了解退化的单应性情况是关键。例如,如果您的点是共线的或接近共线的,则您将无法获得良好的单应性。同样,巨大的灰色方块可能表示极端缩放。两种情况都可能源于最终单应性计算中的极小值或映射错误的事实。
为确保这永远不会发生:
1.确保点在两个图像中都均匀分布。
2.确保至少有10-30个对应(如果噪音很小,则4个就足够了)。
3.确保点正确匹配,并且变换是单应性。
要查找错误的单应性,请将找到的H应用于原始点,并查看与期望点的距离|x2-H*x1| < Tdist
,其中Tdist
是距离误差的阈值。如果只有几个点满足此阈值,则您的单应性可能不好,并且您可能违反了上述要求之一。
0
我在点列表上使用
findHomography
并将结果发送到warpPerspective
。问题在于,有时结果是完全的垃圾,结果图像由怪异的灰色矩形表示。
我如何检测
findHomography
给我发送了不好的结果?