Esiste una soluzione semplice per trovare la trasformazione Affine per il sistema di equazioni eccessivamente determinate.
- noti che, in generale, una trasformazione affine trova una soluzione al sistema sovra-determinato di equazioni lineari Ax = B utilizzando una pseudo-inversa o una tecnica simile, così
x = (AA t) -1 un t B
Inoltre, questo viene gestito nella funzionalità di base OpenCV da una semplice chiamata per risolvere (a, B, X).
Familiarizzare con il codice di trasformazione affine in OpenCV/modules/ImgProc/src/imgwarp.cpp: lo fa davvero solo due cose:
a. riordina gli ingressi per creare un sistema Ax = B;
b. quindi chiama solve (A, B, X);
NOTA: ignorare i commenti funzione nel codice OpenCV - sono confuse e non riflettono l'ordinamento effettivo degli elementi nelle matrici. Se si sta risolvendo [u, v]’= Affine * [x, y, 1] il riarrangiamento è:
x1 y1 1 0 0 1
0 0 0 x1 y1 1
x2 y2 1 0 0 1
A = 0 0 0 x2 y2 1
x3 y3 1 0 0 1
0 0 0 x3 y3 1
X = [Affine11, Affine12, Affine13, Affine21, Affine22, Affine23]’
u1 v1
B = u2 v2
u3 v3
Tutto quello che dovete fare è aggiungere più punti. Per fare in modo che Solve (A, B, X) funzioni su un sistema sovradeterminato, aggiungi il parametro DECOMP_SVD. Per vedere le diapositive di PowerPoint sull'argomento, usa questo link. Se desideri saperne di più sulla pseudo-inversa nel contesto della visione artificiale, la migliore fonte è: ComputerVision, vedi capitolo 15 e appendice C.
Se non sei ancora sicuro di come aggiungere altri punti vedi il mio codice qui sotto:
// extension for n points;
cv::Mat getAffineTransformOverdetermined(const Point2f src[], const Point2f dst[], int n)
{
Mat M(2, 3, CV_64F), X(6, 1, CV_64F, M.data); // output
double* a = (double*)malloc(12*n*sizeof(double));
double* b = (double*)malloc(2*n*sizeof(double));
Mat A(2*n, 6, CV_64F, a), B(2*n, 1, CV_64F, b); // input
for(int i = 0; i < n; i++)
{
int j = i*12; // 2 equations (in x, y) with 6 members: skip 12 elements
int k = i*12+6; // second equation: skip extra 6 elements
a[j] = a[k+3] = src[i].x;
a[j+1] = a[k+4] = src[i].y;
a[j+2] = a[k+5] = 1;
a[j+3] = a[j+4] = a[j+5] = 0;
a[k] = a[k+1] = a[k+2] = 0;
b[i*2] = dst[i].x;
b[i*2+1] = dst[i].y;
}
solve(A, B, X, DECOMP_SVD);
delete a;
delete b;
return M;
}
// call original transform
vector<Point2f> src(3);
vector<Point2f> dst(3);
src[0] = Point2f(0.0, 0.0);src[1] = Point2f(1.0, 0.0);src[2] = Point2f(0.0, 1.0);
dst[0] = Point2f(0.0, 0.0);dst[1] = Point2f(1.0, 0.0);dst[2] = Point2f(0.0, 1.0);
Mat M = getAffineTransform(Mat(src), Mat(dst));
cout<<M<<endl;
// call new transform
src.resize(4); src[3] = Point2f(22, 2);
dst.resize(4); dst[3] = Point2f(22, 2);
Mat M2 = getAffineTransformOverdetermined(src.data(), dst.data(), src.size());
cout<<M2<<endl;
Forse [estimateRigidTransform] (http://docs.opencv.org/modules/video/doc/motion_analysis_and_object_tracking.html # estimaterigidtransform) si adatta alle tue esigenze. – cgat