【发布时间】:2015-02-09 14:35:48
【问题描述】:
众所周知,我们可以将两个参数传递给函数estimateRigidTransform(),它们具有以下两种类型之一:Mat estimateRigidTransform(InputArray src, InputArray dst, bool fullAffine)
cv::Mat frame1, frame2;std::vector<cv::Point2f> frame1_features, frame2_features;
例如,要实现视频稳定(抖动移除),我们可以使用以下两种方法之一:
- 与
cv::Mat:video stabilization using opencv
cv::Mat frame1 = imread("frame1.png");
cv::Mat frame2 = imread("frame2.png");
Mat M = estimateRigidTransform(frame1, frame2, 0);
warpAffine(frame2, output, M, Size(640,480), INTER_NEAREST|WARP_INVERSE_MAP);
- 与
std::vector<cv::Point2f> features;
vector <uchar> status;
vector <float> err;
std::vector <cv::Point2f> frame1_features, frame2_features;
cv::Mat frame1 = imread("frame1.png");
cv::Mat frame2 = imread("frame2.png");
goodFeaturesToTrack(frame1 , frame1_features, 200, 0.01, 30);
goodFeaturesToTrack(frame2 , frame2_features, 200, 0.01, 30);
calcOpticalFlowPyrLK(frame1 , frame2, frame1_features, frame2_features, status, err);
std::vector <cv::Point2f> frame1_features_ok, frame2_features_ok;
for(size_t i=0; i < status.size(); i++) {
if(status[i]) {
frame1_features_ok.push_back(frame1_features[i]);
frame2_features_ok.push_back(frame2_features[i]);
}
}
Mat M = estimateRigidTransform(frame1_features_ok, frame2_features_ok, 0);
warpAffine(frame2, output, M, Size(640,480), INTER_NEAREST|WARP_INVERSE_MAP);
这些方法中哪一种更好用,为什么?
即Mat 或 vector<Point2f> 哪种类型更适合与函数 estimateRigidTransform() 一起使用?
【问题讨论】:
-
第一个版本没有让您对如何计算刚性变换的方式进行任何控制。所以它使用起来可能很舒服,但在这种情况下,我无法说出估计转换的质量。我更喜欢将第二个版本与我自己的点对应(不一定来自光流)一起使用。
-
@Micka“不一定来自光流”,但是,例如,来自什么?
-
筛选或其他关键点、块匹配、密集匹配或任何其他“对应”
标签: opencv image-processing opencv3.0 image-stabilization