逆单应性答案

【问题标题】：Inverse Homography逆单应性
【发布时间】：2017-02-22 16:18:44
【问题描述】：

我使用 findHomography 函数得到一个 H 矩阵。

H = findHomography(points_src, points_dst);

然后，我使用 H 和 warpPerspective 来获得图像的透视投影

warpPerspective(im_src, im_dst, H, Size(100, 100));

从这里我得到一组兴趣点

vector<Point2f> points = some_function(im_dst)

现在我想只取回原始图像中的“点”集，这样我现在将获得原始图像中的兴趣点集。

对于这个任务，我想我需要再次使用带有 WARP_INVERSE_MAP 标志的 warpPerspective 但这不起作用。

【问题讨论】：

标签： c++ opencv projection perspective homography

【解决方案1】：

您确实可以再次使用findHomography()，但感谢composition properties of such matrix，一种更优雅、准确和快速的逆转换方法是简单地单应矩阵求逆。

这是一个使用 Python 的小演示：

import cv2
import numpy as np

source = np.float32([[0, 0], [100, 0], [100, 100], [0, 100]])
dest = np.float32([[0, 0], [-1000, 0], [-1000, -1000], [0, -1000]])

points = np.float32([[[50, 50]]])

homography, _ = cv2.findHomography(source, dest)

transformed = cv2.perspectiveTransform(points, homography)

print(transformed)
# => [[[-500. -500.]]]

homography_inverse = np.linalg.inv(homography)

detransformed = cv2.perspectiveTransform(transformed, homography_inverse)

print(detransformed)
# => [[[50. 50.]]]

【讨论】：

cv 也有矩阵求逆的内置函数：cv::Mat::inv.

【解决方案2】：

要找到逆单应性，只需切换points_dst 和points_src：

H_inv= findHomography(points_dst, points_src);

那么如果你将H_inv应用到H转换的点上，你将得到原始点。

【讨论】：