python+OpenCV实现全景图像拼接和图像黑边处理

使用python+OpenCV实现多张图像拼接，完成拼接后进行图像黑边去除。里面代码每一行都有中文注释和附带的实验图像。

# 执行以下命令，在终端（cmd命令行）运行代码：
# python image_stitching.py --images images/scottsdale --output output.png --crop 1

# import the necessary packages
from imutils import paths
import numpy as np
import argparse
import imutils
import cv2

# 构造参数解析器并解析参数
ap = argparse.ArgumentParser（）
ap.add_argument（“-i“ “--images“ type=str required=True
                help=“path to input directory of images to stitch“）
ap.add_argument（“-o“ “--output“ type=str required=True
                help=“path to the output image“）
ap.add_argument（“-c“ “--crop“ type=int default=0
                help=“whether to crop out largest rectangular region“）
args = vars（ap.parse_args（））  # vars函数是实现返回对象object的属性和属性值的字典对象

print（args）  # {‘images‘: ‘images/scottsdale‘ ‘output‘: ‘output.png‘ ‘crop‘: 1}
# 匹配输入图像的路径并初始化我们的图像列表
# rectangular_region = 2
print（“[INFO] loading images...“）
# 获取到每张待拼接图像并排序，如[‘第一张图片路径‘， 第二张图片路径‘，第三张图片路径‘]
imagePaths = sorted（list（paths.list_images（args[“images“]）））
# print（imagePaths）
# imagePaths = [‘IMG_1786-2.jpg‘
# 			  ‘IMG_1787-2.jpg‘
# 			  ‘IMG_1788-2.jpg‘]
images = []

# 遍历图像路径，加载每个路径，然后将它们添加到我们的路径中图像到stich列表
for imagePath in imagePaths:
    image = cv2.imread（imagePath）
    images.append（image）

# 初始化OpenCV的图像sticher对象，然后执行图像拼接
print（“[INFO] stitching images...“）
stitcher = cv2.createStitcher（） if imutils.is_cv3（） else cv2.Stitcher_create（）
（status stitched） = stitcher.stitch（images）


# print（status stitched）
# 如果状态为“0”，则OpenCV成功执行图像拼接
if status == 0:
    # 检查我们是否应该从拼接图像中裁剪出最大的矩形区域
    if args[“crop“] > 0:
        # 在拼接图像周围创建一个10像素的黑色边框
        print（“[INFO] cropping...“）
        stitched = cv2.copyMakeBorder（stitched 10 10 10 10
                                      cv2.BORDER_CONSTANT （0 0 0））
        # cv2.imshow（‘123‘stitched）

        # 将拼接图像转换为灰度
        gray = cv2.cvtColor（stitched cv2.COLOR_BGR2GRAY）
        # cv2.imshow（‘456‘ gray）
        # 对灰度图像进行阈值二值化，
        # 这样所有大于零的像素都设置为255（前景），而其他所有像素都保持为0（背景）
        thresh = cv2.threshold（gray 0 255 cv2.THRESH_BINARY）[1]
        # cv2.imshow（‘789‘ thresh）
        # 在阈值图像中找到所有外部轮廓，然后找到 “最大 ”轮廓，它将是拼接图像的轮廓
        # cv2.RETR_EXTERNAL：只找外轮廓。cv2.CHAIN_APPROX_SIMPLE：输出少量轮廓点
        # 输出参数1：图像
        # 输出参数2：轮廓列表
        # 输出参数3：层级
        cnts = cv2.findContours（thresh.copy（） cv2.RETR_EXTERNAL cv2.CHAIN_APPROX_SIMPLE）
        # print（cnts） #cnts包括三个数组：
        # print（len（cnts））

        cnts = imutils.grab_contours（cnts）

        ################################
        # imutils.grab_contours 的源码 ：

            # # if the length the contours tuple returned by cv2.findContours
            # # is ‘2‘ then we are using either OpenCV v2.4 v4-beta or
            # # v4-official
            # if len（cnts） == 2:
            #     cnts = cnts[0]
            # # if the length of the contours tuple is ‘3‘ then we are using
            # # either OpenCV v3 v4-pre or v4-alpha
            # elif len（cnts） == 3:
            #     cnts = cnts[1]
            # # otherwise OpenCV ha

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-26 11:10  图像拼接---去除黑边\
     文件      160834  2018-12-11 19:45  图像拼接---去除黑边\IMG_1786-2.jpg
     文件      155549  2018-12-11 19:45  图像拼接---去除黑边\IMG_1787-2.jpg
     文件      187918  2018-12-11 19:45  图像拼接---去除黑边\IMG_1788-2.jpg
     文件        7055  2019-03-26 11:12  图像拼接---去除黑边\image_stitching.py
     目录           0  2019-03-18 08:40  图像拼接---去除黑边\images\
     目录           0  2019-03-18 08:41  图像拼接---去除黑边\images\scottsdale\
     文件      160834  2018-12-11 19:45  图像拼接---去除黑边\images\scottsdale\IMG_1786-2.jpg
     文件      155549  2018-12-11 19:45  图像拼接---去除黑边\images\scottsdale\IMG_1787-2.jpg
     文件      187918  2018-12-11 19:45  图像拼接---去除黑边\images\scottsdale\IMG_1788-2.jpg
     文件     1059139  2018-12-11 20:10  图像拼接---去除黑边\output.png
     目录           0  2019-03-26 11:12  图像拼接---去除黑边\result\
     文件      234097  2019-03-25 21:37  图像拼接---去除黑边\result.jpg