如何

Question

我使用Python绑定的OpenCV与压缩图像使用cv2.findHomography（）。我正在使用关键点检测和描述（即SURF，SIFT，...）来查找目标图像中包含的模板图像，但有一个问题：模板可能会被“挤压”在目标图像中，比率与目标图像不同。

这不会findHomography（）的工作，因为它假设一个简单的透视变换，不能有这种拉伸。

有什么方法可以做到这一点？我曾经想过增量扩展目标图像的数量以改变宽高比，并且在每次迭代时使用findHomography，但据我所知，没有办法比较拟合的质量（因为我使用RANSAC找到最合适的），所以我不能说出它最适合的挤压水平。

计数可能通过查看返回的掩码长度正确地从RANSAC匹配点的数量？这看起来很糟糕。

Answer 1

这不适用于findHomography（），因为它假定了一个简单的透视变换，它不能进行这种拉伸。

这是不正确的;即使是仿射变形也包括stretching the aspect ratios甚至剪切变形，并且单应性甚至通过非均匀变形来扩大这种变形。例如，仿射变换由矩阵

2 0 0 
0 1 0 

将由两个因素水平拉伸的图像给定，与此短节目看出：

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) 

产生输出：

所以这不是你的问题。同形异形允许更强的翘曲。你运行RANSAC自己或让findHomography()功能通过RANSAC决定你的观点？请发布您的预期输出和您当前的代码，可能在一个反映您遇到的问题的新问题中。