测试opencv-wwarpAffine的异常值数量

Testing number of outliers of opencv warpAffine

本文关键字：异常 opencv-wwarpAffine 测试更新时间：2023-10-16

我正在使用opencv来估计两个图像之间的仿射变换（我们称之为A和B，我想从A到B进行估计），我需要实现RANSAC以获得尽可能好的估计。到目前为止，我的RANSAC框架（考虑到我已经有了两个图像的关键点以及它们之间的匹配）：

1：选择3个随机匹配，使用A和B的匹配点作为函数getAffineTransform的输入；

2：使用函数warpAffine对来自A的点进行扭曲，并将结果与B的点进行比较，得到异常值率：e；

3：考虑到我的样本大小是3个点（getAffineTransform需要3个点来找到变换），并且我有异常值的比率e，我可以找到我需要运行RANSAC的次数，以便有很高的概率找到一个好的估计，即N次；

4：重新运行步骤1和2 N次，保持变换具有最小的异常率；

虽然基本的想法似乎很好，但我在执行方面遇到了一些麻烦，特别是第2步。我的问题是，我不确定如何测试异常值的数量。我曾想过用warpAffine将A的点映射到B，但我几乎可以肯定它不会起作用，因为我相信函数会将我的点的Mat（这是一个Mx2 Mat，m是点的数量，每列是点的坐标x和y）解释为图像，而不是我想要映射的一组点。我该怎么做？

我使用的是带有c++的opencv 2.4.2。

在回答我自己的问题时，我实际上找到了一种方法。我不确定这是最好的方法，但根据我迄今为止所做的测试，它似乎运行良好。

如本文所述

http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/warp_affine/warp_affine.html#warp-仿射

仿射变换是一种可以表示为矩阵相乘的变换。因此，应用变换只需将我的点乘以从getAffineTransform得到的矩阵。在映射单个点之前，我们需要将"1"附加到要映射的点并转置它（因此我们有列向量），然后通过将其乘以变换矩阵来进行映射。如果我们将Mx2点矩阵转换为形式为的3xM点矩阵，我们可以很容易地将这种映射扩展到每个点

|x1, x2, x3, ...., xM|
|y1, y2, y3, ...., yM|
| 1,  1,  1, ....,  1|

并将其乘以变换矩阵！稍后我可能会用我制作的一个简单的测试程序来编辑这篇文章，以展示它是如何工作的。

此外，为了附加这个1的矢量并将其转座，我正在做以下操作：

1 - Create a new 3 x M matrix consisting of ones with Mat::ones, named newPtMat
2 - transpose my original point matrix, and keep it in a temp Mat
3 - use temp.copyTo(newPtMat.rowRange(0, 2)

我不确定这是最有效的方法，所以如果有人有更好的建议，请留言评论！

有一个名为"findTransformsACC"的新函数可用于查找两张图片之间的仿射变换扭曲矩阵，http://docs.opencv.org/3.0-beta/modules/video/doc/motion_analysis_and_object_tracking.html#findtransformecc

我认为它在Opencv 3.0+

中可用