Question

在下图中，目标是计算单应矩阵H，其将点a1 a2 a3 a4变换为它们的对应点b1 b2 b3 b4。那就是：

[b1 b2 b3 b4] = H * [a1 a2 a3 a4]

您认为哪种方式是计算H（3x3）的最佳方法。 a1 ... b4是2D中的点，它们在齐次坐标系中表示（即[a1_x a1_y 1]'，...）。的修改：对于这些类型的问题，我们使用SVD，所以我想看看如何在Matlab中简单地完成。

修改：

以下是我最初试图在Maltlab中使用svd（H = Q / P）来解决它的方法。 Cosider给出示例的以下代码

px=[0 1 1 0];  % a square
py=[1 1 0 0];

qx=[18 18 80 80];    % a random quadrangle
qy=[-20 20 60 -60];
if (DEBUG)
  fill(px,py,'r');
  fill(qx,qy,'r');
end

Q=[qx;qy;ones(size(qx))];
P=[px;py;ones(size(px))];
H=Q/P;
H*P-Q
answer:
   -0.0000         0         0         0         0
  -20.0000   20.0000  -20.0000   20.0000    0.0000
   -0.0000         0         0         0   -0.0000

我希望答案是 null矩阵，但事实并非如此！...这就是我在StackOverflow中提出这个问题的原因。现在，我们都知道它是一个投射变换，显然不是欧几里德。但是，很高兴知道在一般护理中是否可以仅使用4个点计算这样的矩阵。

matrix computation

Answer 1

您可以尝试使用cp2tform函数，该函数可以从控制点对推断空间转换。由于在您的情况下不保留并行，因此您应将transformtype设置为“投影”。更多信息是here

Answer 2

您可以使用DLT algorithm来实现此目的。在Peter Kovesi's homepage中可以使用MATLAB例程。

Answer 3

使用您发布的数据：

P = [px(:) py(:)];
Q = [qx(:) qy(:)];

计算转型：

H = Q/P;

应用转换：

Q2 = H*P;

比较结果：

err = Q2-Q

输出：

err =
   7.1054e-15   7.1054e-15
  -3.5527e-15  -3.5527e-15
  -1.4211e-14  -2.1316e-14
   1.4211e-14   1.4211e-14

这是所有意图和目的的零。

编辑：

正如您在评论中指出的那样，上述方法不会计算3x3单应矩阵。它只是用所提供的点的方程式求解方程组：

H * A = B   -->   H = B*inv(A)   -->   H = B/A (mrdivide)

否则，MATLAB在图像处理工具箱中具有CP2TFORM功能。以下是应用于所示图像的示例：

%# read illustration image
img = imread('http://i.stack.imgur.com/ZvaZK.png');
img = imcomplement(im2bw(img));

%# split into two equal-sized images
imgs{1} = img(:,fix(1:end/2));
imgs{2} = img(:,fix(end/2:end-1));

%# extract the four corner points A and B from both images
C = cell(1,2);
for i=1:2
    %# some processing
    I = imfill(imgs{i}, 'holes');
    I = bwareaopen(imclearborder(I),200);
    I = imfilter(im2double(I), fspecial('gaussian'));

    %# find 4 corners
    C{i} = corner(I, 4);

    %# sort corners in a consistent way (counter-clockwise)
    idx = convhull(C{i}(:,1), C{i}(:,2));
    C{i} = C{i}(idx(1:end-1),:);
end

%# show the two images with the detected corners
figure
for i=1:2
    subplot(1,2,i), imshow(imgs{i})
    line(C{i}(:,1), C{i}(:,2), 'Color','r', 'Marker','*', 'LineStyle','none')
    text(C{i}(:,1), C{i}(:,2), num2str((1:4)'), 'Color','r', ...
        'FontSize',18, 'Horiz','left', 'Vert','bottom')
end

检测到角点后，现在我们可以获得空间变换：

%# two sets of points
[A,B] = deal(C{:});

%# infer projective transformation using CP2TFORM
T = cp2tform(A, B, 'projective');

%# 3x3 Homography matrix
H = T.tdata.T;
Hinv = T.tdata.Tinv;

%# align points in A into B
X = tformfwd(T, A(:,1), A(:,2));

%# show result of transformation
line(X([1:end 1],1), X([1:end 1],2), 'Color','g', 'LineWidth',2)

结果：

>> H = T.tdata.T
H =
      0.74311    -0.055998    0.0062438
      0.44989      -1.0567   -0.0035331
      -293.31       62.704      -1.1742

>> Hinv = T.tdata.Tinv
Hinv =
       -1.924     -0.42859   -0.0089411
      -2.0585      -1.2615   -0.0071501
       370.68       39.695            1

screenshot

我们可以自己确认计算：

%# points must be in Homogenous coordinates (x,y,w)
>> Z = [A ones(size(A,1),1)] * H;
>> Z = bsxfun(@rdivide, Z, Z(:,end))   %# divide by w
Z =
          152           57            1
          219          191            1
           62          240            1
           92          109            1

映射到B中的点：

%# maximum error
>> max(max( abs(Z(:,1:2)-B) ))
ans =
   8.5265e-14

Answer 4

将所有坐标合并到列向量中。在2D情况下，它们是：ax，ay，bx，by;

定义：

A = [ax, ay];
B = [bx, by];
input = [ones(size(A, 1), 1), A];

计算转换矩阵：

H = input \ B;

如果您需要将其应用于新观察A_new：

input_new = [ones(size(A_new, 1), 1), A_new];
B_new = input_new * H;

修改：您还可以按H计算H = inv(input' * input) * input' * B;，但\可以安全地计算。

Answer 5

我在answer中讨论了另一个SO问题（包括MATLAB解决方案）中的相关问题。在链接问题中，输出四边形是一个矩形，但我的答案处理了一般问题。

计算在2D中将四边形变换为另一个四边形的矩阵

5 个答案:

编辑：