圖像融合 - opencv的圖像分割與融合技術(shù)

　　圖像融合（去裂縫處理）

　　從下圖可以看出，兩圖的拼接并不自然，原因就在于拼接圖的交界處，兩圖因為光照色澤的原因使得兩圖交界處的過渡很糟糕，所以需要特定的處理解決這種不自然。這里的處理思路是加權(quán)融合，在重疊部分由前一幅圖像慢慢過渡到第二幅圖像，即將圖像的重疊區(qū)域的像素值按一定的權(quán)值相加合成新的圖像。

　　//優(yōu)化兩圖的連接處，使得拼接自然

　　void OptimizeSeam（Mat& img1， Mat& trans， Mat& dst）

　　{

　　int start = MIN（corners.left_top.x， corners.left_bottom.x）;//開始位置，即重疊區(qū)域的左邊界

　　double processWidth = img1.cols - start;//重疊區(qū)域的寬度

　　int rows = dst.rows;

　　int cols = img1.cols; //注意，是列數(shù)*通道數(shù)

　　double alpha = 1;//img1中像素的權(quán)重

　　for （int i = 0; i 《 rows; i++）

　　{

　　uchar* p = img1.ptr《uchar》（i）; //獲取第i行的首地址

　　uchar* t = trans.ptr《uchar》（i）;

　　uchar* d = dst.ptr《uchar》（i）;

　　for （int j = start; j 《 cols; j++）

　　{

　　//如果遇到圖像trans中無像素的黑點，則完全拷貝img1中的數(shù)據(jù)

　　if （t［j * 3］ == 0 && t［j * 3 + 1］ == 0 && t［j * 3 + 2］ == 0）

　　{

　　alpha = 1;

　　}

　　else

　　{

　　//img1中像素的權(quán)重，與當前處理點距重疊區(qū)域左邊界的距離成正比，實驗證明，這種方法確實好

　　alpha = （processWidth - （j - start）） / processWidth;

　　}

　　d［j * 3］ = p［j * 3］ * alpha + t［j * 3］ * （1 - alpha）;

　　d［j * 3 + 1］ = p［j * 3 + 1］ * alpha + t［j * 3 + 1］ * （1 - alpha）;

　　d［j * 3 + 2］ = p［j * 3 + 2］ * alpha + t［j * 3 + 2］ * （1 - alpha）;

　　}

　　}

　　驗證拼接效果