Python cucim.skimage.transform.PolynomialTransform.estimate用法及代码示例

用法: estimate(src, dst, order=2)

从一组对应点估计变换。

您可以使用总least-squares 方法确定过、井和under-determined 参数。

源坐标和目标坐标的数量必须匹配。

转换定义为：

X = sum[j=0:order]( sum[i=0:j]( a_ji * x**(j - i) * y**i ))
Y = sum[j=0:order]( sum[i=0:j]( b_ji * x**(j - i) * y**i ))

这些方程可以转换为以下形式：

0 = sum[j=0:order]( sum[i=0:j]( a_ji * x**(j - i) * y**i )) - X
0 = sum[j=0:order]( sum[i=0:j]( b_ji * x**(j - i) * y**i )) - Y

每组对应点都存在，所以我们有一组 N * 2 个方程。系数呈线性出现，因此我们可以写成 A x = 0，其中：

A   = [[1 x y x**2 x*y y**2 ... 0 ...             0 -X]
       [0 ...                 0 1 x y x**2 x*y y**2 -Y]
        ...
        ...
      ]
x.T = [a00 a10 a11 a20 a21 a22 ... ann
       b00 b10 b11 b20 b21 b22 ... bnn c3]

在总least-squares 的情况下，这个齐次方程组的解是 A 的右奇异向量，它对应于由系数 c3 规范的最小奇异值。

参数：

src：(N, 2) 数组: 源坐标。
dst：(N, 2) 数组: 目的地坐标。
order：整数，可选: 多项式阶数(系数数为阶数 + 1)。

success：bool: 是的，如果模型估计成功。

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.transform.PolynomialTransform.estimate。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：