Homography和warpPerspective

最新推荐文章于 2024-05-29 23:31:41 发布
最新推荐文章于 2024-05-29 23:31:41 发布
阅读量482 收藏
点赞数
文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fuyouzhiyi/article/details/115126369
版权
平面射影变换是通过3×3的非奇异矩阵H来描述的一种线性变换，用于将图像从一个视图转换到另一个。在计算机视觉中， Homography用于计算两幅图像间的映射关系，实现透视变换，例如使用OpenCV的warpPerspective函数。通过理解并计算Homography，可以将图像中的点准确地映射到不同视角的图像上。
摘要由CSDN通过智能技术生成

平面射影变换是关于其次3维矢量的一种线性变换，可以使用一个非奇异的3×3矩阵H表示，X′=HX，射影变换也叫做单应（Homography）。计算出两幅图像之间的单应矩阵H，那么应用这个关系可以将一个视图中的所有点变换到另一个视图中。
因为Homography是一个3*3矩阵，所以可以写成
H = [ h 00 h 01 h 02 h 10 h 11 h 12 h 20 h 21 h 22 ] H = \begin{bmatrix} h00&h01 & h02 \\ h10& h11 & h12\\ h20& h21& h22 \end{bmatrix} H=⎣⎡​h00h10h20​h01h11h21​h02h12h22​⎦⎤​
两张图间的H映射关系就可以表示成
在这里插入图片描述
参考文献 Opencv日常之Homography

透视变换warpPerspective

使用 OpenCV 对图像中的区域进行透视变换

【图像处理】透视变换 Perspective Transformation

蜉蝣之翼❉
关注
Homography matrix(单应性矩阵)在广告投放中的实践
3D视觉工坊
08-22 1867
前言 由于近期在研究相机与投影仪的标定程序时，需要将结构光图片与灰点相机拍摄得到的图片中，找出角点之间的对应性，使用了如下一条代码： Mat HomoMatrix = findHomography(imgPoints, projPoints, CV_RANSAC); 如果看过【视觉IMAX】中之前发表过的两篇文章：1）图像处理的仿射变换与透视变换 2）透视变换进阶，应该对findHo...
使用Python和OpenCV进行图像拼接和全景图构建
qq_40985985的博客
01-23 3749
这篇博客将介绍如何使用OpenCV执行图像拼接和全景构建。并提供了用于OpenCV 2.4和OpenCV 3图像拼接的源代码。 图像拼接算法需要四个步骤： （1）检测关键点并提取局部不变描述符； （2）图像之间的匹配描述符； （3）应用RANSAC估计单应矩阵； （4）使用单应性矩阵应用翘曲变换。 虽然简单，但是在为两个图像构造全景图时，该算法在实践中效果很好。后续拓展将介绍如何构建全景图以及如何对多于两张图像进行图像拼接。
Homograph Warping Pytorch实现
xiweijie的博客
09-16 1346
Homograph WarpingHomograph Warping理论几何模型效果运行环境运行 Homograph Warping 理论 几何模型 对于空间中一个点Qw=[XwYwZw]Q^w = \left[ \begin{matrix} X^w \\ Y^w \\ Z^w \end{matrix} \right]Qw=⎣⎡​XwYwZw​⎦⎤​，在reference-view下的像素坐标为qref=[urefvref1]q^{ref} = \left[ \begin{m
OpenCV : findHomography warpPerspective
sy_liao的专栏
04-12 1271
1、什么是Homography 在图1中有两张书的平面图，两张图分别有四个相对位置相同的点，Homography就是一个变换（3*3矩阵），将一张图中的点映射到另一张图中对应的点。 两张图间的H映射关系就可以表示成： ...
计算机视觉方向简介 | 图像拼接(stitch)
cy413026的博客
10-20 1092
作者戴金艳，公众号：计算机视觉life， 编辑部成员. 更好的阅读体验请看首发原文链接图像拼接是将同一场景的多个重叠图像拼接成较大的图像的一种方法，在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。图像拼接的输出是两个输入图像的并集。：在所有输入图像中检测特征点：建立了图像之间的几何对应关系，使它们可以在一个共同的参照系中进行变换、比较和分析。大致可以分为以下几个类直接使用图像的像素值的算法,例如,correlation methods。
pytorch半精度训练使用kornia库中的warp_perspective出现nan值
weixin_43446161的博客
01-11 804
把插值mode换成nearest就好了 x = k.geometry.warp_perspective(x, self.pro_mats[cam], self.reduced_worldgrid_shape,mode="nearest")
opencv-api findHomography
Claroja
10-24 4330
Homography是一个3*3的变换矩阵，将一张图中的点映射到另一张图中对应的点 findHomography(srcPoints, dstPoints, method=None, ransacReprojThreshold=None, mask=None, maxIters=None, confidence=None): findHomography(srcPoints, dstPoints[...
Episode Five：opencv中关于Homography()函数的应用
而濡木染
11-23 769
该例子为用opencv实现替换广告牌，也是参考了其他人的代码，请见谅！主要是学习了代码中为了实现图像的缩放和旋转而寻找一个变换矩阵H，并应用该矩阵。 code： #include #include #include //findHomography()函数在该文件中 #include using namespace cv; using namespace std; struct
python+OpenCV实现全景图像拼接和图像黑边处理
07-27
- `cv2.warpPerspective()`函数用于应用透视变换。 - 使用`cv2.matchFeatures()`或`cv2.BFMatcher()`进行特征匹配。 - 可能有自定义函数来处理黑边，例如通过裁剪或插值方法。 通过阅读和运行代码，你可以更深入地...
OpenCV和Python制作的全景图像拼接工具_python_代码_下载
06-15
有了匹配点后，我们需要计算几何变换，通常是 homography（单应性矩阵），以确定如何将一张图像映射到另一张图像上。OpenCV的`findHomography()`函数可以帮助我们完成这一任务。然后，我们可以使用`warpPerspective...
Opencv homography及其变换
superyuanzhe的专栏
03-28 5367
目标：根据两幅图得到homography矩阵，并利用homography矩阵对原图作变换。         主要用到cvFindHomography()函数和cvWarpPerspective()函数。前者得到homography矩阵，后者作图像变换。   IplImage* img_left = cvLoadImage(L
Opencv日常之Homography
liuphahaha的专栏
02-23 4万+
什么是Homography 在图1中有两张书的平面图，两张图分别有四个相对位置相同的点，Homography就是一个变换（3*3矩阵），将一张图中的点映射到另一张图中对应的点 因为Homography是一个3*3矩阵，所以可以写成 H=⎡⎣⎢h00h10h20h01h11h21h02h12h22⎤⎦⎥ H = \begin{bmatrix} h00&h01 & h02 \\ h10&
【详解之OpenCV中的findHomography()函数 和 cv2.warpPerspective()函数】
最新发布
2301_77444219的博客
05-29 4832
cv2.findHomography() 是 OpenCV 中的一个函数，用于找到两个图像之间的单应性矩阵（Homography matrix）。在计算机视觉中，单应性矩阵是一个3x3的矩阵，它描述了两个平面之间的相对位置关系，通常用于图像配准、图像拼接、全景图像生成等应用中。#计算视角变换矩阵，透视变换函数，与cv2.getPerspectiveTransform()的区别在与可多个数据点变换#参数srcPoints:图片B的匹配点坐标#参数dstPoints:图片A3的匹配点坐标。
(四)OpenCV中的特征检测之特征匹配+Homography查找对象
y=f(x)的专栏
06-04 3046
注释：本文翻译自OpenCV3.0.0 document->OpenCV-Python Tutorials，包括对原文档种错误代码的纠正1.概述现在我们知道特征匹配，让我们把它和calib3d模块混合起来，找到复杂图像中的对象2.目标在这一章中，我们将混合来自calib3d模块的特征匹配和findHomography，以在复杂图像中查找一直对象。3.基础那么我们在上一章节做了什么？我们使用一...
图像几何变换之仿射变换原理及实现
Eating Lee
03-19 1万+
今天学习了仿射变换，将一张图片放置到另一张图片，感觉十分有趣，所以写了这篇博客，与大家一起分享一下！ 一、仿射变换 1.什么是仿射变换 2.alpha通道 3.仿射变换的求解 二、仿射变换的实现 1.主函数 2.主要函数的介绍 一、仿射变换 1.什么是仿射变换 （1）放射变换的定义 仿射变换是将一个平面的点映射到另一个平面内的二维投影。仿射变换保持了二维图形的“平直性”，即原...
Homography 笔记(附 OpenCV 代码)
北境の守望者
06-22 6327
翻译自 https://www.learnopencv.com/homography-examples-using-opencv-python-c/ 。 依个人口味略作修改，侵权删。 据圣经神话的记载，巴别塔(The Tower of Babel)是人类的第一个工程灾难。这个项目具备了所有的条件，但是仍然失败了。因为上帝混淆了人类的语言，从而使得他们无法再有效的沟通协作，进而导致了通天塔的崩溃...
第二十四周学习笔记
Peter的脱发日记
01-18 872
第二十四周学习笔记 论文阅读《SuperPoint: Self-Supervised Interest Point Detection and Description》 文章解决了什么问题 无标注情况下关键点检测和特征描述子生成 用了什么方法 自监督训练方法 使用全卷积神经网络架构，一个共享的encoder对图片进行编码，两个decoder分别检测关键点和生成描述子 效果如何 存在什么不足 其他 ...
计算机视觉-图像到图像的映射(单应性变换、仿射变换、仿射扭曲)
热门推荐
weixin_43890415的博客
04-10 6万+
文章目录1.原理单应性变换（Homography）齐次坐标系单应性变换SVD(奇异值分解）单应性变换算法代码仿射变换（affine）参考： 1.原理 单应性变换（Homography） 齐次坐标系 齐次坐标系(x,y,wx,y,wx,y,w)与常见的三维空间坐标系(x,y,zx,y,zx,y,z)不同，只有两个自由度,其中www（www>0）对应坐标xxx和yyy的缩放尺度: 当www=1与www=0时： 从二维平面上看，(x,y,wx,y,wx,y,w)随www的变化在从原点到(x,yx,yx,
学习opencv基础
willis
11-07 3868
源文地址：http://blog.chinaunix.net/uid-8402201-id-2899695.html OpenCv中文论坛精华地址 http://www.opencv.org.cn/index.php/User:Ollydbg23 http://sivp.sourceforge.net/(sivp) 一、基础操作 1. 数据类型 数据结构了解    图像相关：cvArr
import numpy as np import cv2 as cv import matplotlib.pyplot as plt img1 = cv.imread('D:/junzhi/3-7000-10k.png', cv.IMREAD_ANYDEPTH) img2 = cv.imread('D:/junzhi/3-7000-10y.png', cv.IMREAD_ANYDEPTH) # 初始化 AKAZE 探测器 akaze = cv.AKAZE_create() # 使用 AKAZE 查找关键点和描述子 kp1, des1 = akaze.detectAndCompute(img1, None) kp2, des2 = akaze.detectAndCompute(img2, None) # BFMatcher 默认参数 bf = cv.BFMatcher() matches = bf.knnMatch(des1, des2, k=2) # 旋转测试 good_matches = [] for m, n in matches: if m.distance < 0.75 * n.distance: good_matches.append([m]) # 选择匹配关键点 ref_matched_kpts = np.float32([kp1[m[0].queryIdx].pt for m in good_matches]) sensed_matched_kpts = np.float32([kp2[m[0].trainIdx].pt for m in good_matches]) # 计算 homography H, status = cv.findHomography(ref_matched_kpts, sensed_matched_kpts, cv.RANSAC) # 变换 warped_image = cv.warpPerspective(img2, H, (img2.shape[1], img2.shape[0])) cv.imwrite('D:/junzhi/warped.png', warped_image)代码输出对齐的图像误差较大如何改进，降低误差
07-16
要改进对齐图像的误差并降低误差，你可以尝试以下几种方法： 1. 优化特征匹配算法：可以尝试使用其他特征匹配算法替代BFMatcher，例如FLANN匹配器（Fast Library for Approximate Nearest Neighbors）或者使用更高级的深度学习特征匹配算法，如SuperPoint、SIFT、ORB等。这些算法可能会提供更准确的匹配结果。 2. 调整匹配筛选条件：在代码中，使用了距离比例0.75对匹配结果进行筛选，你可以尝试调整这个比例值，以获取更准确的匹配点。较小的比例值可能会过滤掉一些错误匹配，但也可能会丢失一些正确匹配。 3. 使用更强大的图像配准算法：如果AKAZE算法无法提供较好的对齐结果，你可以尝试其他更强大的图像配准算法，如SIFT（尺度不变特征变换）或者SURF（加速稳健特征）算法。这些算法在处理某些特定场景或图像时可能会更有效。 4. 调整RANSAC参数：在计算Homography时，你使用了RANSAC算法来排除错误匹配。你可以尝试调整RANSAC函数的参数，如最大迭代次数、阈值等，以获取更准确的Homography矩阵。 5. 使用多尺度图像配准：如果图像间的尺度差异较大，单尺度的图像配准可能无法得到准确的结果。可以尝试使用多尺度图像配准方法，先对图像进行金字塔缩放，在不同尺度上进行配准，然后再通过插值方法将图像恢复到原始尺度。 6. 图像预处理：在进行特征提取和匹配之前，可以对图像进行预处理，例如直方图均衡化、噪声去除、图像增强等，以提高特征的质量和匹配的准确性。 通过尝试以上方法，你应该能够改进对齐图像的误差并降低误差。记得在修改代码之前备份原始图像，以便比较新旧结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值