matlab图像拼接融合(四种方法)

4。再把左 各 右图 拼接

5。权重融合

左图————重合区———————-右图（相加）

100%———–50%————————0%

0%————–50%————————100%

%读入原图 （左 右） img1=imread('2.jpg'); img2=imread('1.jpg'); 

%查找它们的SIFT特征,并返回匹配点对---------------------特征匹配 开始 [des1, des2] = siftMatch(img1, img2); des1=[des1(:,2),des1(:,1)];%左右（x和y）交换 % 为过滤匹配准备参数 des2=[des2(:,2),des2(:,1)];% %用 基础矩阵F 过滤匹配的特征点对 matchs = matchFSelect(des1, des2) %匹配位置索引（掩码） des1=des1(matchs,:);%取出内点 des2=des2(matchs,:); % 画出匹配特征点的连接线（好点） drawLinedCorner(img1,des1,img2, des2) ; 

1、直接拼接

[H,W,k]=size(img1);%图像大小 l_r=W-des1(1,2)+des2(1,2);%只取水平方向（第一个匹配点）重叠宽度 % 1、直接拼接------------------------------------------------- %[H,W,k]=size(img1); %l_r=405;%重叠宽度（W-宽 至 W）---如果不用特征匹配这里直接写重合区宽 L=W+1-l_r;%左边起点 R=W;%右边尾点 n=R-L+1;%重叠宽度：就是l_r %直接拼接图 im=[img1,img2(:,n:W,:)];%1全图+2的后面部分 figure;imshow(im);title('直接拼接图'); 

2、亮度调整后拼接

%根据之前H矩阵找到的两幅图的重叠（l_r）部分 A=img1(:,L:R,:); B=img2(:,1:n,:); %A、B 是对应在两幅图中的重叠区域 % A=uint8(A); figure;imshow(A); % B=uint8(B);figure;imshow(B); % [ma,na,ka]=size(A); I1=rgb2gray(A);%转换为灰度图像 I1=double(I1);%转换为双精度 v1=0; I2= rgb2gray(B); I2=double(I2); v2=0; for i=1:ma for j=1:na %I1(i,j)=0.59*A(i,j,1)+0.11*A(i,j,2)+0.3*A(i,j,3);%按点转化为灰度图 v1=v1+I1(i,j);%所有亮度值相加（和） %I2(i,j)=0.59*B(i,j,1)+0.11*B(i,j,2)+0.3*B(i,j,3); v2=v2+I2(i,j); end end %figure;imshow(I1,[]); %figure;imshow(I2,[]); %亮度比例，并按比例调整第二个图 k=v1/v2; BB2=img2(:,n:W,:)*k;%乘比值 im2=[img1,BB2];%拼接 figure;imshow(im2);title('调整亮度后拼接图'); 

3、按距离比例融合

%[H,Y,t]=size(im); C=im;%继承前图 D=im2;%继承前图（亮度） % n=拼缝宽; %for i=1:H %少一重循环 for j=1:n d=1-(j)/n;%disp(d);% 距离权重 C(1:H,L+j,:)=d*A(1:H,j,:)+(1-d)*B(1:H,j,:);%互补融合 D(1:H,L+j,:)=d*A(1:H,j,:)+(1-d)*B(1:H,j,:)*k; end %end C=uint8(C); figure;imshow(C);title('直接融合拼接图');%3 D=uint8(D); figure;imshow(D);title('亮度处理后融合拼接图');%4 

4、亮度调整后按距离比例融合

完整的m文件：

%matlab图像拼接(四种方法) % 1、直接拼接， % 2、亮度调整后拼接， % 3、按距离比例融合， % 4、亮度调整后按距离比例融合 %流程： %1。读入左，右图，并取出重合部分，并转化为亮度图 %2。分别把每点的亮度值相加，得到一个比值 %3。把比值 乘以 右图 %4。再把左 各 右图 拼接 clear;close all,clc; %读入原图 （左 右） img1=imread('2.jpg'); img2=imread('1.jpg'); % figure;imshow(img1);%显示 % figure;imshow(img2); %查找它们的SIFT特征,并返回匹配点对---------------------特征匹配 开始 [des1, des2] = siftMatch(img1, img2); des1=[des1(:,2),des1(:,1)];%左右（x和y）交换 为基础矩阵F 过滤匹配准备参数 des2=[des2(:,2),des2(:,1)];% %用 基础矩阵F 过滤匹配的特征点对 matchs = matchFSelect(des1, des2) %匹配位置索引（掩码） des1=des1(matchs,:);%取出内点 des2=des2(matchs,:); % 画出匹配特征点的连接线（好点） drawLinedCorner(img1,des1,img2, des2) ; %------------------------------------------------------特征匹配 结束 [H,W,k]=size(img1);%图像大小 l_r=W-des1(1,2)+des2(1,2);%只取水平方向（第一个匹配点）重叠宽度 % 1、直接拼接------------------------------------------------- %[H,W,k]=size(img1); %l_r=405;%重叠宽度（W-宽 至 W）---如果不用特征匹配这里直接写重合区宽 L=W+1-l_r;%左边起点 R=W;%右边尾点 n=R-L+1;%重叠宽度：就是l_r %直接拼接图 im=[img1,img2(:,n:W,:)];%1全图+2的后面部分 figure;imshow(im);title('直接拼接图'); % 2、亮度调整后拼接------------------------------------------------- %根据之前H矩阵找到的两幅图的重叠（l_r）部分 A=img1(:,L:R,:); B=img2(:,1:n,:); %A、B 是对应在两幅图中的重叠区域 % A=uint8(A); figure;imshow(A); % B=uint8(B);figure;imshow(B); % [ma,na,ka]=size(A); I1=rgb2gray(A);%转换为灰度图像 I1=double(I1);%转换为双精度 v1=0; I2= rgb2gray(B); I2=double(I2); v2=0; for i=1:ma for j=1:na %I1(i,j)=0.59*A(i,j,1)+0.11*A(i,j,2)+0.3*A(i,j,3);%按点转化为灰度图 v1=v1+I1(i,j);%所有亮度值相加（和） %I2(i,j)=0.59*B(i,j,1)+0.11*B(i,j,2)+0.3*B(i,j,3); v2=v2+I2(i,j); end end %figure;imshow(I1,[]); %figure;imshow(I2,[]); %亮度比例，并按比例调整第二个图 k=v1/v2; BB2=img2(:,n:W,:)*k;%乘比值 im2=[img1,BB2];%拼接 figure;imshow(im2);title('调整亮度后拼接图'); % 3、按距离比例融合------------------------------------------------- % 4、亮度调整后按距离比例融合---------------------------------------- % 图像融合消除拼接缝隙 %用的渐入渐出融合即：距离权重融合 %[H,Y,t]=size(im); C=im;%继承前图 D=im2;%继承前图（亮度） % n=拼缝宽; %for i=1:H %少一重循环 for j=1:n d=1-(j)/n;%disp(d);% 距离权重 C(1:H,L+j,:)=d*A(1:H,j,:)+(1-d)*B(1:H,j,:);%互补融合 D(1:H,L+j,:)=d*A(1:H,j,:)+(1-d)*B(1:H,j,:)*k; end %end C=uint8(C); figure;imshow(C);title('直接融合拼接图');%3 D=uint8(D); figure;imshow(D);title('亮度处理后融合拼接图');%4 

matlab 7.0 运行

感谢 浮华三生 的评论！

我把siftMatch放在后面，并去掉matchFSelect函数，用上包上的findHomography函数。

先在 这里下 http://www.cs.ubc.ca/~lowe/keypoints/siftDemoV4.zip

%查找它们的SIFT特征,并返回匹配点对---------------------特征匹配 开始 [des1, des2] = siftMatch(img1, img2); %为单应矩阵过滤匹配准备参数 pts1=des1';pts2=des2'; %单应矩阵过滤匹配 [Ht matchs] = findHomography(pts1,pts2);%如无该函数，自行搜索“imMosaic”或“findHomography imMosaic”下载 pts1=pts1(:,matchs);%取出内点 pts2=pts2(:,matchs); des1=pts1';%格式转回 des2=pts2'; % 画出匹配特征点的连接线（好点） drawLinedCorner(img1,des1,img2, des2) ; %------------------------------------------------------特征匹配 结束

替换前面部分

修改match函数为siftMatch:

% 此函数读取两幅图像，查找它们的SIFT特征 % 仅当匹配的距离小于与第二个最接近匹配的距离的阈值时，才接受匹配。 % 它返回两个图像的匹配点，matchLoc1 = [x1,y1;x2,y2;...] % % function [matchLoc1 matchLoc2] = siftMatch(img1, img2) % 在每个图像查找 SIFT 特征点 [des1, loc1] = sift(img1); [des2, loc2] = sift(img2); % 对于MATLAB中的效率,计算单位向量之间的点乘比欧式距离更快捷。请注意: % 注意角的比率(单位矢量点积的反余弦)是小角度的欧氏距离之比的近似值。 % % distRatio: 在这两队匹配中只保留矢量角从最近的第二近邻的比值小于distRatio的。 distRatio = 0.7; % 在第一个图像中的每个描述符，选择它的匹配到第二个图像。 des2t = des2'; % 预计算矩阵转置 matchTable = zeros(1,size(des1,1)); for i = 1 : size(des1,1) dotprods = des1(i,:) * des2t; % 计算点积向量 [vals,indx] = sort(acos(dotprods)); % 取逆余弦和排序结果 % 看看和最近的邻居角比率小于distRatio。 if (vals(1) < distRatio * vals(2)) matchTable(i) = indx(1); else matchTable(i) = 0; end end % 保存匹配数据表 num = sum(matchTable > 0); fprintf('找到 %d 对匹配点.\n', num); idx1 = find(matchTable); idx2 = matchTable(idx1); x1 = loc1(idx1,2); x2 = loc2(idx2,2); y1 = loc1(idx1,1); y2 = loc2(idx2,1); matchLoc1 = [y1,x1];%把y坐标放前面 matchLoc2 = [y2,x2]; end

说明一下：

http://www.cs.ubc.ca/~lowe/keypoints/siftDemoV4.zip 还有findHomography的 https://github.com/erogol/Image_Stiching