数字图像处理及应用（MATLAB)第6章.ppt

for i=1:4 randPt1(1,i) = m1(randIndex(i),1); randPt1(2,i) = m1(randIndex(i),2); randPt2(1,i) = m2(randIndex(i),1); randPt2(2,i) = m2(randIndex(i),2); end H = cp2tform(randPt1 ,randPt2 ,projective); X1_H = H.tdata.T*X1;%通过变换矩阵变换 for i=1:ptNum temp0 = X1_H(1,i)/X1_H(3,i) - m2(i,1); temp1 = X1_H(2,i)/X1_H(3,i) - m2(i,2); distn = sqrt(temp0^2 + temp1^2); if distn Dist foundNum = foundNum +1; foundFlag(i) = 1; end end if (foundNum bestNum)%得到合适点大于设定阈值 bestNum = foundNum; bestFlag = foundFlag; end foundNum = 0; foundFlag = zeros(ptNum,1); count = count + 1; end i=1; for k=1:ptNum if bestFlag(k) == 1 corners1(i,1) = m1(k,1);%水平坐标 corners1(i,2) = m1(k,2); %水平坐标 corners2(i,1) = m2(k,1);%垂直坐标 corners2(i,2) = m2(k,2);%垂直坐标 i = i + 1; end end End %% %随机求取四个点对，其中任意三点不在一条直线上 function R = randomMulti(ptNum) R =randi(ptNum,1,4); while (R(1,1)==R(1,2)| R(1,1)==R(1,3)| R(1,1)==R(1,4)| R(1,2)==R(1,3)| R(1,2)==R(1,4)| R(1,3)==R(1,4) ... | R(1,1)==0 | R(1,2)== 0 | R(1,3)== 0 | R(1,4)== 0) R =randi(ptNum,[1,4]); end end %随机求取四个点子函数 function matrix=randi(num,a,b) vector=randsample(num,a*b); matrix=reshape(vector,a,b); End 去除误匹配结果如图所示，以黄色直线连接对应特征点。 6.5.4 图像融合 图像配准的过程就是要找出待配准图像和参考图像之间的变换关系，根据变换关系将待配准图像进行变换，使两幅图像内容的相同部分能够在同一坐标系下面满足大小方向等信息都相同，最后再进行融合，因此在图像配准的过程中找出两幅图像之间的畸变关系并对待配准图像进行校正是非常重要的一个步骤。 1. 变换矩阵计算 对于两幅待拼接图像I1和I2，他们之间可能存在的变换关系包括平移、缩放和旋转等。这几个形变之间的结合构成了几种图像变换方式。其中能满足所有图像变换关系的模型称之为透视变换，我们的目的就是将两幅图像之间的形变关系明朗化，通过一个单应性矩阵建立转换机制。变换矩阵通常用H表示，如式所示： 在H中共有8个自由度，h11，h12，h21，h22是旋转、缩放因子；h13和h23对应水平和垂直方向的平移因子；h31和h32是图像间的仿射变换因子。我们常用的几种变换模型都是通过这些因子的不同取值得到的 在齐次性坐标中将 归一化，得到式 图像间存在的变换关系主要包括刚体变换、相似变换、仿射变换等。图6.5.10以一个正方形为例，直观展现了不同变换的大体形态。图像在经过透视变换后，不能保证原始平行线之间的平行关系。真实场景中的图像拼接由于手持相机的不稳定性及运动等一些外界因素，经常会遇到变形的问题。透视变换是图像间存在的最普遍的变换。可以描述图像之间的平移、旋转、角度变换和缩放等各种关系。 前面的匹配步骤得到的匹配点集