平面射影变换是关于其次3维矢量的一种线性变换,可以使用一个非奇异的$3 \times 3$矩阵H表示,$X' = HX$,射影变换也叫做单应(Homography)。计算出两幅图像之间的单应矩阵H,那么应用这个关系可以将一个视图中的
所有点变换到另一个视图中。
上图,最右边图像是将最左边图像进行了一次射影变换,变换到中间图像视图后的图像。
使用OpenCV可以调用库函数findHomography计算两幅图像的单应矩阵,其声明如下
Mat findHomography(InputArray srcPoints, InputArray dstPoints, int method=0, double ransacReprojThreshold=3, OutputArray mask=noArray() )
单应矩阵的计算需要两幅图像中相对应的点,srcPoints,dstPoints是两幅图像中相对应的点,可以是Vector<Point2f>或者是CV_32FC2类型的矩阵,Method是计算单应矩阵时所使用的方法。
得到了图像的单应矩阵H就可以使用函数warpPerspective将图像变换到另一个视图中
void warpPerspective(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())
下面就使用上面提到的两个函数,计算出两幅图像之间的单应矩阵H,并且将两幅图像合并为一副图像。
其操作过程非常简单,
首先定义两个vector保存对应的4对点
//4对相对应的像点计算图像的单应 Homography vector<Point2f> left_image; vector<Point2f> right_image;
将小图像的四角坐标插入到left_image中
left_image.push_back(Point2f(0, 0)); left_image.push_back(Point2f(0, image_logo.rows)); left_image.push_back(Point2f(image_logo.cols, image_logo.rows)); left_image.push_back(Point2f(image_logo.cols, 0));
在在大图中选择4个点,并用这4对相对应的点计算单应矩阵H
if (e == EVENT_LBUTTONDOWN){ if (right_image.size() < 4){ right_image.push_back(Point2f(float(x), float(y))); cout << x << " " << y << endl; } else { cout << "Calculating Homography" << endl; setMouseCallback("Display window", nullptr, nullptr); Mat H = findHomography(left_image, right_image, 0); Mat logoWarped; warpPerspective(image_logo, logoWarped,H, image_main.size()); showFinal(image_main, logoWarped); } }
最后,将logoWarped和main图像相加就得到最后结果。
详细代码:https://github.com/brookicv/opencvSample/tree/master/Homography