《OpenCV计算机视觉》—— 用于执行图像透视变换的两个关键函数

文章目录

cv2.getPerspectiveTransformcv2.warpPerspective 是 OpenCV 库中用于执行透视变换的两个关键函数。下面是对这两个函数的详细解释:

cv2.getPerspectiveTransform

功能:计算从源图像到目标图像的透视变换矩阵。

参数

  • src:源图像中的四个点的坐标,通常是一个形状为 (4, 2) 的 NumPy 数组,其中每行代表一个点的 (x, y) 坐标。
  • dst:目标图像中的四个对应点的坐标,格式与 src 相同。

返回值 :返回一个形状为 (3, 3) 的透视变换矩阵 M

使用

python 复制代码
import cv2
import numpy as np

# 源图像中的四个点(通常选择图像的四个角)
src_points = np.array([[x1, y1], [x2, y2], [x3, y3], [x4, y4]], dtype="float32")

# 目标图像中的四个对应点(定义变换后的图像形状)
dst_points = np.array([[X1, Y1], [X2, Y2], [X3, Y3], [X4, Y4]], dtype="float32")

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(src_points, dst_points)

cv2.warpPerspective

功能:应用透视变换矩阵将源图像变换到目标图像。

参数

  • src:源图像。
  • M:由 cv2.getPerspectiveTransform 计算得到的透视变换矩阵。
  • dsize:输出图像的尺寸 (width, height)

可选参数

  • flagsborderMode:用于指定插值方法和边界像素的外推方法,但通常使用默认值即可。
  • borderValue:边界颜色值,当 borderMode 不为 cv2.BORDER_CONSTANT 时可以忽略。

返回值:返回变换后的图像。

使用

python 复制代码
# 输出图像的尺寸
dsize = (width, height)

# 应用透视变换
warped_image = cv2.warpPerspective(src, M, dsize)

注意事项

  1. 在选择源图像和目标图像中的四个点时,请确保它们是图像中的显著特征点,并且它们在源图像和目标图像中的相对位置保持一致。
  2. 透视变换可能会改变图像的宽高比和形状,因此需要根据实际需求调整输出图像的尺寸。
  3. 透视变换是一种非线性变换,可能会引入一些失真或扭曲效果。如果希望保持图像的某些特征不变(如直线保持直线),可能需要考虑其他类型的变换(如仿射变换)。

通过结合使用 cv2.getPerspectiveTransformcv2.warpPerspective,可以实现图像的透视校正、形状变换等效果,在图像处理和计算机视觉领域具有广泛的应用。

相关推荐
Elastic 中国社区官方博客10 分钟前
Elasticsearch:智能搜索的 MCP
大数据·人工智能·elasticsearch·搜索引擎·全文检索
stbomei13 分钟前
从“能说话”到“会做事”:AI Agent如何重构日常工作流?
人工智能
yzx99101344 分钟前
生活在数字世界:一份人人都能看懂的网络安全生存指南
运维·开发语言·网络·人工智能·自动化
许泽宇的技术分享2 小时前
LangGraph深度解析:构建下一代智能Agent的架构革命——从Pregel到现代AI工作流的技术飞跃
人工智能·架构
乔巴先生242 小时前
LLMCompiler:基于LangGraph的并行化Agent架构高效实现
人工智能·python·langchain·人机交互
张子夜 iiii3 小时前
实战项目-----Python+OpenCV 实现对视频的椒盐噪声注入与实时平滑还原”
开发语言·python·opencv·计算机视觉
静西子3 小时前
LLM大语言模型部署到本地(个人总结)
人工智能·语言模型·自然语言处理
cxr8283 小时前
基于Claude Code的 规范驱动开发(SDD)指南
人工智能·hive·驱动开发·敏捷流程·智能体
Billy_Zuo3 小时前
人工智能机器学习——决策树、异常检测、主成分分析(PCA)
人工智能·决策树·机器学习
小王爱学人工智能4 小时前
OpenCV的图像金字塔
人工智能·opencv·计算机视觉