单应性变换(Homography)

来源：http://www.learnopencv.com/homography-examples-using-opencv-python-c/

 

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

1. import cv2  
2. import numpy as np  
3. import pylab as pl  
4.    
5. if __name__ == '__main__' :  
6.       
7.    
8.     # Read source image.  
9.     im_src = cv2.imread('book2.jpg')  
10.     # Four corners of the book in source image  
11.     pts_src = np.array([[167.0, 264.0], [482.0, 798.0], [1079.0, 403.0],[613.0, 84.0]])  
12.    
13.    
14.     # Read destination image.  
15.     im_dst = cv2.imread('book1.jpg')  
16.     # Four corners of the book in destination image.  
17.     pts_dst = np.array([[193.0, 742.0],[996.0, 874.0],[1059.0, 157.0],[266.0, 145.0]])  
18.    
19.     # Calculate Homography  
20.     h, status = cv2.findHomography(pts_src, pts_dst)  
21.        
22.     # Warp source image to destination based on homography  
23.     im_out = cv2.warpPerspective(im_src, h, (im_dst.shape[1],im_dst.shape[0]))  
24.        
25.     pl.figure(), pl.imshow(im_src[:, :, ::-1]), pl.title('src'),  
26.     pl.figure(), pl.imshow(im_dst[:, :, ::-1]), pl.title('dst')  
27.     pl.figure(), pl.imshow(im_out[:, :, ::-1]), pl.title('out'), pl.show()  #show dst   

结果：

说明：

先通过src、dst两张图像，计算homography，表示为H，然后通过H将src图像 旋转处理为根dst相同的角度，这样第三张图像就是输出out图像，可以看出角度和第二张dst是一样的，但是封面的反光可以看出是 第一张图像src处理得来的