Homography(homografiia), Set redundancy compression (SRC)

En programacioon se ocupa para analizar por medio de una matriiiz de 3x3, que hace un mapeoo de una imaagen, con respecto a la otra.


H =  H0    H1    H2
        H10  H11  H12
        H20  H21  H22

Se tienen que saber por lo menos 4 puntos correspondientes de entre las dos imaagenes.

Ejemplo de mapeo de  imaagenes usando "H"  o la homografiia.

x1              x2      H0    H1    H2       x2
y1    =  H   y2      H10  H11  H12     y2
1                 1       H20  H21  H22      1

Set redundancy compression (SRC)

 

1.Diferencial mín-máx:

MMD

2.Predictivo mín-máx:

PDD 

La diferencia es que se representa la "posiciooon de un pixel dentro de un nivel".

Li= N (   valor(Pi)-min i   )

               max i - min i

3.El método centroide.

  Utiliza puntos y calcula un centro...

Cuando se programa, se usan cuatro puntos dentro de una imaagen, para hacer la comparacioon entre
las dos imaagenes. 
C++

Mat h = findHomography(pts_src, pts_dst);

warpPerspective(im_src, im_dst, h, size); 



Python 

h, status = cv2.findHomography(pts_src, pts_dst)

im_dst = cv2.warpPerspective(im_src, h, size)

CV

Mat im_src = imread("book2.jpg");
vector<Point2f> pts_src;    pts_src.push_back(Point2f(..........
Mat im_dst = imread("book1.jpg");
vector<Point2f> pts_dst;

    pts_dst.push_back(Point2f(..................

Mat h = findHomography(pts_src, pts_dst);

Mat im_out;

warpPerspective(im_src, im_out, h, im_dst.size());

 imshow("Source Image", im_src);

    imshow("Destination Image", im_dst);

    imshow("Warped Source Image", im_out);

Ref: www.learnopencv.com/homography-examples-using-opencv-python-c/