OpenCV图像拼接在右边界后留下空白区域

我曾尝试使用OpenCV 3.0运行缝合；结果是好的，但也给了我一个黑色的空白区在右边

for (int i = 0; i < best_matches.size(); i++)
{
    //-- Get the keypoints from the good matches  
    FirstImageMatchPT.push_back(keypoints1[best_matches[i].queryIdx].pt);
    SecondImageMatchPT.push_back(keypoints2[best_matches[i].trainIdx].pt);
}

vector<unsigned char> match_mask;
Mat MatchedImage = findHomography(SecondImageMatchPT, FirstImageMatchPT, CV_RANSAC);


cv::Mat result;
result = img_Right.clone();
warpPerspective(img_Right, result, MatchedImage, cv::Size(img_Left.cols + img_Right.cols, img_Left.rows));

cv::Mat half(result, cv::Rect(0, 0, img_Left.cols, img_Left.rows));
img_Left.copyTo(half);

for（int i=0；i

“findHomography”的第一个变量是第二个（我的意思是右图像）的匹配点，第二个变量是第一个（左图像）的匹配点

我交换变量的原因是，如果我运行下面的代码，它会剪切左图像，并只显示左图像和右图像的匹配区域。（即使有更大的空白区域）

for（int i=0；i

---

你能告诉我如何为这个项目做出正确的投资回报率吗？我怎样才能自动剪切出空白区域呢？

您可以在最终图像中获得黑色区域，因为

结果

矩阵本质上是一个比您的缝合结果所能填充的画布更大的画布。您可以通过将画布定义为与扭曲图像完全相同的大小来解决此问题

单应矩阵定义了平面射影变换。使用此矩阵，您可以将一个平面（本例中为右图）投影到另一个平面（左图）上。现在，您可以使用相同的矩阵来预测应用此平面投影变换后右图像的四个角将投影到的位置

您正在计算这一行中两个图像之间的单应性

Mat MatchedImage=findHomography（SecondImageMatchPT，FirstImageMatchPT，CV_RANSAC）

您可以使用存储在
MatchedImage
中的相同单应矩阵（3x3）来估计第二幅图像的四个角点投影到第一幅图像的位置。右图的四个坐标如下所示

topLeft={0.0,0.0}，topRight={W,0.0}，
bottomLeft={0.0，H}，bottomRight={W，H}

在齐次坐标系中，它们是

topLeftH={0.0,0.0,1.0}，topRightH={W,0.0,1.0}，
bottomLeftH={0.0，H，1.0}，bottomRightH={W，H，1.0}

可以按如下方式计算这些角点的投影坐标

std::vector<Point2f> imageCorners(4);
imageCorners[0] = cvPoint(0,0); 
imageCorners[1] = cvPoint( img_right.cols, 0 );
imageCorners[2] = cvPoint( img_right.cols, img_right.rows );   
imageCorners[3] = cvPoint( 0, img_right.rows );
std::vector<Point2f> projectedCorners(4);

perspectiveTransform( imageCorners, projectedCorners, H);

projTopLeft=同形矩阵。左上角
projTopRight=同形矩阵。右上角…

这可以使用OpenCV函数完成，如下所示：

std::vector<Point2f> imageCorners(4);
imageCorners[0] = cvPoint(0,0); 
imageCorners[1] = cvPoint( img_right.cols, 0 );
imageCorners[2] = cvPoint( img_right.cols, img_right.rows );   
imageCorners[3] = cvPoint( 0, img_right.rows );
std::vector<Point2f> projectedCorners(4);

perspectiveTransform( imageCorners, projectedCorners, H);

到

最终图像中会出现黑色区域，因为
结果
矩阵本质上是一个比缝合结果所能填充的画布更大的画布。您可以通过将画布定义为与扭曲图像完全相同的大小来解决此问题

单应矩阵定义了平面射影变换。使用此矩阵，您可以将一个平面（本例中为右图）投影到另一个平面（左图）上。现在，您可以使用相同的矩阵来预测应用此平面投影变换后右图像的四个角将投影到的位置

您正在计算这一行中两个图像之间的单应性

Mat MatchedImage=findHomography（SecondImageMatchPT，FirstImageMatchPT，CV_RANSAC）

您可以使用存储在
MatchedImage
中的相同单应矩阵（3x3）来估计第二幅图像的四个角点投影到第一幅图像的位置。右图的四个坐标如下所示

topLeft={0.0,0.0}，topRight={W,0.0}，
bottomLeft={0.0，H}，bottomRight={W，H}

在齐次坐标系中，它们是

topLeftH={0.0,0.0,1.0}，topRightH={W,0.0,1.0}，
bottomLeftH={0.0，H，1.0}，bottomRightH={W，H，1.0}

可以按如下方式计算这些角点的投影坐标

std::vector<Point2f> imageCorners(4);
imageCorners[0] = cvPoint(0,0); 
imageCorners[1] = cvPoint( img_right.cols, 0 );
imageCorners[2] = cvPoint( img_right.cols, img_right.rows );   
imageCorners[3] = cvPoint( 0, img_right.rows );
std::vector<Point2f> projectedCorners(4);

perspectiveTransform( imageCorners, projectedCorners, H);

projTopLeft=同形矩阵。左上角
projTopRight=同形矩阵。右上角…

这可以使用OpenCV函数完成，如下所示：

std::vector<Point2f> imageCorners(4);
imageCorners[0] = cvPoint(0,0); 
imageCorners[1] = cvPoint( img_right.cols, 0 );
imageCorners[2] = cvPoint( img_right.cols, img_right.rows );   
imageCorners[3] = cvPoint( 0, img_right.rows );
std::vector<Point2f> projectedCorners(4);

perspectiveTransform( imageCorners, projectedCorners, H);

到

最终图像中会出现黑色区域，因为
结果
矩阵本质上是一个比缝合结果所能填充的画布更大的画布。您可以通过将画布定义为与扭曲图像完全相同的大小来解决此问题

单应矩阵定义了平面射影变换。使用此矩阵，您可以将一个平面（本例中为右图）投影到另一个平面（左图）上。现在，您可以使用相同的矩阵来预测应用此平面投影变换后右图像的四个角将投影到的位置

您正在计算这一行中两个图像之间的单应性

Mat MatchedImage=findHomography（SecondImageMatchPT，FirstImageMatchPT，CV_RANSAC）

您可以使用存储在
MatchedImage
中的同一单应矩阵（3x3）来创建es