Оценка геометрического преобразования на основе совпадающих пар точек
tform = estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)tform. tform объект сопоставляет inliers в matchedPoints1 к входам в matchedPoints2.
Функция исключает отклонения, используя алгоритм SAmple Consensus (MSAC) M-оценщика. Алгоритм MSAC является вариантом алгоритма RANSAC. Результаты не могут быть идентичными между запусками из-за рандомизированного характера алгоритма MSAC.
Примечание
Эта функция будет удалена в следующей версии. Используйте estimateGeometricTransform2d или estimateGeometricTransform3d функции, которые обеспечивают большую функциональность.
[ возвращает соответствующие входные точки в tform,inlierpoints1,inlierpoints2] = estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)inlierpoints1 и inlierpoints2.
[___, возвращает код состояния status] = estimateGeometricTransform(matchedPoints1,matchedPoints2,transformType)0, 1, или 2. Если вы не запрашиваете status вывод кода, функция возвращает ошибку для условий, которые не могут привести к результатам.
[___] = estimateGeometricTransform( использует дополнительные параметры, указанные одним или несколькими matchedPoints1,matchedPoints2,transformType, Name,Value)Name,Value аргументы пары.
Прочтите изображение и отобразите его.
original = imread('cameraman.tif'); imshow(original) title('Base Image')
Искажение и отображение преобразованного изображения.
distorted = imresize(original,0.7);
distorted = imrotate(distorted,31);
figure
imshow(distorted)
title('Transformed Image')
Обнаружение и извлечение элементов из исходного и преобразованного изображений.
ptsOriginal = detectSURFFeatures(original); ptsDistorted = detectSURFFeatures(distorted); [featuresOriginal,validPtsOriginal] = extractFeatures(original,ptsOriginal); [featuresDistorted,validPtsDistorted] = extractFeatures(distorted,ptsDistorted);
Сопоставление и отображение элементов 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 отклонения, оцените матрицу преобразования и просмотрите результаты.
[tform,inlierIdx] = estimateGeometricTransform2D(matchedPtsDistorted,matchedPtsOriginal,'similarity'); inlierPtsDistorted = matchedPtsDistorted(inlierIdx,:); inlierPtsOriginal = matchedPtsOriginal(inlierIdx,:); figure showMatchedFeatures(original,distorted,inlierPtsOriginal,inlierPtsDistorted) title('Matched Inlier Points')
Используйте расчетное преобразование для восстановления и отображения исходного изображения из искаженного изображения.
outputView = imref2d(size(original)); Ir = imwarp(distorted,tform,'OutputView',outputView); figure imshow(Ir); title('Recovered Image');
matchedPoints1 - Совпадающие точки из изображения 1cornerPoints объект | SURFPoints объект | MSERRegions объект | ORBPoints объект | BRISKpoints | KAZEPoints | M-by-2 матрица координат [x, y]Совпадающие точки из изображения 1, указанные как KAZEPoints, cornerPoints объект, SURFPoints объект, MSERRegions объект, ORBPoints объект, BRISKPointsили матрица M-by-2 с координатами [x, y]. Функция исключает отклонения, используя алгоритм SAmple Consensus (MSAC) M-оценщика. Алгоритм MSAC является вариантом алгоритма RANSAC.
matchedPoints2 - Совпадающие точки из изображения 2cornerPoints объект | SURFPoints объект | MSERRegions объект | ORBPoints объект | BRISKpoints | KAZEPoints | M-by-2 матрица координат [x, y]Совпадающие точки из изображения 2, указанные как KAZEPoints, cornerPoints объект, SURFPoints объект, MSERRegions объект, ORBPoints объект, BRISKPointsили матрица M-by-2 с координатами [x, y]. Функция исключает отклонения, используя алгоритм SAmple Consensus (MSAC) M-оценщика. Алгоритм MSAC является вариантом алгоритма RANSAC.
transformType - Тип преобразования'similarity' | 'affine' | 'projective'Тип преобразования, заданный как одна из трех символьных строк. Можно задать тип преобразования: 'similarity', 'affine', или 'projective'. Чем больше количество совпадающих пар точек, тем выше точность расчетного преобразования. Минимальное количество совпадающих пар точек для каждого типа преобразования:
| Тип преобразования | Минимальное количество совпадающих пар точек |
|---|---|
'similarity' | 2 |
'affine' | 3 |
'projective' | 4 |
Типы данных: char
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
'Confidence',99 устанавливает значение достоверности как 99.'MaxNumTrials' - Максимальное количество случайных испытаний1000 (по умолчанию) | положительное целое числоМаксимальное количество случайных испытаний для поиска входов, указанное как пара, разделенная запятыми, состоящая из 'MaxNumTrials"и положительный целочисленный скаляр. Увеличение этого значения повышает надежность результатов за счет дополнительных вычислений.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'Confidence' - Уверенность в нахождении максимального количества вкладчиков99 (по умолчанию) | положительный числовой скалярУверенность в нахождении максимального числа входов, указанного как пара, разделенная запятыми, состоящая из 'Confidence'и числовой скаляр в процентах в диапазоне (0 100). Увеличение этого значения повышает надежность результатов за счет дополнительных вычислений.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'MaxDistance' - Максимальное расстояние от точки до проекции1.5 (по умолчанию) | положительный числовой скалярМаксимальное расстояние в пикселях от точки до проекции соответствующей точки, определяемое как разделенная запятыми пара, состоящая из 'MaxDistance«и положительный числовой скаляр». Соответствующая проекция основана на оцененном преобразовании.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
[1] Хартли, Р. и А. Зиссерман, «Геометрия множественного вида в компьютерном зрении», Cambridge University Press, 2003.
[2] Торр, П. Х. С. и А. Зиссерман, «MLESAC: новый надежный оценщик с применением к оценке геометрии изображения», Computer Vision and Image Understanding, 2000.
BRISKPoints | cornerPoints | detectFASTFeatures | detectMinEigenFeatures | detectMSERFeatures | detectORBFeatures | detectSURFFeatures | estimateFundamentalMatrix | extractFeatures | fitgeotrans | KAZEPoints | matchFeatures | MSERRegions | ORBPoints | SURFPoints