【问题标题】:Output of cv2.findHomography in OpenCV (Python)OpenCV(Python)中 cv2.findHomography 的输出
【发布时间】:2014-10-30 20:49:51
【问题描述】:

我在 Python 中使用 OpenCV 的 findHomography 函数(带有 RANSAC)来查找两组点之间的转换。

看documentation,输出是一个掩码和一个变换矩阵。

文档并不清楚掩码代表什么,以及矩阵的结构。

输出掩码中的 1 是适合找到的转换的点还是被忽略的点? 您能解释一下 3x3 输出变换矩阵的构成吗?

提前感谢,如果我错过了一些解释这一点的文档,我们深表歉意。

【问题讨论】:

标签: python opencv


【解决方案1】:

根据我有限的搜索,findHomography() 返回的mask 具有内点和异常点的状态,即它是一个矩阵,表示在找到对象的单应性之后匹配。

This answer 解决您的第一个问题。

This answer 说明了掩码是什么以及它的尺寸。

【讨论】:

  • 这个答案实际上回答了 OP 关于面具的问题,这正是我真正想要的。最高支持的答案提到简单地忽略不正确的面具。
  • @AlexanderSoare :D。我很惊讶地看到大量反对票。就在几个月前,我发表了关于投票最高的答案的评论。
  • @rayryeng 这些天人们只需要同形异义词。现在是 2021 年
【解决方案2】:

那么你需要用面具做什么?因为不需要该字段,所以您不必放置任何掩码。

至于生成的矩阵。它被称为homography 矩阵或H 矩阵,它表示图像平面中的一个点到另一个图像平面中的相同点的变换。

 X1 = H * X2

X1 点是不同平面中的同一点 (X2)。

所以 H 矩阵基本上是描述一个点如何在图像 1 中匹配图像 2 中的 1 个点。

【讨论】:

  • 谢谢 Jay - 我想查看 Mask 和矩阵的输出的原因是我有多个图像,我将我的查询图像与之进行比较,我想看看哪个提供了最佳匹配。而对于H矩阵,分别是缩放、旋转等值?
  • H矩阵是旋转。如果您手动输入匹配点,则为您完成缩放。无需做任何其他事情。只需将该 H 矩阵插入到cv::warpedPerspective 中,您就会有一个扭曲的 image1 到 image2 帧中
  • 掩码对于知道哪些内点对单应性有贡献很重要。在决定哪些图像重叠时,图像拼接非常重要。如果它提到面具的目的而不是完全忽略它,这个答案会更好。虽然扭曲图像可能不需要它,但最初的问题是问这个答案没有解决的掩码是什么。仅供参考,H 不仅仅是“轮换”。它是平面到平面的映射。在特殊情况下,单应性确实会简化为旋转矩阵,但通常情况并非如此。
猜你喜欢
  • 2011-12-26
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2017-03-24
  • 2014-09-01
  • 2020-11-07
相关资源
最近更新 更多