学习笔记4(opencv and python 透视变换（鸟瞰））

@ 鸟瞰图像的实现，用四边顶点坐标来进行来进行透视变换

相关opencv函数

1.cv2.getPerspectiveTransform(src，M)

src表示原图像的四边顶点的坐标，M表示为要求变换的四边顶点的坐标，最后得到一个3x3的变换矩阵

2.cv2.warpPerspective（src，M，dsize（height,width）

src为输入的图像，M为cv2.getperpectiveTransform()函数的到的变换矩阵，
src为输入图像，M为cv2.getperpectiveTransform()函数的到的变换矩阵），dsize为输出图像的大小
如果还是不懂的话，看这个链接！！！

先看一下我的实现结果

上代码

import numpy as np
import cv2
def order_points(pts):
    #进行初始化点的位置，左上、右上、左下、右下
    rect = np.zeros((4, 2), dtype = "float32")
    #采取四个点的x+y的和，以最小的和为左上的点，x+y最大为右下的点
    s = pts.sum(axis = 1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]
   #定义一左下点和右上点的位置，用|x-y|表示，小的为右上，大的为左下
    diff = np.diff(pts, axis = 1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]
    
    return rect

def four_point_transform(image, pts):
    rect = order_points(pts)
    (tl, tr, br, bl) = rect
    #重新计算新的图像的宽度和高度
    widthA = np.sqrt(np.sum((br - bl) ** 2))
    widthB = np.sqrt(np.sum((tr - tl) ** 2))
    maxWidth = max(int(widthA), int(widthB))

    heightA = np.sqrt(np.sum((tr - br) ** 2))
    heightB = np.sqrt(np.sum((tl - bl) ** 2))
    maxHeight = max(int(heightA), int(heightB))
    #重新定义新的图像的四边顶点的坐标
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype = "float32")
    # 计算透视矩阵，并且变化应用
    M = cv2.getPerspectiveTransform(rect, dst)
    print(M)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
    
    return warped
image = cv2.imdecode(np.fromfile(r"E:/学习用的图片素材/receipt1.jpg"),-1)
#这里没有用imread的原因是因为我的图片路径有中文，所以用的这种方法
pts = np.array([(153,119),(376,159),(30,428),(300,492)], dtype = "float32")
#使用坐标完成鸟瞰的图像变化，这里的pts里的坐标，最好就是我们输入图像的四边顶点的坐标

warped = four_point_transform(image, pts)
# show the original and warped images
cv2.imshow("Original", image)
cv2.imshow("Warped", warped)
cv2.waitKey(0)

最后的结果显示

1.先看一下M吧

[[ 1.32412921e+00 5.27080561e-01 -2.65314357e+02]
[-2.49406708e-01 1.39044240e+00 -1.27303419e+02]
[ 4.05004587e-05 8.24014712e-04 1.00000000e+00]]
2.最后结果

最近在看Adrian Rosebrock的博客，以后的笔记也是看了他的博客所记录的