点击上方“CVer”,选择加"星标"置顶
重磅干货,第一时间送达
本文作者:白裳
https://zhuanlan.zhihu.com/p/74597564
本文已由原作者授权,不得擅自二次转载
单应性原理被广泛应用于图像配准,全景拼接,机器人定位SLAM,AR增强现实等领域。这篇文章从基础图像坐标知识系为起点,讲解图像变换与坐标系的关系,介绍单应性矩阵计算方法,并分析深度学习在单应性方向的进展。
本文为入门级文章,希望能够帮助读者快速了解相关内容。
目录
一 图像变换与平面坐标系的关系
二 平面坐标系与齐次坐标系
三 单应性变换
四 深度学习在单应性方向的进展
旋转:
将图形围绕原点 逆时针方向旋转 角,用解析式表示为:
写成矩阵乘法形式:
平移:
但是现在遇到困难了,平移无法写成和上面旋转一样的矩阵乘法形式。所以引入齐次坐标 ,再写成矩阵形式:
其中 表示单位矩阵,而 表示平移向量。
那么就可以把把旋转和平移统一写在一个矩阵乘法公式中,即刚体变换:
而旋转矩阵 是正交矩阵( )。
仿射变换
其中 可以是任意2x2矩阵(与 一定是正交矩阵不同)。
可以看到,相比刚体变换(旋转和平移),仿射变换除了改变目标位置,还改变目标的形状,但是会保持物体的“平直性”。
不同 和 矩阵对应的各种基本仿射变换:
投影变换(单应性变换)
简单说,投影变换彻底改变目标的形状。
总结一下:
刚体变换:平移+旋转,只改变物体位置,不改变物体形状
仿射变换:改变物体位置和形状,但是保持“平直性”
投影变换:彻底改变物体位置和形状
我们来看看完整投影变换矩阵各个参数的物理含义:
其中 代表仿射变换参数, 代表平移变换参数。
而 表示一种“变换后边缘交点“关系,如:
至于 则是一个与 相关的缩放因子。
一般情况下都会通过归一化使得 (原因见下文)。
问题来了,齐次坐标到底是什么?
齐次坐标系 与常见的三维空间坐标系 不同,只有两个自由度:
而 (其中 )对应坐标 和 的缩放尺度。当 时:
特别的当 时,对应无穷远:
单应性是什么?
此处不经证明的给出:同一个 [无镜头畸变] 的相机从不同位置拍摄 [同一平面物体] 的图像之间存在单应性,可以用 [投影变换] 表示 。
注意:单应性成立是有条件的!
简单说就是:
那么这个 单应性矩阵如何求解呢?
更一般的,每一组匹配点 有
由平面坐标与齐次坐标对应关系 ,上式可以表示为:
进一步变换为:
写成矩阵 形式:
也就是说一组匹配点 可以获得2组方程。
单应性矩阵8自由度
注意观察:单应性矩阵 与 其实完全一样(其中 ),例如:
即点 无论经过 还是 映射,变化后都是 。
如果使 ,那么有:
所以单应性矩阵 虽然有9个未知数,但只有8个自由度。
在求 时一般添加约束 (也有用 约束),所以还有 共8个未知数。由于一组匹配点 对应2组方程,那么只需要 组不共线的匹配点即可求解 的唯一解。
OpenCV已经提供了相关API,代码和变换结果如下。
import cv2
import numpy as np
im1 = cv2.imread('left.jpg')
im2 = cv2.imread('right.jpg')
src_points = np.array([[581, 297], [1053, 173], [1041, 895], [558, 827]])
dst_points = np.array([[571, 257], [963, 333], [965, 801], [557, 827]])
H, _ = cv2.findHomography(src_points, dst_points)
h, w = im2.shape[:2]
im2_warp = cv2.warpPerspective(im2, H, (w, h))
可以看到:
红框所在平面上内容基本对齐,但受到镜头畸变影响无法完全对齐;
平面外背景物体不符合单应性原理,偏离很大,完全无法对齐。
传统方法估计单应性矩阵
一般传统方法估计单应性变换矩阵,需要经过以下4个步骤:
提取每张图SIFT/SURF/FAST/ORB等特征点
提取每个特征点对应的描述子
通过匹配特征点描述子,找到两张图中匹配的特征点对(这里可能存在错误匹配)
使用RANSAC算法剔除错误匹配
求解方程组,计算Homograph单应性变换矩阵
示例代码如下:
#coding:utf-8
# This code only tested in OpenCV 3.4.2!
import cv2
import numpy as np
# 读取图片
im1 = cv2.imread('left.jpg')
im2 = cv2.imread('right.jpg')
# 计算SURF特征点和对应的描述子,kp存储特征点坐标,des存储对应描述子
surf = cv2.xfeatures2d.SURF_create()
kp1, des1 = surf.detectAndCompute(im1, None)
kp2, des2 = surf.detectAndCompute(im2, None)
# 匹配特征点描述子
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)
# 提取匹配较好的特征点
good = []
for m,n in matches:
if m.distance < 0.7*n.distance:
good.append(m)
# 通过特征点坐标计算单应性矩阵H
# (findHomography中使用了RANSAC算法剔初错误匹配)
src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1,1,2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1,1,2)
H, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
matchesMask = mask.ravel().tolist()
# 使用单应性矩阵计算变换结果并绘图
h, w, d = im1.shape
pts = np.float32([[0,0], [0,h-1], [w-1,h-1], [w-1,0]]).reshape(-1,1,2)
dst = cv2.perspectiveTransform(pts, H)
img2 = cv2.polylines(im2, [np.int32(dst)], True, 255, 3, cv2.LINE_AA)
draw_params = dict(matchColor = (0,255,0), # draw matches in green color
singlePointColor = None,
matchesMask = matchesMask, # draw only inliers
flags = 2)
im3 = cv2.drawMatches(im1, kp1, im2, kp2, good, None, **draw_params)
相关内容网上资料较多,这里不再重复造轮子。需要说明,一般情况计算出的匹配的特征点对 数量都有 ,此时需要解超定方程组(类似于求解线性回归)。
HomographyNet(深度学习end2end估计单应性变换矩阵)
HomographyNet是发表在CVPR 2016的一种用深度学习计算单应性变换的网络,即输入两张图,直接输出单应性矩阵 。
在之前的分析中提到,只要有4组 匹配点即可计算 的唯一解。
相似的,只要有4组 也可以计算出 的唯一解:
其中 且 。
分析到这里,如果要计算 ,网络输出可以有以下2种情况:
Regression:网络直接输出 共8个数值
这样设置网络非常直观,使用L2损失训练,测试时直接输出8个float values,但是没有置信度confidence。即在使用网络时,无法知道当前输出单应性可靠程度。
2. Classification:网络输出 共8个值的量化值+confidence
这时将网络输出每个 和 量化成21个区间,用分类的方法判断落在哪一个区间。训练时使用Softmax损失。相比回归直接输出数值,量化必然会产生误差,但是能够输出分类置信度评判当前效果好坏,更便于实际应用。
另外HomographyNet训练时数据生成方式也非常有特色。
首先在随机 位置获取正方形图像块Patch A
然后对正方形4个点进行随机扰动,同时获得4组
再通过4组 计算
最后将图像通过 变换,在变换后图像 位置获取正方形图像块Patch B
那么图像块A和图像块B作为输入,4组 作为监督Label,进行训练
可以看到,在无法提取足够特征点的弱纹理区域,HomographyNet相比传统方法确实有一定的优势:
Spatial Transformer Networks(直接对CNN中的卷积特征进行变换)
其实早在2015年,就已经有对CNN中的特征进行变换的STN结构。
假设有特征层 ,经过卷积变为 ,可以在他们之间插入STN结构。这样就可以直接学习到从特征 上的点 映射到特征 对应点 的仿射变换。
其中 对应STN中的仿射变换参数。STN直接在特征维度进行变换,且可以插入轻松任意两层卷积中。
DELF: DEep Local Features(深度学习提取特征点与描述子)
之前提到传统方法使用SIFT和Surf等特征点估计单应性。显然单应性最终估计准确度严重依赖于特征点和描述子性能。Google在ICCV 2017提出使用使用深度学习提取特征点。
考虑到篇幅,这里不再展开DELF,请有兴趣的读者自行了解相关内容。
下载1:动手学深度学习
在CVer公众号后台回复:动手学深度学习,即可下载547页《动手学深度学习》电子书和源码。该书是面向中文读者的能运行、可讨论的深度学习教科书,它将文字、公式、图像、代码和运行结果结合在一起。本书将全面介绍深度学习从模型构造到模型训练,以及它们在计算机视觉和自然语言处理中的应用。
下载2:CVPR / ECCV 2020开源代码
在CVer公众号后台回复:CVPR2020,即可下载CVPR 2020代码开源的论文合集
在CVer公众号后台回复:ECCV2020,即可下载ECCV 2020代码开源的论文合集
重磅!CVer-论文写作与投稿交流群成立
扫码添加CVer助手,可申请加入CVer-论文写作与投稿 微信交流群,目前已满2400+人,旨在交流顶会(CVPR/ICCV/ECCV/NIPS/ICML/ICLR/AAAI等)、顶刊(IJCV/TPAMI/TIP等)、SCI、EI、中文核心等写作与投稿事宜。
同时也可申请加入CVer大群和细分方向技术群,细分方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注:研究方向+地点+学校/公司+昵称(如论文写作+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲长按加微信群
▲长按关注CVer公众号
整理不易,请给CVer点赞和在看!