使用控制点扭曲图像 [英] Warping an image using control points
问题描述
我想根据从
A 和 B 包含源目标顶点的坐标。
我正在将转换矩阵计算为：
A = [51 228; 51 127; 191 127; 191 228];
B = [152 57; 219 191; 62 240; 92 109];
X = imread（'rectangle.png'）;
info = imfinfo（'rectangle.png'）;
T = cp2tform（A，B，'投射'）;
到此为止它似乎正常工作，因为（使用标准化坐标）源顶点产生其目标vertex：
H = T.tdata.T;
> [51 228 1] * H
ans =
-248.2186 -93.0820 -1.6330
> [51 228 1] * H / -1.6330
ans =
152.0016 57.0006 1.0000
<问题是 imtransform 会产生意外结果：
Z = imtransform（X，T，'XData'，[1 info.Width]，'YData'，[1 info.Height]）;
imwrite（Z，'projective.png'）;
如何使用 imtransform 来产生我预期的结果？：
有没有其他方法可以实现它？
您必须将控制点调整为您正在使用的图像的大小。我这样做的方法是计算 A 中控制点角点与源图像角落之间的仿射变换（最好你想让点数在相同的顺时针顺序）。
我应该指出的一件事是矩阵中点的顺序 A 与您显示的图片不符，所以我在下面的代码中解决了这个问题...
这是估算单应性的代码（在MATLAB中测试）：
％初始控制点
A = [51 228; 51 127; 191 127; 191 228];
B = [152 57; 219 191; 62 240; 92 109];
A = circshift（A，[ - 0 0]）; ％修复匹配图片的点数顺序
％输入图片
％I = imread（'peppers.png'）;
I = im2uint8（棋盘格（32,5,7））;
[h，w，〜] = size（I）;
％将控制点调整为图像大小
％（基本上我们从3个角点估计仿射变换）
aff = cp2tform（A（1：3，:)，[ 1 1; w 1; wh]，'仿射'）;
A = tformfwd（aff，A）;
B = tformfwd（aff，B）;
％估计A和B之间的单应性b
T = cp2tform（B，A，'投射'）;
T = fliptform（T）;
H = T.tdata.Tinv
我得到：
>> H
H =
-0.3268 0.6419 -0.0015
-0.4871 0.4667 0.0009
324.0851 -221.0565 1.0000
现在让我们想象点数：
通过将A点转换为B $来进行％检查b $ b％{
BB = [一个（大小（A，1），1）] * H; ％转换为同质coords
BB = bsxfun（@rdivide，BB，BB（：，end））; ％转换为同质coords
％}
BB = tformfwd（T，A（：，1），A（：，2））;
fprintf（'error =％g \ n'，norm（B-BB））;
％通过绘制控制点进行目视检查并转换A
数字（1）
subplot（121）
plot（A（[1：end 1]，1 ），A（[1：end 1]，2），'.-'，'MarkerSize'，20，'LineWidth'，2）
line（BB（[1：end 1]，1），BB （[1：结束1]，2），'颜色'，'r'，'标记'，'o'）
文本（A（：，1），A（：，2），num2str（（ 1：4）'，'a％d'），...
'RevertAlign'，'top'，'HorizontalAlign'，'left'）
title（'A'）;传说（{'A'，'A * H'}）;轴等于ij
subplot（122）
plot（B（[1：end 1]，1），B（[1：end 1]，2），'.-'，'MarkerSize'， 20，'LineWidth'，2）
text（B（：，1），B（：，2），num2str（（1：4）'，'b％d'），...
'VerticalAlign'，'top'，'HorizontalAlign'，'left'）
title（'B'）;图例（ B）;轴等于ij
最后我们可以在源图像上应用转换：
％转换输入图像并显示结果
J = imtransform（I，T）;
figure（2）
subplot（121），imshow（I），title（'image'）
subplot（122），imshow（J），title（'warped'）
I want to convert an image using control points according to this scheme extracted from here:
A and B contains the coordinates of the source an target vertices.
I am computing the transformation matrix as:
A = [51 228; 51 127; 191 127; 191 228];
B = [152 57; 219 191; 62 240; 92 109];
X = imread('rectangle.png');
info = imfinfo('rectangle.png');
T = cp2tform(A,B,'projective');
Up to here it seems to properly work, because (using normalized coordinates) a source vertex produces its target vertex:
H = T.tdata.T;
> [51 228 1]*H
ans =
-248.2186 -93.0820 -1.6330
> [51 228 1]*H/ -1.6330
ans =
152.0016 57.0006 1.0000
The problem is that imtransform produces an unexpected result:
Z = imtransform(X,T,'XData',[1 info.Width], 'YData',[1 info.Height]);
imwrite(Z,'projective.png');
How can I use imtransform to produce this my expected result?:
Is there an alternative way to achieve it?
You have to "adapt" the control points to the size of the image you're working with. The way I did this is by computing an affine transformation between the corners of the control points in A and the corners of the source image (preferrably you want to make the points are in the same clockwise order).
One thing I should point out is that the order of points in your matrix A does not match the picture you've shown, so I fixed that in the code below...
Here is the code to estimate the homography (tested in MATLAB):
% initial control points
A = [51 228; 51 127; 191 127; 191 228];
B = [152 57; 219 191; 62 240; 92 109];
A = circshift(A, [-1 0]); % fix the order of points to match the picture
% input image
%I = imread('peppers.png');
I = im2uint8(checkerboard(32,5,7));
[h,w,~] = size(I);
% adapt control points to image size
% (basically we estimate an affine transform from 3 corner points)
aff = cp2tform(A(1:3,:), [1 1; w 1; w h], 'affine');
A = tformfwd(aff, A);
B = tformfwd(aff, B);
% estimate homography between A and B
T = cp2tform(B, A, 'projective');
T = fliptform(T);
H = T.tdata.Tinv
I get:
>> H
H =
-0.3268 0.6419 -0.0015
-0.4871 0.4667 0.0009
324.0851 -221.0565 1.0000
Now let's visualize the points:
% check by transforming A points into B
%{
BB = [A ones(size(A,1),1)] * H; % convert to homogeneous coords
BB = bsxfun(@rdivide, BB, BB(:,end)); % convert from homogeneous coords
%}
BB = tformfwd(T, A(:,1), A(:,2));
fprintf('error = %g\n', norm(B-BB));
% visually check by plotting control points and transformed A
figure(1)
subplot(121)
plot(A([1:end 1],1), A([1:end 1],2), '.-', 'MarkerSize',20, 'LineWidth',2)
line(BB([1:end 1],1), BB([1:end 1],2), 'Color','r', 'Marker','o')
text(A(:,1), A(:,2), num2str((1:4)','a%d'), ...
'VerticalAlign','top', 'HorizontalAlign','left')
title('A'); legend({'A', 'A*H'}); axis equal ij
subplot(122)
plot(B([1:end 1],1), B([1:end 1],2), '.-', 'MarkerSize',20, 'LineWidth',2)
text(B(:,1), B(:,2), num2str((1:4)','b%d'), ...
'VerticalAlign','top', 'HorizontalAlign','left')
title('B'); legend('B'); axis equal ij
Finally we can apply the transformation on the source image:
% transform input image and show result
J = imtransform(I, T);
figure(2)
subplot(121), imshow(I), title('image')
subplot(122), imshow(J), title('warped')
这篇关于使用控制点扭曲图像的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
