Python 如何对压缩图像使用cv2.findHomography（）

我正在使用opencv的python绑定。我使用关键点检测和描述（即SURF、SIFT等）查找目标图像中包含的模板图像，但有一个缺点：模板可以在目标图像中“压缩”，因此纵横比与目标图像不同

这不适用于findHomography（），因为它假定一个简单的透视变换，而透视变换不能进行这种拉伸

有没有办法做到这一点？我曾考虑过以不同的量递增拉伸目标图像以改变纵横比，并在每次迭代中使用findHomography，但据我所知，无法比较拟合的质量（因为我使用RANSAC来找到最佳拟合），因此我无法判断它最适合哪种挤压级别

也许通过查看返回的掩码的长度来计算与RANSAC正确匹配的点数？这看起来有点恶心

这不适用于findHomography（），因为它假定一个简单的透视变换，而透视变换不能进行这种拉伸

事实并非如此；即使是仿射扭曲也包括剪切变形，同音字通过非均匀变形来扩展这种变形。例如，由矩阵给出的仿射变换

2 0 0
0 1 0

将图像水平拉伸两倍，如本短程序所示：

import cv2
import numpy as np

img = cv2.imread('lena.png')
affine_warp = np.array([[2, 0, 0], [0, 1, 0]], dtype=np.float32)
dsize = (img.shape[1]*2, img.shape[0])
warped_img = cv2.warpAffine(img, affine_warp, dsize)

cv2.imshow("2x Horizontal Stretching", warped_img)
cv2.waitKey(0)

产生产出：

---

所以这不是你的问题。同音字允许更强烈的扭曲。您是自己运行

RANSAC

还是让

findHomography（）

函数通过

RANSAC

决定您的分数？请发布您的预期输出和当前代码，可能是一个反映您所面临问题的新问题。

谢谢，您完全正确。我的代码工作正常，当我认为我的图像被拉伸时，我错了，它们实际上只是在侧面填充了一些额外的东西。我误解了维基百科关于单应性的文章，它说单应性与“同一平面上的任何两个图像”有关，我认为这意味着在一个平面上有相同的图像。我没有意识到它也可以对仿射变换进行编码。谢谢