整体四路 对四个角度图片进行透视变换,然后将四张变换后的图片融合在一起
单张图片的透视变换代码:
import cv2
import numpy as np
# 加载原始图像
img = cv2.imread('you.jpg')
print(img.shape)
height, width = img.shape[:2]
# 定义源图像上的四个角点坐标,顺序是左上、右上、右下、左下
src_points = np.float32([[84,173], [168,5], [161,608], [86,414]])
# for x in range (0,4):
# cv2.circle(img,(src_points[x][0],src_points[x][1]),5,(0,0,225))
# 定义目标俯视图上的对应四点坐标,假设都是映射到边框附近
# 这里的dst_points只是一个示例,真实情况需要根据实际需求调整
dst_points = np.array([[360,285], [442,120], [441,522],[362,359]], dtype=np.float32)
#
# # 计算透视变换矩阵
M = cv2.getPerspectiveTransform(src_points, dst_points)
#
# # 创建一个与原图同样大小的空白图像作为输出
output_img = np.zeros((height, width, 3), dtype=np.uint8)
#
# # 应用透视变换
warped = cv2.warpPerspective(img, M, (width, height), flags=cv2.INTER_LINEAR)
height, width = warped.shape[:2]
# warped = cv2.resize(warped, (width//3, height//3), interpolation=cv2.INTER_LINEAR)
# 输出透视变换后的图像
cv2.imshow('Warped Top-View', warped)
cv2.waitKey(0)
cv2.destroyAllWindows()
src_points = np.float32([[84,173], [168,5], [161,608], [86,414]]) dst_points = np.array([[360,285], [442,120], [441,522],[362,359]], dtype=np.float32)
这些数据需要根据实际的情况进行修改
这张图片实际应该是逆时针90°翻转一下的,不知道为什么传到这里就这样子了
单张结果图
标定的点选择电脑画图工具就可以查看其在图片中的坐标了
拼接代码:
import cv2
def cv_show(img,name):
cv2.imshow(img,name)
cv2.waitKey(0)
cv2.destroyAllWindows()
return
# 假设已加载图片
img_qian = cv2.imread('qian.png')
img_hou = cv2.imread('hou.png')
img_zuo = cv2.imread('zuo.png')
img_you = cv2.imread('you.png')
height, width, _ = img_qian.shape
img_hou = cv2.resize(img_hou,(width,height))
img_zuo = cv2.resize(img_zuo,(width,height))
img_you = cv2.resize(img_you,(width,height))
# 获取图片的尺寸
# 分别处理四张图片
# img_qian 下半部分变黑
split_line_qian = height // 2
img_qian[split_line_qian:, :] = [0, 0, 0]
# img_hou 上半部分变黑
split_line_hou = height // 2
img_hou[:split_line_hou, :] = [0, 0, 0]
# img_zuo 右半部分变黑
split_line_zuo = width // 2
img_zuo[:, split_line_zuo:] = [0, 0, 0]
# img_you 左半部分变黑
split_line_you = (width // 3)*2
img_you[:, :split_line_you] = [0, 0, 0]
result1=cv2.addWeighted(img_qian, 1, img_hou, 1,0)
result2=cv2.addWeighted(img_zuo, 1, img_you, 1,0)
result=cv2.addWeighted(result1, 1, result2, 1,0)
cv_show('res',result)
把每张图片不要的部分裁掉用黑色补充,然后融合
最终效果图,黑色部分是由于摄像头拍摄角度有限,在原图中没有拍摄到,使用角度更大的鱼眼摄像头或许会有效改善: