openCV拼图四张图只拼了两张

        由于本人单位有项目正好用到了图像拼接的算法，因此怀着学习的态度进行了基于Opencv的SIFT特征（传统方法）进行图像拼接的尝试，单位的图片为非固定视角无人机航拍图，且图片数量较多，因此需要处理速度与精准度要求较高。虽进行了尝试，但效果不够理想（不理想的结果会在最后贴出）。

        总体程序设计思路如下：

 图片预处理-->图像特征点采集-->特征点匹配-->图像透视变换-->贴图-->图像后处理

       由于每次的图片量有将近两千张左右，所以我将整个拼接程序分成了三级：

                每一级拼接根据计算机的内存与cpu的处理运算能力进行手动设置张数与图片采集大小

                 第一篇文章先放一下图像预处理部分以及文件结构(代码如下)：

        文件目录结构如下：

        stitching为项目主程序

        程序运行效果图：

        此图为拼接15张航拍图片效果(一级拼接效果)（非同一视角）

        参数设置文件content.py：

"""
程序所有常参设置
"""

input_images_path = "./test_image"              #图片读取路径

input_two_images_path = "./temp/one_filter"     #一级合成拼接后的图片

input_three_images_path = "./temp/two_filter"   #二级合成拼接后的图片

out_put_path = "./result"                       #三级合成输出结果地址

input_images_height = 1024                      #设置每张图片resize后的大小（一级合成）

image_number = 15                               #设置每次读取的图片数量

distance_factor = 0.7                           #过滤匹配点对系数（初始系数，程序会根据点对数自行修改）

min_good_points = 150                           #最小通过点对数（小于100组点对视为不合格，程序会自行调整参数，直至在最大最小值范围内）

max_good_points = 200                           #最大通过点对数（大于200组点对同样视为不合格，程序会自行调整参数，直至在最大最小值范围内）

   此函数用来设置拼接程序中的一些常量

          输入图片预处理mosaic_input.py：

import image_stitching.content as content            #常量函数
import cv2

class input_operation():

    def __init__(self,images_name,flage,read_path):
        """
        设置函数常参
        """
        self.images_name = images_name
        self.path = read_path                                                                                                   
        # 获取常参值
        self.images = []                                                                                                
        # 初始化图片列表
        self.normal_images = self.images                                                                                         
        # 获取降噪后的图片
        self.image_name = []
        self.input_ReadAll()
        if flage == 1:
            self.input_resize()
            self.input_detail()
        else:
            self.images = self.normal_images

    def input_ReadAll(self):
        """
        读取列表下的所有图片文件并存在images中
        """
        for i,image_name in enumerate(self.images_name):                                                                
            #列表循环
            print("读取图片:{}/{}".format(i + 1,len(self.images_name)))
            image = cv2.imread("{}/{}".format(self.path, image_name))                                                   
            #拼接地址
            self.images.append(image)                                                                                   
            #添加至列表中

    def input_resize(self):
        """
        重置传入图片大小
        """

        for i,image in enumerate(self.images):                                                                      
            #获取图片在列表中的index和图片内容
            print("正在进行图片缩放:{}/{}".format(i + 1,len(self.images)))
            (image_width,image_height,_) = image.shape                                                              
            #获取图片宽、高
            ratio = image_width/image_height                                                                        
            #计算图片长宽比
            new_height = content.input_images_height                                                                
            #获取设置宽
            resized_image = cv2.resize(image, (new_height,int(new_height*ratio)))                                   
            #计算高并且resize
            self.images[i] = resized_image                                                                          
            #原位替换成处理后的图片

    def input_detail(self):
        """
        细节增强
        """
        for i, image in enumerate(self.images):
            print("正在进行图片细节增强:{}/{}".format(i + 1, len(self.images)))
            detail_image = cv2.detailEnhance(image)
            self.images[i] = detail_image

        此函数主要用来预处理传入图片，主要是进行图片resize和进行图片细节增强，在后续的图片特征点匹配中以获取更多更精准的SIFT特征点，输入预处理到此结束。等我有时间的时候再继续写，希望大家点点赞。