Я рекомендую вам использовать OpenCV в c ++, и есть много инструментов и функций для обработки изображений, которые вы можете вызывать и использовать.
Модуль регистрации осуществляет параметрическую регистрацию изображений.Реализованный метод - прямое выравнивание, то есть он использует непосредственно значения пикселей для вычисления регистрации между парой изображений, в отличие от регистрации на основе признаков.
Константы OpenCV, которые представляют эти модели, имеют префиксMOTION_ и отображаются в скобках.
Перевод (MOTION_TRANSLATION): первое изображение можно сдвинуть (перевести) на (x, y), чтобы получить второе изображение.Нам нужно оценить только два параметра x и y.
Евклидов (MOTION_EUCLIDEAN): первое изображение является повернутой и сдвинутой версией второго изображения.Таким образом, есть три параметра - х, у и угол.Вы заметите на рисунке 4, когда квадрат претерпевает евклидово преобразование, размер не изменяется, параллельные линии остаются параллельными, а прямые углы остаются неизменными после преобразования.
Affine (MOTION_AFFINE): Аффинное преобразование представляет собой комбинацию вращения, сдвига (сдвига), масштаба и сдвига.Это преобразование имеет шесть параметров.Когда квадрат претерпевает аффинное преобразование, параллельные линии остаются параллельными, но линии, встречающиеся под прямым углом, больше не остаются ортогональными.
Гомография (MOTION_HOMOGRAPHY): все описанные выше преобразования являются 2Dтрансформирует.Они не учитывают 3D-эффекты.Гомографическое преобразование, с другой стороны, может учитывать некоторые 3D-эффекты (но не все).Это преобразование имеет 8 параметров.Квадрат при преобразовании с использованием гомографии может измениться на любой четырехугольник.
Ссылка: https://docs.opencv.org/3.4.2/db/d61/group__reg.html
Это пример, который я нашел очень полезным для регистрации изображений:
#include <opencv2/opencv.hpp>
#include "opencv2/xfeatures2d.hpp"
#include "opencv2/features2d.hpp"
using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;
const int MAX_FEATURES = 500;
const float GOOD_MATCH_PERCENT = 0.15f;
void alignImages(Mat &im1, Mat &im2, Mat &im1Reg, Mat &h)
{
Mat im1Gray, im2Gray;
cvtColor(im1, im1Gray, CV_BGR2GRAY);
cvtColor(im2, im2Gray, CV_BGR2GRAY);
// Variables to store keypoints and descriptors
std::vector<KeyPoint> keypoints1, keypoints2;
Mat descriptors1, descriptors2;
// Detect ORB features and compute descriptors.
Ptr<Feature2D> orb = ORB::create(MAX_FEATURES);
orb->detectAndCompute(im1Gray, Mat(), keypoints1, descriptors1);
orb->detectAndCompute(im2Gray, Mat(), keypoints2, descriptors2);
// Match features.
std::vector<DMatch> matches;
Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
matcher->match(descriptors1, descriptors2, matches, Mat());
// Sort matches by score
std::sort(matches.begin(), matches.end());
// Remove not so good matches
const int numGoodMatches = matches.size() * GOOD_MATCH_PERCENT;
matches.erase(matches.begin()+numGoodMatches, matches.end());
// Draw top matches
Mat imMatches;
drawMatches(im1, keypoints1, im2, keypoints2, matches, imMatches);
imwrite("matches.jpg", imMatches);
// Extract location of good matches
std::vector<Point2f> points1, points2;
for( size_t i = 0; i < matches.size(); i++ )
{
points1.push_back( keypoints1[ matches[i].queryIdx ].pt );
points2.push_back( keypoints2[ matches[i].trainIdx ].pt );
}
// Find homography
h = findHomography( points1, points2, RANSAC );
// Use homography to warp image
warpPerspective(im1, im1Reg, h, im2.size());
}
int main(int argc, char **argv)
{
// Read reference image
string refFilename("form.jpg");
cout << "Reading reference image : " << refFilename << endl;
Mat imReference = imread(refFilename);
// Read image to be aligned
string imFilename("scanned-form.jpg");
cout << "Reading image to align : " << imFilename << endl;
Mat im = imread(imFilename);
// Registered image will be resotred in imReg.
// The estimated homography will be stored in h.
Mat imReg, h;
// Align images
cout << "Aligning images ..." << endl;
alignImages(im, imReference, imReg, h);
// Write aligned image to disk.
string outFilename("aligned.jpg");
cout << "Saving aligned image : " << outFilename << endl;
imwrite(outFilename, imReg);
// Print estimated homography
cout << "Estimated homography : \n" << h << endl;
}