OpenCV中单应性的基本概念和代码实现

OpenCV中单应性的基本概念和代码实现

单应性(homography)是指从一个平面到另一个平面的投影变换，它是计算机视觉中重要的概念之一。在实际应用中，经常需要对图像进行透视变换或校正，而单应性正是实现这一过程的关键。

在OpenCV中，使用findHomography函数来计算单应性矩阵(H)，该函数接受两个输入参数，分别为源图像中的一组点和目标图像中对应的一组点，输出为单应性矩阵H。

代码如下：

import cv2
import numpy as np

img_src = cv2.imread('source.jpg')
img_dst = cv2.imread('target.jpg')

# 源图像中的四个点
src_pts = np.array([[141, 131], [480, 159], [493, 630], [64, 601]], dtype=np.float32)
# 目标图像中对应的四个点
dst_pts = np.array([[318, 256], [534, 372], [316, 670], [73, 473]], dtype=np.float32)

# 计算单应性矩阵
H, _= cv2.findHomography(src_pts, dst_pts)

# 将源图像透视变换为目标图像
img_out = cv2.warpPerspective(img_src, H, (img_dst.shape[1], img_dst.shape[0]))

# 在目标图像中绘制出对应的四边形
for i in range(4):
    cv2.circle(img_dst, tuple(dst_pts[i]), 5, (0, 255, 0), -1)

#