Duanxx的图像处理学习: 透视变换(一)

简介:

当人用眼睛看事物的时候,会感觉到近处的东西是比远处的东西要大一些的,通俗的说,这就是透视。

 

         总的来说。透视变换是将3D的世界转换到2D图像上的一种手段,人的视觉系统和摄像头视觉系统也是基于这一工作原理。

        

         对透视变化的研究,就是要搞明确。为什么我们看到的东西会近处大而远处的小。


一 參考系

透视变换最主要是用于測量,因此在说明透视变换之前。有必要说明一下參考系的问题。



为了有效的分析3D世界。以下五种參考系是必要的:


1.        对象參考系(Object)

有时候也叫做本地參考系(Local Coordinate Systems),能够将其粗鲁的理解为视界中某个物体的以自己为中心的坐标系。其作用范围只在物体本身。比方,当我们在为某个物体建模的时候,我们必须找到一个点,用于将建模用的模块组装起来。

这是一个三维坐标系。

 

2.        世界參考系(World)

也被称为宇宙坐标系(universe Coordinate Systems),这个坐标系是其它全部坐标系的基础,用于将其它的坐标系联系在一起。

这是一个三维坐标系。


 

3.        摄像头參考系(Camera)

一般来说,为了简化模型,我们会如果所使用的摄像头为针孔摄像头,而图像平面被觉得是在焦点前(相机中心)。

摄像头參考系为右手坐标系。而且将Z轴指向图像平面,见下图:

这是一个三维坐标系。





4.        图像參考系(Image Plane)

图像參考系就是在摄像头中的投影面,一般来说,图像參考系的中点就是相应摄像头的焦点的位置,图像平面和摄像头中心的距离为焦距,这个平面会和摄像头的Z轴垂直。

这个參考系的

这是一个二维坐标系。



5.        像素參考系(Pixel)

和图像參考系一样,这也是一个二维的坐标系,在像素參考系中的每一个点都有和图像參考系中有相应关系。

 

五个坐标系之间的空间关系:




         这5个參考系之间的转换关系如此下:


上图就是从3D场景转换到2D图像的整个流程。




二 数学介绍


由这个图能够非常easy知道
Y不变时,Z向左移动后。Z会变大
那么y就会变
这就是为什么我们看物体会产生近大远小
的透视效果。



三 世界坐标系到摄像头坐标系


四 摄像头坐标系到图像坐标系







本文转自mfrbuaa博客园博客,原文链接:http://www.cnblogs.com/mfrbuaa/p/5200821.html,如需转载请自行联系原作者

相关文章
|
10月前
|
监控 计算机视觉
【图像处理】基于二维FIR的特定角度边缘检测(Matlab代码实现)
【图像处理】基于二维FIR的特定角度边缘检测(Matlab代码实现)
|
算法 计算机视觉 C++
【C++】图像处理中的滤波算法(一)
总结一下图像处理中常用的几种滤波算法,包括中值、均值、高斯、双边、引导滤波这五种,主要用于图像平滑去噪方面。滤波算法的基本思路,就是采用周边像素,加权平均计算一个新的像素,来缓减噪声对当前像素的影响。
349 0
【C++】图像处理中的滤波算法(一)
|
算法 计算机视觉 C++
【C++】图像处理中的滤波算法(二)
总结一下图像处理中常用的几种滤波算法,包括中值、均值、高斯、双边、引导滤波这五种,主要用于图像平滑去噪方面。滤波算法的基本思路,就是采用周边像素,加权平均计算一个新的像素,来缓减噪声对当前像素的影响。
111 0
【C++】图像处理中的滤波算法(二)
|
算法 API 计算机视觉
【C++】图像处理中的滤波算法(三)
总结一下图像处理中常用的几种滤波算法,包括中值、均值、高斯、双边、引导滤波这五种,主要用于图像平滑去噪方面。滤波算法的基本思路,就是采用周边像素,加权平均计算一个新的像素,来缓减噪声对当前像素的影响。
165 0
【C++】图像处理中的滤波算法(三)
|
算法 API 计算机视觉
【C++】图像处理中的滤波算法(四)
总结一下图像处理中常用的几种滤波算法,包括中值、均值、高斯、双边、引导滤波这五种,主要用于图像平滑去噪方面。滤波算法的基本思路,就是采用周边像素,加权平均计算一个新的像素,来缓减噪声对当前像素的影响。
319 0
【C++】图像处理中的滤波算法(四)
|
计算机视觉
【图像处理学习笔记】--图像直方图
图像直方图统计会灰度集出现的次数,主要运用于图像增强,图像分割,图像分类。
48 0
【图像处理学习笔记】--图像直方图
|
计算机视觉 机器学习/深度学习
|
计算机视觉 数据挖掘 算法
图像处理之高斯混合模型
图像处理之高斯混合模型    一:概述 高斯混合模型(GMM)在图像分割、对象识别、视频分析等方面均有应用,对于任意给定的数据样本集合,根据其分布概率, 可以计算每个样本数据向量的概率分布,从而根据概率分布对其进行分类,但是这些概率分布是混合在一起的,要从中分离出单个样本的概率分布就实现了样本数据聚类,而概率分布描述我们可以使用高斯函数实现,这个就是高斯混合模型-GMM。
1387 0
|
计算机视觉 算法 人工智能
图像处理之三角法图像二值化
图像处理之三角法图像二值化 三角法求阈值最早见于Zack的论文《Automatic measurement of sister chromatid exchange frequency》主要是用于染色体的研究,该方法是使用直方图数据,基于纯几何方法来寻找最佳阈值,它的成立条件...
1918 0