通过奇异值分解（SVD）求解透视变换单应性矩阵

最新推荐文章于 2024-06-17 12:03:42 发布

Mr. Lee

最新推荐文章于 2024-06-17 12:03:42 发布

阅读量9.7k

点赞数 24

分类专栏： OpenCV 文章标签： SVD 奇异值分解透视变换单应性

本文链接：https://blog.csdn.net/sinat_28309919/article/details/80134985

版权

1. 建立坐标对与投影矩阵的方程

　　在机器视觉领域，常常会使用单应性矩阵对图像进行透视变换以达到矫正畸变图形的目的。平面的单应性在这里被定义为，从一个平面到另一个平面的投影映射，通过数学表达式描述即，一个平面上的点 $p_{0}(x, y)$ 与投影矩阵 $H$ 相乘，结果为另一个平面上对应点 $p{}'(u, v)$ ，用齐次矩阵表达即为：

⎡ ⎣ ⎢ u' v' w ⎤ ⎦ ⎥ = H ⎡ ⎣ ⎢ x y 1 ⎤ ⎦ ⎥ (1)

$\begin{bmatrix}u{}'\\v{}'\\w\end{bmatrix}=H \begin{bmatrix}x\\y\\1\end{bmatrix}\tag1$ 其中投影矩阵

H H $H$ 为一个

3 \times 3

$3\times 3$ 方阵，

H = ⎡ ⎣ ⎢ h 1 h 4 h 7 h 2 h 5 h 8 h 3 h 6 h 9 ⎤ ⎦ ⎥ (2)

$H=\begin{bmatrix}h_{1}&h_{2}&h_{3}\\ h_{4}&h_{5}&h_{6}\\h_{7}&h_{8}&h_{9}\end{bmatrix}\tag2$ 点

p′(u,v) p ′ ( u , v ) $p{}'(u, v)$ 的坐标为

{u = u' / w v = v' / w (3)

$\left\{\begin{matrix}u=u{}'/w \\ v=v{}'/w\end{matrix}\right.\tag3$ 也就是

⎧ ⎩ ⎨ u = h 1 x + h 2 y + h 3 h 7 x + h 8 y + h 9 v = h 4 x + h 5 y + h 6 h 7 x + h 8 y + h 9 (4)

$\left\{\begin{matrix}u=\frac{h_{1}x+h_{2}y+h_{3}}{h_{7}x+h_{8}y+h_{9}}\\ v=\frac{h_{4}x+h_{5}y+h_{6}}{h_{7}x+h_{8}y+h_{9}}\end{matrix}\right.\tag4$ 注意到，上式中等式的格式为矩阵

H H $H$ 中各行系数求比，也就说等式右边的分子分母可同时乘以一个缩放因子

\begin{matrix} (5) & {\begin{matrix} u = \frac{h_{1} x + h_{2} y + h_{3}}{h_{7} x + h_{8} y + h_{9}} \times \frac{s_{x}}{s_{x}} \\ v = \frac{h_{4} x + h_{5} y + h_{6}}{h_{7} x + h_{8} y + h_{9}} \times \frac{s_{y}}{s_{y}} \end{matrix} \end{matrix}

$\left\{\begin{matrix}u= \frac{h_{1}x+h_{2}y+h_{3}}{h_{7}x+h_{8}y+h_{9}}\times \frac{s_{x}}{s_{x}}\\ v=\frac{h_{4}x+h_{5}y+h_{6}}{h_{7}x+h_{8}y+h_{9}}\times \frac{s_{y}}{s_{y}} \end{matrix}\right.\tag5$ 而不影响结果的正确性，因此投影矩阵不是唯一的，矩阵元素可以等比例放缩，故在求解矩阵

H H $H$ 时，未知数只有8个而不是9个，只要为矩阵中任意一非零元素的赋一确定值，其他元素根据比例也就得到了确定的值。通常情况下，我们使用的矩阵是将