使用cv.computeCorrespondEpilines与自定义Fundamental Matrix绘制对极线报错解决

错误原因逐一拆解 #

1. shape解包失败：
   原教程drawlines函数里用r,c = img1src.shape，但彩色图像的shape是(高度, 宽度, 通道数)三个值，强行解包成两个变量必然报错。

2. COLOR_GRAY2BGR转换报错：
   cv.cvtColor的COLOR_GRAY2BGR参数是用来把单通道灰度图转成3通道BGR图的，输入已经是彩色图（3通道），再用这个转换自然会触发类型不匹配的错误。

3. Fmat解包失败：
   cv.findFundamentalMat会返回两个结果（基础矩阵+内点掩码），但从Fmat.npy导入的是直接保存的单份基础矩阵数组，用fundamental_matrix, inliers = Fmat去解包单个数组，肯定会提示解包值数量不匹配。

完整修复代码 #

下面是适配Fmat.npy的对极线绘制代码，已修复上述所有问题：

import cv2
import numpy as np

def drawlines(img1, img2, lines, pts1, pts2):
    # 兼容彩色/灰度图的shape获取
    r, c, *_ = img1.shape
    # 根据图像类型处理绘图副本
    if len(img1.shape) == 2:
        img1_copy = cv2.cvtColor(img1, cv2.COLOR_GRAY2BGR)
    else:
        img1_copy = img1.copy()
    
    if len(img2.shape) == 2:
        img2_copy = cv2.cvtColor(img2, cv2.COLOR_GRAY2BGR)
    else:
        img2_copy = img2.copy()
    
    # 遍历绘制对极线与对应点
    for r_line, pt1, pt2 in zip(lines, pts1, pts2):
        color = tuple(np.random.randint(0, 255, 3).tolist())
        x0, y0 = map(int, [0, -r_line[2]/r_line[1]])
        x1, y1 = map(int, [c, -(r_line[2]+r_line[0]*c)/r_line[1]])
        img1_copy = cv2.line(img1_copy, (x0,y0), (x1,y1), color, 1)
        img1_copy = cv2.circle(img1_copy, tuple(pt1), 5, color, -1)
        img2_copy = cv2.circle(img2_copy, tuple(pt2), 5, color, -1)
    return img1_copy, img2_copy

# 1. 加载图像与匹配点（替换为你自己的图像和对应点）
img1 = cv2.imread('left_image.jpg')
img2 = cv2.imread('right_image.jpg')
# 示例匹配点（需替换为实际的特征匹配对，格式为N×2的np.int32数组）
pts1 = np.array([[100,150], [200,250], [300,350]], dtype=np.int32)
pts2 = np.array([[120,155], [220,255], [320,355]], dtype=np.int32)

# 2. 导入预先生成的基础矩阵F
F = np.load('Fmat.npy')

# 3. 计算并绘制对极线
# 右图像点对应左图的对极线
lines1 = cv2.computeCorrespondEpilines(pts2.reshape(-1,1,2), 2, F)
lines1 = lines1.reshape(-1,3)
img1_with_lines, _ = drawlines(img1, img2, lines1, pts1, pts2)

# 左图像点对应右图的对极线
lines2 = cv2.computeCorrespondEpilines(pts1.reshape(-1,1,2), 1, F)
lines2 = lines2.reshape(-1,3)
img2_with_lines, _ = drawlines(img2, img1, lines2, pts2, pts1)

# 4. 展示结果
cv2.imshow('Left Image + Epilines', img1_with_lines)
cv2.imshow('Right Image + Epilines', img2_with_lines)
cv2.waitKey(0)
cv2.destroyAllWindows()

额外注意事项 #

• 确保Fmat.npy是cv2.stereoCalibrate输出的3×3维度基础矩阵数组。
• 匹配点pts1和pts2必须是图像中一一对应的关键点对，数量需一致，格式为np.int32类型。

内容的提问来源于stack exchange，提问作者a11s