Из-за вашего предположения Эталон и цель находятся (приблизительно) в одной плоскости. вы можете применить метод «Алгоритм 1: планарные измерения», описанный в
Антонио Криминизи. «Единая метрология: алгоритмы и приложения (приглашенный доклад)». В: Распознавание образов. Эд. Люк Ван Гул. Том. 2449. Конспект лекций по информатике. Springer Berlin Heidelberg, 2002 г., стр. 224–239.
Метод позволяет измерить расстояние между двумя точками, лежащими в одной плоскости.
В основном
P=H*p (1)
где p
— это точка на вашем изображении, выраженная в однородных координатах, P
— это соответствующая точка в трехмерной мировой плоскости, также выраженная в однородных координатах, а H
— это матрица 3x3, называемая матрицей гомографии, а *
— это умножение матрицы на вектор.
h11 h12 h13
H = h21 h22 h23
h31 h32 h33
Единицей измерения p
являются пиксели, поэтому, например, если p
является точкой в строке r
и столбце c
, она будет выражена как [r,c,1]
. Единицей измерения P
являются ваши мировые единицы, например метры, вы можете предположить, что ваша трехмерная мировая плоскость - это плоскость Z=0
, и поэтому P
выражается как однородный вектор [X,Y,1]
.
Итак, небольшая модификация "Алгоритма 1: планарные измерения". заключается в следующем:
Для данного изображения плоской поверхности оцените матрицу гомографии изображения в мир H. Предположим, что 9 элементов H безразмерны.
На изображении выберите две точки p1=[r1,c1,1]
и p2=[r2,c2,1]
, принадлежащие эталонному объекту.
Спроецируйте каждую точку изображения на мировую плоскость с помощью (1), чтобы получить две мировые точки P1
и P2
. Вы выполняете умножение матрицы на вектор, а затем делите полученный вектор на его третий компонент, чтобы получить однородный вектор. Например, P1=[X1,Y1,1]
равно P1=[(c1*h_12 + h_11*r1 + h_13)/(c1*h_32 + h_31*r1 + h_33),(c1*h_22 + h_21*r1 + h_23)/(c1*h_32 + h_31*r1 + h_33),1]
. Предположим на данный момент, что девять элементов H
безразмерны, это означает, что единицей измерения X1
, Y1
, X2
, Y2
является пиксель.
Вычислите расстояние R
между P1
и P2
, которое равно R=sqrt(pow(X1-X2,2)+pow(Y1-Y2,2)
, R
по-прежнему выражается в пикселях. Теперь, поскольку P1
и P2
находятся на эталонном объекте, это означает, что вы знаете расстояние между ними в метрах, давайте назовем это расстояние, выраженное в метрах, M
.
Вычислите масштабный коэффициент s
как s=M/R
, размерность s
— метр на пиксель.
Умножьте каждый элемент H
на s
и назовите G
новую полученную матрицу. Теперь элементы G
выражаются в метрах на пиксель.
Теперь на изображении выберите две точки p3
и p4
, принадлежащие целевому объекту.
Обратно проецируйте p3
и p4
через G
, чтобы получить P3
и P4
. P3=G*p3
и P4=G*p4
. Снова разделите каждый вектор на его третий элемент. P3=[X3,Y3,1]
и P4=[X4,Y4,1]
, а теперь X3
, Y3
, X4
и Y4
выражаются в метрах.
Вычислите желаемое целевое расстояние D
между P3
и P4
, которое равно D=sqrt(pow(X3-X4,2)+pow(Y3-Y4,2)
. D
теперь выражается в метрах.
В приложении к вышеупомянутому документу объясняется, как вычислить H
, или, например, вы можете использовать OpenCV cv::findHomography
: в основном вам нужно как минимум четыре соответствия между точками в реальном мире и точками на вашем изображении.
Другой источник информации о том, как оценить H
, находится в
ДЖОНСОН, Мика К.; ФАРИД, Хани. Метрические измерения на плоскости с одного изображения. Отдел. вычисл. наук, Дартмутский колледж, техн. Отчет TR2006-579, 2006 г.
Если вам необходимо также оценить точность ваших измерений, вы можете найти подробности в
А. Криминиси. Точная визуальная метрология на основе одного и нескольких некалиброванных изображений. Серия выдающихся диссертаций. Springer-Verlag London Ltd., сентябрь 2001 г. ISBN: 1852334681.
Пример на С++ с OpenCV:
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/calib3d/calib3d.hpp"
void to_homogeneous(const std::vector< cv::Point2f >& non_homogeneous, std::vector< cv::Point3f >& homogeneous )
{
homogeneous.resize(non_homogeneous.size());
for ( size_t i = 0; i < non_homogeneous.size(); i++ ) {
homogeneous[i].x = non_homogeneous[i].x;
homogeneous[i].y = non_homogeneous[i].y;
homogeneous[i].z = 1.0;
}
}
void from_homogeneous(const std::vector< cv::Point3f >& homogeneous, std::vector< cv::Point2f >& non_homogeneous )
{
non_homogeneous.resize(homogeneous.size());
for ( size_t i = 0; i < non_homogeneous.size(); i++ ) {
non_homogeneous[i].x = homogeneous[i].x / homogeneous[i].z;
non_homogeneous[i].y = homogeneous[i].y / homogeneous[i].z;
}
}
void draw_cross(cv::Mat &img, const cv::Point center, float arm_length, const cv::Scalar &color, int thickness = 5 )
{
cv::Point N(center - cv::Point(0, arm_length));
cv::Point S(center + cv::Point(0, arm_length));
cv::Point E(center + cv::Point(arm_length, 0));
cv::Point W(center - cv::Point(arm_length, 0));
cv::line(img, N, S, color, thickness);
cv::line(img, E, W, color, thickness);
}
double measure_distance(const cv::Point2f& p1, const cv::Point2f& p2, const cv::Matx33f& GG)
{
std::vector< cv::Point2f > ticks(2);
ticks[0] = p1;
ticks[1] = p2;
std::vector< cv::Point3f > ticks_h;
to_homogeneous(ticks, ticks_h);
std::vector< cv::Point3f > world_ticks_h(2);
for ( size_t i = 0; i < ticks_h.size(); i++ ) {
world_ticks_h[i] = GG * ticks_h[i];
}
std::vector< cv::Point2f > world_ticks_back;
from_homogeneous(world_ticks_h, world_ticks_back);
return cv::norm(world_ticks_back[0] - world_ticks_back[1]);
}
int main(int, char**)
{
cv::Mat img = cv::imread("single-view-metrology.JPG");
std::vector< cv::Point2f > world_tenth_of_mm;
std::vector< cv::Point2f > img_px;
// Here I manually picked the pixels coordinates of the corners of the A4 sheet.
cv::Point2f TL(711, 64);
cv::Point2f BL(317, 1429);
cv::Point2f TR(1970, 175);
cv::Point2f BR(1863, 1561);
// This is the standard size of the A4 sheet:
const int A4_w_mm = 210;
const int A4_h_mm = 297;
const int scale = 10;
// Here I create the correspondences between the world point and the
// image points.
img_px.push_back(TL);
world_tenth_of_mm.push_back(cv::Point2f(0.0, 0.0));
img_px.push_back(TR);
world_tenth_of_mm.push_back(cv::Point2f(A4_w_mm * scale, 0.0));
img_px.push_back(BL);
world_tenth_of_mm.push_back(cv::Point2f(0.0, A4_h_mm * scale));
img_px.push_back(BR);
world_tenth_of_mm.push_back(cv::Point2f(A4_w_mm * scale, A4_h_mm * scale));
// Here I estimate the homography that brings the world to the image.
cv::Mat H = cv::findHomography(world_tenth_of_mm, img_px);
// To back-project the image points into the world I need the inverse of the homography.
cv::Mat G = H.inv();
// I can rectify the image.
cv::Mat warped;
cv::warpPerspective(img, warped, G, cv::Size(2600, 2200 * 297 / 210));
{
// Here I manually picked the pixels coordinates of ticks '0' and '1' in the slide rule,
// in the world the distance between them is 10mm.
cv::Point2f tick_0(2017, 1159);
cv::Point2f tick_1(1949, 1143);
// I measure the distance and I write it on the image.
std::ostringstream oss;
oss << measure_distance(tick_0, tick_1, G) / scale;
cv::line(img, tick_0, tick_1, CV_RGB(0, 255, 0));
cv::putText(img, oss.str(), (tick_0 + tick_1) / 2, cv::FONT_HERSHEY_PLAIN, 3, CV_RGB(0, 255, 0), 3);
}
{
// Here I manually picked the pixels coordinates of ticks '11' and '12' in the slide rule,
// in the world the distance between them is 10mm.
cv::Point2f tick_11(1277, 988);
cv::Point2f tick_12(1211, 973);
// I measure the distance and I write it on the image.
std::ostringstream oss;
oss << measure_distance(tick_11, tick_12, G) / scale;
cv::line(img, tick_11, tick_12, CV_RGB(0, 255, 0));
cv::putText(img, oss.str(), (tick_11 + tick_12) / 2, cv::FONT_HERSHEY_PLAIN, 3, CV_RGB(0, 255, 0), 3);
}
// I draw the points used in the estimate of the homography.
draw_cross(img, TL, 40, CV_RGB(255, 0, 0));
draw_cross(img, TR, 40, CV_RGB(255, 0, 0));
draw_cross(img, BL, 40, CV_RGB(255, 0, 0));
draw_cross(img, BR, 40, CV_RGB(255, 0, 0));
cv::namedWindow( "Input image", cv::WINDOW_NORMAL );
cv::imshow( "Input image", img );
cv::imwrite("img.png", img);
cv::namedWindow( "Rectified image", cv::WINDOW_NORMAL );
cv::imshow( "Rectified image", warped );
cv::imwrite("warped.png", warped);
cv::waitKey(0);
return 0;
}
Входное изображение, в данном случае ваш эталонный объект — лист формата А4, а целевой объект — логарифмическая линейка: < img src="https://i.stack.imgur.com/r5Z7n.jpg" alt="введите здесь описание изображения">
Входное изображение с мерами, красные кресты используются для оценки гомографии:
Исправленный образ:
person
Alessandro Jacopson
schedule
03.04.2016