我正在使用Visual Studio 2012,C++进行多图像拼接。我已根据我的要求修改了stitching_detailed.cpp,并且它可以产生高质量的结果。问题在于,执行时间太长了。对于10张图像,需要大约110秒。
这里是耗时最长的地方:
1)成对匹配 - 对于10张图像,需要55秒!我使用ORB来查找特征点。以下是代码:
原始图像分辨率为4160*3120。在合成时我没有使用压缩,因为这会降低质量。但在代码的其他部分中,我使用了压缩图像。
如您所见,我已经修改了代码并减少了时间。但我仍然希望尽可能地减少时间。
3)查找特征点 - 使用ORB。对于10张图像需要10秒。最多可以找到一个图像的1530个特征点。 55 + 38 + 10 = 103 + 7 其余代码= 110。 当我在Android上使用此代码时,它几乎占用了智能手机的所有内存(RAM)来执行。我该如何减少Android设备的时间和内存消耗?(我使用的Android设备有2 GB RAM)
我已经优化了代码的其他部分。非常感谢任何帮助!
编辑1:我在合成步骤中使用了图像压缩,时间从38秒减少到16秒。我还成功地减少了代码的其余部分的时间。
现在,从110秒减少到85秒。帮我缩短成对匹配的时间;我不知道如何缩短它!
编辑2:我在matchers.cpp中找到了成对匹配的代码。我在主代码中创建了自己的函数来优化时间。对于合成步骤,我使用压缩直到最终图像不失清晰度。对于特征查找,我使用图像缩放以在缩小的图像比例下查找图像特征。现在我可以轻松地拼接多达50张图像。
这里是耗时最长的地方:
1)成对匹配 - 对于10张图像,需要55秒!我使用ORB来查找特征点。以下是代码:
vector<MatchesInfo> pairwise_matches;
BestOf2NearestMatcher matcher(false, 0.35);
matcher(features, pairwise_matches);
matcher.collectGarbage();
我尝试使用这段代码,因为我已经知道了图片的顺序:
vector<MatchesInfo> pairwise_matches;
BestOf2NearestMatcher matcher(false, 0.35);
Mat matchMask(features.size(),features.size(),CV_8U,Scalar(0));
for (int i = 0; i < num_images -1; ++i)
matchMask.at<char>(i,i+1) =1;
matcher(features, pairwise_matches, matchMask);
matcher.collectGarbage();
它确实减少了时间(18秒),但没有产生所需的结果。仅有6张图像被拼接在一起(最后4张被留下,因为第6张和第7张图像的特征点不匹配。因此循环中断。)
2) 合成 - 对于10张图片需要38秒!代码如下:
for (int img_idx = 0; img_idx < num_images; ++img_idx)
{
printf("Compositing image #%d\n",indices[img_idx]+1);
// Read image and resize it if necessary
full_img = imread(img_names[img_idx]);
Mat K;
cameras[img_idx].K().convertTo(K, CV_32F);
// Warp the current image
warper->warp(full_img, K, cameras[img_idx].R, INTER_LINEAR, BORDER_REFLECT, img_warped);
// Warp the current image mask
mask.create(full_img.size(), CV_8U);
mask.setTo(Scalar::all(255));
warper->warp(mask, K, cameras[img_idx].R, INTER_NEAREST, BORDER_CONSTANT, mask_warped);
// Compensate exposure
compensator->apply(img_idx, corners[img_idx], img_warped, mask_warped);
img_warped.convertTo(img_warped_s, CV_16S);
img_warped.release();
full_img.release();
mask.release();
dilate(masks_warped[img_idx], dilated_mask, Mat());
resize(dilated_mask, seam_mask, mask_warped.size());
mask_warped = seam_mask & mask_warped;
// Blend the current image
blender->feed(img_warped_s, mask_warped, corners[img_idx]);
}
Mat result, result_mask;
blender->blend(result, result_mask);
原始图像分辨率为4160*3120。在合成时我没有使用压缩,因为这会降低质量。但在代码的其他部分中,我使用了压缩图像。
如您所见,我已经修改了代码并减少了时间。但我仍然希望尽可能地减少时间。
3)查找特征点 - 使用ORB。对于10张图像需要10秒。最多可以找到一个图像的1530个特征点。 55 + 38 + 10 = 103 + 7 其余代码= 110。 当我在Android上使用此代码时,它几乎占用了智能手机的所有内存(RAM)来执行。我该如何减少Android设备的时间和内存消耗?(我使用的Android设备有2 GB RAM)
我已经优化了代码的其他部分。非常感谢任何帮助!
编辑1:我在合成步骤中使用了图像压缩,时间从38秒减少到16秒。我还成功地减少了代码的其余部分的时间。
现在,从110秒减少到85秒。帮我缩短成对匹配的时间;我不知道如何缩短它!
编辑2:我在matchers.cpp中找到了成对匹配的代码。我在主代码中创建了自己的函数来优化时间。对于合成步骤,我使用压缩直到最终图像不失清晰度。对于特征查找,我使用图像缩放以在缩小的图像比例下查找图像特征。现在我可以轻松地拼接多达50张图像。