Image processing 计算OpenCV的目标点'；s findHomography

编辑：我现在发现了这个类似的问题，并给出了非常详细的答案：

---

我正在使用OpenCV的

findHomography（）

和

warpPerspective（）

方法来“反扭曲”一张纸的照片。我已经基本上完成了，但我还停留在一个细节上

我不明白的部分是如何计算要输入到

findHomography（）

的最佳目标点集。我知道我希望我的输出是矩形的，但我不知道矩形的宽高比。我还希望输出矩形的大小能够使通过

warpprospective（）

应用变换时输出图像的缩放最小。我所拥有的只是四个点，它们构成了我想要在源图像中变换的四边形。如何计算最佳大小的目标矩形？

使用

findHomography（）

方法将需要四个点（如果使用直接线性变换）。如果你想要一个最佳的集合，你需要一个4点集合，DLT的单应性使重投影误差最小。我的意思是，您需要一种方法来检测特定数学模型的内部变量/异常值

这个方法是RANSAC，OpenCV实现了它。您将发现

findhomography（）

与RANSAC组合的示例

---

我个人发现了一个问题，那就是OpenCV中RANSAC的迭代次数太高了。如果您正在寻找最佳速度，则必须深入了解代码。

重复此问题：谢谢；好消息。但不是我需要的；我的主要需要是找到输出矩形的W与H的比率，我在找到并标记的类似问题中找到了答案。