擅长:python、mysql、java
<p>我认为你在这篇文章中的假设是错误的</p>
<blockquote>
<p><code>H_full_size = A * H * A_inverse</code> where <code>A</code> is the matrix representing the scaling from img1 to small1</p>
</blockquote>
<p>源于人类“爱”的对称性。开玩笑吧,你的公式是正确的,在我将要揭露的一种低血压。
如果我从这个角度出发(这相当于cv2函数cv2,warpPerspective-对于比例因子,公式是正确的)</p>
<pre><code>img2 = H_fullsize*img1
</code></pre>
<p>你可以推导出你自己的公式。在</p>
^{pr2}$
<p>这是相当等价的(如果B是可逆的)</p>
<pre><code>img2 = B_inverse*H*A*img1
</code></pre>
<p>问题变成了</p>
<pre><code>H_fullsize = B_inverse*H*A
</code></pre>
<p>所以问题变成了:你确定从<code>img1</code>到{<cd2>}的比例矩阵等于从<code>img2</code>到{<cd4>}的比例矩阵吗?(或至少它们与恒定比例因子值不同)?在</p>
<p>如果是你的情况,请记住,在你写的时候,同音图只在平面图像之间起作用(或者在纯旋转的情况下)。假设在一个平面上有80%的SIFT点,在这个平面上有20%的点,同应法将所有这些点都视为在一个平面上,并找到使误差最小化的变换H(<em>,而不是平面上80%点的完美变换)。
另外,1080p分辨率图像中明显的错误在320p分辨率图像中可能不那么明显(您没有指定图像减少的程度!)在</p>