【计算机视觉】图像全景拼接 RANSAC
1、全景图像拼接原理
1.1 RANSAC算法原理
RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它可以从一组包含“局外点”的观测数据集中,通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果;为了提高概率必须提高迭代次数。
RANSAC的基本假设是:
(1)数据由“局内点”组成,例如:数据的分布可以用一些模型参数来解释;
(2)“局外点”是不能适应该模型的数据;
(3)除此之外的数据属于噪声。
局外点产生的原因有:噪声的极值;错误的测量方法;对数据的错误假设。
RANSAC也做了以下假设:给定一组(通常很小的)局内点,存在一个可以估计模型参数的过程;而该模型能够解释或者适用于局内点。
RANSAC的算法步骤:
1. 随机从数据集中随机抽出4个样本数据 (此4个样本之间不能共线),计算出变换矩阵H,记为模型M;
2. 计算数据集中所有数据与模型M的投影误差,若误差小于阈值,加入内点集 I
3. 如果当前内点集 I 元素个数大于最优内点集 I_best , 则更新 I_best = I,同时更新迭代次数k ;
4. 如果迭代次数大于k,则退出 ; 否则迭代次数加1,并重复上述步骤;
注:迭代次数k在不大于最大迭代次数的情况下,是在不断更新而不是固定的
其中,p为置信度,一般取0.995;w为"内点"的比例 ; m为计算模型所需要的最少样本数=4;
1.2 单应性矩阵估计
平面的单应性被定义为一个平面到另外一个平面的投影映射。
这边通过ransac算法来求解单应性矩阵。
1.3 图像拼接
使用RANSAC算法估计出图像间的单应性矩阵,将所有的图像扭曲到一个公共的图像平面上。通常,这里的公共平面为中心图像平面。一种方法是创建一个很大的图像,比如将图像中全部填充0,使其和中心图像平行,然后将所有的图像扭曲到上面。由于我们所有的图像是由照相机水平旋转拍摄的,因此我们可以使用一个较简单的步骤:将中心图像左边或者右边的区域填充为0,以便为扭曲的图像腾出空间。
2、图像拼接代码实现
使用RANSAC算法求解单应性矩阵 RansacModel类是用于测试单应性矩阵的类 里面包含了fit()和get_error()方法
fit()方法计算选取的四个对应的单应性矩阵
get_error() 是对所有的对应计算单应性矩阵,然后对每个变换后的点,返回相应的误差
class RansacModel(object):""" Class for testing homography fit with ransac.py fromhttp://www.scipy.org/Cookbook/RANSAC"""def __init__(self, debug=False):self.debug = debugdef fit(self, data):""" Fit homography to four selected correspondences. """# transpose to fit H_from_points()data = data.T# from pointsfp = data[:3, :4]# target pointstp = data[3:, :4]# fit homography and returnreturn H_fro
【计算机视觉】图像全景拼接 RANSAC相关推荐
- 计算机视觉第四次实验--基于RANSAC的图像全景拼接
计算机视觉第四次实验–基于RANSAC的图像全景拼接 文章目录 计算机视觉第四次实验--基于RANSAC的图像全景拼接 一.明确图像拼接整体流程 二.APAP算法 三.算法流程: 四.最小割问题(最大 ...
- 计算机视觉(五)--图像全景拼接原理及实现
一.图像全景拼接的原理 图像全景拼接就是将多张图片(两两间存在一定的重叠部分,可以是不同时间.不同视角或者不同传感器获得的)拼成一幅无缝的全景图或高分辨率图像的技术.也就是将两幅存在一定重合部分的图像 ...
- 计算机视觉--图像的拼接融合
计算机视觉--图像的拼接融合 一.全景图像拼接原理介绍 1.1 背景介绍 1.2 基本原理 1.3 图像拼接整体流程 二.全景图像拼接实验 2.1 代码实现 2.2 不同场景的实验结果与分析 2.2. ...
- 计算机视觉:全景拼接(Panorama Stitching)
计算机视觉:全景拼接(Panorama Stitching) 原理 环境 代码 示例 原理 全景拼接是将多幅图像拼接成一幅大尺度图像.同一个相机拍摄空间同一平面的两张图像,这两张图像之间的映射关系可以 ...
- Python计算机视觉——图像到图像的映射
Python计算机视觉--图像到图像的映射 文章目录 Python计算机视觉--图像到图像的映射 写在前面 1 单应性变换 1.1 直接线性变换算法 1.2 仿射变换 2 图像扭曲 2.1 图像中的图 ...
- OpenCV C++案例实战十二《图像全景拼接》
OpenCV C++案例实战十二<图像全景拼接> 前言 一.OpenCV Stitcher 1.功能源码 2.效果 二.图像全景拼接 1.特征检测 2.计算单应性矩阵 3.透视变换 4.图 ...
- 可以使用的图像全景拼接opencv
引自:基于Python和OpenCV实现图像的全景拼接_半濠春水的博客-CSDN博客_python opencv 图片合成 使用环境opencv4.5.4.58,python3.6,numpy1.19 ...
- CV:计算机视觉技术之图像基础知识(二)—以python的skimage和numpy库来了解计算机视觉图像基础(图像存储原理-模糊核-锐化核-边缘检测核,进阶卷积神经网络(CNN)的必备基础)
CV:计算机视觉技术之图像基础知识(二)-以python的skimage和numpy库来了解计算机视觉图像基础(图像存储原理-模糊核-锐化核-边缘检测核,进阶卷积神经网络(CNN)的必备基础) 目录 ...
- CV:计算机视觉技术之图像基础知识—以python的cv2库来了解计算机视觉图像基础
CV:计算机视觉技术之图像基础知识-以python的cv2库来了解计算机视觉图像基础 目录 一.图像中的傅里叶变换 1.时域和频域 2.傅里叶变换 3.图像中的傅里叶变换
最新文章
- HBase shell 命令执行
- shell脚本——系统变量 与 变量(定义 使用 只读 删除)
- react篇章-React 组件-向组件传递参数
- 深拷贝的缺点_JavaScript 深拷贝
- 安装python3.6报错_CentOS 7下安装Python3.6 及遇到的问题小结
- Sigmoid函数与逻辑回归
- InstallShield For .Net制作.Net项目安装包之完整代码
- [css] ui设计中px、pt、ppi、dpi、dp、sp之间的关系?
- matlab怎么实现OFDM仿真,OFDMmatlab实现仿真源代码
- java.util.ResourceBundle用法
- STM32工作笔记0079---UCOSIII时间片轮转调度
- 教你用python爬虫下载1w+『ppt模板』
- 关于sourcetree这是一个无效源路径的解决办法
- 繁体字转换 java_java代码实现简体繁体转换
- mac日历显示国家节假日及补班日期
- 服务器七雄争霸官方网站,七雄争霸特效城堡半价购买 全新服务器等您来挑战...
- 无人配送这半年:从风口到浪潮
- 常见的java面试知识点
- 搜狗workflow项目研究(一)综述
- 蓝桥杯三月刷题 第10天