您正在寻找适合从图像 1 到图像 2 的几何变换的最大匹配特征集。在本例中,它是相似变换,它有 4 个参数: 平移(dx, dy)
, 尺度变化ds
,和旋转d_theta
.
假设您已匹配特征:图像 1 中的 f1 和图像 2 中的 f2。让(x1,y1)
是图像 1 中 f1 的位置,令s1
是它的规模,并让theta1
是它的方向。同样你有(x2,y2)
, s2
, and theta2
for f2.
两个特征之间的转换是(dx,dy) = (x2-x1, y2-y1)
.
两个特征之间的尺度变化为ds = s2 / s1
.
两个特征之间的旋转是d_theta = theta2 - theta1
.
So, dx
, dy
, ds
, and d_theta
是霍夫空间的维度。每个 bin 对应一个相似度变换。
一旦您执行了霍夫投票并找到了最大 bin,该 bin 就会为您提供从图像 1 到图像 2 的转换。您可以做的一件事是获取图像 1 的边界框并使用该转换对其进行转换:应用相应的转换,旋转和缩放到图像的角点。通常,您将参数打包到变换矩阵中,并使用齐次坐标。这将为您提供图像 2 中与您检测到的对象相对应的边界框。