我是 Open Cv 的新手，我想转换两个图像 src 和 dst image 。我cv::estimateRigidTransform()用于计算转换矩阵，然后cv::warpAffine()用于从 dst 转换为 src。当我将新转换后的图像与 src 图像进行比较时，它几乎相同（已转换），但是当我得到新转换后的图像和 src 图像的 abs 差异时，差异很大。我应该怎么做，因为我的 dst 图像也有一些旋转和平移因子。这是我的代码
cv::Mat transformMat = cv::estimateRigidTransform(src, dst, true);
cv::Mat output;
cv::Size dsize = leftImageMat.size(); //This specifies the output image size--change needed
cv::warpAffine(src, output, transformMat, dsize);
源图像
目的地图片
输出图像
绝对差异图像
谢谢
你对这个过程有一些误解。
方法cv::estimateRigidTransform将两组对应点作为输入。然后求解一组方程以找到变换矩阵。转换的输出将 src 点与 dst 点匹配（精确或紧密，如果不可能精确匹配 - 例如浮点坐标）。
如果您在两个图像上应用estimateRigidTransform，OpenCV 首先使用一些内部方法找到匹配的点对（参见opencv 文档）。
cv::warpAffine然后根据给定的变换矩阵将 src 图像变换为 dst。但是任何（几乎所有）转换都是损失操作。该算法必须估计一些数据，因为它们不可用。这个过程称为插值，使用已知信息计算未知值。有关图像缩放的一些信息可以在wiki上找到。相同的规则适用于其他转换 - 旋转、倾斜、透视......显然这不适用于平移。
鉴于您的测试图像，我猜 OpenCV 将灯罩作为参考。从差异中可以清楚地看出，灯罩被改造得最好。默认情况下，OpenCV 使用线性插值进行翘曲，因为它是最快的方法。但是您可以设置更高级的方法以获得更好的结果 - 再次咨询opencv 文档。
结论：你得到的结果很好，如果你记住，它是自动化过程的结果。如果您想要更好的结果，您将不得不找到另一种选择对应点的方法。或者使用更好的插值方法。无论哪种方式，在变换之后，diff 都不会为 0。这实际上是不可能实现的，因为位图是像素的离散网格，所以总会有一些差距，需要估计。