Python Opencv getPerspectiveTransform方法给出了不清楚的结果
我只是试图摆脱图像的透视，换句话说，我试图从2D图像中获得鸟瞰图图像，以便于计算图像中两点之间的距离。此时，使用OpenCV的cv2.warpPerspective方法获得的结果图像需要最终图像的大小作为参数，该参数未知且应静态给定，从而生成扭曲图像的裁剪图像。因此，我使用cv2.getPerspective方法计算源图像的角点，并用这些点计算新的单应性。在用这个单应矩阵和已知的最终图像大小生成一个新的扭曲图像后，我得到了没有任何裁剪的完整图像。我的大部分经验都相当成功，但在一些样本中却奇怪地失败了 以下是我正在做的：Python Opencv getPerspectiveTransform方法给出了不清楚的结果,python,opencv,perspective,homography,Python,Opencv,Perspective,Homography,我只是试图摆脱图像的透视，换句话说，我试图从2D图像中获得鸟瞰图图像，以便于计算图像中两点之间的距离。此时，使用OpenCV的cv2.warpPerspective方法获得的结果图像需要最终图像的大小作为参数，该参数未知且应静态给定，从而生成扭曲图像的裁剪图像。因此，我使用cv2.getPerspective方法计算源图像的角点，并用这些点计算新的单应性。在用这个单应矩阵和已知的最终图像大小生成一个新的扭曲图像后，我得到了没有任何裁剪的完整图像。我的大部分经验都相当成功，但在一些样本中却奇怪地失
- 从相机图像中获取现实世界中已知矩形的4个点（点的顺序为：TL（左上）->TR（右上）->BR（右下）->BL（左下））
- 计算这些点的边界框，并将其设置为通过上述步骤获得的源点的目标
- 计算单应矩阵，得到单应矩阵
- 使用此矩阵，计算源图像的角点，以便能够知道结果图像（扭曲图像）的大小
- 由于我知道源图像角点的结果坐标，我计算了一个新的单应矩阵，并生成了具有已知大小的结果图像
import numpy as np
import cv2
import imutils
def warpImage(image, src_pts):
height, width = image.shape[:2]
min_rect = cv2.boundingRect(np.array(src_pts))
dst = [[min_rect[0], min_rect[1]],
[min_rect[0] + min_rect[2], min_rect[1]],
[min_rect[0] + min_rect[2], min_rect[1] + min_rect[3]],
[min_rect[0], min_rect[1] + min_rect[3]]]
corners = [[0, 0], [width-1, 0], [width-1, height-1], [0, height-1]]
src_np = np.float32(src_pts)
dst_np = np.float32(dst)
M = cv2.getPerspectiveTransform(src_np, dst_np)
ptsss = np.float32([corners]).reshape(-1, 1, 2)
scene_corners = cv2.perspectiveTransform(ptsss, M)
min_col, min_row = 50000, 50000
max_col, max_row = 0, 0
i = 0
for corner in scene_corners:
if corner[0][0] > max_col:
max_col = corner[0][0]
if corner[0][1] > max_row:
max_row = corner[0][1]
if corner[0][0] < min_col:
min_col = corner[0][0]
if corner[0][1] < min_row:
min_row = corner[0][1]
i += 1
new_dst = []
for corner in scene_corners:
pt = [int(corner[0][0] - min_col), int(corner[0][1] - min_row)]
new_dst.append(pt)
src2_np = np.float32(corners)
dst2_np = np.float32(new_dst)
M2 = cv2.getPerspectiveTransform(src2_np, dst2_np)
warped_image = cv2.warpPerspective(image, M2, (max_col - min_col, max_row - min_row))
return warped_image
img = cv2.imread("grid.png", 1)
img2 = img.copy()
# first one that works good
src1 = [[262, 129], [695, 130], [770, 350], [171, 352]]
cv2.circle(img, (src1[0][0], src1[0][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img, (src1[1][0], src1[1][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img, (src1[2][0], src1[2][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img, (src1[3][0], src1[3][1]), 3, (5, 140, 205), 3, 20)
cv2.imshow("img", img)
warped_img_1 = warpImage(img, src1)
warped_img_1_height, warped_img_1_width = warped_img_1.shape[:2]
if warped_img_1_width > warped_img_1_height:
warped_img_1 = imutils.resize(warped_img_1, width=800)
else:
warped_img_1 = imutils.resize(warped_img_1, height=800)
cv2.imshow("warped1", warped_img_1)
# second one that does not work
src2 = [[263, 260], [450, 302], [364, 394], [142, 321]]
cv2.circle(img2, (src2[0][0], src2[0][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img2, (src2[1][0], src2[1][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img2, (src2[2][0], src2[2][1]), 3, (5, 140, 205), 3, 20)
cv2.circle(img2, (src2[3][0], src2[3][1]), 3, (5, 140, 205), 3, 20)
cv2.imshow("img2", img2)
warped_img_2 = warpImage(img2, src2)
warped_img_2_height, warped_img_2_width = warped_img_2.shape[:2]
if warped_img_2_width > warped_img_2_height:
warped_img_2 = imutils.resize(warped_img_2, width=800)
else:
warped_img_2 = imutils.resize(warped_img_2, height=800)
cv2.imshow("warped2", warped_img_2)
cv2.waitKey()
将numpy导入为np
进口cv2
导入imutils
def图像（图像，src_pts）：
高度，宽度=图像。形状[：2]
min_rect=cv2.boundingRect（np.array（src_pts））
dst=[[min_-rect[0]，min_-rect[1]]，
[min_-rect[0]+min_-rect[2]，min_-rect[1]]，
[min_rect[0]+min_rect[2]，min_rect[1]+min_rect[3]]，
[min_-rect[0]，min_-rect[1]+min_-rect[3]]
角点=[[0,0]，[width-1,0]，[width-1，height-1]，[0，height-1]]
src_np=np.float32（src_pts）
dst_np=np.32（dst）
M=cv2.getPerspectiveTransform（src_np，dst_np）
ptsss=np.float32（[corners]）。重塑（-1,1,2）
场景_角点=cv2.透视变换（ptsss，M）
最小列，最小行=50000，50000
最大列，最大行=0，0
i=0
对于场景中的角点，请执行以下操作：
如果角点[0][0]>最大值：
最大列=角[0][0]
如果角点[0][1]>最大行数：
最大行=角[0][1]
如果角点[0][0]<最小值：
最小值=角[0][0]
如果角点[0][1]<最小行：
最小行=角[0][1]
i+=1
新的_dst=[]
对于场景中的角点，请执行以下操作：
pt=[int（角点[0][0]-min\u列），int（角点[0][1]-min\u行）]
新数据附加（pt）
src2_np=np.32（角点）
dst2_np=np.float32（新的_dst）
M2=cv2.getPerspectiveTransform（src2\u np，dst2\u np）
扭曲的_图像=cv2。扭曲透视图（图像，M2，（最大列-最小列，最大列-最小列））
返回扭曲的图像
img=cv2.imread（“grid.png”，1）
img2=img.copy（）
#第一个很好用的
src1=[[262129]、[695130]、[770350]、[171352]]
cv2.圆（img，（src1[0][0]，src1[0][1]），3，（5140205），3，20）
cv2.圆（img，（src1[1][0]，src1[1][1]），3，（5140205），3，20）
cv2.圆（img，（src1[2][0]，src1[2][1]），3，（5140205），3，20）
cv2.圆（img，（src1[3][0]，src1[3][1]），3，（5140205），3，20）
cv2.imshow（“img”，img）
warped_img_1=warpImage（img，src1）
翘曲的高度，翘曲的宽度=翘曲的形状1.形状[：2]
如果翘曲\u img\u 1\u宽度>翘曲\u img\u 1\u高度：
扭曲的图片1=imutils.resize（扭曲的图片1，宽度=800）
其他：
扭曲的图片1=imutils.resize（扭曲的图片1，高度=800）
cv2.imshow（“扭曲1”，扭曲1）
#第二个不起作用的
src2=[[263260]、[450302]、[364394]、[142321]]
cv2.圆（img2，（src2[0][0]，src2[0][1]），3，（5140205），3，20）
cv2.圆（img2，（src2[1][0]，src2[1][1]），3，（5140205），3，20）
cv2.圆（img2，（src2[2][0]，src2[2][1]），3，（5140205），3，20）
cv2.圆（img2，（src2[3][0]，src2[3][1]），3，（5140205），3，20）
cv2.imshow（“img2”，img2）
warped_img_2=warpImage（img2，src2）
翘曲的高度，翘曲的宽度=翘曲的形状2.形状[：2]
如果翘曲\u img\u 2\u宽度>翘曲\u img\u 2\u高度：
warped_img_2=imutils.resize（warped_img_2，width=800）
其他：
翘曲的\u img\u 2=imutils.resize（翘曲的\u img\u 2，高度=800）
cv2.imshow（“扭曲的2”，扭曲的2）
cv2.waitKey（）