Оценка геометрического преобразования по совпадающим парам точек
tform = estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)tform. tform возразите сопоставляет inliers в matchedPoints1 к inliers в matchedPoints2.
Функция исключает выбросы с помощью Демонстрационного Согласия M-средства-оценки (MSAC) алгоритм. Алгоритм MSAC является вариантом Согласия Случайной выборки (RANSAC) алгоритм. Результаты не могут быть идентичными между запусками из-за рандомизированной природы алгоритма MSAC.
Примечание
Эта функция будет удалена в будущем релизе. Используйте estimateGeometricTransform2d или estimateGeometricTransform3d функция, которые предлагают большую функциональность.
[ возвращает соответствующие точки inlier в tform,inlierpoints1,inlierpoints2]
= estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)inlierpoints1 и inlierpoints2.
[___, возвращает код статуса status] = estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)0, 1, или 2. Если вы не запрашиваете status код вывел, функция возвращает ошибку для условий, которые не могут привести к результатам.
[___] = estimateGeometricTransform( дополнительные опции использования заданы одним или несколькими matchedPoints1,matchedPoints2,transformType, Name,Value)Name,Value парные аргументы.
Считайте изображение и отобразите его.
original = imread('cameraman.tif'); imshow(original) title('Base Image')
Исказите и отобразите преобразованное изображение.
distorted = imresize(original,0.7);
distorted = imrotate(distorted,31);
figure
imshow(distorted)
title('Transformed Image')
Обнаружьте и извлеките функции из оригинала и преобразованных изображений.
ptsOriginal = detectSURFFeatures(original); ptsDistorted = detectSURFFeatures(distorted); [featuresOriginal,validPtsOriginal] = extractFeatures(original,ptsOriginal); [featuresDistorted,validPtsDistorted] = extractFeatures(distorted,ptsDistorted);
Совпадайте и отобразите функции между изображениями.
index_pairs = matchFeatures(featuresOriginal,featuresDistorted);
matchedPtsOriginal = validPtsOriginal(index_pairs(:,1));
matchedPtsDistorted = validPtsDistorted(index_pairs(:,2));
figure
showMatchedFeatures(original,distorted,matchedPtsOriginal,matchedPtsDistorted)
title('Matched SURF Points With Outliers');
Исключите выбросы, оцените матрицу преобразования и отобразите результаты.
[tform,inlierIdx] = estimateGeometricTransform2D(matchedPtsDistorted,matchedPtsOriginal,'similarity'); inlierPtsDistorted = matchedPtsDistorted(inlierIdx,:); inlierPtsOriginal = matchedPtsOriginal(inlierIdx,:); figure showMatchedFeatures(original,distorted,inlierPtsOriginal,inlierPtsDistorted) title('Matched Inlier Points')
Используйте предполагаемое преобразование, чтобы восстановить и отобразить оригинальное изображение из искаженного изображения.
outputView = imref2d(size(original)); Ir = imwarp(distorted,tform,'OutputView',outputView); figure imshow(Ir); title('Recovered Image');
matchedPoints1 — Совпадающие точки от изображения 1cornerPoints возразите | SURFPoints возразите | MSERRegions возразите | ORBPoints возразите | BRISKpoints | KAZEPoints | M-by-2 матрица [x, y] координатыСовпадающие точки от изображения 1 в виде любого KAZEPoints, cornerPoints объект, SURFPoints объект, MSERRegions объект, ORBPoints объект, BRISKPointsили M-by-2 матрица [x, y] координаты. Функция исключает выбросы с помощью Демонстрационного Согласия M-средства-оценки (MSAC) алгоритм. Алгоритм MSAC является вариантом Согласия Случайной выборки (RANSAC) алгоритм.
matchedPoints2 — Совпадающие точки от изображения 2cornerPoints возразите | SURFPoints возразите | MSERRegions возразите | ORBPoints возразите | BRISKpoints | KAZEPoints | M-by-2 матрица [x, y] координатыСовпадающие точки от изображения 2 в виде любого KAZEPoints, cornerPoints объект, SURFPoints объект, MSERRegions объект, ORBPoints объект, BRISKPointsили M-by-2 матрица [x, y] координаты. Функция исключает выбросы с помощью Демонстрационного Согласия M-средства-оценки (MSAC) алгоритм. Алгоритм MSAC является вариантом Согласия Случайной выборки (RANSAC) алгоритм.
transformType — Преобразуйте тип'similarity' | 'affine' | 'projective'Преобразуйте тип в виде одной из трех символьных строк. Можно установить тип преобразования на любой 'similarity', 'affine', или 'projective'. Чем больше количество совпадающих пар точек, тем больше точность предполагаемого преобразования. Минимальное количество совпадающих пар точек для каждого преобразовывает тип:
| Преобразуйте тип | Минимальное количество совпадающих пар точек |
|---|---|
'similarity' | 2 |
'affine' | 3 |
'projective' | 4 |
Типы данных: char
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'Confidence',9999.'MaxNumTrials' — Максимальные случайные испытанияМаксимальное количество случайных испытаний за нахождение inliers в виде разделенной запятой пары, состоящей из 'MaxNumTrials'и положительный целочисленный скаляр. Увеличение этого значения улучшает робастность результатов за счет дополнительных расчетов.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'Confidence' — Доверие нахождения максимального количества inliersДоверие нахождения максимального количества inliers в виде разделенной запятой пары, состоящей из 'Confidence'и числовой скаляр процента в области значений (0 100). Увеличение этого значения улучшает робастность результатов за счет дополнительных расчетов.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'MaxDistance' — Максимальное расстояние от точки до проекцииМаксимальное расстояние в пикселях, от точки до проекции ее соответствующей точки в виде разделенной запятой пары, состоящей из 'MaxDistance'и положительный числовой скаляр. Соответствующая проекция основана на предполагаемом преобразовании.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
[1] Хартли, R. и А. Зиссермен, "Несколько просматривают геометрию в компьютерном зрении", издательство Кембриджского университета, 2003.
[2] Торр, P. H. S. и А. Зиссермен, "MLESAC: новое устойчивое средство оценки с приложением к оценке геометрии изображений", компьютерное зрение и распознавание изображений, 2000.
BRISKPoints | cornerPoints | detectFASTFeatures | detectMinEigenFeatures | detectMSERFeatures | detectORBFeatures | detectSURFFeatures | estimateFundamentalMatrix | extractFeatures | fitgeotrans | KAZEPoints | matchFeatures | MSERRegions | ORBPoints | SURFPoints