Question

以下链接中的示例使用findHomography来获取两组点之间的转换。我想限制转换中使用的自由度，因此希望用findHomography替换estimateRigidTransform。

http://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html#feature-homography

下面我使用estimateRigidTransform来获取对象和场景点之间的转换。 objPoints和scePoints由vector <Point2f>表示。

Mat H = estimateRigidTransform(objPoints, scePoints, false);

按照上面教程中使用的方法，我想使用转换H转换角点值。本教程使用perspectiveTransform和findHomography返回的3x3矩阵。使用刚性变换时，它仅返回2x3矩阵，因此无法使用此方法。

如何使用此2x3矩阵转换角点的值，表示为vector <Point2f>。我只是想要执行与教程相同的功能，但转换的自由度较低。我也查看了其他方法，例如warpAffine和getPerspectiveTransform，但到目前为止还没有找到解决方案。

编辑：

我已经尝试过David Nilosek的建议。下面我将额外的行添加到矩阵中。

Mat row = (Mat_<double>(1,3) << 0, 0, 1);
H.push_back(row);

但是，在使用perspectiveTransform时会出现此错误。

OpenCV Error: Assertion failed (mtype == type0 || (CV_MAT_CN(mtype) == CV_MAT_CN(type0) && ((1 << type0) & fixedDepthMask) != 0)) in create, file /Users/cgray/Downloads/opencv-2.4.6/modules/core/src/matrix.cpp, line 1486
libc++abi.dylib: terminating with uncaught exception of type cv::Exception: /Users/cgray/Downloads/opencv-2.4.6/modules/core/src/matrix.cpp:1486: error: (-215) mtype == type0 || (CV_MAT_CN(mtype) == CV_MAT_CN(type0) && ((1 << type0) & fixedDepthMask) != 0) in function create

ChronoTrigger建议使用warpAffine。我在调用下面的warpAffine方法，1 x 5的大小是objCorners和sceCorners的大小。

warpAffine(objCorners, sceCorners, H, Size(1,4));

这给出了下面的错误，这表明错误的类型。 objCorners和sceCorners vector <Point2f>代表4个角。我认为warpAffine会接受可能解释错误的Mat张图片。

OpenCV Error: Assertion failed ((M0.type() == CV_32F || M0.type() == CV_64F) && M0.rows == 2 && M0.cols == 3) in warpAffine, file /Users/cgray/Downloads/opencv-2.4.6/modules/imgproc/src/imgwarp.cpp, line 3280

Answer 1

我过去这样做过：

cv::Mat R = cv::estimateRigidTransform(p1,p2,false);

    if(R.cols == 0)
    {
        continue;
    }

    cv::Mat H = cv::Mat(3,3,R.type());
    H.at<double>(0,0) = R.at<double>(0,0);
    H.at<double>(0,1) = R.at<double>(0,1);
    H.at<double>(0,2) = R.at<double>(0,2);

    H.at<double>(1,0) = R.at<double>(1,0);
    H.at<double>(1,1) = R.at<double>(1,1);
    H.at<double>(1,2) = R.at<double>(1,2);

    H.at<double>(2,0) = 0.0;
    H.at<double>(2,1) = 0.0;
    H.at<double>(2,2) = 1.0;


    cv::Mat warped;
    cv::warpPerspective(img1,warped,H,img1.size());

与David Nilosek建议的相同：在矩阵的末尾添加0 0 1行

此代码以严格的转换扭曲了IMAGES。

我想要变形/变换点，你必须使用perspectiveTransform函数和3x3矩阵（http://docs.opencv.org/modules/core/doc/operations_on_arrays.html?highlight=perspectivetransform#perspectivetransform）

这里的教程：

http://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html

或者您可以通过循环矢量和

手动完成

cv::Point2f result;
result.x = point.x * R.at<double>(0,0) + point.y * R.at<double>(0,1) + R.at<double>(0,2);
result.y = point.x * R.at<double>(1,0) + point.y * R.at<double>(1,1) + R.at<double>(1,2);

希望有所帮助。

备注：没有测试手动代码，但应该有效。那里不需要PerspectiveTransform转换！

编辑：这是完整的（经过测试的）代码：

// points
std::vector<cv::Point2f> p1;
p1.push_back(cv::Point2f(0,0));
p1.push_back(cv::Point2f(1,0));
p1.push_back(cv::Point2f(0,1));

// simple translation from p1 for testing:
std::vector<cv::Point2f> p2;
p2.push_back(cv::Point2f(1,1));
p2.push_back(cv::Point2f(2,1));
p2.push_back(cv::Point2f(1,2));

cv::Mat R = cv::estimateRigidTransform(p1,p2,false);

// extend rigid transformation to use perspectiveTransform:
cv::Mat H = cv::Mat(3,3,R.type());
H.at<double>(0,0) = R.at<double>(0,0);
H.at<double>(0,1) = R.at<double>(0,1);
H.at<double>(0,2) = R.at<double>(0,2);

H.at<double>(1,0) = R.at<double>(1,0);
H.at<double>(1,1) = R.at<double>(1,1);
H.at<double>(1,2) = R.at<double>(1,2);

H.at<double>(2,0) = 0.0;
H.at<double>(2,1) = 0.0;
H.at<double>(2,2) = 1.0;

// compute perspectiveTransform on p1
std::vector<cv::Point2f> result;
cv::perspectiveTransform(p1,result,H);

for(unsigned int i=0; i<result.size(); ++i)
    std::cout << result[i] << std::endl;

按预期输出：

[1, 1]
[2, 1]
[1, 2]

Answer 2

仿射变换（cv::estimateRigidTransform的结果）应用于具有函数cv::warpAffine的图像。

Answer 3

刚性变换的3x3单应形式是：

 a1 a2 b1
-a2 a3 b2
  0  0  1

因此，当使用estimateRigidTransform时，您可以添加[0 0 1]作为第三行，如果您想要3x3矩阵。

使用estimateRigidTransform而不是findHomography

3 个答案: