OpenCV几何图像变换(10)透视变换函数warpPerspective()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

warpPerspective 函数使用指定的矩阵对源图像进行透视变换:
dst ( x , y ) = src ( M 11 x + M 12 y + M 13 M 31 x + M 32 y + M 33 , M 21 x + M 22 y + M 23 M 31 x + M 32 y + M 33 ) \texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right ) dst(x,y)=src(M31x+M32y+M33M11x+M12y+M13,M31x+M32y+M33M21x+M22y+M23)

当设置了标志 WARP_INVERSE_MAP 时。否则,先使用 invert 函数对变换进行反转,然后将反转后的矩阵放入上述公式中代替 M。
该函数不能原地操作。

warpPerspective函数用于应用透视变换到图像上。透视变换是一种更为复杂的变换,它可以实现图像的倾斜和扭曲,通常用于模拟三维空间中的视角变化。透视变换需要一个3x3的变换矩阵,该矩阵可以由四对匹配的点(源图像中的四个点和目标图像中的四个点)计算得出。

函数原型

cpp 复制代码
void cv::warpPerspective	
(
	InputArray 	src,
	OutputArray 	dst,
	InputArray 	M,
	Size 	dsize,
	int 	flags = INTER_LINEAR,
	int 	borderMode = BORDER_CONSTANT,
	const Scalar & 	borderValue = Scalar() 
)		

参数

  • 参数src 输入图像。
  • 参数dst 输出图像,它具有 dsize 的大小和与 src 相同的类型。
  • 参数M 3×3的变换矩阵。
  • 参数dsize 输出图像的大小。
  • 参数flags 插值方法的组合(INTER_LINEAR 或 INTER_NEAREST)和可选标志 WARP_INVERSE_MAP,该标志表示 M 是逆变换(dst→src)。
  • 参数borderMode 像素外推方法(BORDER_CONSTANT 或 BORDER_REPLICATE)。
  • 参数borderValue 在存在常数边界时所使用的值;默认情况下,它是 0。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main(int argc, char** argv)
{
    // 读取图像
    Mat image = imread("/media/dingxin/data/study/OpenCV/sources/images/fruit_small.jpg", IMREAD_COLOR);
    
    if (image.empty()) {
        std::cerr << "Error: Could not open or find the image." << std::endl;
        return -1;
    }
    
    // 定义源图像和目标图像的四个角点
    Point2f srcPoints[4] = {Point2f(0, 0), Point2f(image.cols - 1, 0), Point2f(image.cols - 1, image.rows - 1), Point2f(0, image.rows - 1)};
    Point2f dstPoints[4] = {Point2f(0, 0), Point2f(image.cols - 1, 0), Point2f(image.cols - 100, image.rows - 100), Point2f(100, image.rows - 100)};
    
    // 设置输出图像的大小
    Size dsize(image.cols, image.rows);
    
    // 计算透视变换矩阵
    Mat perspectiveMatrix = getPerspectiveTransform(srcPoints, dstPoints);
    
    // 创建输出图像
    Mat transformedImage;
    
    // 应用透视变换
    warpPerspective(image, transformedImage, perspectiveMatrix, dsize, INTER_LINEAR, BORDER_CONSTANT, Scalar(0, 0, 0));
    
    // 显示结果
    namedWindow("Original Image", WINDOW_NORMAL);
    imshow("Original Image", image);
    
    namedWindow("Transformed Image", WINDOW_NORMAL);
    imshow("Transformed Image", transformedImage);
    
    waitKey(0);
    
    return 0;
}

运行结果

相关推荐
搜yyzk6683 小时前
智能电话机器人:1天千通电话,高效低成本
人工智能
fthux7 小时前
装闭 RenoPit 源码解析(09):AnalysisEngine装修闭坑分析主流程
人工智能·ai·开源·github·open source·renopit
敏编程7 小时前
开源项目 NextBand:探索融合健康传感、语音交互与 AI Agent 的下一代可穿戴设备
人工智能
ovO8 小时前
我按下“发送”之后:DeepSeek Harness 如何把一次请求变成 1,177 个增量片段
人工智能·开源·deepseek
昨日之日20068 小时前
LTX-2.5:更清晰、更可控、同步音画、多镜头连贯的AI视频神器
人工智能·音视频
九硕智慧建筑一体化厂家8 小时前
数字化管控落地,直流照明构筑安全照明体系
运维·人工智能·笔记·安全·智慧城市
江厌018 小时前
本地部署DeepSeek显卡怎么选?我把显存计算公式和实测记录写下来了
人工智能·百度·联想工作站·代理商推荐·渠道对比·工作站
小席是个热心肠8 小时前
AI相关的自我学习
java·人工智能·学习
FII工业富联科技服务9 小时前
工业AI自治的演进趋势:从内容生成到Agent驱动的工厂运营范式转变
人工智能
云和数据.ChenGuang9 小时前
fastapi的参数剖析
人工智能·深度学习·机器学习·语言模型·状态模式·fastapi