【OpenCV实现图像:使用OpenCV进行图像处理之透视变换】

文章目录

概要

透视变换(Perspective Transformation)是一种图像处理中常用的变换手段,它用于将图像从一个视角映射到另一个视角,常被称为投影映射。透视变换可以用于矫正图像中的透视畸变,使得图像中的物体在新的视平面上呈现更加规则的形状。

透视变换通常涉及到寻找图像中的特定点集,这些点对应于真实场景中的特定位置。通过这些点的映射关系,可以计算出透视变换的矩阵,然后将整个图像进行变换。在实际应用中,透视变换常用于校准摄像头、图像矫正、虚拟增强现实等领域。

计算公式

一般来说,通用的图像变换公式如下所示:

上述公式中,u,v代表原始图像坐标,x,y为经过透视变换的图片坐标,其中变换矩阵为3X3形式。进而可以得到:

举个栗子

直观的来看,透视变换的作用就是将左侧图像的坐标点

\[50,0\],\[150,0\],\[0,200\],\[200,200\]

转化为新的坐标

\[0,0\],\[200,0\],\[0,200\],\[200,200\]

通过计算我们知道,转换矩阵如下

采用左上角的点(50,0)代入公式,

接着将列向量的前两维度除以第三维执行归一化:

所以原图左上角点执行透视变换后的映射关系:

实际应用

1)读入图像

首先我们来读入一副彩色图像,如下:

bash 复制代码
import cv2
import numpy as np

img = cv2.imread("image/sample.jpg")
h, w, c = img.shape  # 获取图像的高度、宽度和通道数

2)挑选原图四个点

接着我们需要挑选四个点,我们这里采用左上,左下,右下和右上,下面的代码把我们挑选的四个点画到图像上.

bash 复制代码
src_list = [(61, 70), (151, 217), (269, 143), (160, 29)]

# 在图像上标出四个点
for i, pt in enumerate(src_list):
    cv2.circle(img, pt, 5, (0, 0, 255), -1)
    cv2.putText(img, str(i+1), (pt[0]+5, pt[1]+10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 将挑选的四个点转换为NumPy数组
pts1 = np.float32(src_list)

3)显示图像:

bash 复制代码
cv2.imshow('Original Image with Selected Points', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

完整代码:

bash 复制代码
import cv2
import numpy as np

img = cv2.imread("img_5.png")
h, w, c = img.shape  # 获取图像的高度、宽度和通道数
src_list = [(61, 70), (151, 217), (269, 143), (160, 29)]

# 在图像上标出四个点
for i, pt in enumerate(src_list):
    cv2.circle(img, pt, 5, (0, 0, 255), -1)
    cv2.putText(img, str(i+1), (pt[0]+5, pt[1]+10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 将挑选的四个点转换为NumPy数组
pts1 = np.float32(src_list)
cv2.imshow('Original Image with Selected Points', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上四个点标注位置不对,所以需要改变点的位置.

4)进行透视变换

首先选择四个目的图像上的点,然后调用openv函数进行透视变换.

bash 复制代码
pts2 = np.float32([[0, 0], [0, w - 2], [h - 2, w - 2], [h - 2, 0]])
matrix = cv2.getPerspectiveTransform(pts1, pts2)
result = cv2.warpPerspective(img, matrix, (h, w))
cv2.imshow("Image", img)
cv2.imshow("Perspective transformation", result)
cv2.waitKey(0)

全部

bash 复制代码
import cv2
import numpy as np

img = cv2.imread("img_5.png")
h, w, c = img.shape  # 获取图像的高度、宽度和通道数
src_list = [(81, 325), (105, 580), (590, 340), (480, 110)]

# 在图像上标出四个点
for i, pt in enumerate(src_list):
    cv2.circle(img, pt, 5, (0, 0, 255), -1)
    cv2.putText(img, str(i+1), (pt[0]+5, pt[1]+10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 将挑选的四个点转换为NumPy数组
pts1 = np.float32(src_list)

# 选择目标图像上的四个点
pts2 = np.float32([[0, 0], [0, w - 2], [h - 2, w - 2], [h - 2, 0]])

# 计算透视变换矩阵
matrix = cv2.getPerspectiveTransform(pts1, pts2)

# 应用透视变换
result = cv2.warpPerspective(img, matrix, (w, h))  # 修正图像大小

# 显示原始图像、透视变换前后的图像
cv2.imshow("Original Image with Selected Points", img)
cv2.imshow("Perspective Transformation", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

小结

使用OpenCV中的透视变换的基本步骤:

找到四个特定的点:

在原始图像中选择四个特定的点,这四个点对应于一个矩形或者平行四边形在真实场景中的投影。

计算透视变换矩阵:

利用这四个点的映射关系,计算透视变换矩阵。OpenCV提供了 cv2.getPerspectiveTransform 函数来实现这一步骤。

应用透视变换:

利用计算得到的透视变换矩阵,对整个图像进行透视变换。OpenCV提供了 cv2.warpPerspective 函数用于执行透视变换。

相关推荐
BYSJMG几秒前
计算机毕设选题:基于Python+MySQL校园美食推荐系统【源码+文档+调试】
大数据·开发语言·python·mysql·django·课程设计·美食
索迪迈科技1 小时前
Flink Task线程处理模型:Mailbox
java·大数据·开发语言·数据结构·算法·flink
非门由也1 小时前
《sklearn机器学习——数据预处理》类别特征编码
人工智能·机器学习·sklearn
FairyGirlhub2 小时前
神经网络的初始化:权重与偏置的数学策略
人工智能·深度学习·神经网络
元亓亓亓2 小时前
LeetCode热题100--230. 二叉搜索树中第 K 小的元素--中等
算法·leetcode·职场和发展
草莓熊Lotso2 小时前
《算法闯关指南:优选算法-双指针》--01移动零,02复写零
c语言·c++·经验分享·算法·leetcode
焜昱错眩..3 小时前
代码随想录算法训练营第三十九天|62.不同路径 63.不同路径ll
算法
大写-凌祁6 小时前
零基础入门深度学习:从理论到实战,GitHub+开源资源全指南(2025最新版)
人工智能·深度学习·开源·github
焦耳加热7 小时前
阿德莱德大学Nat. Commun.:盐模板策略实现废弃塑料到单原子催化剂的高值转化,推动环境与能源催化应用
人工智能·算法·机器学习·能源·材料工程
CodeCraft Studio7 小时前
PDF处理控件Aspose.PDF教程:使用 Python 将 PDF 转换为 Base64
开发语言·python·pdf·base64·aspose·aspose.pdf