C++ cv:：warpPerspective仅显示扭曲图像的一部分

我使用getHomography和warpPerspective将图像从正面透视图更改为人眼透视图

它的工作原理是图像扭曲到所需的透视图，但裁剪已关闭。它将扭曲的图像大部分移动到图像框外。我想原因是因为操作导致负坐标

我已经手动计算了用于计算平移矩阵的点，而不是使用任何opencv:s函数进行计算，因为棋盘函数无法检测到正确的点

我想这可以通过对变换矩阵做额外的修改来解决。但这是怎么做到的呢？另外，是否有办法确保变换后的图像沿x轴居中，然后将y轴调整到所需位置

现在执行此任务的代码段：

cv::Mat image; // image is loaded with the original image

cv::Mat warpPers; // The container for the resulting image
cv::Mat H;

std::vector<cv::Point2f> src;
std::vector<cv::Point2f> dst;

// In reality several more points.
src.push_back(cv::Point2f(264,301));
src.push_back(cv::Point2f(434,301));
src.push_back(cv::Point2f(243,356));
src.push_back(cv::Point2f(476,356));

dst.push_back(cv::Point2f(243,123));
dst.push_back(cv::Point2f(476,123));
dst.push_back(cv::Point2f(243,356));
dst.push_back(cv::Point2f(476,356));

H = cv::findHomography(src, dst, CV_RANSAC);

cv::warpPerspective(image, 
newPers,
H,
cv::Size(3000,3000),
cv::INTER_NEAREST | CV_WARP_FILL_OUTLIERS
);

cv::namedWindow("Warped persp", cv::WINDOW_AUTOSIZE );
cv::imshow( "Warped persp", newPers);

cv:：Mat image；//图像与原始图像一起加载
cv：：垫式整经机；//结果图像的容器
cv：：Mat H；
std：：向量src；
std：：向量dst；
//实际上还有几点。
src.push_back（cv:：Point2f（264301））；
src.push_back（cv:：Point2f（434301））；
src.push_back（cv:：Point2f（243356））；
src.push_back（cv:：Point2f（476356））；
dst.推回（cv:：Point2f（243123））；
dst.推回（cv:：Point2f（476123））；
dst.推回（cv:：Point2f（243356））；
dst.推回（cv:：Point2f（476356））；
H=cv:：findHomography（src、dst、cv_-RANSAC）；
cv：：透视图（图像，
纽伯斯，
H
cv：：尺寸（30003000），
cv：：最近点之间的cv扭曲填充异常值
);
cv:：namedWindow（“扭曲的persp”，cv:：WINDOW\u AUTOSIZE）；
cv：：imshow（“翘曲persp”，纽伯斯）；

Opencv提供了非常方便的透视变换方法。你要做的唯一一件事就是处理findHomography返回的单应性。 事实上，您提供的图像的某些点可能位于x轴或y轴的负部分。 因此，在扭曲图像之前，必须进行一些检查

第1步：用findHomography查找单应H 您将获得单应的经典结构

H = [ h00, h01, h02;
      h10, h11, h12;
      h20, h21,   1];

步骤2：搜索扭曲后图像角点的位置

让我来定义拐角的顺序：

(0,0) ________ (0, w)
     |        |
     |________|
(h,0)          (h,w)

为此，只需创建如下矩阵：

P = [0, w, w, 0;
     0, 0, h, h;
     1, 1, 1, 1]

P' = [s1*x1, s2*x2, s3*x3, s4*x4;
      s1*y1, s2*y2, s3*y3, s4*y4;
      s1   , s2   , s3   , s4]

使用H制作产品并获得翘曲坐标：

P' = H * P

步骤3：用这4个新点检查x和y的最小值，得到扭曲图像的大小 完成产品后，您将收到以下内容：

P = [0, w, w, 0;
     0, 0, h, h;
     1, 1, 1, 1]

P' = [s1*x1, s2*x2, s3*x3, s4*x4;
      s1*y1, s2*y2, s3*y3, s4*y4;
      s1   , s2   , s3   , s4]

因此，要获得新的有效坐标，只需将直线1和2除以直线3即可

然后检查第一行的列的最小值，第二行的行的最小值（使用cvReduce）

要找到包含图像的边界框（即warpPerspective函数的dst矩阵的尺寸），只需使用cvReduce查找每条线上的最大值

设minx为第一行（即列）的最小值，maxx为1行的最大值 第二排是米尼和马克西

因此，扭曲图像的大小应为cvSize（maxx minx，maxy miny）

步骤4：向单应性添加校正 检查minx和/或miny是否为负值，如果minx<0，则将-minx添加到h02，如果miny<0，则将-miny添加到h12

所以H应该是：

H = [ h00, h01, h02-minx; //if minx <0
      h10, h11, h12-miny; //if miny <0
      h20, h21,   1];

H=[h00，h01，h02 minx；//如果minx我认为这个问题与当前的问题类似

所以我在这里也给你们我的答案：

尝试下面的
单应_warp

void homography_warp(const cv::Mat& src, const cv::Mat& H, cv::Mat& dst);

src
是源图像

H
是您的单应性

dst
是扭曲的图像

homography\u warp
按照他的答案中所述调整你的单应性

//将非齐次二维点的向量转换为齐次二维点的向量。
空到齐次（常数std:：vector和非齐次，std:：vector和齐次）
{
齐次.调整大小（非齐次.大小（））；
对于（size_t i=0；i<非齐次.size（）；i++）{
齐次[i].x=非齐次[i].x；
齐次[i].y=非齐次[i].y；
齐次[i].z=1.0；
}
}
//将均匀二维点的向量转换为非均匀二维点的向量。
来自同质（常量std:：vector和同质，std:：vector和非同质）
{
非齐次.resize（齐次.size（））；
对于（size_t i=0；i<非齐次.size（）；i++）{
非齐次[i].x=齐次[i].x/齐次[i].z；
非齐次[i].y=齐次[i].y/齐次[i].z；
}
}
//通过单应变换变换二维非齐次点的向量。
std:：向量变换通过单应（常数std:：向量和点，常数cv:：Matx33f和单应）
{
std：：载体ph；
至均匀（点、ph）；
对于（尺寸i=0；ix；
浮点x_max=std:：max_元素（p.begin（），p.end（），[]（常量cv:：Point2f&lhs，常量cv:：Point2f&rhs）{return lhs.xx；
浮点y_min=std:：min_元素（p.begin（），p.end（），[]（常量cv:：Point2f&lhs，常量cv:：Point2f&rhs）{返回lhs.yy；
浮点y_max=std:：max_元素（p.begin（），p.end（），[]（常量cv:：Point2f&lhs，常量cv:：Point2f&rhs）{return lhs.yy；
返回cv：：Rect_（x_min，y_min，x_max-x_min，y_max-y_min）；
}
//通过单应H将图像src扭曲到图像dst中。
//生成的dst图像包含整个扭曲图像，如下所示：
//行为与Octave的imperspectivewarp（在“图像”中）相同
//包）参数bbox等于“loose”时的行为。
//看http://octave.s