Question

我有一个应用程序，它有两个透视变换，从两个findHomography调用中获得，它们连续应用于一组点（python）：

pts = np.float32([ [758,141],[769,141],[769,146],[758,146] ]).reshape(-1,1,2)
pts2 = cv2.perspectiveTransform(pts, trackingM)
dst = cv2.perspectiveTransform(pts2, updateM)

我想将此结合到一个转换中。我尝试过以下但转换不正确：

M = trackingM * updateM
dst = cv2.perspectiveTransform(pts, M)

如何将两个矩阵变换组合成一个变换？现在我在python中进行原型设计。除了python之外的C ++解决方案将是一个奖励。

Answer 1

在numpy中，np.multiply(M, N)为elementwise-product，而np.dot(M,N)为dot-product。我认为，在您的情况下，您应该选择np.dot。

例如：

>>> import numpy as np 
>>> x = np.array([[1,2],[3,4]])

## elementwise-product 
>>> x*x
array([[ 1,  4],
       [ 9, 16]])
>>> np.multiply(x,x)
array([[ 1,  4],
       [ 9, 16]])

## dot-product
>>> x.dot(x)
array([[ 7, 10],
       [15, 22]])
>>> np.dot(x,x)
array([[ 7, 10],
       [15, 22]])

Answer 2

我在this post找到了答案的线索。从本质上讲，我的原始代码是按照@Silencer指出的逐元素乘法。诀窍是在进行乘法之前将变换转换为矩阵：

M = np.matrix(updateM) * np.matrix(trackingM)
dst = cv2.perspectiveTransform(pts, M)

操作数的顺序很重要。可以将上述内容视为将updatedM转换应用于trackingM转换以匹配原始问题中所述的顺序。

使用opencv将多个perspectiveTransforms组合成一个转换

2 个答案: