基于OpenCV的ORB特征匹配实现重复图案样本扩展

我希望利用ORB或SIFT特征匹配技术，将带有重复特征的壁纸样本在更大画布上生成完整重复图案，核心原理类似全景图像拼接，不过是将图案与自身拼接，补全边缘处被截断的特征。

示例说明 #

• 测试用简单图案：图案顶部存在截断的飞船，底部有完整的飞船，目标是将顶部截断部分与底部完整飞船匹配，使图案能延伸至原壁纸边缘之外
• 更复杂的图案示例：包含更多重复元素的壁纸样本

当前进展与问题 #

我已成功用ORB和OpenCV完成简单的壁纸局部拼接以生成更大样本，但无法利用完整样本生成大尺寸重复图案。我尝试通过对比图像中心区域与各边缘区域进行ORB特征匹配（代码如下），但无法实现将中心图像映射到外部边缘以生成完整扩展图像。

import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

# 裁剪图像中心90%区域的函数
def crop_center(image, crop_percentage=0.9):
    # 获取原始图像尺寸
    width, height = image.size

    # 计算裁剪后图像的尺寸
    new_width = int(width * crop_percentage)
    new_height = int(height * crop_percentage)
    
    # 计算居中裁剪的坐标
    left = (width - new_width) // 2
    top = (height - new_height) // 2
    right = (width + new_width) // 2
    bottom = (height + new_height) // 2
    
    # 执行裁剪
    return image.crop((left, top, right, bottom))

# 提取图像外围10%边缘区域的函数
def extract_edges(image, edge_percentage=0.1):
    width, height = image.size

    # 计算边缘区域的尺寸
    edge_width = int(width * edge_percentage)
    edge_height = int(height * edge_percentage)
    
    # 提取四个边缘区域
    edges = {
        "top": image.crop((0, 0, width, edge_height)),
        "bottom": image.crop((0, height - edge_height, width, height)),
        "left": image.crop((0, 0, edge_width, height)),
        "right": image.crop((width - edge_width, 0, width, height)),
    }
    
    return edges

# 执行ORB特征匹配的函数
def feature_match(cropped_img, edge_img):
    # 将图像转为灰度图
    cropped_img_gray = cv2.cvtColor(np.array(cropped_img), cv2.COLOR_RGB2GRAY)
    edge_img_gray = cv2.cvtColor(np.array(edge_img), cv2.COLOR_RGB2GRAY)

    # 初始化ORB检测器
    orb = cv2.ORB_create()
    
    # 检测关键点并计算描述符
    kp1, des1 = orb.detectAndCompute(cropped_img_gray, None)
    kp2, des2 = orb.detectAndCompute(edge_img_gray, None)
    
    # 创建暴力匹配器
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    
    # 匹配描述符
    matches = bf.match(des1, des2)
    
    # 根据匹配距离排序（距离越小匹配度越高）
    matches = sorted(matches, key=lambda x: x.distance)
    
    # 绘制前10个匹配结果
    matched_image = cv2.drawMatches(np.array(cropped_img), kp1, np.array(edge_img), kp2, matches[:10], None, flags=2)
    
    # 返回匹配后的图像
    return matched_image

# 在Colab笔记本中显示图像的函数
def show_image(img, title="Image"):
    plt.figure(figsize=(10, 10))
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    plt.title(title)
    plt.axis("off")
    plt.show()

# 主函数
def find_and_show_matches(image_path):
    # 打开原始图像
    img = Image.open(image_path)

    # 裁剪图像中心90%区域
    cropped_img = crop_center(img)
    
    # 提取外围10%的边缘区域（上、下、左、右）
    edges = extract_edges(img)
    
    # 对每个边缘区域执行特征匹配并可视化结果
    for edge_name, edge_img in edges.items():
        matched_img = feature_match(cropped_img, edge_img)
    
        # 使用matplotlib显示匹配结果
        show_image(matched_img, title=f"与{edge_name}边缘的匹配结果")

内容的提问来源于stack exchange，提问作者redmaple