利用最佳缝合线与加权平均融合完成图像拼接python

以下是一个利用最佳缝合线与加权平均融合完成图像拼接的Python示例代码：

import cv2
import numpy as np

# 读取两张待拼接的图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 将两张图像转换为灰度图
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 提取SIFT特征点
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(gray1, None)
kp2, des2 = sift.detectAndCompute(gray2, None)

# 匹配特征点
bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)
matches = bf.match(des1, des2)

# 绘制匹配结果
matches = sorted(matches, key=lambda x: x.distance)
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:50], None, flags=2)

# 求取最佳拼接线
src_pts = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1, 1, 2)
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
h, w = gray1.shape
pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)
dst = cv2.perspectiveTransform(pts, M)
img2 = cv2.polylines(img2, [np.int32(dst)], True, 255, 3, cv2.LINE_AA)

# 图像拼接
result = cv2.warpPerspective(img1, M, (img1.shape[1] + img2.shape[1], img1.shape[0]))
result[0:img2.shape[0], 0:img2.shape[1]] = img2
result = cv2.cvtColor(result, cv2.COLOR_BGR2RGB)

# 加权平均融合
mask = np.zeros(result.shape[:2], dtype=np.uint8)
mask[:, :img2.shape[1]] = 255
mask = cv2.erode(mask, np.ones((5, 5), np.uint8), iterations=1)
mask = cv2.dilate(mask, np.ones((5, 5), np.uint8), iterations=1)
mask = cv2.GaussianBlur(mask, (5, 5), 0)
mask = mask.astype(float) / 255
img2 = img2.astype(float) * mask[:, :, np.newaxis]
img1 = img1.astype(float) * (1 - mask[:, :, np.newaxis])
result = cv2.add(img1, img2).astype(np.uint8)

# 显示结果
cv2.imshow('result', result)
cv2.waitKey()
cv2.destroyAllWindows()

代码中的主要步骤如下：

1. 读取两张待拼接的图像，并将它们转换为灰度图。
2. 提取SIFT特征点，并通过BFMatcher进行特征点匹配。
3. 绘制匹配结果，并通过findHomography求取最佳拼接线。
4. 对第二张图像进行多边形拟合，绘制拟合结果。
5. 对两张图像进行透视变换，完成图像拼接。
6. 利用掩膜将两张图像进行加权平均融合，得到最终的拼接结果。
7. 显示拼接结果。

需要注意的是，这段代码只是一个简单的示例，实际应用中可能需要根据具体情况进行调整和优化。