难题“
论文阅读·人工智能·软件工程
媒体人8881 小时前
中国顶级 GEO 优化专家孟庆涛:用 15 年积淀定义 2025 年 GEO 优化新标准
人工智能·搜索引擎·chatgpt·生成式引擎优化·geo优化
山海青风2 小时前
藏语自然语言处理入门 - 5 文本归类
人工智能·自然语言处理
十步杀一人_千里不留行2 小时前
和 AI 一起修 Bug 心得体会
人工智能·bug·ai编程
网安INF2 小时前
【论文阅读】-《Sparse and Imperceivable Adversarial Attacks》
论文阅读·人工智能·计算机视觉·网络安全·对抗攻击
yzx9910132 小时前
多模态分类:图文结合的智能识别与代码实战
人工智能·分类·数据挖掘
飞翔的佩奇2 小时前
【完整源码+数据集+部署教程】 小麦病害分割系统: yolov8-seg-dyhead
python·yolo·计算机视觉·数据集·yolov8·小麦病害分割系统
小蕾Java2 小时前
PyCharm2025.2 大更新,AI是亮点!
人工智能·python