opencv透视变换，提取特征图像

基本介绍

    注意：这篇文章的前提是学过图像仿射变换

    使用opencv的透视变换可以使我们简单的提取想要的信息，只需要知道原图像的4个点，通过这4个点以及想要生成的图像坐标，我们就能算出M矩阵，然后通过cv.warpPerspective方法就可以提取出图片。

    先来看看效果，下面使用该技术将图片中的书提取出来

cv2.getPerspectiveTransforms介绍

    上面我们知道要通过4个原本图像中的坐标，还有新生成图像的坐标，通过运算得到M矩阵，手算太麻烦了，我们使用opencv提供的函数来完成，这个函数返回M矩阵

def getPerspectiveTransform(src, dst, solveMethod=None)

• src：原图像上的4个点坐标

• dst：生成图像的4个点坐标

• solveMethod：矩阵分解方法，传递给cv2.solve(DecompTypes) 求解线性方程组或解决最小二乘问题，默认值为None，表示使用DECOMP_LU。详情参考官网

    下面给出大致示意图。
  

cv2.warpPerspective介绍

    这个方法和warpPerspective特别相似，下面给出解释

def warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

• src：输入图像
• M：运算矩阵
• dsize：运算后矩阵的大小，也就是输出图片的尺寸
• dst：输出图像
• flags：插值方法的组合，与resize函数中的插值一样，可以查看cv2.resize
• borderMode：像素外推方法，详情参考官网
• borderValue：在恒定边框的情况下使用的borderValue值；默认情况下，它是 0

寻找特征图像

    通过matplotlib输出图像，然后大致观察下特征图像的4个坐标

    我这里通过观察给出左上，右上，左下，右下4个坐标，(190, 240), (505, 160), (360, 670), (768, 490)

src = np.float32([[190, 240], [505, 160], [360, 670], [768, 490]])

    我们得到了特征图像的4个坐标，然后再给出新生成图像的4个坐标即可，我要生成的是高640，宽480的图像，所以新生成的左上，右上，左下，右下4个坐标为(0, 0), (480, 0), (0, 640), (480, 640)

dst = np.float32([[0, 0], [480, 0], [0, 640], [480, 640]])

完整代码及运行效果

import cv2
import numpy as np

img = cv2.imread('../images/book.jpg')
# 设置特征图像和生成图像的坐标
src = np.float32([[190, 240], [505, 160], [360, 670], [768, 490]])
dst = np.float32([[0, 0], [480, 0], [0, 640], [480, 640]])
# 通过运算得出M矩阵
M = cv2.getPerspectiveTransform(src, dst)
# 提取特征图片
book = cv2.warpPerspective(img, M, (480, 640))

cv2.imshow('img', cv2.resize(img, (480, 640)))
cv2.imshow('book', book)
cv2.waitKey(0)
cv2.destroyAllWindows()