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
Juchecar1 分钟前
Pandas技巧:利用 category 类型节省内存
python
跟橙姐学代码1 小时前
Python时间处理秘籍:别再让日期时间卡住你的代码了!
前端·python·ipython
mortimer3 小时前
Python 文件上传:一个简单却易犯的错误及解决方案
人工智能·python
Juchecar4 小时前
NumPy编程:鼓励避免 for 循环
python
Java陈序员4 小时前
直播录制神器!一款多平台直播流自动录制客户端!
python·docker·ffmpeg
c8i4 小时前
drf 在django中的配置
python·django
这里有鱼汤6 小时前
【花姐小课堂】新手也能秒懂!用「风险平价」打造扛造的投资组合
后端·python
何以解忧唯有撸码13 小时前
OpenCvSharp基于颜色反差规避FBA面单贴标
opencv
databook20 小时前
Manim实现闪光轨迹特效
后端·python·动效
Juchecar21 小时前
解惑:NumPy 中 ndarray.ndim 到底是什么?
python