本文是《python计算机视觉--图灵系列》的学习笔记，重点介绍了单应性变换、直接线性变换（DLT）、图像扭曲、图像配准以及RANSAC算法在图像处理中的应用。探讨了如何通过仿射变换进行图像扭曲，并利用SciPy的ndimage包实现这一操作。此外，还讲解了图像配准的重要性以及RANSAC算法在处理噪声数据时的迭代模型选择策略。
图像到图像的映射
1.单应性变换——是将一个平面内的点映射到另一个平面内的二维投影变换(平面：图像或者三维中的平面表面）
点的齐次坐标使依赖其尺度定义的，单应性矩阵也仅依赖尺度定义，故单应性矩阵有8个独立的自由度。
在其次左边的定义下，对点集进行归一化，即令最后一行为1.
仿射变换：含有一个可逆矩阵和一个平移向量。
2.直接线性变换DLT
一个完全射影变换具有8个自由度。故需要四个对应点对才能计算出单应性矩阵H。四个点对是计算单应性矩阵所需的最少数目
DLT算法：给定4个或者更多对应点对矩阵，来计算单应性矩阵。将这些对应点对方程的系数堆叠到一个矩阵中，可以使用
SVD（奇异值分解）找到单应性矩阵的最小二乘解。
补充：
diag()函数：创建一个对角矩阵，参数即为对角矩阵的数据
仿射变换具有6个自由度。故需要三个对应点对才能计算出单应性矩阵H。
3.图像扭曲
对图像应用仿射变换，我们将其称为图像扭曲，或者仿射扭曲。扭曲操作可以利用SciPy工具包中的ndimage包来简单完成。
transformed_im=ndimage.affine_transform(im,A,b,
最低0.47元/天 解锁文章
651
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
