OpenCV实验:图片矫正

第一篇:图片矫正(油画矫正)


1. 实验原理

图片矫正是图像处理中常见的任务,主要是将存在倾斜或变形的区域调整为一个规则矩形。这通常通过**透视变换(Perspective Transformation)**来实现。

核心原理:

  • 透视变换是二维图像的几何变换,用于校正图像中的投影畸变。其实现依赖于 3x3 的单应矩阵 MM。
  • OpenCV 提供了两个核心函数:
    • cv2.getPerspectiveTransform:根据原始点和目标点计算变换矩阵 MM。
    • cv2.warpPerspective:将矩阵 MM 应用到图像上,实现变换。

步骤:

  1. 选取原始图像中的四个顶点(变形区域): 手动标记或通过算法自动检测关键点。
  2. 定义目标图像中的四个点(矩形区域): 确保矫正后区域为规则矩形。
  3. 计算变换矩阵并执行矫正操作: 使用上述两个函数完成矫正。

2. 实验代码

以下为具体代码实现:

python 复制代码
import cv2
import numpy as np

# 加载图片
image = cv2.imread("./heman.png")

# 原始四个顶点坐标(需根据实际图像调整)
points1 = np.float32([[175, 142], [621, 35], [89, 491], [652, 546]])

# 定义目标矩形的四个点
points2 = np.float32([[min(points1[:, 0]), min(points1[:, 1])],
                      [max(points1[:, 0]), min(points1[:, 1])],
                      [min(points1[:, 0]), max(points1[:, 1])],
                      [max(points1[:, 0]), max(points1[:, 1])]])

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(points1, points2)

# 应用透视变换
image_per = cv2.warpPerspective(image, M, (image.shape[1], image.shape[0]))

# 裁剪出精确的矩形区域
image_per_new = image_per[int(points2[0][1]):int(points2[3][1]),
                          int(points2[0][0]):int(points2[3][0])]

# 显示原始图片与矫正结果
cv2.imshow("image", image)
cv2.imshow("image_per", image_per)
cv2.imshow("image_per_new", image_per_new)

cv2.waitKey(0)
cv2.destroyAllWindows()

3. 实验现象

实验结果:

  1. 矫正前 :图像中存在一个透视变形的区域(例如倾斜的油画)。
  2. 矫正后 :通过透视变换,将该区域校正为规则矩形。
  3. 切片后:

效果分析:

  • 变形区域被准确定位并矫正,边缘得到了平直化处理。
  • 矫正后的图像可以用于进一步的图像处理或分析。
相关推荐
M--Y1 天前
LangGraph 工作流模式
开发语言·javascript·python·langchain·大模型·llm·langgraph
岁月宁静1 天前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent
LiaoWL1231 天前
NumPy 入门实战(二):向量化与余弦相似度——从 ndarray 到 Embedding
python·numpy·embedding
forest_091 天前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
databook1 天前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
师夷长技以自愈1 天前
手搓 AI Agent 第 8 篇:从手写循环到画流程图——LangGraph 封装
人工智能·python
aifannihao1 天前
Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常
python·rust·异常处理·标准库·contextlib
用户019027581611 天前
天勤 tqsdk 能做 A 股行情吗?期货强项与股票数据选型
python
2601_967979121 天前
pip在Python中的9个必须知道的用法
python·pip·版本控制·包管理工具·requirements.txt
曲径海盗1 天前
【Python 学习第 58 天】列表方法
python·学习笔记·编程入门