两点透视与三点透视的区别

一、性质不同

1、三点透视：用于超高层建筑，俯瞰图或仰视图。

2、两点透视：如果建筑物仅有铅垂轮廓线与画面平行，而另外两组水平的主向橘拆轮廓线，均与画面斜交，于是在画面上形成了两个灭点Fx及Fy，这两个灭点都在视平线hl上，这样形成的透视图称为两点透视。

二、特点不同

1、三点透视特点：三点透视有三个消失点，高度线不完全垂直于画面。

2、两点透视特点：仅有铅垂轮廓线与画面平行。

扩展资料：

两点透丛颤视基于三点透视的人脸姿态估计算法：

基于一幅静止图像的人脸姿态估计技术在人脸识别领域中有着重要的实际应用。在人脸识别门禁系统中，需要从摄像机获取20cm到100cm、左右旋转在-45°—+45°、上下旋转在-35°—+35°上下旋转，然后进行识别和处理。

通常该门禁系统需要将当前的人脸图像与数据库中的所有人脸图像进行比较，这样不仅增加了处理时间，而且增加了错误率。

如果在人脸识别系统中加入人脸姿态估计功能，系统不仅可以均匀地采集各种姿态的人脸模板，还可以根据当前的人脸图像姿态，在姿态相似的人脸模板库渗伍败中进行人脸比对。大大提高了系统的识别速度。同时，也可以降低误识率。

参考资料来源：百度百科-三点透视

参考资料来源：百度百科-两点透视

这是我写的程序，参照《模式识别》张学工第9章。

a1=imread('a1.jpg')

a2=imread('a2.jpg')

b1=imread('b1.jpg')

b2=imread('b2.jpg')

a1=rgb2gray(a1)

a2=rgb2gray(a2)

b1=rgb2gray(b1)

b2=rgb2gray(b2)

figure,imshow(a1)

figure,imshow(a2)

figure,imshow(b1)

figure,imshow(b2)

a1=double(a1)

a2=double(a2)

b1=double(b1)

b2=double(b2)

a1_lie=a1(:)

a2_lie=a2(:)

b1_lie=b1(:)

b2_lie=b2(:)

c=cat(1,a1_lie',a2_lie',b1_lie',b2_lie')

c_mean=mean(c)

X=[a1_lie-c_mean',a2_lie-c_mean',b1_lie-c_mean',b2_lie-c_mean'巧档竖]

R=X'*X % R是4×4的矩阵

[p,q]=eig(R)

u=diag(q) % u是4×1的列向量

u=flipud(u) % flipud(u)实现矩阵的上下翻转， u是4×1的列向量

v=fliplr(p) % fliplr(p)实现矩阵的左右翻转，v是4×4的矩阵

e=zeros(36000,4)

for m=1:3

e(:,m)=X*v(:,m)./(u(m)^(-0.5)) % 参见《模式识别》P226公式9-18

end

p1=zeros(200,180)

p2=zeros(200,180)

p3=zeros(200,180)

for m=1:36000

p1(m)=e(m)

p2(m)=e(m+36000)

p3(m)=e(m+72000)

end

p1=mat2gray(p1)

p2=mat2gray(p2)

p3=mat2gray(p3)

figure,imshow(p1) % 显示第1特征脸

figure,imshow(p2) % 显示第2特征脸

figure,imshow(p3) % 显示第3特征脸

new=c*e(:,1:3) %分孝大别计算4个训练样本分别在第1、第蠢游2、第3、特征脸上的投影

p1=imread('p_test1.jpg')%读入一个测试样本

p1=rgb2gray(p1)

figure,imshow(p1)

p2=double(p1(:))

test=p2'*e(:,1:3)%计算测试样本在3个特征脸上的投影

error=zeros(4,1)

for m=1:4

error(m)=norm((new(m,:)-test))

end

[distence,index]=sort(error) %将列向量error中的数据按从小到大排列

if index(1)==1

result=1

elseif index(1)==2

result=1

elseif index(1)==3

result=2

elseif index(1)==4

result=2

end

result %result为1时表示测试样本属于第1个人，为2时表示测试样本属于第2个人

---