OpenCV实现乱序碎片复原
程序员文章站
2022-03-02 16:00:37
目录题目算法思路源码展示结果演示题目将4张打乱顺序的碎片拼接复原并展示原图算法思路将x张碎片的左右边缘提取保存左右边缘两两对比,将相似度超过预设阈值的碎片执行拼接操作,得到左右拼接好的碎片提取左右拼接...
题目
将4张打乱顺序的碎片拼接复原并展示原图
算法思路
将x张碎片的左右边缘提取保存
左右边缘两两对比,将相似度超过预设阈值的碎片执行拼接操作,得到左右拼接好的碎片
提取左右拼接好的碎片的上下边缘
上下边缘两两对比,将相似度超过预设阈值的碎片执行拼接操作,得到原图
源码展示
#include <opencv2/opencv.hpp> #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <iostream> #include <string> #include <cstdlib> #include <utility> #include <opencv2/imgproc/types_c.h> using namespace std; using namespace cv; /* * 问题: 将x张打乱顺序的碎片复原,将复原好的图片展示出来 * 思路: 1. 将x张碎片的左右边缘提取保存 * 2. 左右边缘两两对比,将相似度超过预设阈值的碎片执行拼接操作,得到左右拼接好的碎片 * 3. 提取左右拼接好的碎片的上下边缘 * 4. 上下边缘两两对比,将相似度超过预设阈值的碎片执行拼接操作,得到原图 */ int n = 0; //左右拼接时需要的迭代器 int m = 0; //上下拼接时需要的迭代器 //读取碎片 vector<mat> fragments_imread(string files_name); vector<mat> fragments_lr_imread(string files_name); //读取左右拼接好的碎片 //保存每张碎片的左右边缘 vector <vector<mat>> edge_resection_lr(const vector <mat>& fragments); //直方图对比 bool compare_by_hist(const mat& img1, const mat& img2); //左右拼接 void picture_stitching_lr(const mat& img1, const mat& img2); //对每张碎片的左右边缘相互对比拼接 void alignment_and_splicing_lr(const vector <mat>& fragments, const vector<vector<mat>>& resection_lr);//参数:碎片;碎片的左右边缘 //保存每张碎片的上下边缘 vector <vector<mat>> edge_resection_tb(const vector <mat>& fragments_lr); //上下拼接 void picture_stitching_tb(const mat& img1, const mat& img2); //对左右拼接好的碎片进行上下对比拼接 void alignment_and_splicing_tb(const vector <mat>& fragments_lr, const vector<vector<mat>>& resection_tb); int main() { vector<mat> fragments = fragments_imread("res/fragments/"); //读取碎片 vector<vector<mat> > resection_lr = edge_resection_lr(fragments); //保存每张碎片的左右边缘 alignment_and_splicing_lr(fragments,resection_lr); //对每张碎片的左右边缘相互对比拼接 vector<mat> fragments_lr = fragments_lr_imread("res/fragments_lr/"); //读取左右拼接好的碎片 vector<vector<mat>> resection_tb = edge_resection_tb(fragments_lr); //保存拼接好的左右碎片的上下边缘 alignment_and_splicing_tb(fragments_lr, resection_tb); //对左右拼接好的碎片的上下边缘相互对比拼接 mat result = imread("res/result/0.jpg"); imshow("restoration map",result); //展示结果 waitkey(0); return 0; } //读取碎片 vector<mat> fragments_imread(string files_name){ vector<string> files; glob(std::move(files_name),files); vector<mat> fragments; for(auto &file : files){ fragments.push_back(imread(file)); } return fragments; } vector<mat> fragments_lr_imread(string files_name){ vector<string> files; glob(std::move(files_name),files); vector<mat> fragments_lr; for(auto &file : files){ fragments_lr.push_back(imread(file)); } return fragments_lr; } //保存每张碎片的左右边缘 vector<vector<mat> > edge_resection_lr(const vector <mat>& fragments){ vector<vector<mat> > resection_lr(fragments.size(), vector<mat>(2)); for(int i = 0; i<fragments.size(); i++){ for(int j = 0; j<2; j++){ switch (j){ case 0: //第 i 张碎片的 左边; 顶点:(0,0) 尺寸:(10 * 第i张碎片的高/行) resection_lr.at(i).at(j) = fragments.at(i)(rect(0,0,10, fragments.at(i).rows)); break; case 1: //第 i 张碎片的 右边; 顶点:(第 i 张碎片的宽/列-10,0) 尺寸:(10 * 第i张碎片的高/行) resection_lr.at(i).at(j) = fragments.at(i)(rect(fragments.at(i).cols-10,0,10, fragments.at(i).rows)); default: break; } } } return resection_lr; } //直方图对比 bool compare_by_hist(const mat& img1, const mat& img2){ mat tmpimg,orgimg; resize(img1, tmpimg, size(img1.cols, img1.rows)); resize(img2, orgimg, size(img2.cols, img2.rows)); //hsv颜色特征模型(色调h,饱和度s,亮度v) cvtcolor(tmpimg, tmpimg, color_bgr2hsv); cvtcolor(orgimg, orgimg, color_bgr2hsv); //直方图尺寸设置 //一个灰度值可以设定一个bins,256个灰度值就可以设定256个bins //对应hsv格式,构建二维直方图 //每个维度的直方图灰度值划分为256块进行统计,也可以使用其他值 int hbins = 256, sbins = 256; int histsize[] = { hbins,sbins }; //h:0~180, s:0~255,v:0~255 //h色调取值范围 float hranges[] = { 0, 180 }; //s饱和度取值范围 float sranges[] = { 0,255 }; const float* ranges[] = { hranges, sranges }; int channels[] = { 0,1 }; //二维直方图 matnd hist1, hist2; calchist(&tmpimg, 1, channels, mat(), hist1,2,histsize, ranges, true, false); normalize(hist1, hist1, 0, 1, norm_minmax, -1, mat()); calchist(&orgimg, 1, channels, mat(), hist2, 2, histsize, ranges, true, false); normalize(hist2, hist2, 0, 1, norm_minmax, -1, mat()); double similarityvalue = comparehist(hist1, hist2, cv_comp_correl); // cout << "相似度:" << similarityvalue << endl; return similarityvalue >= 0.95; } //左右拼接 void picture_stitching_lr(const mat& img1, const mat& img2){ mat result; hconcat(img1,img2,result); imwrite("res/fragments_lr/"+to_string(n)+".jpg", result); n++; } //对每张碎片的左右边缘相互对比拼接 void alignment_and_splicing_lr(const vector <mat>& fragments, const vector<vector<mat>>& resection_lr){ for(int i = 0; i<fragments.size()-1; i++){ //第 i 张碎片 for(int j = 0; j<2; j++){ //第 i 张碎片的第 j 条边 for(int k = i; k<fragments.size()-1; k++){ //第 i 张碎片的第 j 条边 与 第 i 张以后碎片的左右边缘对比 for(int l = 0; l<2; l++){ if(compare_by_hist(resection_lr.at(i).at(j),resection_lr.at(k+1).at(l))){ if(j>l){ //当j>l时被对比的边缘应该在对比右边 picture_stitching_lr(fragments.at(i),fragments.at(k+1)); } else if(j<l){ //当j<l时被对比的边缘应该在对比右边 picture_stitching_lr(fragments.at(k+1),fragments.at(i)); } } } } } } } //上下拼接 void picture_stitching_tb(const mat& img1, const mat& img2){ mat result; vconcat(img1,img2,result); imwrite("res/result/"+to_string(m)+".jpg", result); m++; } //保存左右拼接好的碎片的上下边缘 vector <vector<mat>> edge_resection_tb(const vector <mat>& fragments_lr){ vector <vector<mat>> resection_tb(fragments_lr.size(), vector<mat>(2)); for(int i = 0; i<fragments_lr.size(); i++){ for(int j = 0; j<2; j++){ switch (j){ case 0: //第 i 张碎片的 上边缘; 顶点:(0,0) 尺寸:(第i张碎片的宽/列 * 10) resection_tb.at(i).at(j) = fragments_lr.at(i)(rect(0,0,fragments_lr.at(i).cols, 10)); break; case 1: //第 i 张碎片的 下边缘; 顶点:(0,第 i 张碎片的高/行-10) 尺寸:(第i张碎片的宽/列 * 10) resection_tb.at(i).at(j) = fragments_lr.at(i)(rect(0,fragments_lr.at(i).rows-10, fragments_lr.at(i).cols, 10)); default: break; } } } return resection_tb; } //对左右拼接好的碎片进行上下对比拼接 void alignment_and_splicing_tb(const vector <mat>& fragments_lr, const vector<vector<mat>>& resection_tb){ for(int i = 0; i<fragments_lr.size()-1; i++){ //第 i 张碎片 for(int j = 0; j<2; j++){ //第 i 张碎片的第 j 条边 for(int k = i; k<fragments_lr.size()-1; k++){ //第 i 张碎片的第 j 条边 与 第 i 张以后碎片的左右边缘对比 for(int l = 0; l<2; l++){ if(compare_by_hist(resection_tb.at(i).at(j),resection_tb.at(k+1).at(l))){ // picture_stitching_tb(fragments_lr.at(i),fragments_lr.at(k+1)); if(j>l){ //当j>l时被对比的边缘应该在对比下边 picture_stitching_tb(fragments_lr.at(i),fragments_lr.at(k+1)); } else if(j<l){ //当j<l时被对比的边缘应该在对比上边 picture_stitching_tb(fragments_lr.at(k+1),fragments_lr.at(i)); } } } } } } }
结果演示
碎片:
拼接结果:
到此这篇关于opencv实现乱序碎片复原的文章就介绍到这了,更多相关opencv碎片复原内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
下一篇: 虚拟偶像,永不“塌房”?