本練習程式是受到了這個老外博文的啟發,感覺挺有意思,就嘗試了一下。他用的是opencv,我這裡用的是matlab。
過去寫過透視投影,當時是用來做傾斜校正的,這次同樣用到了透視投影,不過更有意思,是將一張影象貼到另一張影象上。
兩個透視投影都需要先計算投影矩陣,傾斜校正那一篇是通過解線性方程組求的變換矩陣,而這一篇是通過奇異值分解求的變換矩陣。
為了對齊兩張影象,還需要對投影后的影象做一次仿射變換,其實就是座標平移。
這裡做投影和仿射直接呼叫了matlab的系統函式,方便一些。
還是先介紹下如何投影吧:
比如我們解單應性方程組或奇異值分解得到了投影矩陣:
那麼變換方程就可以寫為:
其中,x,y為原影象畫素座標,X,Y為目標影象畫素座標。
做一些正反點匹配變換的時候我會用這個公式,不過大多數情況下在做影象投影的時候,我並不用上面的公式,而是用下面這個公式:
其中,x,y為原影象畫素座標,X,Y為目標影象畫素座標。
第一個公式計算後影象會出現空洞,第二個公式計算量明顯變大了,各有利弊吧。
這麼複雜的一個公式,我可推不出來,是用Mathematica推的,這個軟體真是極大的提高了我的效率。
話說matlab應該也能推,不過matlab的符號計算畢竟不是強項,我也就沒去了解matlab的這項功能。
看看效果吧。
原圖:
廣告牌:
結果:
matlab程式碼如下:
main.m
clear all;close all;clc; img1=imread('lena.jpg'); [h1 w1]=size(img1); mask=uint8(ones(h1,w1)); %二值模板,方便最後的合成 img2=imread('pai.jpg'); [h2 w2]=size(img2); imshow(img1); figure;imshow(img2); p1=[1,1;w1,1;1,h1;w1,h1]; p2=ginput(); %依次點選公告牌左上、右上、左下、右下 T=calc_homography(p1,p2); %計算單應性矩陣 T=maketform('projective',T); %投影矩陣 [imgn X Y]=imtransform(img1,T); %投影 mask=imtransform(mask,T); T2=eye(3); if X(1)>0, T2(3,1)= X(1); end if Y(1)>0, T2(3,2)= Y(1); end T2=maketform('affine',T2); %仿射矩陣 imgn=imtransform(imgn,T2,'XData',[1 w2],'YData',[1 h2]); %仿射 mask=imtransform(mask,T2,'XData',[1 w2],'YData',[1 h2]); img=img2.*(1-mask)+imgn.*mask; %合成 figure;imshow(img,[])
calc_homography
function T = calc_homography(points1, points2) xaxb = points2(:,1) .* points1(:,1); xayb = points2(:,1) .* points1(:,2); yaxb = points2(:,2) .* points1(:,1); yayb = points2(:,2) .* points1(:,2); A = zeros(size(points1, 1)*2, 9); A(1:2:end,3) = 1; A(2:2:end,6) = 1; A(1:2:end,1:2) = points1; A(2:2:end,4:5) = points1; A(1:2:end,7) = -xaxb; A(1:2:end,8) = -xayb; A(2:2:end,7) = -yaxb; A(2:2:end,8) = -yayb; A(1:2:end,9) = -points2(:,1); A(2:2:end,9) = -points2(:,2); [junk1,junk2,V] = svd(A); h = V(:,9) ./ V(9,9); T= reshape(h,3,3); end