OpenCV實現(xiàn)透視變換的示例代碼
1. 引言
今天我們將焦點聚焦在我在圖像處理中最喜歡的話題之一——透視變換。使用該技術(shù)，可以靈活方便的實現(xiàn)各種各樣好玩的特效。
閑話少說，我們直接開始吧！
2. 單應(yīng)矩陣
我們首先展開對單應(yīng)矩陣的深入研究。作為圖像處理的基本工具，它在捕捉圖像中的幾何變換方面發(fā)揮著至關(guān)重要的作用。更具體地說，它是實現(xiàn)透視變換的秘密武器。
單應(yīng)矩陣被定義為圖像的兩個平面投影之間的映射。它由齊次坐標(biāo)空間中的3x3變換矩陣表示。這些變換可以是旋轉(zhuǎn)、平移、縮放等操作的組合。
我們用示意圖總結(jié)如下：
3. 舉個栗子
雖然上圖簡明地定義了常見的轉(zhuǎn)換，但是如果我們將其應(yīng)用到輸入和輸出為圖像操作會怎樣？根據(jù)變換，我們需要幾個點來計算單應(yīng)矩陣。讓我們來做吧！像往常一樣，讓我們首先導(dǎo)入必要的庫，如下：
# Import libraries from skimage.io import imread, imshow import matplotlib.pyplot as plt import numpy as np from skimage import transform
接著導(dǎo)入我們需要的測試圖像，代碼如下：
# Display the original image
image = imread('painting.png')
plt.figure(figsize=(20,20))
plt.imshow(image)
plt.title('Original Image', fontsize=20, weight='bold')
plt.axis('off')
plt.show()結(jié)果如下：
4. 計算變換矩陣
接著我們想對這幅畫有一個自上而下的視圖。我們需要計算單應(yīng)矩陣。我們必須確定這幅畫明確的角點。在這種情況下，我使用畫圖應(yīng)用程序來識別畫的四個角點坐標(biāo)：
# Source points
src = np.array([879, 625, # top left
431, 2466, # bottom left
3251, 61, # top right
3416, 2767]).reshape((4, 2)) # bottom right為了執(zhí)行單應(yīng)性變換，我們需要一組與源點相對應(yīng)的目標(biāo)點。這些目標(biāo)點表示我們希望源點在輸出圖像中的位置。對于自上而下的視圖，這里我們引用源點的最小值和最大值x和y：
# Destination points
dst = np.array([
[np.min(src[:, 0]), np.min(src[:, 1])], # top left
[np.min(src[:, 0]), np.max(src[:, 1])], # bottom left
[np.max(src[:, 0]), np.min(src[:, 1])], # top right
[np.max(src[:, 0]), np.max(src[:, 1])], # bottom right
])接著我們用以下代碼計算單應(yīng)矩陣，如下：
tform = transform.estimate_transform('projective', src, dst)5. 透視變換
經(jīng)過上述處理，我們有了執(zhí)行透視變換所需要的單應(yīng)性矩陣，接著我們來執(zhí)行對應(yīng)的透視變換，如下：
tf_img = transform.warp(image, tform.inverse)
fig, ax = plt.subplots(figsize=(20,20))
ax.imshow(tf_img)
_ = ax.set_title('projective transformation')得到結(jié)果如下：
6. 美化顯示效果
觀察上圖，考慮到圖像外圍添加了白色像素，輸出看起來很奇怪，我們可以編輯出代碼來裁剪這些奇怪的墻和額外的像素：
# Load the image
image = imread('painting.png')
# Source points
src = np.array([879, 625, # top left
431, 2466, # bottom left
3251, 61, # top right
3416, 2767]).reshape((4, 2)) # bottom right
# Estimate the width and height from the source points
width = np.max(src[:, 0]) - np.min(src[:, 0])
height = np.max(src[:, 1]) - np.min(src[:, 1])
# Destination points (forming a box shape)
dst = np.array([
[0, 0],
[0, height],
[width, 0],
[width, height]
])
# Compute the projective transform
tform = transform.estimate_transform('projective', src, dst)
# Apply the transformation
warped_image = transform.warp(image, tform.inverse, output_shape=(height, width))
# Convert the warped image to uint8
warped_image_uint8 = (warped_image * 255).astype(np.uint8)
# Display the transformed and cropped image
plt.figure(figsize=(20,20))
plt.imshow(warped_image_uint8)
plt.title('Transformed and Cropped Image', fontsize=20, weight='bold')
plt.axis('off')
plt.show()最終的顯示效果如下：
7. 總結(jié)
經(jīng)過我們一步一步的優(yōu)化，我們最終得到了，一幅美麗而干凈的自上而下的油畫。一般來說，一旦我們有了單應(yīng)矩陣，我們也可以用它來變換一幅圖像，使其與另一幅圖像的視角對齊。這對于圖像拼接等應(yīng)用非常有用！
到此這篇關(guān)于OpenCV實現(xiàn)透視變換的示例代碼的文章就介紹到這了,更多相關(guān)OpenCV 透視變換內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
淺談Python3識別判斷圖片主要顏色并和顏色庫進行對比的方法
這篇文章主要介紹了淺談Python3識別判斷圖片主要顏色并和顏色庫進行對比的方法，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
文章介紹了如何使用Anaconda創(chuàng)建和管理虛擬環(huán)境,包括創(chuàng)建環(huán)境、查看已安裝庫、安裝庫、切換環(huán)境以及在PyCharm中配置環(huán)境2026-02-02
python如何派生內(nèi)置不可變類型并修改實例化行為
這篇文章主要為大家詳細介紹了python如何派生內(nèi)置不可變類型并修改實例化行為，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-03-03
Python代碼實現(xiàn)http/https代理服務(wù)器的腳本
這篇文章主要介紹了Python代碼做出http/https代理服務(wù)器,啟動即可做http https透明代理使用，通過幾百行代碼做出http/https代理服務(wù)器代碼片段，需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Python設(shè)計模式之模板方法模式,結(jié)合實例形式較為詳細的分析了模板方法模式的概念、原理及Python定義、使用模板方法模式相關(guān)操作技巧,需要的朋友可以參考下2019-01-01
這篇文章主要為大家詳細介紹了python檢測IP地址變化并觸發(fā)事件，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-12-12
python 使用socket傳輸圖片視頻等文件的實現(xiàn)方式
這篇文章主要介紹了python 使用socket傳輸圖片視頻等文件的實現(xiàn)方式，本文給出了實例代碼,需要的朋友可以參考下2019-08-08
Python學(xué)習(xí)Turtle庫畫對稱勾股樹體會分形驚艷
這篇文章主要為大家介紹了Python學(xué)習(xí)中如何使用Turtle庫畫對稱勾股樹，從而體會到分形世界的驚艷，文中附含詳細示例代碼有需要的朋友可以借鑒參考下2021-09-09
