【python】由一组对应特征点确定一种变换矩阵

在使用特征点进行图像变形的时候，我们需要算出一个最佳的变换矩阵，本文，学习一下网上牛人写出的算法。

东西/原料

1
先给出两组点作为对应的特性点，每一组各有五个点。
point1=np.uint8(np.random.random((5,2))*10)
point2=np.uint8(np.random.random((5,2))*10)
2
计较每一组特性点的重心坐标：
c1=np.mean(point1,axis=0)
c2=np.mean(point2,axis=0)
3
计较每组特性点坐标的尺度差：
s1 = np.std(point1)
s2 = np.std(point2)
4
把每组特性点的重心放到原点位置上，而且坐标值除以尺度差。
p1=(point1-c1)/s1
p2=(point2-c2)/s2
5
把p1转置，并和p2举行矩阵乘法：
A=np.matrix(p1.T)*np.matrix(p2)
6
对矩阵A举行奇异值分化：
u,v,w=np.linalg.svd(A)
7
机关变换矩阵：
R = (u*w).T
M=np.vstack([np.hstack(((s2 / s1) * R,
c2.T - (s2 / s1) * R * c1.T)),
np.matrix([0., 0., 1.])])
END