Python 基于已知摄像机方向的OpenCV透视扭曲

我正在进行一个项目，该项目试图根据已知的摄像机方向消除图像中的透视失真。我的想法是，我可以根据相机的已知X、Y和Z方向创建旋转矩阵。然后，我可以通过透视法将这些矩阵应用于图像

在我的脚本（用Python编写）中，我创建了三个旋转矩阵，每个矩阵基于一个方向角。我已经在两个问题上陷入困境。首先，当我将每个矩阵加载到WarpPerspective方法中时，它似乎无法正常工作。每当我在一个轴上扭曲一个图像时，它就会明显地使图像过度扭曲。只有当我将方向角限制在1度或更小时，图像的内容才可识别

其次，如何将三个旋转矩阵组合成一个矩阵，以加载到透视方法中。我可以将一个3x3旋转矩阵导入到该方法中，还是必须创建一个4x4投影矩阵。下面是我正在编写的代码

谢谢你的帮助

铬

---

显示了如何将三个基本旋转矩阵组合为一个。

仅知道旋转是不够的，除非您的图像是使用远心镜头或具有很长焦距的长焦镜头拍摄的（在这种情况下，图像几乎是正交的，并且没有透视失真）

此外，没有必要。确实，可以通过校准相机（即，估计内部和外部参数以形成完整的相机投影矩阵）撤消图像中一个平面的透视透视缩短

---

但是，如果你能在图像中识别出一个四边形，它是真实世界中的正方形（或具有已知宽高比的矩形）的图像，那么你可以更简单地获得相同的结果。如果你能做到这一点，你就可以简单地计算将正方形（矩形）映射到四边形的单应矩阵，然后使用它的逆矩阵进行扭曲。

你做错了几件事。首先，如果没有摄影机模型，则无法在x轴或y轴上旋转。想象一个拥有难以置信的广阔视野的相机。你可以把它举得离一个物体很近，然后看到整个物体，但是如果这个物体旋转，它的边缘看起来会很快向你飞来，并伴随着强烈的透视失真。另一方面，小视场（比如望远镜）的透视失真很小。一个很好的起点是设置图像平面，使其至少与相机的宽度一样远，并将对象放在图像平面上。这就是我在本例中所做的（c++openCV）

步骤是

构造一个旋转矩阵

将图像居中于原点

旋转图像

沿z轴向下移动图像

乘以相机矩阵

扭曲透视图

---

这个代码给了我这个输出

---

直到我贴出这个，我才看到佛朗哥的答案。他完全正确，使用FindHomography可以节省所有这些步骤。不过我还是希望这是有用的。

也许我可以更清楚地说明我想做什么，因为我还没有找到实现它的方法。我要做的是从视频序列中获取各种物体的航向测量值。真实标题会根据相机的透视图进行更改。有没有可能我不知道什么是“航向测量”。你能用一段你想做什么的视频来更新你的问题吗？

from numpy import *
import cv

#Sets angle of camera and converts to radians
x =  -14 * (pi/180)
y = 20 * (pi/180)
z =  15 * (pi/180)

#Creates the Rotational Matrices
rX = array([[1, 0, 0], [0, cos(x), -sin(x)], [0, sin(x), cos(x)]])
rY = array([[cos(y), 0, -sin(y)], [0, 1, 0], [sin(y), 0, cos(y)]])
rZ = array([[cos(z), sin(z), 0], [-sin(z), cos(z), 0], [0, 0, 1]])

#Converts to CVMat format
X = cv.fromarray(rX)
Y = cv.fromarray(rY)
Z = cv.fromarray(rZ)

#Imports image file and creates destination filespace
im = cv.LoadImage("reference_image.jpg")
dst = cv.CreateImage(cv.GetSize(im), cv.IPL_DEPTH_8U, 3)

#Warps Image
cv.WarpPerspective(im, dst, X)

#Display
cv.NamedWindow("distorted")
cv.ShowImage("distorted", im)
cv.NamedWindow("corrected")
cv.ShowImage("corrected", dst)
cv.WaitKey(0)
cv.DestroyWindow("distorted")
cv.DestroyWindow("corrected")

//1
float x =  -14 * (M_PI/180);
float y =  20 * (M_PI/180);
float z =  15 * (M_PI/180);

cv::Matx31f rot_vec(x,y,z);
cv::Matx33f rot_mat;
cv::Rodrigues(rot_vec, rot_mat); //converts to a rotation matrix

cv::Matx33f translation1(1,0,-image.cols/2,
                        0,1,-image.rows/2,
                        0,0,1);
rot_mat(0,2) = 0;
rot_mat(1,2) = 0;
rot_mat(2,2) = 1;

//2 and 3
cv::Matx33f trans = rot_mat*translation1;
//4
trans(2,2) += image.rows;
cv::Matx33f camera_mat(image.rows,0,image.rows/2,
                       0,image.rows,image.rows/2,
                       0,0,1);
//5
cv::Matx33f transform = camera_mat*trans;
//6
cv::Mat final;
cv::warpPerspective(image, final, cv::Mat(transform),image.size());