我有一张二值图像,上面有点,是使用OpenCV的goodFeaturesToTrack获得的,如图像1所示。
我想在这张图像上拟合一个4*25个点的网格,就像图像2上显示的那样(并不是所有的点都在图像上可见,但它是一个正常的4*25个点的矩形)。
我的4*25个点的模型点阵由以下参数化: 1-左上角的位置 2-矩形与水平线的倾斜度 下面的代码展示了构建这样一个模型的函数。
这个问题似乎接近于棋盘角问题。
我想知道如何将我的模型点云拟合到输入图像上,并获取点云的位置和角度。 我可以轻松地测量两个图像之间的距离(输入图像和具有模型网格的图像),但我想避免检查图像上的每个像素和角度以找到此距离的最小值。
def ModelGrid(pos, angle, shape):
# Initialization of output image of size shape
table = np.zeros(shape)
# Parameters
size_pan = [32, 20]# Pixels
nb_corners= [4, 25]
index = np.ndarray([nb_corners[0], nb_corners[1], 2],dtype=np.dtype('int16'))
angle = angle*np.pi/180
# Creation of the table
for i in range(nb_corners[0]):
for j in range(nb_corners[1]):
index[i,j,0] = pos[0] + j*int(size_pan[1]*np.sin(angle)) + i*int(size_pan[0]*np.cos(angle))
index[i,j,1] = pos[1] + j*int(size_pan[1]*np.cos(angle)) - i*int(size_pan[0]*np.sin(angle))
if 0 < index[i,j,0] < table.shape[0]:
if 0 < index[i,j,1] < table.shape[1]:
table[index[i,j,0], index[i,j,1]] = 1
return table