opencv 单应矩阵

单应矩阵（Homography Matrix）是一种用于图像处理和计算机视觉中的变换矩阵，它可以将一个图像中的特定区域映射到另一个图像中的对应区域。在 OpenCV 中，可以使用函数 `findHomography()` 来计算两个图像之间的单应矩阵。

下面是一个简单的示例，演示如何使用 OpenCV 中的 `findHomography()` 函数来计算两个图像之间的单应矩阵：

import cv2
import numpy as np

# 读入两个图像
img1 = cv2.imread('image1.png')
img2 = cv2.imread('image2.png')

# 提取两个图像中的特征点
orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)

# 使用特征点匹配算法找到两个图像中的匹配点对
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)

# 选取前50个最佳匹配点对
matches = sorted(matches, key=lambda x: x.distance)
good_matches = matches[:50]

# 提取匹配点对的坐标
src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

# 计算单应矩阵
H, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

# 使用单应矩阵对图像进行透视变换
img3 = cv2.warpPerspective(img1, H, (img2.shape[1], img2.shape[0]))

# 显示结果
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例中，我们首先使用 `ORB` 特征检测器提取两个图像中的特征点，然后使用 `BFMatcher` 算法找到两个图像中的匹配点对。接下来，我们使用 `cv2.findHomography()` 函数计算两个图像之间的单应矩阵，并使用 `cv2.warpPerspective()` 函数对图像进行透视变换，最后将结果显示出来。