image-processing - 计算 OpenCV 的 findHomography 的目标点

Question

编辑:我现在发现这个类似的问题有非常详细的答案:

proportions of a perspective-deformed rectangle

---

我正在使用 OpenCV 的 findHomography() 和 warpPerspective() 方法来“消除倾斜”一张纸的照片。我基本上可以正常工作，但我坚持细节。

我不明白该怎么做的部分是计算输入到 findHomography() 的最佳目标点集。我知道我希望我的输出是矩形的，但我不知道矩形的宽高比。我还希望调整输出矩形的大小，以便在我通过 warpPerspective() 应用变换时输出图像的缩放比例最小。我所拥有的只是构成我要在源图像中变换的四边形的四个点。如何计算最佳大小的目标矩形？

Answer 1

findHomography() 方法需要四个点(如果使用直接线性变换)。如果您想要最佳集，您将需要 DLT 的单应性给出最小重投影误差的 4 点集。我的意思是，您需要一种方法来检测 DLT 的特定数学模型的异常值/异常值。

这个方法是RANSAC，OpenCV已经实现了。您会发现 findhomography() 与 RANSAC 相结合的示例。

我个人发现一个问题，就是 OpenCV 中 RANSAC 的迭代次数太高了。如果您正在寻找最佳速度，则必须深入研究代码。