欢迎光临
我们一直在努力

详解 OpenCV 透视变换原理 及 实例

说明:代码连接失效

OpenCV提供了两种图片变换的方式:仿射变换和透视变换,两者的区别很容易区分,

前者是将矩形的图片变成平行四边形
后者是将图片变成梯形
这两种变换虽然都有各自的应用场景,但在实际的图片变换中由于透视效应的存在,后者的使用更加普遍,本文为大家详解OpenCV透视变换的透视变换原理及实例展示。

简介
透视变换香港vps(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。如图所示

函数原型
OpenCV提供了warpPerspective( )函数来实现图片的透视变换,只需要输入梯形四个顶点的坐标和目标画布四个角的坐标,即可自动完成转换。核心代码只有两行:首先读取两个坐标数组,计算变换矩阵;然后根据变换矩阵对原图进行透视变换,并输出到目标画布。

?

cv2.getPerspectiveTransform(src, dst) → retval

参数说明

src:源图像中待测矩形的四点坐标
sdt:目标图像中矩形的四点坐标
注意!

原图像的四个坐标顺序应与目标图像中的四个坐标一 一随影,若都是顺时针则都是顺时针,若都是 Z 字型,则都是 Z 字型。

返回由源图像中矩形到目标图像矩形变换的矩阵,得到矩阵得有用才行啊,所以引出下面这个函数

cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst

参数为:

src:输入图像
M:变换矩阵
dsize:目标图像shape
flags:插值方式,interpolation方法INTER_LINEAR或INTER_NEAREST
borderMode:边界补偿方式,BORDER_CONSTANT or BORDER_REPLICATE
borderValue:边界补偿大小,常值,默认为0
或者

cv2.perspectiveTransform(src, m[, dst]) → dst
1
参数解释

src:输入的2通道或者3通道的图片
m:变换矩阵
返回的是相同size的图片

实例1 图片矫正
我们在给报纸、杂志、身份证、银行卡等矩形目标拍照时,受相机角度和高度的影响往往会拍出梯形的照片(如下图),这样的照片不仅不够美观而且给文字识别带来较大难度,将梯形的图片转换成标准的矩形就要对图片进行透视变换。

原始图像

效果如下:
转换后的效果如下图所示,效果还是很让人满意的。

实例 2 头像替换广告牌
在实际应用中我们不仅需要将梯形矫正为矩形,有时还需要将矩形转换成梯形,warpPerspective( )当然也能胜任,下面我们再用一个例子来演示。

实际效果

实例代码:
全部代码见:
https://github.com/ViatorSun/Demo/tree/master/OpenCV

其中 Perspective.py 为 实例 1 代码,使用时需要将图像 img_32984.jpg 放在同一路径下
Perspective_advert.py 为实例 2 代码,图像 advert.png 、photo.png 为实验图像
res.png 为实例 2 实现的效果图
?

76974510

赞(0)
【声明】:本博客不参与任何交易,也非中介,仅记录个人感兴趣的主机测评结果和优惠活动,内容均不作直接、间接、法定、约定的保证。访问本博客请务必遵守有关互联网的相关法律、规定与规则。一旦您访问本博客,即表示您已经知晓并接受了此声明通告。