本文主要是介绍homography单应性,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
概要:
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:
- 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
这篇关于homography单应性的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!