很多情况下，使用一个全局单应变换并不能准确对齐图像，需要一些后处理来削弱拼接的痕迹，比如寻找最佳拼接缝。

使用全局单应变换的对齐结果，实现代码参考图像拼接（六）：OpenCV单应变换模型拼接两幅图像：

仔细观察，在拼缝的下方出现了没对齐的问题。

寻找最佳拼接缝算法中，Graph Cut很经典。它将计算机视觉问题和网络流联系在一起。寻找最佳拼接缝等价于求网络流的最小割。 在网络流问题中，最小割和最大流相等。这些概念可能会使你困惑，了解一些概念，可参考百度文库里图文并茂的PPT-最大流问题

不了解这些这些概念也没关系，因为在这里我也没打算自己造轮子实现。

OpenCV stitching模块里有相关的函数,实现里基于最小图割的最佳拼接缝寻找算法。官方文档见这里：cv::detail::GraphCutSeamFinder Class Reference

具体怎么操作呢？

先输入两幅用全局单应变换配准后的图像，要统一坐标系。在这里图像宽为原始图像的两倍。

left

right

find函数第一个参数是输入源图像集合；第二个参数corners的是图像左上角坐标的集合；第三个参数会返回更新的拼接缝掩码。

按这种思路，两幅图像左上角都是（0，0），输入图像完全是重合的。但测试发现，这样使用函数并不能返回预期的结果。个人猜测，可能是因为完全重合，算法找不到分割的起点和终点，或者是因为图像中有大面积的黑色。

最佳的使用情形是输入图像间有部分重合区域。

既然这样，先剪切，需要注意不要忘记图像的配准信息。

从中间剪，其实是原图。

从1/4和3/4位置剪，（隐含了图像间有一半重复的假设）

这样，左图的corner是（0，0），右图的corner是（0.5*width，0）。

使用find函数返回得到表现拼接缝位置的掩码：

左图掩码：

右图掩码：

咦？为啥拼接缝这么竖直？不清楚内部原理的我，内心也有些许忐忑，担心效果。

最后的效果说明结果是合理的，根据掩码拼合图像：

以上对函数的说明，属于个人理解，如有错误，多谢指正帮助。

代码：