opencv透视变换-低调大师

opencv透视变换

2015-01-11 906

opencv透视变换

实现透视变换

目标：

在这篇教程中你将学到：

1、如何进行透视变化

2、如何生存透视变换矩阵

理论：

什么是透视变换：

1、透视变换(Perspective Transformation)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)。

2、换算公式

u,v是原始图片左边，对应得到变换后的图片坐标x,y,其中。
变换矩阵可以拆成4部分，表示线性变换，比如scaling，shearing和ratotion。用于平移，产生透视变换。所以可以理解成仿射等是透视变换的特殊形式。经过透视变换之后的图片通常不是平行四边形（除非映射视平面和原来平面平行的情况）。

重写之前的变换公式可以得到：

所以，已知变换对应的几个点就可以求取变换公式。反之，特定的变换公式也能新的变换后的图片。简单的看一个正方形到四边形的变换：
变换的4组对应点可以表示成：

根据变换公式得到：

定义几个辅助变量：

都为0时变换平面与原来是平行的，可以得到：

不为0时，得到：

求解出的变换矩阵就可以将一个正方形变换到四边形。反之，四边形变换到正方形也是一样的。于是，我们通过两次变换：四边形变换到正方形+正方形变换到四边形就可以将任意一个四边形变换到另一个四边形。

代码:

    #
    include  
    "opencv2/highgui.hpp"
    
#
    include  
    "opencv2/imgproc.hpp"
    
#
    include  
    <iostream
    >
    
#
    include  
    <stdio.h
    >
    

    using  
    namespace  cv;
    

    using  
    namespace  std;
    

    /**  @function  main  */
    

    int  main(  
    int  argc,  
    char
    *
    *  argv  )
    
{
    
             cv
    :
    :Mat src
    = cv
    :
    :imread( 
    "test.jpg",
    0);
    
                 
    if (
    !src.data)
    
                                 
    return 
    0;
    
                vector
    <Point
    > not_a_rect_shape;
    
                not_a_rect_shape.push_back(Point(
    122,
    0));
    
                not_a_rect_shape.push_back(Point(
    814,
    0));
    
                not_a_rect_shape.push_back(Point(
    22,
    540));
    
                not_a_rect_shape.push_back(Point(
    910,
    540));
    
                 
    // For debugging purposes, draw green lines connecting those points
    
                 
    // and save it on disk
    
                
    const Point
    * point 
    = 
    &not_a_rect_shape[
    0];
    
                
    int n 
    = (
    int )not_a_rect_shape.size();
    
                Mat draw 
    = src.clone();
    
                polylines(draw, 
    &point, 
    &n, 
    1, 
    true, Scalar(
    0, 
    255, 
    0), 
    3, CV_AA);
    
                imwrite( 
    "draw.jpg", draw);
    
                 
    //  topLeft, topRight, bottomRight, bottomLeft
    
                cv
    :
    :Point2f src_vertices[
    4];
    
                src_vertices[
    0] 
    = not_a_rect_shape[
    0];
    
                src_vertices[
    1] 
    = not_a_rect_shape[
    1];
    
                src_vertices[
    2] 
    = not_a_rect_shape[
    2];
    
                src_vertices[
    3] 
    = not_a_rect_shape[
    3];
    

    
                Point2f dst_vertices[
    4];
    
                dst_vertices[
    0] 
    = Point(
    0, 
    0);
    
                dst_vertices[
    1] 
    = Point(
    960,
    0);
    
                dst_vertices[
    2] 
    = Point(
    0,
    540);
    
                dst_vertices[
    3] 
    = Point(
    960,
    540);
    
                Mat warpMatrix 
    = getPerspectiveTransform(src_vertices, dst_vertices);
    
                cv
    :
    :Mat rotated;
    
                warpPerspective(src, rotated, warpMatrix, rotated.size(), INTER_LINEAR, BORDER_CONSTANT);
    
                 
    // Display the image
    
                cv
    :
    :namedWindow( 
    "Original Image");
    
                cv
    :
    :imshow( 
    "Original Image",src);
    
                cv
    :
    :namedWindow( 
    "warp perspective");
    
                cv
    :
    :imshow( 
    "warp perspective",rotated);
    
                imwrite( 
    "result.jpg",src);
    
                cv
    :
    :waitKey();
    
                 
    return 
    0;
    
}
   

代码解释：

1、获取图片，如果输入路径为空的话程序直接退出

      cv
    :
    :Mat src
    = cv
    :
    :imread( 
    "test.jpg",
    0);
    
                 
    if (
    !src.data)
    
                                 
    return 
    0;
   

2、定义边界点，输入到std::vector数据结构中。注意这里的顺序如上图。

      vector
    <Point
    > not_a_rect_shape;
    
                not_a_rect_shape.push_back(Point(
    122,
    0));
    
                not_a_rect_shape.push_back(Point(
    814,
    0));
    
                not_a_rect_shape.push_back(Point(
    22,
    540));
    
                not_a_rect_shape.push_back(Point(
    910,
    540));
   

并将这几个点标注出来

             
     const Point
     * point 
     = 
     &not_a_rect_shape[
     0];
     
                
     int n 
     = (
     int )not_a_rect_shape.size();
     
                Mat draw 
     = src.clone();
     
                polylines(draw, 
     &point, 
     &n, 
     1, 
     true, Scalar(
     0, 
     255, 
     0), 
     3, CV_AA);
     
                imwrite( 
     "draw.jpg", draw);
    

3、生成透视变换矩阵

       cv
    :
    :Point2f src_vertices[
    4];
    
                src_vertices[
    0] 
    = not_a_rect_shape[
    0];
    
                src_vertices[
    1] 
    = not_a_rect_shape[
    1];
    
                src_vertices[
    2] 
    = not_a_rect_shape[
    2];
    
                src_vertices[
    3] 
    = not_a_rect_shape[
    3];
    

    
                Point2f dst_vertices[
    4];
    
                dst_vertices[
    0] 
    = Point(
    0, 
    0);
    
                dst_vertices[
    1] 
    = Point(
    960,
    0);
    
                dst_vertices[
    2] 
    = Point(
    0,
    540);
    
                dst_vertices[
    3] 
    = Point(
    960,
    540);
    
                Mat warpMatrix 
    = getPerspectiveTransform(src_vertices, dst_vertices);
   

4、执行转换

        cv
    :
    :Mat rotated;
    
                warpPerspective(src, rotated, warpMatrix, rotated.size(), INTER_LINEAR, BORDER_CONSTANT);
   

5、显示并保存结果

           
    // Display the image
    
                cv
    :
    :namedWindow( 
    "Original Image");
    
                cv
    :
    :imshow( 
    "Original Image",src);
    
                cv
    :
    :namedWindow( 
    "warp perspective");
    
                cv
    :
    :imshow( 
    "warp perspective",rotated);
    
                imwrite( 
    "result.jpg",src);
   

结果：

原始图片

标注四个边界点

透视变换后的图片

需要注意的是，这里变化后的图像丢失了一些边界细节，这在具体实现的时候是需要注意的。

2017年4月30日09:03:03 感谢网友 CHEN Tian-hua 指出一处错误，已经将最后的a12修改成a23

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

微信关注我们

原文链接：https://yq.aliyun.com/articles/649618

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

对显微镜图像的初步研究

对显微镜图像的初步研究完成一个机器视觉的项目，首先需要开发者能够理解图像、剖析出特征、提出初步的思路。对于三幅显微镜图片，原始的要求是能够以75%的成功率识别出三类物体。先看图像一、图像主观体验 1）从总体颜色上来看，发现三幅图像的主要颜色不统一（图1偏紫，图3偏绿），应该是由切片的不同材质造成的。如果所有的切片都是属于这一色调的，可以首先考虑通过颜色域来强化ROI区域。这一点需要沟通和更多的素材； 2）从图像内容上来看，可以划分为1.背景，2.大块区域，3.小型气泡，4.大型气泡。4个区域。是否划分正确，每种区域代表什么东西（这需要专业知识），都需要进一步沟通。 3）从图像特征上来看，可以划分为1.背景区域为大面积的连续区域，有模糊的干扰；2.大块区域特征比较明显，黑色像素占据了大块空间；3和4来说，气泡的特征如下：并且基本呈现圆形或者椭圆型状态. 二、图像初步分析 1）色彩和区域分析,简单可以看出在色彩blue区域和v区域，背景和图像具有较好的区分性 2）直方图分析，三幅原始图像的直方图都基本占据了所有空间，同时前景背景区分很不明显，无法通过简单的背景去除方法进行去除 3）频...

2015-01-11

716

之前一直是做静态图片分析的，机器视觉项目如果想要在线分析，必然需要进行动态分析。前一段时间，我阅读了一些书籍，介绍了一种通过机器视觉的单向信息传输系统。主要在内外网隔离的情况下进行数据单向传输。这样的系统，必然是真正的“机器视觉”系统，不仅包括图像算法的处理，而且需要包括设备的架设，并且结合多种技术（OCR,二维码），具有一定挑战意义和现实意义。这里做简单实现。一、基于OCR的单向信息传输系统。所谓单项数据传输，书中提到的方法是采用ASCII码进行分析。但是我认为采用OCR识别的话，如果能够很好地控制住传输的信息，成功率就会很高。什么信息需要单项传输？就是那些实时更新的数据，数据量不是很大但是时效性很大：比如天气、比如温度、比如时间等信息。这个信息量一旦变得很大，那么采用机器视觉的方法解决单向传输问题，就显得不是那么恰当。根据一些经验，设计这样的草图：数据不需要太多或者变化太快，只要采样的频率比变化的频率更快就可以。采用csharp 1）数据获取，这里基于之前介绍过的GOPre程序获得摄像头的数据 2）数据进行校正，修改成这样的结果 3）参考答题卡程序，对图像...

2015-01-18

692

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。