图像缩放后单应性还原(Image Stitching 4)

根据缩放图像求原始图像间单应性矩阵

1. 单应性矩阵参数说明

单应性矩阵中，一般h33=1.

对角线上的元素为缩放参数（长宽比Aspect Ratio调整），h11为水平方向缩放参数，h22为垂直方向缩放参数。

2. 公式推导

假设待拼接的两幅图像分别为与，两幅的单应性矩阵为。再假设图像的坐标点与图像的坐标点单应性对应。则有等式（1-1）：

（1-1）

再假设按照尺度缩放的图像为与，缩放的两幅图像间的单应性矩阵为，同理有等式（1-2）：

（1-2）

由于图像与是通过尺度缩放后，得到的两幅图像分别为与，因此图像、的坐标点与图像、的关系表为等式（1-3）：

（1-3）

令

（1-4）

根据公式（1-2）（1-3）（1-4），根据resize的两幅图像单应性与缩放矩阵计算原始图像的单应性矩阵，则有以下推导

（1-5）

其中，H是原始两幅图像的单应性矩阵，H'是缩放后的两幅图像单应性矩阵，S是缩放因子构成的尺度矩阵diag(1/s,1/s,1)。

3. 实验结果

针对temple的两幅图像做时间性能评估，环境条件：

• Intel i7-10710U CPU@1.10GHz
• RAM 16GB
• Win10
• VS2019

利用直接拼接方法，融合算法采用加权平均处理，尺度缩放为3的情况下，得到单应性计算的时间花销如下：

	尺度缩放	原始大小
较好匹配特征点	36	184
时间消耗	0.04896s	0.2459s

---

尺度缩放单应性	原始图像单应性
直接拼接的结果

4. 总结

通过缩放待拼接的两幅图像的尺寸大小，然后以缩放的图像做特征检测能够提高图像拼接中特征检测和特征匹配的速度，如本文上面的表格所示，速度提升了一个数量级。