我有2张图片，我正在使用SIFT查找匹配的功能。 我通过阈值选择了最好的比赛。 在这之后，我试图使用RANSAC有效地确定两张图片之间的仿射变换矩阵。
从我对这个过程的理解（以及互联网上的十亿张幻灯片）：
选择3个随机对应关系（计算仿射变换所需的最小值）。
估计A。
计算内部数据。
对N次试验执行此操作，并选择产生最少内点的A。
如何具体计算内部数量？
不幸的是，所有的例子都集中在回归上（例如找到2个点并通过它们拟合一条线，然后根据一些距离进行计数。但在这种情况下，我们正在讨论3个对应关系和＆＃34;线＆＃34 ;这里没有意义。
我在某地读过我们可以用高斯模拟噪音，但我想知道如何继续。
答案 0 :(得分：0)
RANSAC很简单。测量第二张图像中“应该”的点（使用3点假设）与其位置之间的距离。对于2个图像之间的对称性，您可能希望在两个方向上添加平方误差。然后只需应用一个阈值来计算内点。
找到最佳假设后，然后可以通过回归来改进它。您正在尝试最小化图像坐标中的平方误差（仅适用于内部）。对称地做它听起来很棘手和非线性（另一个回答者可能会纠正我！），但是如果变换非常接近相似性，我猜一个人可以通过单向做法作弊，也可以通过独立处理第二个图像中的x和y来作弊。然后它变成一对线性回归以找到变换矩阵的每一半。