| 窗口程序集名 | 保 留 | 保 留 | 备 注 |
| 程序集1 | |||
| 变量名 | 类 型 | 数组 | 备 注 |
| 角 | 四角结构 |
| 子程序名 | 返回值类型 | 公开 | 备 注 | ||
| _启动子程序 | 整数型 | 本子程序在程序启动后最先执行 | |||
| 变量名 | 类 型 | 静态 | 数组 | 备 注 | ||
| 左图 | 数据矩阵类 | |||||
| 右图 | 数据矩阵类 | |||||
| SURF | 高速稳健特征类 | SURF算法 SURF算法 SURF SURF（Speeded Up Robust Features）是对SIFT的?种改进，主要特点是快速。 | ||||
| 匹配器 | 暴力匹配器类 | 创建一个暴力匹配器 用于特征点匹配 | ||||
| 特征点1 | 关键点类 | 0 | ||||
| 特征点2 | 关键点类 | 0 | ||||
| 训练描述子 | 数据矩阵类 | |||||
| 查询描述子 | 数据矩阵类 | |||||
| 匹配结果 | 特征匹配结构 | 0 | 特征点对比，保存 特征点为中心点区域比对 | |||
| 最优匹配结果 | 特征匹配结构 | 0 | ||||
| 点数 | 整数型 | |||||
| i | 整数型 | 循环变量 | ||||
| 输出图 | 数据矩阵类 | |||||
| 图像点1 | 坐标二维小数型结构 | 0 | ||||
| 图像点2 | 坐标二维小数型结构 | 0 | ||||
| 输出掩码 | 数据矩阵类 | |||||
| 单应性 | 数据矩阵类 | |||||
| 图像变化 | 数据矩阵类 | 接收透视转换结果 | ||||
| 输出宽 | 整数型 | |||||
| 输出高 | 整数型 | |||||
| 输出 | 数据矩阵类 | |||||
左图.从字节集加载 ( #图片1, #读图_彩色 )
' 右图
右图.从字节集加载 ( #图片2, #读图_彩色 )
' 左右图显示
' 视觉_显示图像 (“left”, left)
' 视觉_显示图像 (“right”, right)
' 创建 函数参数 海森矩阵阀值 800特征点以内
SURF.创建 (800, 4, 3, 假, 假)
' 1、选择特征点
' 左图 右图 识别特征点 是Mat对象 用c d保存
SURF.检测提取 (左图, , 特征点2, 查询描述子, 假)
SURF.检测提取 (右图, , 特征点1, 训练描述子, 假)
' 特征点对比，保存 特征点为中心点区域比对
匹配器.创建 (4, 假) ' 匹配器需要初始化
匹配器.匹配 (查询描述子, 训练描述子, 匹配结果, )
' 排序从小到大 找到特征点连线
视觉_特征匹配排序 (匹配结果, 假)
' 2、保存最优的特征点对象
点数 ＝ 视觉_取最小值 (50, 取数组成员数 (匹配结果) × 0.15)
计次循环首 (点数, i)
加入成员 (最优匹配结果, 匹配结果 [i])
计次循环尾 ()' 2-1、画线 最优的特征点对象连线
视觉_绘制匹配 (左图, 特征点2, 右图, 特征点1, 最优匹配结果, 输出图, , , , #绘制匹配_不画单个关键点 )
视觉_显示图像 (“outimg”, 输出图)
' 3、特征点匹配
计次循环首 (取数组成员数 (最优匹配结果), i) ' 查找特征点可连接处 变形加入成员 (图像点1, 特征点1 [最优匹配结果 [i].训练索引 ＋ 1].坐标 ()) ' 查找特征点可连接处 查找基准线加入成员 (图像点2, 特征点2 [最优匹配结果 [i].查询索引 ＋ 1].坐标 ())计次循环尾 ()' 4、透视转换 图形融合
单应性 ＝ 视觉_寻找单应性矩阵 (图像点1, 图像点2, #鲁棒估计_RANSAC算法, 3, 输出掩码, 2000, 0.995)
' 根据透视转换矩阵进行计算 四个坐标
计算拐角 (单应性, 右图)
' 透视转换
视觉_透视变换 (右图, 图像变化, 单应性, 尺寸整数 (视觉_取最大值 (角.右上角.左边, 角.右下角.左边), 左图.行数 ()), #插值_双线性二次, #边界_常数模式, )
' 右图透视变换 由于本次图片材料是自己截图拼接的 因此看不出透视变换的明显特征
' 视觉_显示图像 (“imageTransForm”, imageTransForm)
' 结果进行整合
输出宽 ＝ 图像变化.列数 ()
输出高 ＝ 左图.行数 ()
输出.初始化0 (输出高, 输出宽, #三通道矩阵字节型 )
图像变化.复制 (输出.感兴区域 (矩形整数型 (0, 0, 图像变化.列数 (), 图像变化.行数 ())), )
左图.复制 (输出.感兴区域 (矩形整数型 (0, 0, 左图.列数 (), 左图.行数 ())), )
' 5、优化图像
优化接缝 (左图, 图像变化, 输出)
视觉_显示图像 (“dst”, 输出)
视觉_等待按键 (0)
返回 (0) ' 可以根据您的需要返回任意数值
| 子程序名 | 返回值类型 | 公开 | 备 注 | ||||
| 计算拐角 | |||||||
| 参数名 | 类 型 | 参考 | 可空 | 数组 | 备 注 | ||
| H | 数据矩阵类 | 输入 | 数据矩阵类 | ||||
| 变量名 | 类 型 | 静态 | 数组 | 备 注 | ||
| 矩阵2 | 数据矩阵类 | |||||
| 矩阵1 | 数据矩阵类 | |||||
| v2 | 双精度小数型 | 3 | ||||
| V1 | 双精度小数型 | 3 | ||||
V1 ＝ { 0, 0, 0 } ' 变换后的坐标值
矩阵2.初始化指针 (3, 1, #单通道矩阵双精度型, 取变量数据地址 (v2))
' V1M.初始化指针 (3, 1, #单通道矩阵双精度型, 取变量数据地址 (V1))
矩阵1 ＝ H.乘 (矩阵2)
' 左上角(0,0,1)
视觉_控制台输出 (“V2:\n%mat\n”, 矩阵2)
视觉_控制台输出 (“V1:\n%mat\n”, 矩阵1)
角.左上角.左边 ＝ 矩阵1.取元素 (0, 0) ÷ 矩阵1.取元素 (0, 2)
角.左上角.顶边 ＝ 矩阵1.取元素 (0, 1) ÷ 矩阵1.取元素 (0, 2)
' 左下角(0,src.rows,1)
v2 [2] ＝ 输入.行数 ()
矩阵2.初始化指针 (3, 1, #单通道矩阵双精度型, 取变量数据地址 (v2)) ' 列向量
矩阵1 ＝ H.乘 (矩阵2)
角.左下角.左边 ＝ 矩阵1.取元素 (0, 0) ÷ 矩阵1.取元素 (0, 2)
角.左下角.顶边 ＝ 矩阵1.取元素 (0, 1) ÷ 矩阵1.取元素 (0, 2)
' 右上角(src.cols,0,1)
v2 [1] ＝ 输入.列数 ()
v2 [2] ＝ 0
矩阵2.初始化指针 (3, 1, #单通道矩阵双精度型, 取变量数据地址 (v2)) ' 列向量
矩阵1 ＝ H.乘 (矩阵2)
角.右上角.左边 ＝ 矩阵1.取元素 (0, 0) ÷ 矩阵1.取元素 (0, 2)
角.右上角.顶边 ＝ 矩阵1.取元素 (0, 1) ÷ 矩阵1.取元素 (0, 2)
' 右下角(src.cols,src.rows,1)
v2 [1] ＝ 输入.列数 ()
v2 [2] ＝ 输入.行数 ()
矩阵2.初始化指针 (3, 1, #单通道矩阵双精度型, 取变量数据地址 (v2)) ' 列向量
矩阵1 ＝ H.乘 (矩阵2)
角.右下角.左边 ＝ 矩阵1.取元素 (0, 0) ÷ 矩阵1.取元素 (0, 2)
角.右下角.顶边 ＝ 矩阵1.取元素 (0, 1) ÷ 矩阵1.取元素 (0, 2)
| 子程序名 | 返回值类型 | 公开 | 备 注 | ||||
| 优化接缝 | |||||||
| 参数名 | 类 型 | 参考 | 可空 | 数组 | 备 注 | ||
| 图 | 数据矩阵类 | 变化 | 数据矩阵类 | 输出 | 数据矩阵类 | ||
| 变量名 | 类 型 | 静态 | 数组 | 备 注 | ||
| 开始 | 整数型 | |||||
| 进程宽度 | 双精度小数型 | |||||
| 列 | 整数型 | |||||
| 行 | 整数型 | |||||
| 权重 | 双精度小数型 | |||||
| i | 整数型 | |||||
| p | 字节型指针类 | 指针 | ||||
| t | 字节型指针类 | 指针 | ||||
| d | 字节型指针类 | 指针 | ||||
| j | 整数型 | |||||
进程宽度 ＝ 图.列数 () － 开始 ' 重叠区域的宽度
行 ＝ 输出.行数 ()
列 ＝ 图.列数 () ' 注意，是列数*通道数
权重 ＝ 1 ' img1中像素的权重
变量循环首 (0, 行 － 1, 1, i)p.指针 ＝ 图.取元素指针 (i, 0) ' 获取第i行的首地址t.指针 ＝ 变化.取元素指针 (i, 0)d.指针 ＝ 输出.取元素指针 (i, 0)变量循环首 (开始, 列 － 1, 1, i) ' 如果遇到图像trans中无像素的黑点，则完全拷贝img1中的数据
如果 (t.读 (j × 3) ＝ 0 且 t.读 (j × 3 ＋ 1) ＝ 0 且 t.读 (j × 3 ＋ 2) ＝ 0)
权重 ＝ 1
' img1中像素的权重，与当前处理点距重叠区域左边界的距离成正比，实验证明，这种方法确实好
权重 ＝ (进程宽度 ��� (j － 开始)) ÷ 进程宽度d.写 (j × 3, p.读 (j × 3) × 权重 ＋ t.读 (j × 3) �� (1 － 权重))d.写 (j × 3 ＋ 1, p.读 (j × 3 ＋ 1) × 权重 ＋ t.读 (j × 3 ＋ 1) �� (1 － 权重))d.写 (j × 3 ＋ 2, p.读 (j × 3 ＋ 2) × 权重 ＋ t.读 (j × 3 ＋ 2) �� (1 － 权重))变量循环尾 ()变量循环尾 ()| i支持库列表 | 支持库注释 |
| OpenCV | (未知支持库) |
| spec | 特殊功能支持库 |
