使用 OpenCV 实现图像的透视变换

概述

在计算机视觉领域，经常需要对图像进行各种几何变换，如旋转、缩放和平移等。其中，透视变换（Perspective Transformation）是一种非常重要的变换方式，它能够模拟三维空间中的视角变化，例如从不同角度观察同一个物体时所看到的不同效果。本文将详细介绍如何使用 OpenCV 库在 Python 中实现图像的透视变换。

环境准备

在开始之前，请确保已经安装了 OpenCV 库。如果没有安装，可以通过以下命令进行安装：

pip install opencv-python

运行效果

示例代码详解

import cv2
import numpy as np

def func():
    """
    读取图像并进行透视变换。
    :return:
    """
    # 读取图像
    img = cv2.imread('./resources/card.jpeg')
    print(type(img))  # 输出图像数据类型
    print(img.shape)  # 输出图像尺寸信息
    
    # 定义目标宽度和高度
    width, height = 300, 200

    # 原始图像上的四个点坐标
    pts1 = np.float32([
        [94, 302],
        [205, 243],
        [152, 369],
        [265, 300]
    ])

    # 目标图像上的四个点坐标
    pts2 = np.float32([
        [0, 0],
        [width, 0],
        [0, height],
        [width, height]
    ])

    # 计算透视变换矩阵
    matrix = cv2.getPerspectiveTransform(pts1, pts2)

    # 应用透视变换
    img_output = cv2.warpPerspective(img, matrix, (width, height))

    # 展示原始图像和变换后的图像
    cv2.imshow('Original Image', img)
    cv2.imshow('Transformed Image', img_output)

    # 等待用户按键后退出
    cv2.waitKey(0)

if __name__ == '__main__':
    func()

代码解析

1. 导入必要的库：

   import cv2
   import numpy as np
   

   • cv2：OpenCV 的 Python 接口。
   • numpy：用于处理图像数据的数组。

2. 定义函数 func：

   def func():
       """
       读取图像并进行透视变换。
       :return:
       """
   

3. 读取图像：

   img = cv2.imread('./resources/card.jpeg')
   print(type(img))  # 输出图像数据类型
   print(img.shape)  # 输出图像尺寸信息
   

   • 使用 cv2.imread() 读取图像文件。
   • print(type(img)) 和 print(img.shape) 分别用于检查图像数据类型和图像尺寸。

4. 定义目标宽度和高度：

   width, height = 300, 200
   

5. 定义图像上的四个点坐标：

   pts1 = np.float32([
       [94, 302],
       [205, 243],
       [152, 369],
       [265, 300]
   ])
   

   • pts1 表示在原始图像上的四个点坐标，这些坐标通常代表图像中的某个矩形区域。

6. 定义目标图像上的四个点坐标：

   pts2 = np.float32([
       [0, 0],
       [width, 0],
       [0, height],
       [width, height]
   ])
   

   • pts2 表示变换后目标图像上的四个点坐标，这里我们把原来的矩形区域拉伸成了一个矩形。

7. 计算透视变换矩阵：

   matrix = cv2.getPerspectiveTransform(pts1, pts2)
   

   • 使用 cv2.getPerspectiveTransform() 获取从原始图像到目标图像的变换矩阵。

8. 应用透视变换：

   img_output = cv2.warpPerspective(img, matrix, (width, height))
   

   • 使用 cv2.warpPerspective() 应用透视变换，得到变换后的图像。

9. 展示图像：

   cv2.imshow('Original Image', img)
   cv2.imshow('Transformed Image', img_output)
   

   • 使用 cv2.imshow() 分别展示原始图像和变换后的图像。

10. 等待用户按键后退出：

    cv2.waitKey(0)
    

    • cv2.waitKey(0) 使得程序等待用户按键后退出。

获取pts1数据的方式：
手动选取：可以使用图像查看工具（例如Photoshop，GIMP等）打开图像，然后手动测量并记录感兴趣区域的四个角的像素坐标。选取坐标时，确保它们形成一个闭合四边形。

编程自动识别：如果目标区域的边缘特征明显，也可以使用图像处理技术（如边缘检测、角点检测等）自动识别这些角点，以便复用或动态生成pts1的值。

实验和调整：在实际使用中，可能需要经过几次实验和调整，以获取最佳的透视变换效果。

 在这段代码中，pts1的具体值：

pts1 = np.float32([
    [94, 302],
    [205, 243],
    [152, 369],
    [265, 300]
])

这些坐标值为示例数据，意味着选择了原图中具体的一块区域的四个点，具体点的位置需要基于图像的内容而定。在实际应用中，你会根据你希望进行变换的区域选择具体的坐标。

总结

本文通过一个具体的代码示例，详细介绍了如何使用 OpenCV 在 Python 中实现图像的透视变换。透视变换是一种强大的工具，可以帮助我们处理图像中的非平行投影，从而在不同的视角下获取一致的图像。希望本文能帮助你在实际项目中更好地应用这一技术。

以上就是关于使用 OpenCV 实现图像的透视变换的技术讲解，希望对你的学习和实践有所帮助！如果有任何疑问或需要进一步的帮助，请随时提问！