C++ 如何使用Map类实现图像配准？

实际上，我已经阅读了opencv中有关class

Map

的官方文档，试图使用模块

reg

。这是我的测试图像：

这是我的代码：

#include<opencv.hpp>
#include "opencv2/reg/mapshift.hpp"
#include "opencv2/reg/mappergradshift.hpp"
#include "opencv2/reg/mapperpyramid.hpp"

using namespace cv;
using namespace std;
using namespace cv::reg;

Mat highlight1(const Mat src, const Mat t_mask) {
    Mat srcImg = src.clone(), mask = t_mask.clone();
    threshold(mask, mask, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);
    cvtColor(mask, mask, COLOR_GRAY2BGR);
    cvtColor(srcImg, srcImg, COLOR_GRAY2BGR);
    dilate(mask - Scalar(0, 0, 255), mask, Mat(), Point(-1, -1), 1);
    return srcImg - mask;
}

int main() {
    Mat img1 = imread("img.jpg", 0);
    Mat img2;

    // Warp original image
    Vec<double, 2> shift(5., 5.);
    MapShift mapTest(shift);
    mapTest.warp(img1, img2);

    // Register
    Ptr<MapperGradShift> mapper = makePtr<MapperGradShift>();
    MapperPyramid mappPyr(mapper);
    Ptr<Map> mapPtr = mappPyr.calculate(img1, img2);
    MapShift* mapShift = dynamic_cast<MapShift*>(mapPtr.get());

    // Display registration result
    Mat result;
    mapShift->inverseWarp(img2, result);
    Mat registration_before = highlight1(img1, img2);
    Mat registration_after = highlight1(img1, result);
    return 0;
}

#包括
#包括“opencv2/reg/mapshift.hpp”
#包括“opencv2/reg/mappergradshift.hpp”
#包括“opencv2/reg/mapperpyramid.hpp”
使用名称空间cv；
使用名称空间std；
使用名称空间cv:：reg；
Mat highlight1（恒定Mat src、恒定Mat t_遮罩）{
Mat srcImg=src.clone（），mask=t_mask.clone（）；
阈值（掩模，掩模，0，255，阈值二元值+阈值大津）；
CVT颜色（遮罩，遮罩，颜色为灰色2BGR）；
CVT颜色（srcImg、srcImg、COLOR_GRAY2BGR）；
放大（掩码-标量（0,025），掩码，Mat（），点（-1，-1），1）；
返回srcImg-mask；
}
int main（）{
Mat img1=imread（“img.jpg”，0）；
Mat-img2；
//扭曲原始图像
向量移位（5,5.）；
MapShift mapTest（shift）；
mapTest.warp（img1、img2）；
//登记册
Ptr mapper=makePtr（）；
映射器金字塔映射器（映射器）；
Ptr mappptr=mappyr.calculate（img1，img2）；
MapShift*MapShift=dynamic_cast（mapPtr.get（））；
//显示注册结果
Mat结果；
mapShift->inverseWarp（img2，结果）；
Mat registration_before=高亮度1（img1、img2）；
Mat registration_after=高亮度1（img1，结果）；
返回0；
}

但正如我们所看到的，在之后的注册比之前的注册更糟糕。我错过了什么

这是

之前的注册\u

：

这是之后的注册：

---

我们能看一下前后的图片吗？@t非常感谢您的关心。我刚刚更新了帖子。您能独立于高亮显示步骤显示

img1

和

result

的输出吗？。我怀疑问题就在那里。@Voltaire对不起，我错过了你的消息，这是，这是。如果你仔细看，结果会更糟。。