苏州企业如何建网站_西安百度网站排名优化_北京营销网站制作_班级优化大师app下载学生版

一、图像矫正

仿射变换是把一个二维坐标系转换到另一个二维坐标系的过程，转换过程坐标点的相对位置和属性不发生变换，是一个线性变换，该过程只发生旋转和平移过程。因此，一个平行四边形经过仿射变换后还是一个平行四边形。

图像矫正的原理是透视变换，透视变换是把一个图像投影到一个新的视平面的过程，在现实世界中，我们观察到的物体在视觉上会受到透视效果的影响，即远处的物体看起来会比近处的物体小。透视投影是指将三维空间中的物体投影到二维平面上的过程，这个过程会导致物体在图像中出现形变和透视畸变。透视变换可以通过数学模型来校正这种透视畸变，使得图像中的物体看起来更符合我们的直观感受。通俗的讲，透视变换的作用其实就是改变一下图像里的目标物体的被观察的视角。

如上图所示，左图在经过透视变换后得到了右图的结果，带入上面的话就是图像中的车道线（目标物体）的被观察视角从平视视角变成了俯视视角，这就是透视变换的作用。

其中x、y是原始图像点的坐标， $x^{{}'}$ 、 $y^{{}'}$ 是变换后的坐标，a11，a12，…,a33则是一些旋转量和平移量，由于透视变换矩阵的推导涉及三维的转换，所以这里不具体研究该矩阵，只要会使用就行，而OpenCV 里也提供了getPerspectiveTransform()函数用来生成该3*3的透视变换矩阵。

在该函数中，需要提供两个参数：

src：原图像上需要进行透视变化的四个点的坐标，这四个点用于定义一个原图中的四边形区域。

dst：透视变换后，src的四个点在新目标图像的四个新坐标。

该函数会返回一个透视变换矩阵，得到透视变化矩阵之后，使用warpPerspective()函数即可进行透视变化计算，并得到新的图像。该函数需要提供如下参数：

src：输入图像。

M：透视变换矩阵。这个矩阵可以通过getPerspectiveTransform函数计算得到。

dsize：输出图像的大小。它可以是一个Size对象，也可以是一个二元组。

flags：插值方法的标记。

borderMode：边界填充的模式。

导入模块

import cv2
import numpy as np

输入图像

img=cv2.imread('care.png')

查找点坐标

points1=np.float32([[185,90], [540,135],[110,310], [520,355]])
points2=np.float32([[0,0],[img.shape[1],0],[0,img.shape[0]],[img.shape[1],img.shape[0]]])

根据点坐标绘线（选绘）

cv2.line(img, [178,90], [540,135], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)
cv2.line(img, [110,310], [520,355], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)cv2.line(img, [178,90], [110,310], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)
cv2.line(img, [540,135], [520,355], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)

透视变换矩阵

M=cv2.getPerspectiveTransform(points1,points2)

图像校正

img_warpP=cv2.warpPerspective(img,M,(img.shape[1],img.shape[0]))

完整代码

import cv2  # 导入OpenCV库  
import numpy as np  # 导入NumPy库，用于数组处理  # 读取图像  
img = cv2.imread('care.png')  # 定义透视变换前的四个点坐标 (原图中的对应坐标)  
points1 = np.float32([[185, 90], [540, 135], [110, 310], [520, 355]])  # 定义透视变换后的四个点坐标 (目标图像中的坐标)  
points2 = np.float32([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]])  # 在图像上绘制四条红色线段，便于视图对比  
cv2.line(img, [178, 90], [540, 135], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第1条线  
cv2.line(img, [110, 310], [520, 355], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第2条线  
cv2.line(img, [178, 90], [110, 310], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第3条线  
cv2.line(img, [540, 135], [520, 355], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第4条线  # 计算透视变换矩阵  
M = cv2.getPerspectiveTransform(points1, points2)  # 应用透视变换，得到变换后的图像  
img_warpP = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))  # 显示原图像  
cv2.imshow('img', img)  # 显示透视变换后的图像  
cv2.imshow('img_warpP', img_warpP)  # 等待用户按键后关闭窗口  
cv2.waitKey(0)

二、库函数

2.1、line()

cv.line（	img， pt1， pt2， color[， thickness[， lineType[， shift]]]	) ->	IMG

方法	描述
img	该图像
pt1	线段的第一个点
pt2	线段的第二个点
color	线条颜色
thickness	线条粗细
lineType	线路的类型。请参见 LineTypes
shift	点坐标中的小数位数

2.2、getPerspectiveTransform()

cv.getPerspectiveTransform(	src, dst[, solveMethod]	) ->	retval

方法	描述
src	源图像中四边形顶点的坐标。
dst	目标图像中相应四边形顶点的坐标。
solveMethod	传递给 cv：：solve 的方法（DecompTypes)

2.3、warpPerspective()

cv.warpPerspective（	src， M， dsize[， dst[， flags[， borderMode[， borderValue]]]]	) ->	DST

方法	描述
src	输入图像
dst	输出图像，其大小为 dsize 且类型与 src 相同
M	3*3变换矩阵
dsize	输出图像的大小
flags	插值方法（INTER_LINEAR 或 INTER_NEAREST）和可选标志 WARP_INVERSE_MAP 的组合，将 M 设置为逆变换
borderMode	像素外插法（BORDER_CONSTANT 或 BORDER_REPLICATE）。
borderValue	在恒定边界的情况下使用的值;默认情况下，它等于 0