姑苏区住房和建设局网站,重庆刚刚发布,运营企业网站怎么赚钱,编程软件免费中文版一、场景 相机1和相机2相对位置不变#xff0c;相机拍摄图片有重叠#xff0c;求他们交叠部分的一一对应关系。数学语言描述为已知相机1图片中P点像素(u1, v1)#xff0c;相机1中P点在相机2图片中像素值为(u2, v2)#xff0c;它们存在某种变换#xff0c;求变换矩阵。 因为…一、场景 相机1和相机2相对位置不变相机拍摄图片有重叠求他们交叠部分的一一对应关系。数学语言描述为已知相机1图片中P点像素(u1, v1)相机1中P点在相机2图片中像素值为(u2, v2)它们存在某种变换求变换矩阵。 因为涉及的场景比较简单目前没有涉及深度同时采集的目标近似平面所以可以简化场景采用单应性矩阵求解。所以上述所涉及的变换矩阵假设为单应性矩阵H3*3矩阵它们满足如下关系。 这样的话简单很多如果场景复杂涉及了深度或者采集对象不是平面可以使用本质矩阵/基础矩阵的方法获取这个变换矩阵只需借助标准标定板计算得到H。
二、单应性矩阵 定义用 [理想成像] 的相机从不同位置拍摄 [同一平面物体] 的图像之间存在单应性可以用 [透视变换] 表示 。有以下公式 接下来就是求解H矩阵上述公式展开如下 由平面坐标与齐次坐标对应关系上式可以表示为 进一步 写成AX0形式如下。这种形式求解方式很多前面的博客也有所涉及。不过需要特别指出的是虽然H矩阵有9个未知数但是只有8个自由度平面关系其中h331。所以求解方程只需要4个不共线点即可求解。 三、实际效果
3.1 全部代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import cv2
import numpy as npdef OnMouseAction(event, x, y, flags, param):鼠标的回调函数处理鼠标事件:param event::param x::param y::param flags::param param::return:if event cv2.EVENT_LBUTTONDOWN:global gimg_x, gimg_y, gis_okgimg_x xgimg_y ygis_ok Trueelif event cv2.EVENT_RBUTTONDOWN:print(右键点击)elif flags cv2.EVENT_FLAG_LBUTTON:print(左鍵拖曳)elif event cv2.EVENT_MBUTTONDOWN:print(中键点击)def verification(img1, img2, H):def nothing(x):passcv2.namedWindow(image1)cv2.setMouseCallback(image1, OnMouseAction)# create trackbars for color changecv2.createTrackbar(thr, image1, 121, 255, nothing)cv2.createTrackbar(Shading, image1, 255, 255, nothing)count 0while True:cv2.imshow(image1, img1)cv2.imshow(image2, img2)k cv2.waitKey(1) 0xFF# 通过关闭窗口的右上角关闭if cv2.getWindowProperty(image1, cv2.WND_PROP_AUTOSIZE) 1:break# 通过按键盘的ESC退出if k 27:breakglobal gimg_x, gimg_y, gis_okif gis_ok:count 1cv2.circle(img1, (gimg_x, gimg_y), 3, (0, 0, 255), -1)cv2.putText(img1, str(count), (gimg_x, gimg_y), 2, 1, (0, 0, 255))gis_ok False(x, y, z) np.matmul(H, np.array([gimg_x, gimg_y, 1]).T)cv2.circle(img2, (int(x / z), int(y / z)), 2, (0, 0, 255), -1)cv2.putText(img2, str(count), (int(x / z), int(y / z)), 2, 1, (0, 0, 255))def getHomography(img1, img2):gray1 cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)gray2 cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)criteria (cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)ret, corners1_1 cv2.findChessboardCorners(gray1, (gcols, grows), None)if not ret:return ret, None# sub-pixel corner detectioncorners1_2 cv2.cornerSubPix(gray1, corners1_1, (11, 11), (-1, -1), criteria)ret, corners2_1 cv2.findChessboardCorners(gray2, (gcols, grows), None)if not ret:return ret, None# sub-pixel corner detectioncorners2_2 cv2.cornerSubPix(gray2, corners2_1, (11, 11), (-1, -1), criteria)H, mask cv2.findHomography(corners1_2, corners2_2, cv2.RANSAC)return True, Hgimg1Root ./image_homography/1080p_1.png
gimg2Root ./image_homography/1080p_2.png
gimg3Root ./image_homography/720p_3.png
(grows, gcols) (8, 11)
def main():img1 cv2.imread(gimg1Root)img2 cv2.imread(gimg3Root)is_ok, H getHomography(img1, img2)print(H)verification(img1, img2, H)global gimg_x, gimg_y, gis_ok
gimg_x 0
gimg_y 0
gis_ok False
if __name__ __main__:main()
3.2 实际效果
