- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

几何变换和图像特征单应性变换

Gere 发表于 2022/08/07 19:27:24 2022/08/07

【摘要】单应性变换就是一个平面到另一个平面的映射关系。如图，两张图片中相同颜色的点叫做corresponding Points，比如两个红点就是一对corresponding points。单应性矩阵(Homography)就是一个从一张图像到另一张图像映射关系的转换矩阵(3*3)。可以由下面的公式来表示：以图像中的红点为例，可以将单应性变换写成如下形式：Python实现：[python] vie...

单应性变换就是一个平面到另一个平面的映射关系。

如图，两张图片中相同颜色的点叫做corresponding Points，比如两个红点就是一对corresponding points。单应性矩阵(Homography)就是一个从一张图像到另一张图像映射关系的转换矩阵(3*3)。可以由下面的公式来表示：

以图像中的红点为例，可以将单应性变换写成如下形式：

Python实现：

[python] view plain copy

import cv2
import numpy as np
import pylab as pl
if __name__ == '__main__' :
# Read source image.
im_src = cv2.imread('book2.jpg')
# Four corners of the book in source image
pts_src = np.array([[167.0, 264.0], [482.0, 798.0], [1079.0, 403.0],[613.0, 84.0]])
# Read destination image.
im_dst = cv2.imread('book1.jpg')
# Four corners of the book in destination image.
pts_dst = np.array([[193.0, 742.0],[996.0, 874.0],[1059.0, 157.0],[266.0, 145.0]])
# Calculate Homography
h, status = cv2.findHomography(pts_src, pts_dst)
# Warp source image to destination based on homography
im_out = cv2.warpPerspective(im_src, h, (im_dst.shape[1],im_dst.shape[0]))
pl.figure(), pl.imshow(im_src[:, :, ::-1]), pl.title('src'),
pl.figure(), pl.imshow(im_dst[:, :, ::-1]), pl.title('dst')
pl.figure(), pl.imshow(im_out[:, :, ::-1]), pl.title('out'), pl.show() #show dst