ransac算法–基于几何关系的图像特征匹配点对提纯 ransac算法–基于几何关系的图像特征匹配点对提纯

ransac的原理，有一些不错的资料已经详细的叙述，刚开始学习的时候我看的是Marco Zuliani的<<Ransac for Dummies>>，这份资料讲得不错，想要详细了解其原理的同学不妨看看这份资料。本着实用为主的原则，此处，主要描绘具体怎么实现ransac算法。

ransac算法的输入为：需要处理的点集；以及可能符合的函数模型, 选择的模型决定了需要计算模型参数的点的个数。

ransac算法的输出为：满足某种关系的过滤点集 ；函数模型的参数。

ransac算法的实现步骤：

1. 根据你设定的函数模型，选定足够的点
2. 使用选定的点，计算得到函数模型参数
3. 判定其他点是否符合该函数，并统计满足的点的个数
4. 反复1-3步，最后，具有最多点满足的函数为求取的函数，满足该函数的点为inlier，反之，不满足该函数的点为outlier。

以特征点对的几何去噪这一应用为例，具体实现代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

//输入： //    需要去噪的特征点对：vector<pair<CvPoint CvPoint>  > matcher_ori //    点对估计应该满足的特征点对几何模型：xform_fn = 投影、仿射、RST或者其他 //    对应的计算模型参数需要特征点对个数：sample_n //    误差求取函数： err_fn //    误差阈值： err_w //    另外还有几个特别重要的参数：infrac， p_badxform, RANSAC_PROB_BAD_SUPP //输出： //    去噪后的特征点对 vector<pair<CvPoint CvPoint>  > matcher_dst //    应满足的实际几何模型参数： Ptr<CvMat> H_matrix   int k = 0; doublep = pow(1.0 -pow(in_frac, MSS_n), k); int mather_n = (int)mather_ori.size(); int done_n = 0; while(p > p_badxform && (((matcher_n - done_n) - sample_n) >= 0) ) {     matcher_sample.clear(); //  随机选择足够的点对     choice_ransac_sample(matcher_ori, matcher_sample, sample_n);     done_n += sample_n; //  使用选择的点对计算模型的参数     H_matrix = xform_fn(matcher_sample);     if(NULL == H_matrix)     {         p =pow(1.0 - pow(in_frac, sample_n, ++k);         continue;     }     matcher_inliners.clear(); //  检测有哪些点对满足当前的几何模型     find_consensus( matcher_ori, H_matrix, err_fn, err_w, matcher_inliners); //     选择最多点对符合的几何模型     if(matcher_dst.size() < matcher_inliners.size())     {                     matcher_dst.clear();                     matcher_dst = matcher_inliners;                     in_frac =double(matcher_dst.size())/double(matcher_ori.size());     }      p =pow(1.0 - pow(in_frac, sample_n), ++k); }

结果示例图：

ransac之前的匹配点 ： 共有20个匹配点

ransac之后的匹配点：共有17个匹配点

http://www.imagerabit.com/?p=141