OpenCV (Open Source Computer Vision Library) 提供了丰富的图像处理功能，包括图像对焦合成。在C++中，你可以使用其自带的函数以及深度学习模块如`dnn`来进行图像融合，特别是对于基于特征点匹配的自动对焦。以下是一个简单的示例，使用SIFT特征匹配和金字塔方法进行对齐然后融合： ```cpp #include <opencv2/objdetect.hpp> #include <opencv2/core.hpp> #include <opencv2/highgui.hpp> #include <opencv2/features2d.hpp> // 加载图片并检测关键点 cv::Mat img1 = cv::imread("image1.jpg"); cv::Mat img2 = cv::imread("image2.jpg"); std::vector<cv::KeyPoint> keypoints1, keypoints2; cv::SurfFeatureDetector detector(400); detector.detect(img1, keypoints1); detector.detect(img2, keypoints2); // 计算对应关系 std::vector<cv::DMatch> matches; cv::BFMatcher matcher(cv::NORM_L2); matcher.match(keypoints1, keypoints2, matches); // 对应关系排序 std::sort(matches.begin(), matches.end(), [](const cv::DMatch& a, const cv::DMatch& b) { return a.distance < b.distance; }); // 创建 Homography matrix std::vector<cv::Point2f> points1(matchs.size()), points2(matchs.size()); for (size_t i = 0; i < matchs.size(); ++i) { points1[i] = keypoints1[matches[i].queryIdx].pt; points2[i] = keypoints2[matches[i].trainIdx].pt; } cv::Mat homography = findHomography(points1, points2, CV_RANSAC, 3); // RANSAC for robust estimation // 使用Homography对齐图像 cv::Mat aligned_img2; cv::warpPerspective(img2, aligned_img2, homography, img1.size()); // 指数加权平均融合两个图像 double alpha = 0.5; // 可调整权重 cv::Mat blended_img = (1 - alpha) * img1 + alpha * aligned_img2; // 保存结果 cv::imwrite("result.jpg", blended_img); ``` 注意这只是一个基本示例，实际应用可能需要更复杂的处理步骤，比如去除噪声、细化匹配等。此外，如果你有大量图片需要处理，可以考虑使用OpenCV的批处理功能。