Natural Image Stitching with the Global Similarity Prior 论文笔记 (三)
《Natural Image Stitching with the Global Similarity Prior》论文笔记 (三)
@(sinbad)[360sinbad@gmail.com]
重新推导下网格相似性变换,基于论文Implementing As-Rigid-As-Possible Shape Manipulation and Surface Flattening和原文代码实现。
-
局部相似性约束
网格相似性变换的目标是找到顶点坐标使得变换后边的向量畸变最小,换种说法更直接,找到变换后的顶点坐标使得经过局部相似性变换后与原有对应有向网格边缘向量对齐,
即求解如下方程的最小二乘解。一种间接优化方法是引入旋转矩阵映射边缘顶点
为原始形状顶点坐标,
为变形后顶点坐标,转换成最小二乘问题。
其中,定义为线性形式,
于是该问题可以看作线性优化问题求解。论文中采集边缘周围7个顶点作为上下文推导局部变换,
相邻关系见下图
(3)、(4)联合推导如下:
这是一个标准最小二乘问题,解法如下:
上式说明是局部相邻顶点的线性组合,代入公式(2)
式子内累加变形为
最终表示形式为
AZ=0
-
全局相似性约束
全局相似性约束式中累加项推导
因为是局部变量,
是全局性不变量,所以
在不等式组求解时不能自动抵消。
最终表示形式为
AZ=b
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步