OpenCV（Python）中cv2.findHomography的输出

我在Python中使用OpenCV的findHomography函数（带有RANSAC）来查找两组点之间的转换

从图中可以看出，输出是一个掩码和一个变换矩阵

文档中不清楚掩码代表什么，以及矩阵是如何构造的

输出掩码中的1是适合找到的转换的点还是被忽略的点？ 你能解释一下3x3输出转换矩阵的构成吗

---

提前感谢，如果我错过了一些说明这一点的文档，请原谅。

那么，您需要如何处理该面具？因为这个字段是不需要的，所以你不需要放置任何掩码

至于结果矩阵。它被称为

单应

矩阵或

H

矩阵，表示图像平面中的一个点到另一个图像平面中相同点的变换

 X1 = H * X2

点

X1

是不同平面中的同一点（

X2

）

---

所以H矩阵基本上是描述图像1中的一个点如何匹配图像2中的一个点。

那么你需要如何处理掩模呢？因为这个字段是不需要的，所以你不需要放置任何掩码

至于结果矩阵。它被称为

单应

矩阵或

H

矩阵，表示图像平面中的一个点到另一个图像平面中相同点的变换

 X1 = H * X2

点

X1

是不同平面中的同一点（

X2

）

---

因此，H矩阵基本上是描述图像1中的一个点如何匹配图像2中的一个点。

基于我有限的搜索，findHomography（）返回的“mask”具有内部值和外部值的状态。也就是说，它是一个矩阵，表示在找到对象的单应性后的匹配

回答你的第一个问题

---

解决什么是掩码以及它的维度。

根据我的有限搜索，findHomography（）返回的“掩码”具有内部值和外部值的状态。也就是说，它是一个矩阵，表示在找到对象的单应性后的匹配

回答你的第一个问题

---

说明什么是掩码及其尺寸。

不要忘记单击帖子旁边的空复选标记。如果你喜欢这个答案，那就是。有部分答案。别忘了单击帖子旁边的空复选标记。如果你喜欢这个答案，那就是。有一部分答案。谢谢Jay-我之所以想看到掩码和矩阵的输出，是因为我有多个图像，我比较了我的查询图像，我想看看哪个提供了最佳匹配。对于H矩阵，哪些是比例、旋转等值？H矩阵是旋转。如果您手动输入匹配点，则会为您进行缩放。不需要做任何其他事情。只需将H矩阵插入到

cv:：warpedPerspective

中，您就可以将扭曲的图像1插入到图像2框架中。了解哪些内联线导致单应性很重要。在决定哪些图像重叠时，图像拼接非常重要。如果这个答案提到了面具的用途，而不是完全否定它，那就更好了。虽然扭曲图像可能不需要它，但最初的问题是问这个答案没有解决的掩码是什么。仅供参考，

H

不仅仅是一个“轮换”。这是一个平面到平面的映射。在特殊情况下，单应矩阵确实简化为旋转矩阵，但通常情况下并非如此。感谢Jay-我希望看到掩码和矩阵的输出的原因是，我有多个图像，我将我的查询图像与之进行比较，我希望看到哪一个提供了最佳匹配。对于H矩阵，哪些是比例、旋转等值？H矩阵是旋转。如果您手动输入匹配点，则会为您进行缩放。不需要做任何其他事情。只需将H矩阵插入到

cv:：warpedPerspective

中，您就可以将扭曲的图像1插入到图像2框架中。了解哪些内联线导致单应性很重要。在决定哪些图像重叠时，图像拼接非常重要。如果这个答案提到了面具的用途，而不是完全否定它，那就更好了。虽然扭曲图像可能不需要它，但最初的问题是问这个答案没有解决的掩码是什么。仅供参考，

H

不仅仅是一个“轮换”。这是一个平面到平面的映射。在特殊情况下，单应矩阵确实简化为旋转矩阵，但通常情况下这是不正确的。这个答案实际上回答了OP关于遮罩的问题，这正是我真正想要的。得票率最高的回答提到忽略不正确的面具。@rayryeng问题解决：）@AlexanderSoare:D。我很惊讶地看到大量的落票。就在几个月前，我对投票率最高的答案发表了评论。@rayryeng的人现在只需要使用同形异义词。现在是2021年这个答案实际上回答了OP关于面具的问题，这正是我想要的。得票率最高的回答提到忽略不正确的面具。@rayryeng问题解决：）@AlexanderSoare:D。我很惊讶地看到大量的落票。就在几个月前，我对投票率最高的答案发表了评论。@rayryeng的人现在只需要使用同形异义词。现在是2021年