假设我有 2 个图像,第一个是未应用变换的图像:(A1)http://tinypic.com/r/qsunaw/6 第二个是应用了倾斜变换:(A2)http://tinypic .com/r/90adk0/6
是否有一种算法可以让我知道从第一张图像到第二张图像(反之亦然)所需的必要四边形转换?
假设我有 2 个图像,第一个是未应用变换的图像:(A1)http://tinypic.com/r/qsunaw/6 第二个是应用了倾斜变换:(A2)http://tinypic .com/r/90adk0/6
是否有一种算法可以让我知道从第一张图像到第二张图像(反之亦然)所需的必要四边形转换?
这是计算机视觉的经典“逆问题”。有很多算法,但选择正确的算法完全取决于您的应用程序,特别是适用于输入图像和预期结果的约束(如果有)。问题可能是不适定的(可能没有解决方案,如果有一些解决方案,它们可能是不稳定的,或者可能有无限的解决方案)。
对于您提供的文本倾斜图像的简单示例,我可能首先尝试使用简单的模板匹配。假设比例不变,并且相对于图像角之一并沿一个方向应用倾斜,则只有一个未知数(该方向上的倾斜量),并且您可能具有其值的上限和下限提前知道的。因此,您可以量化允许的间隔,然后进行详尽的搜索 - 可能需要多次通过(收紧解决方案的界限,在那里进行更精细的量化,迭代)。
对于一般(即自然)图像,以及更一般的允许转换,事情会很快变得复杂。假设您只对平面变换感兴趣(否则很可能由于遮挡而没有解决方案),最新的方法将尝试检测和匹配图像中的“兴趣点”,然后使用稳健的最小估计变换 -正方形。
如果您对计算机视觉的这个子领域感兴趣,可以学习 Hartley 和 Zisserman 的圣经。
如果您有 4 个对应点,则可以计算图像之间的 2D 单应性。关于该主题的信息没有尽头,例如http://www.cs.utoronto.ca/~strider/vis-notes/tutHomography04.pdf提供了如何计算转换矩阵的介绍和详细信息,您可以将其反转逆变换。