ransac算法–基於幾何關係的圖像特徵匹配點對提純 ransac算法–基於幾何關係的圖像特徵匹配點對提純

ransac的原理，有一些不錯的資料已經詳細的敘述，剛開始學習的時候我看的是Marco Zuliani的<<Ransac for Dummies>>，這份資料講得不錯，想要詳細瞭解其原理的同學不妨看看這份資料。本着實用爲主的原則，此處，主要描繪具體怎麼實現ransac算法。

ransac算法的輸入爲：需要處理的點集；以及可能符合的函數模型, 選擇的模型決定了需要計算模型參數的點的個數。

ransac算法的輸出爲：滿足某種關係的過濾點集 ；函數模型的參數。

ransac算法的實現步驟：

1. 根據你設定的函數模型，選定足夠的點
2. 使用選定的點，計算得到函數模型參數
3. 判定其他點是否符合該函數，並統計滿足的點的個數
4. 反覆1-3步，最後，具有最多點滿足的函數爲求取的函數，滿足該函數的點爲inlier，反之，不滿足該函數的點爲outlier。

以特徵點對的幾何去噪這一應用爲例，具體實現代碼如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

//輸入： //    需要去噪的特徵點對：vector<pair<CvPoint CvPoint>  > matcher_ori //    點對估計應該滿足的特徵點對幾何模型：xform_fn = 投影、仿射、RST或者其他 //    對應的計算模型參數需要特徵點對個數：sample_n //    誤差求取函數： err_fn //    誤差閾值： err_w //    另外還有幾個特別重要的參數：infrac， p_badxform, RANSAC_PROB_BAD_SUPP //輸出： //    去噪後的特徵點對 vector<pair<CvPoint CvPoint>  > matcher_dst //    應滿足的實際幾何模型參數： Ptr<CvMat> H_matrix   int k = 0; doublep = pow(1.0 -pow(in_frac, MSS_n), k); int mather_n = (int)mather_ori.size(); int done_n = 0; while(p > p_badxform && (((matcher_n - done_n) - sample_n) >= 0) ) {     matcher_sample.clear(); //  隨機選擇足夠的點對     choice_ransac_sample(matcher_ori, matcher_sample, sample_n);     done_n += sample_n; //  使用選擇的點對計算模型的參數     H_matrix = xform_fn(matcher_sample);     if(NULL == H_matrix)     {         p =pow(1.0 - pow(in_frac, sample_n, ++k);         continue;     }     matcher_inliners.clear(); //  檢測有哪些點對滿足當前的幾何模型     find_consensus( matcher_ori, H_matrix, err_fn, err_w, matcher_inliners); //     選擇最多點對符合的幾何模型     if(matcher_dst.size() < matcher_inliners.size())     {                     matcher_dst.clear();                     matcher_dst = matcher_inliners;                     in_frac =double(matcher_dst.size())/double(matcher_ori.size());     }      p =pow(1.0 - pow(in_frac, sample_n), ++k); }

結果示例圖：

ransac之前的匹配點 ： 共有20個匹配點

ransac之後的匹配點：共有17個匹配點

http://www.imagerabit.com/?p=141