刚做的网站在百度上搜不到,个人网站学生作业,旅游网站建设翻译,wordpress读语言转换畸变矫正 注意#xff1a;虽然能够成功矫正但是也会损失了部分图像#xff01;
透视变换(Perspective Transformation)
概念#xff1a;
透视变换是将图片投影到一个新的视平面(Viewing Plane)#xff0c;也称作投影映射(Projective Mapping)。 我们常说的仿射变换是透视…畸变矫正 注意虽然能够成功矫正但是也会损失了部分图像
透视变换(Perspective Transformation)
概念
透视变换是将图片投影到一个新的视平面(Viewing Plane)也称作投影映射(Projective Mapping)。 我们常说的仿射变换是透视变换的一个特例。 透视变换的目的就是把现实中为直线的物体在图片上可能呈现为斜线通过透视变换转换成直线 的变换。 仿射变换Affine Transformation或 Affine Map又称为仿射映射是指在几何中图像进行从 一个向量空间进行一次线性变换和一次平移变换为到另一个向量空间的过程。
思想
通用的变换公式为 x,y是原始图片坐标对应得到变换后的图片坐标X’;Y’;Z’其中 可以看作原图像的数据各值与变换后图像的数据各值对应相等。 令a331展开上面公式得到一个点的情况 如果我们要解出上面含有8个未知量a的方程,我们需要8个像素点原图像4个新图像4个。 源点四个坐标分别为Ax0,y0),(x1,y1),(x2,y2),(x3,y3) 目标点四个坐标分别为B(X’0,Y’0),(X’1,Y’1),(X’2,Y’2),(X’3,Y’3)
手动代码实现
import numpy as npdef WarpPerspectiveMatrix(src, dst):assert src.shape[0] dst.shape[0] and src.shape[0] 4#assert:当src的格式等于dst的格式并且src的格式大于等于4程序才继续运行nums src.shape[0]A np.zeros((2*nums, 8)) # A*warpMatrixBB np.zeros((2*nums, 1))for i in range(0, nums):A_i src[i,:]B_i dst[i,:]A[2*i, :] [A_i[0], A_i[1], 1, 0, 0, 0,-A_i[0]*B_i[0], -A_i[1]*B_i[0]]B[2*i] B_i[0]A[2*i1, :] [0, 0, 0, A_i[0], A_i[1], 1,-A_i[0]*B_i[1], -A_i[1]*B_i[1]]B[2*i1] B_i[1]A np.mat(A)#用A.I求出A的逆矩阵然后与B相乘求出warpMatrixwarpMatrix A.I * B #求出a_11, a_12, a_13, a_21, a_22, a_23, a_31, a_32#之后为结果的后处理warpMatrix np.array(warpMatrix).T[0]warpMatrix np.insert(warpMatrix, warpMatrix.shape[0], values1.0, axis0) #插入a_33 1warpMatrix warpMatrix.reshape((3, 3))return warpMatrixif __name__ __main__:print(warpMatrix)src [[10.0, 457.0], [395.0, 291.0], [624.0, 291.0], [1000.0, 457.0]] #编造的输入src np.array(src)dst [[46.0, 920.0], [46.0, 100.0], [600.0, 100.0], [600.0, 920.0]] #编造的输出dst np.array(dst)warpMatrix WarpPerspectiveMatrix(src, dst)print(warpMatrix)
这里就不展示结果了 重点是思想
opencv接口代码实现
import cv2
import numpy as npimg cv2.imread(photo1.jpg)result3 img.copy()#img cv2.GaussianBlur(img,(3,3),0)
gray cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#转灰度做单通道计算比较节省时间
edges cv2.Canny(gray,50,150,apertureSize 3)
#canny边缘检测仅针对这次的输入图片
cv2.imshow(canny, edges)
注意这里src和dst的输入并不是图像而是图像对应的顶点坐标。src np.float32([[207, 151], [517, 285], [17, 601], [343, 731]])
dst np.float32([[0, 0], [337, 0], [0, 488], [337, 488]])
# 生成透视变换矩阵进行透视变换
m cv2.getPerspectiveTransform(src, dst)
result cv2.warpPerspective(result3, m, (337, 488))
# (337,488)是输出图像大小
cv2.imshow(src, img)
cv2.imshow(result, result)
cv2.waitKey(0)
结果展示 分别是输入图片边缘提取透视变换结果 成功将其原图片中纸片矫正~ 但是注意虽然成功矫正但是也损失了部分图像
