A：OpenCV 透视变换
一：OpenCV透视变换的概念
仿射变换(affine transform)与透视变换(perspective transform)在图像还原、图像局部变化处理方面有重要意义。通常，在2D平面中，仿射变换的应用较多，而在3D平面中，透视变换又有了自己的一席之地。两种变换原理相似，结果也类似，可针对不同的场合使用适当的变换。
仿射变换和透视变换的数学原理不需深究，在应用层面，仿射变换是图像基于3个固定顶点的变换，如下图所示：
二：透视变换工作原理
透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，其通用变换公式为：
（u，v）为原始图像像素坐标，（x=x’/w’，y=y’/w’）为变换之后的图像像素坐标。透视变换矩阵图解如下：
透视变换工作原理
仿射变换（Affine Transformation）可以理解为透视变换的特殊形式。透视变换的数学表达式为：
所以，给定透视变换对应的四对像素点坐标，即可求得透视变换矩阵；反之，给定透视变换矩阵，即可对图像或像素点坐标完成透视变换，如下图所示：
三：findHomography函数
这里重点分析findHomography函数参数和使用方法
findHomography： 计算多个二维点对之间的最优单映射变换矩阵 H（3行x3列） ，使用最小均方误差或者RANSAC方法。函数功能：找到两个平面之间的变换矩阵。
Mat cv::findHomography ( InputArray srcPoints,
InputArray dstPoints,
int method = 0,
double ransacReprojThreshold = 3,
OutputArray mask = noArray(),
const int maxIters = 2000,
const double confidence = 0.995
)
四：warpPerspective函数
void warpPerspective(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())warpPerspective参数说明：
1.src – 输入图像2.dst – 大小为dsize且类型与src相同的输出图像3.M – 3×3变换矩阵4.dsize – 输出图像的大小图中红点即为固定顶点，在变换先后固定顶点的像素值不变，图像整体则根据变换规则进行变换
同理，透视变换是图像基于4个固定顶点的变换，如图所示：
五：透视变换案例
这个例子中通过鼠标点击图片进行区域读取
六：getPerspectiveTransform函数
C++方式一：Mat getPerspectiveTransform(InputArray src, InputArray dst)
C++方式二：Mat getPerspectiveTransform(const Point2f src[], const Point2f dst[])
getPerspectiveTransform参数说明：
src – 源图像中四边形顶点的坐标
dst – 目标图像中相应四边形顶点的坐标。
该函数计算透视变换的3乘3矩阵，以便实现以下计算：
代码示例：
int main( )
{
Point2f srcTri[4];
Point2f dstTri[4];
Mat warpPerspective_mat( 3, 3, CV_32FC1 );
Mat src, warpPerspective_dst;
/// Load the image
src = imread( "lena.bmp", IMREAD_COLOR );
/// Set the dst image the same type and size as src
warpPerspective_dst = Mat::zeros( src.rows, src.cols, src.type() );
/// 设置三组点，求出变换矩阵
srcTri[0] = Point2f( 0,0 );
srcTri[1] = Point2f( src.cols - 1,0 );
srcTri[2] = Point2f( 0,src.rows - 1);
srcTri[3] = Point2f(src.cols - 1,src.rows - 1);
dstTri[0] = Point2f( 0,src.rows*0.13 );
dstTri[1] = Point2f( src.cols*0.9,0 );
dstTri[2] = Point2f( src.cols*0.2,src.rows*0.7 );
dstTri[3] = Point2f( src.cols*0.8,src.rows );
//计算3个二维点对之间的仿射变换矩阵（2行x3列）
warpPerspective_mat = getPerspectiveTransform( srcTri, dstTri );
//应用仿射变换，可以恢复出原图
warpPerspective( src, warpPerspective_dst, warpPerspective_mat, src.size() );
//显示结果
namedWindow( source_window, WINDOW_AUTOSIZE );
imshow( source_window, src );
namedWindow( warpPerspective_window, WINDOW_AUTOSIZE );
imshow( warpPerspective_window, warpPerspective_dst );
/// 等待，直到用户退出
waitKey(0);
return 0;
}
B：OpenCV 图像拼接
一：OpenCV图像特征采集
特征提取：
一幅图中总存在着一些独特的像素点，这些点我们可以认为就是这幅图的特征，成为特征点。
计算机视觉领域特征提取：
获取一幅图中存在着一些独特的像素点。
解决两个问题：
1、提取图片中的特征点
2、解决尺度不变性问题，不同大小的图片获取到的特征是一样的。
3、提取到的特征点要稳定，能被精确定位。
二：特征提取算法
三：特征提取
提取到的特征很粗糙，不是很精确的特征点，导致效果很差。
去粗取精，获取优秀的匹配点。
四：特征取精
取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。
五：OpenCV透视转换
透视变换是按照物体成像投影规律进行变换，即将物体重新投影到新的成像平面。透视变换常用于机器人视觉导航研究中，由于相机视场与地面存在倾斜角使得物体成像产生畸变，通常通过透视变换实现对物体图像的校正。
六：透视矩阵
[u,v,w] 表示当前平面坐标的x,y,z，如果是平面，那么z=1。
[x',y',z'] 表示目标平面坐标的x,y,z，如果是平面，那么z=1。
通过以上公式，我们可以将透视矩阵理解为：透视矩阵是原始平面可目标平面之间的一种转换关系。
七：获取特征矩阵
根据图像的4个顶点来获取特征矩阵
cv::Mat cv::getPerspectiveTransform( // 返回3x3透视变换矩阵
const cv::Point2f* src, // 源图像四个顶点坐标（点数组）
const cv::Point2f* dst // 目标图像上四个顶点的坐标（点数组）
);函数来计算透视矩阵H(3*3)
findHomography (
InputArray srcPoints,//源平面中点的坐标矩阵.vector<Point2f>类型
InputArray dstPoints,//目标平面中点的坐标矩阵，vector<Point2f>类型
int method = 0,
double ransacReprojThreshold = 3,
OutputArray mask = noArray(),
const int maxIters = 2000,
const double confidence = 0.995
)使用cv::warpPerspective()进行透视变换
void cv::warpPerspective(
cv::InputArray src, // 输入图像
cv::OutputArray dst, // 输出图像
cv::InputArray M, // 3x3 变换矩阵
cv::Size dsize, // 目标图像大小
int flags = cv::INTER_LINEAR, // 插值方法
int borderMode = cv::BORDER_CONSTANT, // 外推方法
const cv::Scalar& borderValue = cv::Scalar() //常量边界时使用
);八：图像拷贝
图像拷贝：将一副图像拷贝到另一副图像上的过程：
九：图片拼接流程思想
