图像特征匹配、透视变换与3D场景重建技术解析
1. 图像变形与透视变换
在图像处理中，我们可以通过透视变换将探测场景的图像转换到训练模式的坐标中，例如把书的封面转换到正前方平面，就好像我们直接从上方看它一样。实现这一目标，我们可以先获取单应性矩阵的逆矩阵来实现逆变换：
Hinv = cv2.linalg.inverse(H)但这种方法会将书封面的左上角映射到新图像的原点，从而裁剪掉书封面左侧和上方的所有内容。因此，我们希望将书封面大致居中在图像中，这就需要计算一个新的单应性矩阵。具体步骤如下：
1. 定义输出图像的大小：
dst_size = img_in.shape[:2] # cols, rows- 计算缩放因子和偏移项，使场景图像中的每个关键点映射到新图像中的正确坐标：
scale_row = 1./src_size[0]*dst_size[0]/2. bias_row = dst_size[0]/4. scale_col = 1./src_size[1]*dst_size[1]/2. bias_col = dst_size[1]/4.- 对关键点列表应用线性缩放，使用列表推导式实现：
