文本的全景拼接

Question

我正在寻找一个很好的文本全景拼接库。我试过OpenCV 和OpenPano。它们都适用于普通照片，但在文字上却失败了。例如我需要拼接以下3张图片：

图像之间有大约 45% 的重叠。

如果可以选择让上述库之一在文本图像上正常工作，而不是寻找另一个库，那就太好了。

• 我需要该库才能在 linux arm 上工作。

Answer 1

OpenCV 3 有一个 Stitcher 类，可以对文本和照片进行拼接。

import cv2
imageFiles = [YOUR IMAGE FILE NAMES]
images = []
for filename in imagefiles:
    img = cv2.imread(filename)
    images.append(img)

stitcher = cv2.createStitcher()

status, result = stitcher.stitch(images)

我使用您的图像得到了这个结果。

Answer 2

OpenPano 无法拼接文本，因为它无法检索足够的特征点（或关键点）来执行拼接过程。

文本拼接不需要对旋转稳健但仅对翻译具有稳健性的匹配方法。 OpenCV 方便地提供了这样的功能。它被称为：Template Matching。

我将开发的解决方案是基于这个 OpenCV 的特性。

---

管道

我现在将解释我的解决方案的主要步骤（更多详细信息，请查看下面提供的代码）。

匹配过程

为了匹配两个连续的图像（在matchImages函数中完成，见下面的代码）：

1. 我们通过获取第一张图像的 45% (H_templ_ratio) 创建一个 模板 图像，如下所示：

这一步在我的代码中由函数genTemplate 完成。

1. 我们将黑色边距添加到第二张图像（我们要在其中找到 模板）。如果输入图像中的文本未对齐（尽管这些示例图像就是这种情况），则此步骤是必要的。这是边缘处理后图像的样子。如您所见，仅在图像下方和上方需要边距：

模板 图像理论上可以在此边缘图像中的任何位置找到。这个过程在addBlackMargins函数中完成。

1. 我们将canny filter 应用于模板 图像和我们想要找到它的图像（在Mat2Edges 函数内完成）。这将为匹配过程增加稳健性。这是一个例子：

4. 我们使用matchTemplate 将模板 与图像匹配，并使用minMaxLoc 函数检索最佳匹配位置。

计算最终图像大小

这一步包括计算最终矩阵的大小，我们会将所有图像拼接在一起。如果所有输入图像的高度不同，则尤其需要这样做。

这一步在calcFinalImgSize 函数中完成。我不会在这里详细介绍，因为即使它看起来有点复杂（至少对我而言），这只是简单的数学运算（加法、减法、乘法）。如果您想了解公式，请带上笔和纸。

拼接过程

一旦我们有了每个输入图像的匹配位置，我们只需做简单的数学运算即可复制右侧的输入图像 最终图像的位置。同样，我建议您检查代码以了解实现细节（请参阅stitchImages 函数）。

---

结果

这是您输入图像的结果：

如您所见，结果不是“像素完美”，但对于OCR 来说应该已经足够了。

这是另一个不同高度的输入图像的结果：

---

代码（Python）

我的程序是用 Python 编写的，使用 cv2 (OpenCV) 和 numpy 模块。然而，它可以（轻松地）移植到其他语言中，例如 C++、Java 和 C#。

import numpy as np
import cv2

def genTemplate(img): 
    global H_templ_ratio
    # we get the image's width and height
    h, w = img.shape[:2]
    # we compute the template's bounds
    x1 = int(float(w)*(1-H_templ_ratio))
    y1 = 0
    x2 = w
    y2 = h
    return(img[y1:y2,x1:x2]) # and crop the input image

def mat2Edges(img): # applies a Canny filter to get the edges
    edged = cv2.Canny(img, 100, 200)
    return(edged)

def addBlackMargins(img, top, bottom, left, right): # top, bottom, left, right: margins width in pixels
    h, w = img.shape[:2]
    result = np.zeros((h+top+bottom, w+left+right, 3), np.uint8)
    result[top:top+h,left:left+w] = img
    return(result)

# return the y_offset of the first image to stitch and the final image size needed
def calcFinalImgSize(imgs, loc):
    global V_templ_ratio, H_templ_ratio
    y_offset = 0
    max_margin_top = 0; max_margin_bottom = 0 # maximum margins that will be needed above and bellow the first image in order to stitch all the images into one mat
    current_margin_top = 0; current_margin_bottom = 0

    h_init, w_init = imgs[0].shape[:2]
    w_final = w_init
    
    for i in range(0,len(loc)):
        h, w = imgs[i].shape[:2]
        h2, w2 = imgs[i+1].shape[:2]
        # we compute the max top/bottom margins that will be needed (relatively to the first input image) in order to stitch all the images
        current_margin_top += loc[i][1] # here, we assume that the template top-left corner Y-coordinate is 0 (relatively to its original image)
        current_margin_bottom += (h2 - loc[i][1]) - h
        if(current_margin_top > max_margin_top): max_margin_top = current_margin_top
        if(current_margin_bottom > max_margin_bottom): max_margin_bottom = current_margin_bottom
        # we compute the width needed for the final result
        x_templ = int(float(w)*H_templ_ratio) # x-coordinate of the template relatively to its original image
        w_final += (w2 - x_templ - loc[i][0]) # width needed to stitch all the images into one mat

    h_final = h_init + max_margin_top + max_margin_bottom
    return (max_margin_top, h_final, w_final)

# match each input image with its following image (1->2, 2->3) 
def matchImages(imgs, templates_loc):
    for i in range(0,len(imgs)-1):
        template = genTemplate(imgs[i])
        template = mat2Edges(template)
        h_templ, w_templ = template.shape[:2]
        # Apply template Matching
        margin_top = margin_bottom = h_templ; margin_left = margin_right = 0
        img = addBlackMargins(imgs[i+1],margin_top, margin_bottom, margin_left, margin_right) # we need to enlarge the input image prior to call matchTemplate (template needs to be strictly smaller than the input image)
        img = mat2Edges(img)
        res = cv2.matchTemplate(img,template,cv2.TM_CCOEFF) # matching function
        _, _, _, templ_pos = cv2.minMaxLoc(res) # minMaxLoc gets the best match position
        # as we added margins to the input image we need to subtract the margins width to get the template position relatively to the initial input image (without the black margins)
        rectified_templ_pos = (templ_pos[0]-margin_left, templ_pos[1]-margin_top) 
        templates_loc.append(rectified_templ_pos)
        print("max_loc", rectified_templ_pos)

def stitchImages(imgs, templates_loc):
    y_offset, h_final, w_final = calcFinalImgSize(imgs, templates_loc) # we calculate the "surface" needed to stitch all the images into one mat (and y_offset, the Y offset of the first image to be stitched) 
    result = np.zeros((h_final, w_final, 3), np.uint8)

    #initial stitch
    h_init, w_init = imgs[0].shape[:2]
    result[y_offset:y_offset+h_init, 0:w_init] = imgs[0]
    origin = (y_offset, 0) # top-left corner of the last stitched image (y,x)
    # stitching loop
    for j in range(0,len(templates_loc)):
        h, w = imgs[j].shape[:2]
        h2, w2 = imgs[j+1].shape[:2]
        # we compute the coordinates where to stitch imgs[j+1]
        y1 = origin[0] - templates_loc[j][1]
        y2 = origin[0] - templates_loc[j][1] + h2
        x_templ = int(float(w)*(1-H_templ_ratio)) # x-coordinate of the template relatively to its original image's right side
        x1 = origin[1] + x_templ - templates_loc[j][0]
        x2 = origin[1] + x_templ - templates_loc[j][0] + w2
        result[y1:y2, x1:x2] = imgs[j+1] # we copy the input image into the result mat
        origin = (y1,x1) # we update the origin point with the last stitched image

    return(result)

if __name__ == '__main__':

    # input images
    part1 = cv2.imread('part1.jpg')
    part2 = cv2.imread('part2.jpg')
    part3 = cv2.imread('part3.jpg')
    imgs = [part1, part2, part3]
    
    H_templ_ratio = 0.45 # H_templ_ratio: horizontal ratio of the input that we will keep to create a template
    templates_loc = [] # templates location

    matchImages(imgs, templates_loc)
    
    result = stitchImages(imgs, templates_loc)

    cv2.imshow("result", result)