opencv求两张图像光流_OpenCV单应性矩阵发现参数估算方法详解

本文详细介绍了OpenCV中的单应性矩阵计算,包括最小二乘法、RANSAC、PROSAC和LMEDS等方法,并通过实例展示了它们在图像匹配、图像拼接等应用场景中的作用。重点讨论了在存在噪声和干扰点时,如何选择合适的算法来估计准确的单应性矩阵。
09d2d5d9da1e50663e0de0ae7b6f158f.gif

点击上方蓝字关注我们

微信公众号:OpenCV学堂

关注获取更多计算机视觉与深度学习知识

单应性矩阵计算函数与应用

OpenCV在通过特征描述子完成描述子匹配之后,会得到一些关键点对,我们会把这些关键点对分别添加到两个vector对象中,作为输入参数,调用单应性矩阵发现函数来发现一个变换矩阵H,函数 findHomography 就完成了这样的功能,常见的调用代码如下:

 1//-- Localize the object
2std::vector obj_pts; 3std::vector scene_pts; 4for (size_t i = 0; i  5{ 6         //-- Get the keypoints from the good matches 7         obj_pts.push_back(keypoints_obj[goodMatches[i].queryIdx].pt); 8         scene_pts.push_back(keypoints_sence[goodMatches[i].trainIdx].pt); 9}10Mat H = findHomography(obj_pts, scene_pts, RHO);

有了变换矩阵H之后,我们就可以根据输入图像四点坐标,从场景图像上得到特征匹配图像的四点坐标,代码实现如下:

1//-- Get the corners from the image_1 ( the object to be "detected" )
2st
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值