python - 如何将 cv2.findHomography() 与压缩图像一起使用

Question

我正在为 opencv 使用 python 绑定(bind)。我正在使用关键点检测和描述(即 SURF、SIFT、...)来查找包含在目标图像中的模板图像，但是有一个问题:模板可以在目标图像中“挤压”，从而使方面比例与目标图像不同。

这不适用于 findHomography()，因为它假设一个简单的透视变换，它不能进行这种拉伸(stretch)。

有没有办法做到这一点？我曾考虑过以不同的方式增量拉伸(stretch)目标图像以改变纵横比，并在每次迭代时使用 findHomography，但据我所知，没有办法比较拟合的质量(因为我使用的是 RANSAC找到最合适的)，所以我不知道它最适合哪个挤压水平。

也许通过查看返回掩码的长度来计算 RANSAC 中正确匹配的点数？这似乎有点恶心。

Answer 1

This does not work with findHomography(), since it assumes a simple perspective transform, which cannot have this sort of stretching.

这不是真的;即使是仿射扭曲也包括 stretching the aspect ratios甚至剪切变形，单应性甚至通过非均匀变形来扩展它。例如矩阵给出的仿射变换

2 0 0
0 1 0

将图像水平拉伸(stretch)两倍，如这个简短的程序所示:

import cv2
import numpy as np

img = cv2.imread('lena.png')
affine_warp = np.array([[2, 0, 0], [0, 1, 0]], dtype=np.float32)
dsize = (img.shape[1]*2, img.shape[0])
warped_img = cv2.warpAffine(img, affine_warp, dsize)

cv2.imshow("2x Horizontal Stretching", warped_img)
cv2.waitKey(0)

产生输出:

所以这不是你的问题。同应性允许更强的翘曲。你在运行吗 RANSAC自己或让 findHomography()功能通过 RANSAC 决定您的积分?请发布您的预期输出和您当前的代码，可能在一个反射(reflect)您所面临问题的新问题中。