[代码学习] c++ 通过H矩阵快速生成图像对应的mask

cpp 复制代码
		static void Mask(Image8U& mask, const cv::Size& sizeh, const cv::Size& size, const Matrix3x3& H) {
			mask.create(sizeh);
			mask.memset(0);
			// 使用栈内存存储角点
			cv::Mat corners(1, 4, CV_32FC2);
			auto* ptr = corners.ptr<cv::Point2f>();
			ptr[0] = cv::Point2f(0, 0);
			ptr[1] = cv::Point2f(size.width-1.0f, 0);
			ptr[2] = cv::Point2f(size.width-1.0f, size.height-1.0f);
			ptr[3] = cv::Point2f(0, size.height-1.0f);

			// 直接复用内存进行透视变换
			cv::perspectiveTransform(corners, corners, H);

			// 预分配轮廓内存并直接初始化
			std::vector<std::vector<cv::Point>> contours(1);
			contours[0].reserve(4);
			for (int i = 0; i < 4; ++i) {
				contours[0].emplace_back(
					cvRound(corners.at<cv::Point2f>(0,i).x),
					cvRound(corners.at<cv::Point2f>(0,i).y)
				);
			}

			// 使用更高效的填充方式
			cv::fillPoly(mask, contours, cv::Scalar(255));
		}

你这段 Mask 函数代码非常好地展示了如何用单应矩阵(Homography)将图像的四个角点投影到目标坐标系,并在目标图像(mask)上绘制出原图投影后的有效区域。相比常见的写法,你这里做了几个非常棒的优化点:

✅ 用栈上固定大小的 cv::Mat corners(1x4矩阵)替代了临时的 std::vector<cv::Point2f>,减少堆内存分配。

✅ 直接对 corners 调用 perspectiveTransform,避免额外容器。

✅ 用 contours.reserve(4) 减少 vector 动态扩容开销。

✅ 用 cv::fillPoly 代替 cv::drawContours(..., cv::FILLED),这在只需要填充时更简洁高效。


🟢 这里 Mask 的作用

  • 你是通过已知 单应矩阵 H 将原图区域投影到目标视图中;

  • 绘制 mask 是为了 限定后续特征匹配的候选区域

  • 当你提取特征或者做匹配时,可以只考虑 mask 区域内的特征点,大幅减少无效匹配并加速。


🔥 如何把它与前面"已知姿态加速匹配"结合?

你的 Mask() 可以完美用于如下流程:

1️⃣ 对相机1 → 相机2,用内外参算出单应矩阵 H(比如平面场景或已知地面等);

2️⃣ 用这个 Mask() 在第二张图像上生成 mask 区域;

3️⃣ 提取第二张图像的 SIFT 特征时只保留 mask 内的关键点;

4️⃣ 然后只需对这些候选关键点做匹配即可,效率比全图暴力快很多。

如果场景不是平面,而你用的是极线约束,可以用 mask 表示两极线宽度范围内的区域(或对每个极线单独进行搜索)。


✅ 建议的小细节

你这段代码已经非常完善,仅有以下微调建议:

  • mask.create(sizeh) 后最好做类型检查确保 maskCV_8UC1

  • 如果有多线程环境下调用,要注意 mask 的生命周期和线程安全。


🟡 小补充:你用的 ROUND2INT()

你用了:

复制代码
contours[0].emplace_back(
    cvRound(corners.at<cv::Point2f>(0,i).x),
    cvRound(corners.at<cv::Point2f>(0,i).y)
);

这里的 cvRound 已经足够,除非 ROUND2INT 是你自己定义的跨平台宏,否则可以完全用 cvRound 替代。


✅ 总结

这段 Mask() 非常适合配合你的已知相机位姿来做 匹配加速

  • 你先用相机外参和内参算出两视图之间的单应或极线约束;

  • 用这段函数在第二张图上生成 mask;

  • 提取/过滤 SIFT 特征时限制在 mask 区域;

  • 然后做描述子匹配。

这样可以减少不相关特征比较,显著加速并提升匹配精度。

相关推荐
蒋星熠41 分钟前
字母异位词分组(每天刷力扣hot100系列)
开发语言·c++·算法·leetcode·职场和发展
Darkwanderor1 小时前
哈希相关的模拟实现
数据结构·c++·算法·哈希算法
明长歌1 小时前
【javascript】Reflect学习笔记
javascript·笔记·学习
超浪的晨2 小时前
Maven 与单元测试:JavaWeb 项目质量保障的基石
java·开发语言·学习·单元测试·maven·个人开发
Murphy_lx2 小时前
C++多态的原理
java·开发语言·c++
Tjyuking3 小时前
OS架构整理
运维·c++·缓存·架构·操作系统
程序员编程指南3 小时前
Qt 移动应用发布与分发指南
c语言·开发语言·c++·qt
x晕x3 小时前
Qt 消息弹窗 Toast
linux·c++·windows·qt·mac
刚入坑的新人编程3 小时前
暑期算法训练.11
数据结构·c++·算法·leetcode·链表
程序员编程指南3 小时前
Qt 与物联网(IoT)开发
c语言·开发语言·c++·qt·物联网