Skip to content

变换矩阵

来自本人笔记: https://github.com/masterAllen/LearnOpenCV/blob/main/docs/变换矩阵

前提知识

高中知识，两张图片之间的关系（拉伸扭曲等）可以用一个矩阵相乘来模拟，按细节程度分为三种：刚体、仿射、透视。

函数说明：

求矩阵的函数分为两种：一种是许多映射点之后求最优解矩阵；另一种是只有几个映射点，可以求出唯一解矩阵。

  • estimateRigidTransform：已废弃
  • estimateAffinePartial2D：多点求最优解；2X3矩阵、4自由度（即最终2X3矩阵其可由4个参数控制）
  • estimateAffine2D：多点求最优解；2X3矩阵、6自由度
  • findHomography：多个点求最优解；3x3矩阵
  • getRigidTransform：两个点求刚体矩阵唯一解；OpenCV里面没有这个函数..
  • getAffineTransform：三个映射点求仿射矩阵唯一解；2x3矩阵、6自由度
  • getPerspectiveTransform：四个映射点求透视矩阵唯一解；3x3矩阵

用矩阵函数有两个：warpPerspective 和 warpAffine，一个3x3，一个2x3，利用求解出的矩阵去变换原始图片

具体细节

具体用的时候还是要查文档

estimateAffine2D

  • form, to: nx2 的列表，表示变换前后的点
  • outlier: 最后输出的一个结果，表示对应索引点是否是异常点（0异常）
  • method: 计算最优解的方法，具体查阅手册；其中最常见有最小二乘（需要至少有50%的正常点）、RANSAC；最小二乘对噪声较敏感
  • 后面的就是求最优解的一些参数，比如置信度这些，具体需要理解算法原理以及实际慢慢调参了，具体说明参见 Opencv 文档，默认值上面也有

findHomograhpy

  • 参数和上面基本一致，其中 method 多了一个新的方法 RHO，还多一个 mask 参数，是输出的一个掩膜结果，过于细节，不细究

getPerspectiveTransform

  • 前两个参数一样，变换前后的点。
  • solveMethod: 【矩阵分解】参数，不同矩阵分解方法侧重点不同，不过用在这个场景（求3x3线性方程组）其实都差不多（个人看法，说错了希望可以指正）

warpPerspective, warpAffine

  • src, M: 分别是原始图片和变换的矩阵
  • dsize：变换后图片的大小，注意是 (宽度，高度)！！
  • flags: 非常重要的一个参数，分为两部分：第一部分是插值算法，即变换后并不完全是整数怎么办，线性插值或者最近替代；第二部分是否WARP_INVERSE_MAP，这个很重要：
    1720834506166
  • borderMode: 变换后可能有的地方是空值，比如缩小那么四周就是空的，这个参数就是指定这些地方应该是上面值：常数或者边界拓展
  • borderValue: 这个就是上面这个参数，如果是常数，应该是多少

注意点

1. 3x3矩阵变换不是单纯的只要1x3结果前面的两个值，都要除以最后一个值。
2. 变换前后的图片要分清楚究竟是哪一张，之前花了好长时间栽在这上面。尤其是那两个warp函数里面flags有一个WARP_INVERSE_MAP选项，需要仔细考虑。
3. 两个warp函数中的dsize是宽度、高度，顺序不要乱了，即顺序是多少列、多少行。而变换前后的点的坐标则是表示第几行、第几列的顺序。

Comments