不用 PS 抠图，Python + OpenCV 实现自动海报场景替换！
现存在一个问题，就下面图片中的两本书而言，怎样快速让中间边的书本与左边书本对齐(最终效果能实现两张图片重叠(最终结果为右图))，进行的图像转变可旋转、平移、缩放、形变。 本文主要内容就是介绍利用 Opencv 来怎样解决上面的问题，解决这个问题需要三步 确定至少四组对应点坐标 找到一个转换矩阵； 把找到的转换矩阵应用到 Moving Image(需要移动的图片)上，实现图像对齐 图片旋转、平移、缩放等操作的主要目的，就是要最终实现两图像中点对点一一映射关系，图像映射本质上就是像素点转换 图中标记了其中四组对应点，分别标为不同的颜色，分别标为红、橙、黄和绿四种颜色；比如这里的 和 是就是一组对应点，图片经过转换之后 点 必须映射到 点位置。 涉及图片中点坐标变换，都需要借助于 矩阵 运算，这里探究的图像维度都属于二维，坐标只需要 即可 面向此类转换问题，Homography 转换 ( 3 × 3 矩阵) 可用于解决此类转化问题，用来解决点对点映射问题，Homography 矩阵可写作下列方式：则 、 作为对应点，则 Homography 的的应用 如下：而矩阵 H 参数的确定至少需要 4 组对应点，因此在计算 H 时至少要找到 4 组对应点；找到的对应点组数越多，计算得到的 H 会越精确，最终的转换效果也就会越好。 下面用 Opencv + Python 来实现上面图片中的书籍的对齐， importcv2importnumpyasnpif__name__=='__main__':#图片读取img_src=cv2.imread("D:/book2.jpg")position_src=np.array([[141,131],[480,159],[493,630],[64,601]],dtype=float)img_dst=cv2.imread("D:/book1.jpg")position_dst=np.array([[318,256],[543,372],[316,670],[73,473]],dtype=float)#计算转换矩阵h,status=cv2.findHomography(position_src,position_dst)#对图片进行仿射变换out_img=cv2.warpPerspective(img_src,h,(img_dst.shape[1],img_dst.shape[0]))#Displayimages;cv2.imshow("Sourceimage",img_src)cv2.imshow("DestinationImage",img_dst)cv2.imshow("WarpedSourceImage",out_img)cv2.waitKey(0) 这里事先已经确定好对应的四个点的坐标，然后把这四个点的坐标带入 cv2.findHomography() 计算出转换矩阵，最后把矩阵应用到两图像中，得到最终的转换结果， 这里提醒一点，warpPerspective 函数进行对图像像素进行矩阵变换时，隐藏了一个参数 Interpolator ，默认为线性插值，功能是防止像素点像素值缺失 上面小案例不方便的一点需要确定对应四个点的坐标，这个步骤是比较繁琐的，下面案例将在程序中加入交互功能，实现某个图片的自动标记点收集、标记点点转换： 首先需要准备两张图片，其中一张为海报，一张为需要替换的海报；关于确定点的坐标时，被替换的图片的坐标非常好确定，只需知道图片的长宽即可； 但的海报图像区域四个点是不好确定的， 这里利用 Opencv 的鼠标回调函数，监视鼠标响应，根据用户点击来收集 PIck 得到的坐标； defmouse_handler(event,x,y,flags,data):ifevent==cv2.EVENT_LBUTTONDOWN:cv2.circle(data['im'],(x,y),3,(0,0,255),5,16)cv2.namedWindow("Image",0)cv2.imshow("Image",data['im'])iflen(data['points'])<4:data['points'].append([x,y])defget_four_points(im):data={}data['im']=im.copy()data['points']=[]#Setthecallbackfunctionforanymouseeventcv2.namedWindow("Image",0)cv2.imshow('Image',im)#请注意你标记点的数据，是顺时针，需要与pst_src方向一致cv2.setMouseCallback("Image",mouse_handler,data)cv2.waitKey(0)#Convertarraytonp.array#竖直方向堆叠起来;;;points=np.vstack(data['points']).astype(float)returnpoints 坐标确定以后，接下来就很简单了，跟上个案例一样，计算变换矩阵，矩阵应用到图像旋转，最终更换海报内容也就轻松完成啦 需要注意一点，坐标 Pick 点的顺序须与记录替换图像顶点顺序一致，否则转换图会有偏差，案例完整代码如下： if__name__=='__main__':img_src=cv2.imread("D:/first-image.jpg")size=img_src.shape#取得四个坐标pst_src=np.array([[0,0],[size[1]-1,0],[size[1]-1,size[0]-1],[0,size[0]-1]],dtype=float)#Readthedestinationimageimg_dst=cv2.imread("D:/times-square.jpg")print("ClickonfourcornersofbllboardandthepressENTER")four_point=get_four_points(img_dst)#CalculateHomographybetweensourceanddestinationpointsh,status=cv2.findHomography(pst_src,four_point)im_temp=cv2.warpPerspective(img_src,h,(img_dst.shape[1],img_dst.shape[0]))cv2.fillConvexPoly(img_dst,four_point.astype(int),0,16)#addwrapedsourceimagetodestinationimageimg_dst=img_dst+im_tempcv2.namedWindow("Image",0)cv2.imshow("Image",img_dst)cv2.waitKey(0) 推荐阅读： 用 Python 对图片主体轮廓进行提取、颜色标记、并计算区域面积 本文分享自微信公众号 - Z先生点记（gh_683d048a482a）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
