Opencv-Python 图像透视变换cv2.warpPerspective

# -*- coding:utf-8 -*-
import cv2
import numpy as np
import sys

img = cv2.imread('test.jpg')
# cv2.imshow("original", img)

# 可选,扩展图像,保证内容不超出可视范围
img = cv2.copyMakeBorder(img, 200, 200, 200, 200, cv2.BORDER_CONSTANT, 0)
w, h = img.shape[0:2]

anglex = 0
angley = 30
anglez = 0  # 是旋转
fov = 42
r = 0

def rad(x):
    return x * np.pi / 180

def get_warpR():
    global anglex,angley,anglez,fov,w,h,r
    # 镜头与图像间的距离,21为半可视角,算z的距离是为了保证在此可视角度下恰好显示整幅图像
    z = np.sqrt(w ** 2 + h ** 2) / 2 / np.tan(rad(fov / 2))
    # 齐次变换矩阵
    rx = np.array([[1, 0, 0, 0],
                   [0, np.cos(rad(anglex)), -np.sin(rad(anglex)), 0],
                   [0, -np.sin(rad(anglex)), np.cos(rad(anglex)), 0, ],
                   [0, 0, 0, 1]], np.float32)

    ry = np.array([[np.cos(rad(angley)), 0, np.sin(rad(angley)), 0],
                   [0, 1, 0, 0],
                   [-np.sin(rad(angley)), 0, np.cos(rad(angley)), 0, ],
                   [0, 0, 0, 1]], np.float32)

    rz = np.array([[np.cos(rad(anglez)), np.sin(rad(anglez)), 0, 0],
                   [-np.sin(rad(anglez)), np.cos(rad(anglez)), 0, 0],
                   [0, 0, 1, 0],
                   [0, 0, 0, 1]], np.float32)

    r = rx.dot(ry).dot(rz)

    # 四对点的生成
    pcenter = np.array([h / 2, w / 2, 0, 0], np.float32)

    p1 = np.array([0, 0, 0, 0], np.float32) - pcenter
    p2 = np.array([w, 0, 0, 0], np.float32) - pcenter
    p3 = np.array([0, h, 0, 0], np.float32) - pcenter
    p4 = np.array([w, h, 0, 0], np.float32) - pcenter

    dst1 = r.dot(p1)
    dst2 = r.dot(p2)
    dst3 = r.dot(p3)
    dst4 = r.dot(p4)

    list_dst = [dst1, dst2, dst3, dst4]

    org = np.array([[0, 0],
                    [w, 0],
                    [0, h],
                    [w, h]], np.float32)

    dst = np.zeros((4, 2), np.float32)

    # 投影至成像平面
    for i in range(4):
        dst[i, 0] = list_dst[i][0] * z / (z - list_dst[i][2]) + pcenter[0]
        dst[i, 1] = list_dst[i][1] * z / (z - list_dst[i][2]) + pcenter[1]

    warpR = cv2.getPerspectiveTransform(org, dst)
    return warpR

def control():
    global anglex,angley,anglez,fov,r

    # 键盘控制
    if 27 == c:  # Esc quit
        sys.exit()
    if c == ord('w'):
        anglex += 1
    if c == ord('s'):
        anglex -= 1
    if c == ord('a'):
        angley += 1
        print(angley)
        # dx=0
    if c == ord('d'):
        angley -= 1
    if c == ord('u'):
        anglez += 1
    if c == ord('p'):
        anglez -= 1
    if c == ord('t'):
        fov += 1
    if c == ord('r'):
        fov -= 1
    if c == ord(' '):
        anglex = angley = anglez = 0
    if c == ord('e'):
        print("======================================")
        print('Rotation Matrix:')
        print(r)
        print('angle alpha(anglex):')
        print(anglex)
        print('angle beta(angley):')
        print(angley)
        print('dz(anglez):')
        print(anglez)


while True:

    warpR = get_warpR()

    result = cv2.warpPerspective(img, warpR, (h, w))
    cv2.namedWindow('result',2)
    cv2.imshow("result", result)
    c = cv2.waitKey(30)
    control()

cv2.destroyAllWindows()


运行效果:


控制:

  • s控制垂直方向上的形变
  • a和d控制水平方向上的行变
  • u和p控制角度旋转
  • e 输出当前旋转矩阵参数
  • 11
    点赞
  • 44
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
图像对齐是指将多幅图像对齐到同一个坐标系下,以方便进行后续处理,例如图像融合、图像拼接等。在进行图像对齐时,常常需要考虑到图像的亮度、对比度等因素,因此可以使用直方图均衡化来增强图像的对比度。 下面是使用opencv-python实现图像对齐的示例代码,其中包括了直方图均衡化的步骤: ```python import cv2 import numpy as np # 读取两张待对齐的图片 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') # 将图片转为灰度图 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 对灰度图进行直方图均衡化 equ1 = cv2.equalizeHist(gray1) equ2 = cv2.equalizeHist(gray2) # 初始化ORB检测器 orb = cv2.ORB_create() # 使用ORB检测关键点和描述子 kp1, des1 = orb.detectAndCompute(equ1, None) kp2, des2 = orb.detectAndCompute(equ2, None) # 初始化暴力匹配器 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) # 匹配两幅图片的描述子 matches = bf.match(des1, des2) # 根据匹配结果筛选出较好的匹配点 matches = sorted(matches, key=lambda x: x.distance) good_matches = matches[:50] # 获取匹配点的坐标 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 计算透视变换矩阵 M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 对第一张图片进行透视变换,以将其对齐到第二张图片上 aligned_img = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0])) # 显示对齐后的图片 cv2.imshow('Aligned Image', aligned_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先使用`cv2.cvtColor`函数将两张图片转为灰度图,然后分别对灰度图进行直方图均衡化,以增强图像的对比度。接着使用ORB特征检测器和暴力匹配器来匹配两幅图片的关键点,并筛选出较好的匹配点。最后使用`cv2.findHomography`函数计算透视变换矩阵,并对第一张图片进行透视变换,以将其对齐到第二张图片上。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值