opencv 图像变换

| 理论 

---

基础理论没仔细看，这部分先留空，有时间再补，主要是根据网上代码修改先应用起来

| 代码

---

对外网的代码修改了一下，主要针对形状为矩形的主体，应用平面变换将原图形铺满整个页面，代码如下：

# opencv 4.5.3
# python 3.7

# 将图片获取的四个角点重新排序成：左上角点 右上角点 左下角点和右下角点
def reorder(myPoints):
    myPoints = myPoints.reshape((4,2))
    myPointsNew = np.zeros((4,1,2),np.int32)
    add = myPoints.sum(1)
    
    myPointsNew[0] = myPoints[np.argmin(add)]
    myPointsNew[3] = myPoints[np.argmax(add)]

    diff = np.diff(myPoints, axis=1)
    myPointsNew[1] = myPoints[np.argmin(diff)]
    myPointsNew[2] = myPoints[np.argmax(diff)]

    return myPointsNew

# 矩形旋转
def getWarp(img,approx):
    #print(approx.shape)
    approx = reorder(approx)
    pts1 = np.float32(approx)
    pts2 = np.float32([[0,0],[width,0],[0,height],[width,height]])
    # 核心函数
    matrix = cv.getPerspectiveTransform(pts1, pts2)
    imgOutput = cv.warpPerspective(img, matrix, (width,height))

    return imgOutput

# 获取待调整的矩形位置
def getContours(img):
    contours, hierarchy = cv.findContours(img, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
    for cnt in contours:  # cnt 是一系列点的集合
        area = cv.contourArea(cnt)
        if area > 5000:
            #cv.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)
            peri = cv.arcLength(cnt, True)
            approx = cv.approxPolyDP(cnt, 0.02 * peri, True)
            # 检测到矩形
            if len(approx == 4):
                # cv.drawContours(imgContour, approx, -1, (255, 0, 0), 20)
                return approx
    return []



if __name__ == "__main__":
    # 图像旋转
    height, width = imgRGB.shape[:2]
    imgBlue = imgRGB[:,:,0]
    approx = getContours(imgBlue)
    imgDeskew = getWarp(imgRGB, approx)

▶  根据网上的说法，平面变换（即坐标变换）包括：仿射变换和透视变换，上面应用的就是透视变换，两者区别在于：仿射变换对图像保持平行四边形的平行性质，透视变换功能上更强大保持为四边形。因此前者是后者的一部分。

▶  opencv也有仿射变换函数，getRotationMatrix2D和warpAffine，某些情况下图片的位置会出错，如下所示，绕中心旋转后的主体并不是完全匹配原画布大小，而且会产生蓝色三角形的“重影”，具体处理方法有待摸索。也有可能某些参数设置错误才导致下面的结果