文档帮助中心文档
从匹配点对估计几何变换
计算机视觉工具箱/几何变换
使用估计几何变换块来找到映射两个图像之间最大数量的点对的变换矩阵。一个点对指输入图像中的一个点及其相关点在图像上使用变换矩阵创建。可以选择使用RANdom SAmple Consensus (RANSAC)或Least Median Squares算法来排除异常值并计算变换矩阵。您还可以使用所有的输入点来计算变换矩阵。
全部展开
Pts1
点坐标,指定为米- 1基的- × 2矩阵[xy点坐标,其中米表示点的个数。
块输出与转换矩阵相同的数据类型Pts1和Pts2形象点。
数据类型:单|双|int8|int16|int32|uint8|uint16|uint32
单
双
int8
int16
int32
uint8
uint16
uint32
Pts2
全国矿工工会
要找到的有效点数的数量Pts1和Pts2,指定为标量。启用时,此端口将出现允许可变大小的信号输入参数。
数据类型:int8|int16|int32|uint8|uint16|uint32
TForm
转换,返回为3 × 2或3 × 3矩阵。块输出与转换矩阵相同的数据类型Pts1和Pts2形象点。
当Pts1和Pts2是单或双的,输出变换矩阵也将具有单或双的数据类型。
当Pts1和Pts2图像是内置的整数,可以将转换矩阵数据类型设置为任意一种单或双.
数据类型:单|双
内围层
用于计算的点数TForm,返回为米1的向量。
的内围层端口出现时,您启用输出布尔信号,指示哪些点对是内联的参数。
数据类型:布尔
布尔
转换类型
仿射
无反射相似
射影
将转换类型指定为其中之一无反射相似,仿射,或射影.看到转换以获得更详细的讨论。
您可以根据转换类型设置附加参数:
为射影转换时,可以指定标量代数距离阈值以确定内嵌线。
为仿射或无反射相似转换时,您可以指定用于确定像素内嵌线的距离阈值。
找到并排除异常值
能够从输入点中找到并排除异常值,并且只使用嵌套点来计算转换矩阵。当关闭此参数时,所有输入点都用于计算转换矩阵。
方法
随机抽样共识(RANSAC)
平方的最小中值
选择一种方法来寻找异常值随机抽样共识(RANSAC)或平方的最小中值看到RANSAC和最小中值平方算法以获得更详细的讨论。
启用时将出现此参数找到并排除异常值复选框。
确定嵌线的代数距离阈值
指定一个标量阈值以确定嵌套。阈值控制RANSAC算法中用于寻找代数距离的上限。
该参数出现在设置方法参数随机抽样共识(RANSAC)和转换类型参数射影.
确定内层的距离阈值(以像素为单位)
1.5
指定一个点与其对应点的投影位置之间的距离上限。
该参数出现在设置方法参数随机抽样共识(RANSAC)然后你设置转换类型参数无反射相似或仿射.
确定随机抽样的数量使用
指定值
理想的信心
选择指定值输入一个正整数作为随机抽样的数目。选择理想的信心设置随机抽样的个数为百分比和最大个数。
选择时,此参数将出现找到并排除异常值复选框,则可以设置方法参数随机抽样共识(RANSAC).
随机抽样次数
500
指定算法要执行的随机抽样次数。
的值时,将出现此参数确定随机抽样的数量使用参数指定值.
期望置信度(以%计)
99
通过输入一个介于两者之间的数字来指定期望的置信度百分比0和One hundred..该值表示算法找到可由变换矩阵映射的最大点组的概率。
0
One hundred.
该参数出现在设置确定随机抽样的数量使用参数理想的信心.
最大随机抽样数
1000
为随机抽样的最大数目指定一个整数。
该参数出现在设置方法参数随机抽样共识(RANSAC)然后你设置确定随机抽样的数量使用参数理想的信心.
当确定指定百分比的点对较近时,应尽早停止抽样
当有一定百分比的输入点被发现为内嵌时,启用此参数以停止随机抽样。
该参数出现在设置方法参数随机抽样共识(RANSAC).
对变换矩阵进行额外的迭代细化
指定是否对变换矩阵进行细化。
当您选择时,此参数将出现找到并排除异常值复选框。
输出布尔信号,指示哪些点对是内联的
启用此参数以输出用于计算转换矩阵的内嵌点对。
选择时,此参数将出现找到并排除异常值复选框。
块不会对有符号或双精度数据类型点使用此参数。
当Pts1和Pts2为内置整数时,将转换矩阵日期类型设置为
指定转换矩阵数据类型为单或双当输入点是内置整数时。
允许可变大小的信号输入
启用此参数以允许可变大小的信号输入。
数据类型
双|整数[一个]|单
整数[一个]
多维信号
没有
适应信号
是的
[一个]当您将FFT实现参数设置为FFTW或变换长度不是2的幂时,生成的代码将被限制在MATLAB主机上。
的RANSAC算法依赖于距离阈值。一对点, p 我 一个 (图片一个Pts1)和 p 我 b (图片bPts2)是一个嵌套,只有当两者之间的距离 p 我 b 和投影 p 我 一个 根据变换矩阵落在指定的阈值内。RANSAC算法中使用的距离度量如下:
d = ∑ 我 = 1 N u 米 最小值 ( D ( p 我 b , ψ ( p 我 一个 : H ) ) , t )
最小中位数平方算法假设至少50%的点对可以通过变换矩阵映射。算法不需要显式地指定距离阈值。相反,它使用所有输入点对之间的中值距离。最小二乘中值算法所用的距离度量如下:
d = 米 e d 我 一个 n ( D ( p 1 b , ψ ( p 1 一个 : H ) ) , D ( p 2 b , ψ ( p 2 一个 : H ) ) , … , D ( p N u 米 b , ψ ( p N 一个 : H ) ) )
两个方程:
p 我 一个 是图像中的点吗一个(Pts1)
p 我 b 是图像中的点吗b(Pts2)
ψ ( p 我 一个 : H ) 是点在像上的投影吗一个基于变换矩阵H
D ( p 我 b , p j b ) 是图像上两点对之间的距离吗b
t 是阈值
N u 米 点数是多少
距离度量越小,变换矩阵越好,因此投影图像越精确。
估计几何变换块支持金宝app无反射相似,仿射,射影转换类型,将在本节中进行描述。
无反射相似转换支持平移、旋转和各向同性缩金宝app放。它有四个自由度,需要两对点。
变换矩阵为: H = [ h 1 − h 2 h 2 h 1 h 3. h 4 ]
点的投影 [ x y ] 通过 H 是: [ x ^ y ^ ] = [ x y 1 ] H
仿射除了非反射相似变换支持的所有变金宝app换外,变换还支持非各向同性缩放。它有六个自由度,可以由三对非共线点决定。
变换矩阵为: H = [ h 1 h 4 h 2 h 5 h 3. h 6 ]
射影除了仿射变换支持的所有变换外,金宝app变换还支持倾斜。
变换矩阵为: h = [ h 1 h 4 h 7 h 2 h 5 h 8 h 3. h 6 h 9 ]
点的投影 [ x y ] 通过 H 用齐次坐标表示为: [ u ^ v ^ w ^ ] = [ x y 1 ] H
为了计算的简单和效率,这个块使用代数距离。一对点的代数距离, [ x 一个 y 一个 ] T 在图像一个,和 [ x b y b ] 在图像b根据变换 H , 定义如下;
射影变换:
D ( p 我 b , ψ ( p 我 一个 : H ) ) = ( ( u ^ 一个 − w ^ 一个 x b ) 2 + ( v ^ 一个 − w ^ 一个 y b ) 2 ) 1 2 ,在那里 [ u ^ 一个 v ^ 一个 w ^ 一个 ] = [ x 一个 y 一个 1 ] H
对于非反射相似性或仿射变换: D ( p 我 b , ψ ( p 我 一个 : H ) ) = ( ( x ^ 一个 − x b ) 2 + ( y ^ 一个 − y ^ b ) 2 ) 1 2 ,
在哪里 [ x ^ 一个 y ^ 一个 ] = [ x 一个 y 一个 1 ] H
块执行比较并重复它K连续变换矩阵之间的次数。如果您选择找到并排除异常值选项,RANSAC和最小中值平方(LMS)算法就可用了。这些算法计算和比较距离度量。产生较小距离度量的变换矩阵成为下一个比较使用的新变换矩阵。最终变换矩阵解为:
K进行随机抽样的次数
RANSAC算法,当有足够数量的内嵌点对可以被映射时,(动态更新K)
估计几何变换算法遵循以下步骤:
一个变换矩阵 H 初始化为零
集数= 0(随机抽样)。
数= 0
而数< K,在那里K为要执行的随机抽样总数,执行如下;
数< K
K
增量计数;Count = Count + 1.
Count = Count + 1
从图像中随机选择一对点一个和b(非反射相似性2对,仿射相似性3对,射影相似性4对)。
计算变换矩阵 H ,从选定的点。
如果 H 距离度量是否小于 H ,然后替换 H 与 H .
(只适用于RANSAC算法)
更新K动态。
如果可以映射足够多的点对,则退出采样循环 H .
使用图像中的所有点对一个和b它可以被映射 H 计算一个精炼的变换矩阵 H
迭代优化(RANSAC和LMS算法可选)
表示可被映射的所有点对 H 内围层。
使用内嵌点对来计算变换矩阵 H .
如果 H 距离度量是否小于 H ,然后替换 H 与 H ,否则退出循环。
随机抽样的数量可以由用户指定的RANSAC和最小中位数平方算法。您可以使用RANSAC算法的一个附加选项,它根据精确度要求计算这个数字。的理想的信心水平驱动精度。
随机抽样的计算次数,K与RANSAC算法一起使用,其结果如下:
K = 日志 ( 1 − p ) 日志 ( 1 − 问 年代 )
在哪里
p为独立点对属于最大组的概率,可由同一变换映射。概率是动态计算的基础上的数目内嵌发现与总点数。随着概率的增加,抽样的数量,K,减少。
问是找到能被相同变换映射的最大群的概率。
对于非反射相似、仿射和投影变换,s分别等于值2、3或4。
从所有嵌线计算出的变换矩阵可以用来计算精炼的变换矩阵。然后用精炼的变换矩阵找到一组新的嵌线。这个过程可以重复,直到变换矩阵不能进一步改进为止。这种迭代优化是可选的。
[1] R. Hartley和A. Ziserman,“计算机视觉中的多视图几何”,第二版,剑桥大学出版社,2003
cp2tform
有一个对应于MATLAB的代码:
把它扔进introduciéndolo然后把它扔进MATLAB。Los navegadores web no admit comandos de MATLAB。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系