最详细的APAP论文代码分析

大家好，又见面了，我是你们的朋友全栈君。

代码见：https://cs.adelaide.edu.au/~tjchin/apap/ 详细代码论文

此次实验选用的代码是2013年的版本：

在这里插入图片描述

由于文档中的代码块截图不一定清楚，需要的可以去上面的网址下载代码对照着看。

文章目录

• 一、代码
  • 1.1、加载文件
  • 1.2、编译Mex文件
  • 1.3、设置VLFeat工具箱
  • 1.3.1 什么是VLFeat工具？
  • 1.4、Matlab中的并行计算
  • 1.4.1 matlab并行运算函数
  • 1.4.2 matlab并行原理
  • 1.5、使用定义的参数
  • 1.6、输入测试图片
  • 1.7、正常化点分布及显示图片
  • 1.8、删除离群点，同时利用RANSAC算法得到匹配图
  • 1.9、求全局单应性，DLT
  • 1.10、使用单应矩阵拼接图像
  • 1.11、APAP,Moving DLT
  • 1.12、使用DLT拼接图像
• 二、运行程序
• 三、参考：

一、代码

1.1、加载文件

在程序开始前调用close、clear等函数清除原先工作空间的操作，然后将此次实验所需的文件文件添加到环境中。

在这里插入图片描述

1.2、编译Mex文件

在这里插入图片描述

经过对代码块添加测试代码，证明了此处的代码块并未执行，在命令行仅仅输出了对文件的判断，而未输出if-end代码块中的测试代码。结果显示三个输出都是3，如下图所示：

在这里插入图片描述

1.3、设置VLFeat工具箱

在这里插入图片描述

1.3.1 什么是VLFeat工具？

VLFeat开源库实现了很多著名的机器视觉算法，如HOG、SIFT、MSER、hierarchical、k-means, agglomerative information bottleneck、SLIC superpixels和quick shift，专门用于图像理解和局部特征提取和匹配。VLFeat开源库是用C语言写的，以确保其效率和兼容性，同时VLFeat还提供了MATLAB接口和详细的文档，可以在windows, Mac, 和Linux上使用。下载地址是：http://www.vlfeat.org/

如何在MATLAB中配置VLFeat请参考文章：matlab配置vlfeat工具箱（https://blog.csdn.net/u013531940/article/details/86758215?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163117581216780265435350%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163117581216780265435350&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v29_ecpm-2-86758215.pc_search_result_control_group&utm_term=matlab%E4%B8%AD%E8%AE%BE%E7%BD%AEVLFeat%E5%B7%A5%E5%85%B7%E7%AE%B1%E4%BD%9C%E7%94%A8&spm=1018.2226.3001.4187 ）

1.4、Matlab中的并行计算

1.4.1 matlab并行运算函数

在matlab较老的版本，如2013，2014版本中，使用的并行运算函数是：matlabpool函数

在matlab较新的版本，如2017，2018版本中，换成了：parpool函数

我在这次实验中使用的是2017版本的，需要对作者的代码进行一定的修改，如下图所示：

在这里插入图片描述

1.4.2 matlab并行原理

Matlab的并行计算实质还是主从结构的分布式计算。当你初始化Matlab并行计算环境时，你最初的Matlab进程自动成为主节点，同时初始化多个（具体个数手动设定，详见下文）Matlab计算子节点。Parfor的作用就是让这些子节点同时运行Parfor语句段中的代码。Parfor运行之初，主节点会将Parfor循环程序之外变量传递给计算子节点。子节点运算过程时互不干扰，运算完毕，则应该有相应代码将各子节点得到的结果组合到同一个数组变量中，并返回到Matlab主节点。当然，最终计算完毕应该手动关闭计算子节点。

参考：https://blog.csdn.net/luolang_103/article/details/84870735?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163117962216780255233923%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163117962216780255233923&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allbaidu_landing_v2~default-3-84870735.pc_search_result_control_group&utm_term=parpool&spm=1018.2226.3001.4187

1.5、使用定义的参数

这里不做过多的解释。

在这里插入图片描述

1.6、输入测试图片

这里使用了两种方式，第一种是使用作者定义的图片，如下图所示，根据使用者输入的数字不同（如图中①所示），选用不同的图片进行实验，同时加载SIFTdata文件夹中的数据。

在这里插入图片描述

第二种方式是实验者自己选择照片，进行实验，如下图所示。本次实验我们选用的是第二种方式，用我们自己的图片进行测试。

在这里插入图片描述

1.7、正常化点分布及显示图片

在这里插入图片描述

显示的输入图片：

在这里插入图片描述

1.8、删除离群点，同时利用RANSAC算法得到匹配图

在这里插入图片描述

匹配点结果图：

在这里插入图片描述

1.9、求全局单应性，DLT

在这里插入图片描述

具体的分析步骤见参考1。

1.10、使用单应矩阵拼接图像

在这里插入图片描述

拼接的结果：

在这里插入图片描述

1.11、APAP,Moving DLT

在这里插入图片描述

在这里插入图片描述

1.12、使用DLT拼接图像

在这里插入图片描述

拼接的结果：

在这里插入图片描述

二、运行程序

找到main.m文件，将其添加到当前工作目录下，点运行即可

在这里插入图片描述

在这里插入图片描述

三、参考：

1、https://blog.csdn.net/chentianting/article/details/88869872

2、https://blog.csdn.net/qq_32095699/article/details/80448170?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163115436616780271522172%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163115436616780271522172&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduend~default-3-80448170.pc_search_result_control_group&utm_term=APAP&spm=1018.2226.3001.4187

3、 https://blog.csdn.net/qq_32095699/article/details/80448170?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163115436616780271522172%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163115436616780271522172&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduend~default-3-80448170.pc_search_result_control_group&utm_term=APAP&spm=1018.2226.3001.4187

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/192793.html原文链接：https://javaforall.cn