使用自动功能匹配查找图像旋转和刻度

打开脚本

此示例显示如何自动确定一对图像之间的几何变换。当一个图像通过旋转和缩放相对于另一个图像被扭曲时，使用探测拍摄和estimateGeometricTransform2d.找到旋转角度和比例因子。然后，您可以转换扭曲的图像以恢复原始图像。

第1步：读取图像

将图像带入工作区。

原始= imread（'cameraman.tif'）;imshow（原创）;文字（尺寸（原件，2），尺寸（原版，1）+15，......“图片由马萨诸塞州理工学院提供”那......'字体大小'7，'水平对齐'那'正确的'）;

第2步：调整大小并旋转图像

Scale = 0.7;j = imresize（原始，规模）;％尝试改变比例因子。θ= 30;扭曲= imrotate（j，θ）;％尝试改变角度，θ。图，imshow（扭曲）

您可以通过改变输入图像的比例和旋转来进行实验。但请注意，在特征检测器无法找到足够的功能之前，您可以在尺度上变化的数量限制。

第3步：查找图像之间的匹配功能

检测两个图像中的特征。

ptsoriginal =探测器（原版）;ptsdistorted =检测到（扭曲）;

提取功能描述符。

[特征诡计，validptsoriginal] =提取物（原始，冒号）;[具有截图，validptsdistorted] =提取物（扭曲，ptordistored）;

使用其描述符匹配功能。

IndexPairs = MatchFeatures（特点，具有特色）;

检索每个图像的对应点的位置。

matchedoriginal = validptsoriginal（indexpairs（：，1））;matcheddistored = validptsdistorted（indexPairs（:,2））;

显示推定点匹配。

数字;ShowMatchedFeatures（原版，扭曲，Matchedoriginal，MatchedDistorted）;标题（'提供匹配的积分（包括异常值）'）;

第4步：估计转型

使用统计上鲁棒的M估计的样本共识（MSAC）算法找到与匹配点对对应的转换，这是RANSAC算法的变型。计算转换矩阵时，它会删除异常值。由于MSAC算法采用的随机采样，您可能会看到变换计算的变化结果。

[tform，inlieridx] = estimateGeometricTransform2D（......matcheddistorted，matchedoriginal，'相似'）;Inlierdistorted = matchedDistorted（Inlieridx，:);Inlieriginal = MatchedOriginal（Inlieridx，:);

显示匹配点对用于计算转换。

数字;ShowMatchedFeatures（原始，扭曲，inlieriginal，Inlierdistort）;标题（'匹配点（仅限最基于）'）;传奇（'ptsoriginal'那'ptsdistorted'）;

第5步：解决规模和角度

使用几何变换，tform，恢复比例和角度。由于我们从扭曲到原始图像的转换，我们需要计算其反向恢复失真的反向。

让sc = s * cos（theta）让ss = s * sin（θ）

然后，TINV = [SC -SS 0;ss sc 0;TX TY 1]

其中tx和ty分别是x和y翻译。

计算逆变换矩阵。

tinv = tform.invert.t;ss = tinv（2,1）;sc = tinv（1,1）;scalerecovered = sqrt（ss * ss + sc * sc）thetarecovered = atan2（ss，sc）* 180 / pi

scalerecovered =单个0.7010 Thetarecovered =单身30.2351

恢复的值应符合所选的比例和角度值第2步：调整大小并旋转图像。

第6步：恢复原始图像

通过转换扭曲的图像来恢复原始图像。

OutputView = IMREF2D（大小（原始））;恢复= imwarp（扭曲，tform，'OutputView'，OutputView）;

比较恢复至原来的通过在蒙太奇中并排看他们。

图，imshowpair（原始，恢复，'剪辑'）

这恢复（右）图像质量不匹配原来的（左）图像由于失真和恢复过程。特别地，图像缩小导致信息损失。边缘周围的伪影是由于变换的有限精度。如果你要检测更多要点第3步：查找图像之间的匹配功能，转型将更加准确。例如，我们可以使用拐角探测器检测到，以补充找到斑点的冲浪特征检测器。图像内容和图像大小也影响了检测到的功能的数量。