单应性变换(Homography)

最新推荐文章于 2023-08-28 11:36:52 发布

转载最新推荐文章于 2023-08-28 11:36:52 发布 · 7.7k 阅读

图像处理专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了单应性变换的概念及其实现过程。利用OpenCV和Python，文章演示了如何找到两幅图像间的对应点，并计算单应性矩阵。通过实际代码示例，展示了如何使用该矩阵将一幅图像转换到另一幅图像的空间中。

部署运行你感兴趣的模型镜像

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 plaincopy 
   
 import cv2  
 import numpy as np  
 import pylab as pl  
    
 if __name__ == '__main__' :  
       
    
     # Read source image.  
     im_src = cv2.imread('book2.jpg')  
     # Four corners of the book in source image  
     pts_src = np.array([[167.0, 264.0], [482.0, 798.0], [1079.0, 403.0],[613.0, 84.0]])  
    
    
     # Read destination image.  
     im_dst = cv2.imread('book1.jpg')  
     # Four corners of the book in destination image.  
     pts_dst = np.array([[193.0, 742.0],[996.0, 874.0],[1059.0, 157.0],[266.0, 145.0]])  
    
     # Calculate Homography  
     h, status = cv2.findHomography(pts_src, pts_dst)  
        
     # Warp source image to destination based on homography  
     im_out = cv2.warpPerspective(im_src, h, (im_dst.shape[1],im_dst.shape[0]))  
        
     pl.figure(), pl.imshow(im_src[:, :, ::-1]), pl.title('src'),  
     pl.figure(), pl.imshow(im_dst[:, :, ::-1]), pl.title('dst')  
     pl.figure(), pl.imshow(im_out[:, :, ::-1]), pl.title('out'), pl.show()  #show dst   