详解 OpenCV 透视变换原理 及 实例

在这里插入图片描述
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(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

在这里插入图片描述

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

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

在这里插入图片描述

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。
在这里插入图片描述

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。

在这里插入图片描述

实际效果

在这里插入图片描述

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
ViatorSun CSDN认证博客专家 深度学习 计算机视觉
研究生在读、Github开源世界贡献者,深度学习 & 计算机视觉分享者;
主要研究【深度学习 & 计算机视觉】相关方向,欢迎感兴趣的小伙伴一起交流、探讨~
相关推荐
©️2020 CSDN 皮肤主题: 岁月 设计师:pinMode 返回首页