Алгоритм RANSAC

Ответ 1

Несколько лет назад я реализовал изображение сшивателя. Статья о RANSAC в Википедии описывает общий альгортим.

При использовании RANSAC для сопоставления изображений, основанных на характеристиках, вы хотите найти преобразование, которое наилучшим образом преобразует первое изображение во второе изображение. Это будет модель, описанная в статье wikipedia.

Если у вас уже есть свои функции для обоих изображений и вы нашли, какие функции в первом изображении наилучшим образом соответствуют тем, какие функции на втором изображении, RANSAC будет использоваться примерно так.

The input to the algorithm is:
n - the number of random points to pick every iteration in order to create the transform. I chose n = 3 in my implementation.
k - the number of iterations to run
t - the threshold for the square distance for a point to be considered as a match
d - the number of points that need to be matched for the transform to be valid
image1_points and image2_points - two arrays of the same size with points. Assumes that image1_points[x] is best mapped to image2_points[x] accodring to the computed features.

best_model = null
best_error = Inf
for i = 0:k
  rand_indices = n random integers from 0:num_points
  base_points = image1_points[rand_indices]
  input_points = image2_points[rand_indices] 
  maybe_model = find best transform from input_points -> base_points

  consensus_set = 0
  total_error = 0
  for i = 0:num_points
    error = square distance of the difference between image2_points[i] transformed by maybe_model and image1_points[i]
    if error < t
      consensus_set += 1
      total_error += error

  if consensus_set > d && total_error < best_error
    best_model = maybe_model
    best_error = total_error

Конечным результатом является преобразование, которое наилучшим образом преобразует точки в image2 в image1, что очень важно, что вы хотите при сшивании.