Image processing 如何获得缩放、旋转和缩放;特征跟踪后的翻译?
我已经实现了一个Kanade–Lucas–Tomasi特性跟踪器。我在两张照片上使用了它,它们显示了相同的场景,但相机在拍照之间移动了一点 结果我得到了特征的坐标。例如:Image processing 如何获得缩放、旋转和缩放;特征跟踪后的翻译?,image-processing,computer-vision,feature-extraction,Image Processing,Computer Vision,Feature Extraction,我已经实现了一个Kanade–Lucas–Tomasi特性跟踪器。我在两张照片上使用了它,它们显示了相同的场景,但相机在拍照之间移动了一点 结果我得到了特征的坐标。例如: 1. Picture: | feature | (x,y)=val | |---------|-----------------| | 1 | (436,349)=33971 | | 2 | (440,365)=29648 | | 3 | ( 36,290)=29562 | 2
1. Picture:
| feature | (x,y)=val |
|---------|-----------------|
| 1 | (436,349)=33971 |
| 2 | (440,365)=29648 |
| 3 | ( 36,290)=29562 |
2nd Picture:
| feature | (x,y)=val |
|---------|--------------|
| 1 | (443.3,356.0)=0 |
| 2 | (447.6,373.0)=0 |
| 3 | ( -1.0, -1.0)=-4 |
所以我知道特征1和2在两幅图像中的位置,并且在第二幅图像中找不到特征3。要素1和要素2的坐标不一样,因为相机放大了一点并且也移动了
哪种算法适用于获取两幅图像之间的比例、旋转和平移?是否有一个稳健的算法,也考虑了异常值?如果你不知道图像之间发生了什么移动,那么你需要计算它们之间的单应性。然而,单应性需要计算4个点 如果两幅图像中有4个点相对位于一个平面上(同一平面,例如窗口),则可以按照中的步骤计算将在图像之间变换的单应矩阵 请注意,虽然旋转和平移可能发生在两个图像之间,但它们也可能是从不同角度拍摄的。如果发生这种情况,那么单应是您唯一的选择。相反,如果图像确实只是旋转和平移(例如2个卫星图像),则您可能会找到其他方法,但单应性也会有所帮助
警告:这些步骤仅在特征来自不同深度平面且覆盖广阔视野时有效。如果所有特征都位于一个平面上,则应估计单应性并尝试将其分解 这个问题太宽泛了。建议你阅读一些关于“运动结构”的参考资料,并重新聚焦。