python opencv 实现透视变换——将侧视图进行正投影

python opencv 实现透视变换——将侧视图进行正投影

这个方法可以将倾斜拍摄的四边形图片投影成矩形，在图像处理工程里经常要用，之前写过一个C语言版本的，可以搜我博客：透视变换

但是python语言版本的比较少，根据网上一些资料总结了一下。

废话不多说，直接上效果图。

效果图

原图

运行demo用，加深理解

代码

代码1——自动找四边形角点，然后透视变化

思路：
二值化——滤波——膨胀——腐蚀——找最外边轮廓——拟合四边形——四个顶点映射——透视变换

#（基于透视的图像矫正）
import cv2
import math
import numpy as np

def Img_Outline(input_dir):
    original_img = cv2.imread(input_dir)
    gray_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray_img, (1, 1), 0)                     # 高斯模糊去噪（设定卷积核大小影响效果）
    _, RedThresh = cv2.threshold(blurred, 165, 255, cv2.THRESH_BINARY)  # 设定阈值165（阈值影响开闭运算效果）
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 1))          # 定义矩形结构元素
    closed = cv2.morphologyEx(RedThresh, cv2.MORPH_CLOSE, kernel)       # 闭运算（链接块）
    opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel)           # 开运算（去噪点）
    return original_img, gray_img, RedThresh, closed, opened


def findContours_img(original_img, opened):
    contours, hierarchy = cv2.findContours(opened, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    #c = sorted(contours, key=cv2.contourArea, reverse=True)[1]   # 计算最大轮廓的旋转包围盒
    #rect = cv2.minAreaRect(c)                                    # 获取包围盒（中心点，宽高，旋转角度）
    #box = np.int0(cv2.boxPoints(rect))                           # box
    #box[]
    #draw_img = cv2.drawContours(original_img.copy(), [box], -1, (0, 0, 255), 3)
    draw_img=original_img.copy()
    cv2.drawContours(draw_img, contours, -1, (255, 0, 0), 2)

    #拟合四边形
    cnt_len = cv2.arcLength(contours[0], True)
    box = cv2.approxPolyDP(contours[0], 0.02 * cnt_len, True)
    if len(box) == 4:
        cv2.drawContours(draw_img, [box], -1, (255, 255, 0), 3)

    '''
    box[0]: [[163  32]]右上
    box[1]: [[63 72]]   左上
    box[2]: [[150 215]]左下
    box[3]: [[268 144]]右下
    '''

    print("box[0]:", box[0])
    print("box[1]:", box[1])
    print("box[2]:", box[2])
    print("box[3]:", box[3])
    # for i in range(len(box)):
    #     box_after[i]=box[3-i]
    box_after =[0]*4
    #排好序的角点输出，0号是左上角，顺时针输出
    box_after[0] = box[1]
    box_after[1] = box[0]
    box_after[2] = box[3]
    box_after[3] = box[2]
    print("box_after[0]:", box_after[0])
    print("box_after[1]:", box_after[1])
    print("box_after[2]:", box_after[2])
    print("box_after[3]:", box_after[3])
    return box_after,draw_img
    #return draw_img
def Perspective_transform(box,original_img):
    # # 获取画框宽高(x=orignal_W,y=orignal_H)
    # orignal_W = math.ceil(np.sqrt((box[3][1] - box[2][1])**2 + (box[3][0] - box[2][0])**2))
    # orignal_H= math.ceil(np.sqrt((box[3][1] - box[0][1])**2 + (box[3][0] - box[0][0])**2))
    #
    # # 原图中的四个顶点,与变换矩阵
    # pts1 = np.float32([box[0], box[1], box[2], box[3]])
    # pts2 = np.float32([[int(orignal_W+1),int(orignal_H+1)], [0, int(orignal_H+1)], [0, 0], [int(orignal_W+1), 0]])
    #
    # # 生成透视变换矩阵；进行透视变换
    # M = cv2.getPerspectiveTransform(pts1, pts2)
    # result_img = cv2.warpPerspective(original_img, M, (int(orignal_W+3),int(orignal_H+1)))
    #

    ROTATED_SIZE_W = 600  # 透视变换后的表盘图像大小
    ROTATED_SIZE_H = 800  # 透视变换后的表盘图像大小
    # 原图中书本的四个角点(左上、右上、右下、左下),与变换后矩阵位置
    #pts1 = np.float32([[63, 72], [163, 32], [268, 144], [150, 215]])
    pts1 = np.float32([box[0], box[1], box[2], box[3]])
    # 变换后矩阵位置
    pts2 = np.float32([[0, 0], [ROTATED_SIZE_W, 0], [ROTATED_SIZE_W, ROTATED_SIZE_H], [0, ROTATED_SIZE_H], ])
    # 生成透视变换矩阵；进行透视变换
    M = cv2.getPerspectiveTransform(pts1, pts2)
    result_img = cv2.warpPerspective(original_img, M, (ROTATED_SIZE_W, ROTATED_SIZE_H))


    return result_img

if __name__=="__main__":
    input_dir = "./1.jpg"
    original_img, gray_img, RedThresh, closed, opened = Img_Outline(input_dir)
    box, draw_img = findContours_img(original_img,opened)
    #draw_img = findContours_img(original_img, opened)
    result_img = Perspective_transform(box,original_img)
    cv2.imshow("original", original_img)
    cv2.imshow("gray", gray_img)
    cv2.imshow("closed", closed)
    cv2.imshow("opened", opened)
    cv2.imshow("draw_img", draw_img)
    cv2.imshow("result_img", result_img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

代码2——手动输入四个角点，然后进行透视变换

'''
box[0]: [[163  32]]右上
box[1]: [[63 72]]   左上
box[2]: [[150 215]]左下
box[3]: [[268 144]]右下
'''


import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('1.jpg')

ROTATED_SIZE  = 600 #透视变换后的表盘图像大小
CUT_SIZE     =  0   #透视变换时四周裁剪长度

W_cols, H_rows= img.shape[:2]
print(H_rows, W_cols)

# 原图中书本的四个角点(左上、右上、右下、左下),与变换后矩阵位置,排好序的角点输出，0号是左上角，顺时针输出
pts1 = np.float32([[63, 72], [163, 32], [268, 144], [150, 215]])
#变换后矩阵位置
pts2 = np.float32([[0, 0],[ROTATED_SIZE,0],[ROTATED_SIZE, ROTATED_SIZE],[0,ROTATED_SIZE],])


# 生成透视变换矩阵；进行透视变换
M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (ROTATED_SIZE,ROTATED_SIZE))


cv2.imshow("original_img",img)
cv2.imshow("result",dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

中国象棋

'''
box[0]: [[163  32]]右上
box[1]: [[63 72]]   左上
box[2]: [[150 215]]左下
box[3]: [[268 144]]右下
'''


import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('1fd65f577cd8a38830e86cd855c3be1.jpg')

ROTATED_SIZE  = 600 #透视变换后的表盘图像大小
CUT_SIZE     =  0   #透视变换时四周裁剪长度

W_cols, H_rows= img.shape[:2]
print(H_rows, W_cols)

# 原图中书本的四个角点(左上、右上、右下、左下),与变换后矩阵位置,排好序的角点输出，0号是左上角，顺时针输出


pts1 = np.float32([[328, 408], [928, 416], [867, 1211], [122, 1107]])

#变换后矩阵位置
pts2 = np.float32([[0, 0],[ROTATED_SIZE,0],[ROTATED_SIZE, ROTATED_SIZE],[0,ROTATED_SIZE],])


# 生成透视变换矩阵；进行透视变换
M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (ROTATED_SIZE,ROTATED_SIZE))

cv2.namedWindow("original_img",0)
cv2.imshow("original_img",img)
cv2.namedWindow("result_img",0)
cv2.imshow("result",dst)
cv2.waitKey(1000)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考文章;
1、Python-Opencv基于透视变换的图像矫正
2、opencv 四边形拟合_谈谈OpenCV中的四边形