文章目录Homography是什么？ 使用Homography进行“图像配准”全景拼接) Homography的重要应用是如何计算Homography的？ homograph y APP虚拟招牌
来自3https://www.learn opencv.com/homograph y-examples-using-opencv-python-c /。
根据个人喜好稍加修改，侵权删除。
根据圣经神话，巴别塔(The Tower of Babel )是人类最早的工程灾难。 这个项目具备了一切条件，但仍然失败了。 由于上帝混淆了人类的语言，他们无法进行更有效的沟通合作，导致了通天塔的倒塌和人类的混乱。
我想像Homography这样的术语总是提醒我们，我们还在遭受由语言构成的交流鸿沟的折磨。Homography是一个非常简单的概念，但它给我起了一个很虚伪的名字。
什么是Homography？ 考虑同一平面(例如书皮)的两张图像，红点表示同一物理坐标点位于两张图像上的每个位置。 在CV术语中称为对应点。
Homography是将一个图像上的点映射到另一个图像上的对应点的3x3变换矩阵。
ahomographyisatransformation (a3 x 3矩阵) thatmapsthepointsinoneimagetothecorrespondingpointsintheotherimage。
因为Homography是3x3的矩阵，所以我可以写这个
对于图中一对对应点，位于图1的(x1，y1 )和位于图2的(x2，y2 ).h构筑两者的映射关系
对于所有对应点，只要它们位于同一物理平面上，使用Homography的“图像对齐”(Image Alignment )就满足上述条件。 换句话说，可以将图1中的书皮上的所有点映射到图2中的书皮上。 也就是说，图1的书皮和图2的书皮看起来是对齐的。 下图：
那么，关于不在这个平面上的点呢？ 此时，如果应用Homography，则无法与对应点对齐。 例如，上图中的桌面、地板、橱柜方面。 如果此类图像中有多个平面，则必须为每个平面使用相应的Homography。
全景拼接： Homography的一个重要应用是前面的例子，我们知道如果知道两个图像的Homography，就可以将一个图像warp移动到另一个图像中。 但是，这里严重的错误：的两张图像必须包含同一平面，只有这个平面上的点必须正确对齐。事实上，可以证明，如果你用相机拍摄一张任意风景的照片（不仅仅是一个平面）然后旋转相机再任意拍摄一张，这两张照片可以用一个 Homography 联系起来！刚才拍摄的任意两张3D场景的图像可以在Homography中联系起来，但两张图像有共同的区域。 这些区域也可以用于对齐和拼接。 bingo 这样，就可以得到这两张图像的全景连接图。 当然，这还是粗糙的全景拼接，也需要很多精细的操作，但基本原理是这样的。 在Homography中对齐共同部分，巧妙连接，使连接不可见。 把全景连接起来，完成大业。
怎么计算Homography？ 对于h矩阵，H22通常为1，因此h有8个未知参数。 求解至少需要八个等式。 因为一组对应点可以提供两个等式，所以求h至少需要四组对应点(任意三点不同线)。 如果有更多的应对点，就会更有效。 OpenCV可以鲁棒地计算最适合所有对应点的Homography。 通常，图像之间的这些对应点通过SIFT或SURF这样的算法进行自动特征提取和匹配。 当然，对于简单的demo，手动选择对应点就足够了。
欧培力
//pts_src :元图像点坐标//pts_dst :结果图像坐标//数据类型均需要vectorPoint2f.//对应点至少4组。 math=findhomography(pts_SRC， pts_ /im_src :源图像//im_dst :结果图像//h:在上一步骤中计算的Homography//size : im_dst的大小(宽度、高度)/im _ dst src points.push _ back (point 2f (1，1 )； cv :持久性传输(src points，dstPoints，warpMatrix )； 举个例子吧
> #include "opencv2/opencv.hpp" using namespace cv;using namespace std; int main( int argc, char** argv){ // Read source image. Mat im_src = imread("book2.jpg"); // Four corners of the book in source image vector<Point2f> pts_src; pts_src.push_back(Point2f(141, 131)); pts_src.push_back(Point2f(480, 159)); pts_src.push_back(Point2f(493, 630)); pts_src.push_back(Point2f(64, 601)); // Read destination image. Mat im_dst = imread("book1.jpg"); // Four corners of the book in destination image. vector<Point2f> pts_dst; pts_dst.push_back(Point2f(318, 256)); pts_dst.push_back(Point2f(534, 372)); pts_dst.push_back(Point2f(316, 670)); pts_dst.push_back(Point2f(73, 473)); // Calculate Homography Mat h = findHomography(pts_src, pts_dst); // Output image Mat im_out; // Warp source image to destination based on homography warpPerspective(im_src, im_out, h, im_dst.size()); // Display images imshow("Source Image", im_src); imshow("Destination Image", im_dst); imshow("Warped Source Image", im_out); waitKey(0);} Homography 应用 虚拟广告牌在很多直播体育赛事中，广告是动态插入到直播视频流中去的，从而根据观众的个人喜好，地域习俗等展示个性化的广告。
以下是第一张上传到互联网的图片
[外链图片转存失败(img-A1fUf1PJ-1568973089922)(https://www.learnopencv.com/wp-content/uploads/2016/01/first-image.jpg)]
下图是 时代广场的 图片
[外链图片转存失败(img-Hgmsqxvc-1568973089922)(https://www.learnopencv.com/wp-content/uploads/2016/01/times-square-768x512.jpg)]
好了，我们想把 第一张图嵌入到 时代广场的 广告屏上去，4 步搞定
选择时代广场上广告屏的 4 个顶点，作为 pts_dst选取欲嵌入的图像的 4 个顶点，假设图像尺寸 W x H， 那么 四个顶点就是 (0,0), (0, W-1), (H - 1, 0), (H - 1, W - 1)使用 pts_dst 和 pts_src 计算 Homography对 源图像应用计算得到的 Homography 从而 混合到 目标图像上。得到下图[外链图片转存失败(img-av2EKXBw-1568973089922)(https://www.learnopencv.com/wp-content/uploads/2016/01/virtual-billboard-768x512.jpg)]