Homographie: Homographie: Transformationen in der Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist Homographie
Im Bereich des Computersehens werden zwei beliebige Bilder derselben ebenen Oberfläche im Raum durch eine Homographie in Beziehung gesetzt. Dies hat viele praktische Anwendungen, wie z. B. Bildentzerrung, Bildregistrierung oder Kamerabewegung – Rotation und Translation – zwischen zwei Bildern. Sobald die Kameraresektion anhand einer geschätzten Homographiematrix durchgeführt wurde, können diese Informationen zur Navigation oder zum Einfügen von Modellen von 3D-Objekten in ein Bild oder Video verwendet werden, sodass sie mit der richtigen Perspektive gerendert werden und den Eindruck erwecken, Teil des Objekts gewesen zu sein Originalszene.
Wie Sie profitieren werden
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Homographie (Computer Vision)
Kapitel 2: Affine Transformation
Kapitel 3: Transformationsmatrix
Kapitel 4: Bildzusammenfügung
Kapitel 5 : Schnittpunkt Linie-Ebene
Kapitel 6: Grundmatrix (Computer Vision)
Kapitel 7: Kameraresektion
Kapitel 8: Bildentzerrung
Kapitel 9: Kameramatrix
Kapitel 10: Automatische Kamerakalibrierung
(II) Beantwortung der häufigsten öffentlichen Fragen zur Homografie.
(III) Real Beispiele aus aller Welt für den Einsatz von Homographie in vielen Bereichen.
Für wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und andere die über Grundkenntnisse oder Informationen für jede Art von Homografie hinausgehen möchten.
Mehr von Fouad Sabry lesen
Wirtschaftswissenschaft [German]
Ähnlich wie Homographie
Titel in dieser Serie (100)
Homographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenAutomatisierte optische Inspektion: Fortschritte in der Computer-Vision-Technologie Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenAktive Kontur: Weiterentwicklung der Computer Vision mit aktiven Konturtechniken Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenTrifokaler Tensor: Erforschung von Tiefe, Bewegung und Struktur in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSchätzung der artikulierten Körperhaltung: Erschließung menschlicher Bewegung in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenOptischer Fluss: Erforschung dynamischer visueller Muster in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenOrientiertes Gradienten-Histogramm: Enthüllung des visuellen Bereichs: Erkundung des Histogramms mit orientierten Farbverläufen in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Affine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenZweidimensionale Computergrafik: Erkundung des visuellen Bereichs: Zweidimensionale Computergrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKreuzkorrelation: Muster in der Computer Vision entschlüsseln Bewertung: 0 von 5 Sternen0 BewertungenBewegungsfeld: Erkundung der Dynamik von Computer Vision: Bewegungsfeld enthüllt Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBilineare Interpolation: Verbesserung der Bildauflösung und -klarheit durch bilineare Interpolation Bewertung: 0 von 5 Sternen0 BewertungenFluchtpunkt: Erkundung der Grenzen des Sehens: Erkenntnisse aus der Informatik Bewertung: 0 von 5 Sternen0 BewertungenLevel-Set-Methode: Weiterentwicklung der Computer Vision, Erforschung der Level-Set-Methode Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenWavelets und Anwendungen Bewertung: 0 von 5 Sternen0 BewertungenUeber Riemann's Theorie der Algebraischen Functionen Bewertung: 0 von 5 Sternen0 BewertungenKrummlinige Perspektive: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDas Buch der Mathematik: Band 2 Bewertung: 0 von 5 Sternen0 BewertungenBresenham-Linien-Algorithmus: Effiziente pixelgenaue Linienwiedergabe für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenOrthographische Projektion: Erforschung der orthographischen Projektion in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenModell einer Lochkamera: Perspektive durch Computeroptik verstehen Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu Transformationen Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Funktionalanalysis Bewertung: 0 von 5 Sternen0 BewertungenMinimaler Begrenzungsrahmen: Enthüllung der Leistungsfähigkeit der räumlichen Optimierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildbasierte Modellierung und Rendering: Erforschung des visuellen Realismus: Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenJetzt lerne ich analytische Geometrie für die Oberstufe: www.alles-Mathe.de Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu Verteilungen Bewertung: 0 von 5 Sternen0 BewertungenTrifokaler Tensor: Erforschung von Tiefe, Bewegung und Struktur in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu Vektoren und vektoriellen Räumen Bewertung: 0 von 5 Sternen0 BewertungenKonvexe Hülle: Erforschung der konvexen Hülle in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur komplexen Analysis Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zum Funktionsstudium Bewertung: 0 von 5 Sternen0 BewertungenGeschwindigkeitsmomente: Die Dynamik erfassen: Einblicke in Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Die KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5ChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenPsychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Homographie
0 Bewertungen0 Rezensionen
Buchvorschau
Homographie - Fouad Sabry
Kapitel 1: Homographie (Computer Vision)
Wie in der Computer Vision verwendet, ist eine Homografie eine Beziehung zwischen zwei beliebigen Bildern derselben planaren Oberfläche im Raum (unter der Annahme eines Lochkameramodells). Dies kann in einer Vielzahl von Kontexten verwendet werden, z. B. bei der Bildentzerrung, der Bildregistrierung und der Erkennung und Korrektur von Rotations- und Translationskamerabewegungen zwischen zwei Bildern. Nachdem eine geschätzte Homografie-Matrix für die Kamera-Resektion verwendet wurde, können die resultierenden Informationen für die Navigation oder zum Einfügen von 3D-Modellen von Objekten in ein Bild oder Video verwendet werden, so dass sie in der richtigen Perspektive gerendert werden und schon immer Teil der ursprünglichen Szene zu sein scheinen (siehe Augmented Reality).
A und B sind unsere beiden Kameras, die auf Punkte P_{i} in einer Ebene schauen.
Übergang von der Projektion {\displaystyle {}^{b}p_{i}=\left({}^{b}u_{i};{}^{b}v_{i};1\right)} von P_{i} in b zur Projektion {\displaystyle {}^{a}p_{i}=\left({}^{a}u_{i};{}^{a}v_{i};1\right)} von P_{i} in a:
{\displaystyle {}^{a}p_{i}={\frac {{}^{b}z_{i}}{{}^{a}z_{i}}}K_{a}\cdot H_{ab}\cdot K_{b}^{-1}\cdot {}^{b}p_{i}}wobei {\displaystyle {}^{a}z_{i}} und {\displaystyle {}^{b}z_{i}} die z-Koordinaten von P in jedem Kamerabild sind und wobei die Homographiematrix {\displaystyle H_{ab}} gegeben ist durch
{\displaystyle H_{ab}=R-{\frac {tn^{T}}{d}}} .
R ist die Rotationsmatrix, um die b in Bezug auf a gedreht wird; Von Punkt a nach Punkt b steht t für die Translationsrichtung, n für den Normalenvektor der Ebene und d für den Abstand im Bogenmaß vom Mittelpunkt der Ebene zum Ursprung.
Ka und Kb sind die intrinsischen Parametermatrizen der Kameras.
Im Diagramm ist die Kamera b in einem Abstand von d von der Ebene positioniert.
Aus dem obigen Diagramm entnommen:, unter der Annahme n^{T}P_{i}+d=0 als Ebenenmodell, n^{T}P_{i} ist die Projektion des Vektors P_{i} entlang n von und gleich -d .
Also {\displaystyle t=t\cdot 1=t\left(-{\frac {n^{T}P_{i}}{d}}\right)} .
Und wir haben {\displaystyle H_{ab}P_{i}=RP_{i}+t} wo {\displaystyle H_{ab}=R-{\frac {tn^{T}}{d}}} .
Diese Formel gilt nur für den Fall, dass Kamera b nicht dreht oder übersetzt.
In dem allgemeinen Fall, in dem R_{a},R_{b} und t_{a},t_{b} die jeweiligen Rotationen und Translationen von Kamera a und b sind, R=R_{a}R_{b}^{T} und die Homographiematrix {\displaystyle H_{ab}} wird
{\displaystyle H_{ab}=R_{a}R_{b}^{T}-{\frac {(-R_{a}*R_{b}^{T}*t_{b}+t_{a})n^{T}}{d}}}wobei d der horizontale Abstand zwischen Kamera B und der Ebene ist.
Eine affine Homografie ist ein besseres Modell für Bildverschiebungen, wenn der Bildbereich, in dem die Homografie berechnet wird, winzig ist oder das Bild mit einer großen Brennweite aufgenommen wurde. Im Gegensatz zu allgemeinen Homographien haben affine Homographien eine feste letzte Reihe.
h_{{31}}=h_{{32}}=0,\;h_{{33}}=1.{Ende Kapitel 1}
Kapitel 2: Affine Transformation
Eine affine Transformation (von lateinisch affinis, verbunden mit
) ist eine geometrische Transformation in der euklidischen Geometrie, die gerade Linien und Parallelität beibehält, aber die Längen und Richtungen der beteiligten Winkel und Abstände ändert.
Eine allgemeinere Definition einer affinen Transformation ist ein Automorphismus eines affinen Raums (euklidische Räume sind Spezialfälle affiner Räume), d.h. eine Funktion, die einen affinen Raum auf sich selbst abbildet, während das Verhältnis der Längen paralleler Geradensegmente beibehalten wird. Daher behalten Mengen paralleler affiner Unterräume nach einer affinen Transformation ihre Parallelität bei. Abstände und Winkel zwischen Geraden werden nicht immer durch eine affine Transformation beibehalten, aber Entfernungsverhältnisse entlang einer Geraden bleiben erhalten.
Unter der Annahme, dass X die Punktmenge eines affinen Raums ist, können wir jede affine Transformation auf X als Kombination aus einer linearen Transformation auf X und einer Übersetzung von X schreiben. Im Gegensatz zu einer linearen Transformation muss der Startpunkt des affinen Raums bei einer affinen Transformation nicht gleich bleiben. Dementsprechend ist jede affine Transformation linear, aber nicht jede lineare Transformation ist affin.
Zu den affinen Transformationen gehören Translation, Vergrößerung, Reduktion, Homologie, Ähnlichkeit, Reflexion, Rotation, Scherabbildung und jede Kombination oder Sequenz davon.
Affine Transformationen sind jene projektiven Transformationen eines projektiven Raums, die die Invarianz der Hyperebene im Unendlichen beibehalten und den affinen Raum als Komplement der Hyperebene im Unendlichen definieren.
Eine affine Zuordnung ist eine allgemeinere Form einer affinen Transformation.
Stellen Sie sich ein Feld k und einen affinen Raum X vor, wobei V den Vektorraum bezeichnet, zu dem es gehört.
Eine Bijektion f von X auf sich selbst wird als affine Transformation bezeichnet; das bedeutet, dass eine lineare Abbildung g von V nach V wie üblich durch die Gleichung hier gut definiert ist {\displaystyle g(y-x)=f(y)-f(x);} . Der freie Vektor von Punkt 2 nach Punkt 1