【OpenCV3】透视变换——cv::getPerspectiveTransform()与cv::warpPerspective()详解

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/guduruyu/article/details/72518340

透视变换(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。如图1,通过透视变换ABC变换到A'B'C'。


图1 透视变换示意图

透视变换的通用公式为:


变换后的坐标x,y分别为:

展开之后即:


其中,称为透视变换矩阵:表示线性变换,如scaling,shearing和ratotion等;

用于平移,因此此前介绍的仿射变换可以视作一种特殊的透视变换。

如图2,我们想将倾斜视角拍摄到的道路图像转换成鸟瞰图,即将摄像机的视角转换到和道路平行。


图2 倾斜视角


首先,我们需要获得此次透视变换的变换矩阵,opencv2和opencv3中用于计算透视变换矩阵的函数是cv::getPerspectiveTransform(),C++接口其调用形式如下:


  
  
  1. cv::Mat cv::getPerspectiveTransform( // 返回3x3透视变换矩阵
  2. const cv::Point2f* src, // 源图像四个顶点坐标(点数组)
  3. const cv::Point2f* dst // 目标图像上四个顶点的坐标(点数组)
  4. );

如图3 ,我们选取道路上的两条平行分界线上的四个点A(165, 270)、C(360, 125)、D(615, 125)、B(835, 270),对应于鸟瞰图上的点则分别为A(165, 270)、C'(165, 30)、D'(835, 30)、B(835, 270)。


图3 透视变换端点

通过这四对点我们即可计算出透视变换矩阵M。

C++代码如下:


  
  
  1. cv:: Mat get_perspective_mat()
  2. {
  3. cv::Point2f src_points[] = {
  4. cv::Point2f( 165, 270),
  5. cv::Point2f( 835, 270),
  6. cv::Point2f( 360, 125),
  7. cv::Point2f( 615, 125) };
  8. cv::Point2f dst_points[] = {
  9. cv::Point2f( 165, 270),
  10. cv::Point2f( 835, 270),
  11. cv::Point2f( 165, 30),
  12. cv::Point2f( 835, 30) };
  13. cv::Mat M = cv::getPerspectiveTransform(src_points, dst_points);
  14. return M;
  15. }


Python代码如下:


  
  
  1. def get_perspective_mat():
  2. src_points = np.array([[ 165., 270.], [ 835., 270.], [ 360., 125.], [ 615., 125.]], dtype = "float32")
  3. dst_points = np.array([[ 165., 270.], [ 835., 270.], [ 165., 30.], [ 835., 30.]], dtype = "float32")
  4. M = cv2.getPerspectiveTransform(src_points, dst_points)
  5. return M


计算结果如下:


在获得透视变换矩阵后,即可使用与cv::warpPerspective()进行透视变换,其调用形式如下:


  
  
  1. void cv::warpPerspective(
  2. cv::InputArray src, // 输入图像
  3. cv::OutputArray dst, // 输出图像
  4. cv::InputArray M, // 3x3 变换矩阵
  5. cv::Size dsize, // 目标图像大小
  6. int flags = cv::INTER_LINEAR, // 插值方法
  7. int borderMode = cv::BORDER_CONSTANT, // 外推方法
  8. const cv::Scalar& borderValue = cv::Scalar() //常量边界时使用
  9. );

C++代码如下:


  
  
  1. cv::Mat perspective;
  2. cv::warpPerspective(image, perspective, M, cv::Size( 960, 270), cv::INTER_LINEAR);



Python代码如下:

    perspective = cv2.warpPerspective(image, M, (960, 270), cv2.INTER_LINEAR)
  
  


变换结果如下:



2017.05.19


版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/guduruyu/article/details/72518340

猜你喜欢

转载自blog.csdn.net/monk1992/article/details/83780904