13-图像的透视

复制代码
   在对图像进行操作的过程中,经常会遇到要将图像进行透视操作的情况。使用 OpenCV 提供的 cv2.warpPerspective()函数实现将一张图像进行透视操作,在此过程中使用 cv2.getPerspectiveTransfom()函数生成透视转换矩阵。

原始图像:

代码:

python 复制代码
import cv2
import numpy as np
tree = cv2.imread('images/tree.jpg')
rows ,cols = tree.shape[:2]
# 设置变换矩阵: 4个点,分别是源图像的左上、右上、左下、右下
p1 = np.float32([[0,0],[cols,0],[0,rows],[cols,rows]])
# 设置变换矩阵: 4个点,分别是目标图像的左上、右上、左下、右下
p2 = np.float32([[0,0],[cols-50,rows/2-50],[0,rows],[cols-50,rows/2+50]])
# 获取透视变换矩阵
M = cv2.getPerspectiveTransform(p1,p2)
rst = cv2.warpPerspective(tree,M,(cols,rows))
cv2.imshow('tree',tree)
cv2.imshow('rst',rst)
cv2.waitKey(0)
cv2.destroyAllWindows()

相关技术及概念:

图像的透视来原于绘画理论,指在平面或曲面上描绘物体的空间关系的方法或技术。例如我们通常所说的"近大远小"就是透视技术的一种,如图所示。具体实现方式就是通过透视变换将某一矩形映射为任意四边形。

语法格式:

透视变换通过函数 cv2.warpPerspective()实现,该函数的语法是: dst=cv2.warpPerspective(src,M,dsize,flags\[,borderMode\[, borderValue]])

  • dst 代表透视处理后的输出图像,该图像和原始图像具有相同的类型。

  • dsize 决定输出图像的实际大小。

  • src 代表要透视的图像。

  • M 代表一个 3X3 的变换矩阵。

  • dsize 代表输出图像的尺寸大小。

  • flags 代表插值方法,默认为 INTER_LINEAR.当该值为 WARP_INVERSE MAP 时, 意味着 M是逆变换类型,能实现从目标图像 dst 到原始图像 src 的逆变换。

  • borderMode 代表边类型,默认为 BORDER_CONSTANT。当该值为 BORDER

  • TRANSPRENT 时,意味着目标图像内的值不做改变,这些值对应原始图像内的异常值。

  • borderValue 代表边界值,默认是 0。

透视变换矩阵:

与仿射变换类似,同样可以使用一个函数来生成 cv2.warpPerspective()所使用的转换矩阵。

语法格式:

retval=cv2.getPerspectiveTransform( src, dst )

  • src 代表输入图像的四个顶点的坐标。
  • dst 代表输出图像的四个顶点的坐标。
    需要注意的是,src 参数和 dst 参数是包含四个点的数组,与仿射变换函数 cv2. getAffineTransform()中的三个点是不同的。实际使用中,我们可以根据需要控制 src 中的四个点映射到 dst 中的四个点。
相关推荐
安爹前沿AI5 分钟前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能
深海鱼在掘金7 分钟前
深入浅出RAG——第20章:端到端实战:企业级知识库问答系统
人工智能
黑十8 分钟前
FDE 怎么快速搭一个可演示页面?最小前端方案
java·大数据·前端·数据库·人工智能
樊小肆35 分钟前
agent 不报错才最吓人:自研编码工具半年,我踩了 10 个"看着正常"的运行时坑
前端·人工智能·agent
用户986023965611 小时前
Gemini Tool Retrieval:工具越来越多,Agent 如何按需读取参数说明?
人工智能
用户1917291270831 小时前
Agent 工具面裁剪:动态暴露与渐进披露(附 Python 代码)
人工智能
AI前端工程狮1 小时前
我给 MCP 长任务加进度条,五步只显示了一步
javascript·人工智能·程序员
TsingtaoAI1 小时前
VeyForge:构建具身智能的AI 3D资产与Sim-to-Real数据引擎
人工智能·机器学习
螺丝钉tina1 小时前
[Playwright] [21][AI] 千问生成测试的完整 mini demo
人工智能
高洁012 小时前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习