当前位置：首页 > news >正文

OpenCV视觉分析之目标跟踪(10)估计两个点集之间的刚性变换函数estimateRigidTransform的使用

news 2024/11/5 15:37:18

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

计算两个2D点集之间的最优仿射变换
estimateRigidTransform 是 OpenCV 中的一个函数，用于估计两个点集之间的刚性变换（即平移和旋转）。这个函数在计算机视觉中常用于图像配准、运动估计等任务。

该函数找到一个最优的仿射变换 [A|b]（一个 2x3 的浮点矩阵），该变换最佳地逼近两个点集之间的仿射变换。

两个点集

两个栅格图像。在这种情况下，函数首先在 src 图像中找到一些特征，并在 dst 图像中找到对应的特征。之后，问题就简化为第一种情况。
在点集的情况下，问题表述如下：你需要找到一个 2x2 矩阵 A 和一个 2x1 向量 b，使得：
$[A^*|b^*] = arg \min _{[A|b]} \sum _i \| \texttt{dst}[i] - A { \texttt{src}[i]}^T - b \| ^2$
其中 src[i] 和 dst[i] 分别是 src 和 dst 中的第 i 个点。[A|b] 可以是任意的（当 fullAffine=true 时），或者具有以下形式：
$\begin{bmatrix} a_{11} & a_{12} & b_1 \\ -a_{12} & a_{11} & b_2 \end{bmatrix}$
当 fullAffine=false 时。

函数原型

Mat cv::estimateRigidTransform	
(InputArray 	src,InputArray 	dst,bool 	fullAffine 
)

参数

参数src：第一个输入的2D点集，存储在 std::vector 或 Mat 中，或存储在 Mat 中的图像。
参数dst：第二个输入的2D点集，与 src 大小和类型相同，或另一个图像。
参数fullAffine：如果为 true，函数将寻找一个没有额外限制的最优仿射变换（6个自由度）。否则，可选择的变换类别仅限于平移、旋转和均匀缩放的组合（4个自由度）

代码示例


#include <iostream>
#include <opencv2/opencv.hpp>using namespace cv;
using namespace std;int main()
{// 创建源图像Mat src_image = Mat::zeros( 300, 300, CV_8UC3 );rectangle( src_image, Point( 50, 50 ), Point( 150, 150 ), Scalar( 255, 0, 0 ), -1 );circle( src_image, Point( 200, 200 ), 50, Scalar( 0, 255, 0 ), -1 );// 创建目标图像Mat dst_image = Mat::zeros( 300, 300, CV_8UC3 );Mat M         = getRotationMatrix2D( Point( 150, 150 ), 45, 1.0 );  // 旋转45度M.at< double >( 0, 2 ) += 50;                                       // 平移50个像素M.at< double >( 1, 2 ) += 50;                                       // 平移50个像素warpAffine( src_image, dst_image, M, dst_image.size() );// 显示生成的图像imshow( "Source Image", src_image );imshow( "Destination Image", dst_image );// 提取特征点vector< Point2f > src_points = { { 50, 50 }, { 150, 50 }, { 50, 150 }, { 200, 200 } };vector< Point2f > dst_points = { { 100, 100 }, { 200, 100 }, { 100, 200 }, { 250, 250 } };// 估计刚性变换矩阵Mat rigid_transform = estimateRigidTransform( src_points, dst_points, false );if ( rigid_transform.empty() ){cerr << "Error: Could not estimate rigid transform." << endl;return -1;}// 输出变换矩阵cout << "Rigid Transform Matrix:\n" << rigid_transform << endl;// 应用变换Mat transformed_image;warpAffine( src_image, transformed_image, rigid_transform, dst_image.size() );// 显示结果imshow( "Transformed Image", transformed_image );waitKey( 0 );return 0;
}