opencv透视变换，提取特征图像

你的名字 2023-09-29 08:37 29阅读 0赞

**目录**

基本介绍

cv2.getPerspectiveTransforms介绍

cv2.warpPerspective介绍

寻找特征图像

完整代码及运行效果

--------------------

## 基本介绍 ##

注意：这篇文章的前提是学过[图像仿射变换][Link 1]

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

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16][]

--------------------

## 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。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

--------------------

## 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

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

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()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

[Link 1]: https://blog.csdn.net/m0_51545690/article/details/123959995
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/9dc85933c7384cc6a104673ebfe561cf.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/cf74cee7e4724533a2d7839d3caaf986.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/d44f7817ef714b36b6a0203a855ee207.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/36e25571f4934f56936fc5dfa74b0c3b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56eD5aS05oqr6aOO5L6gLg==,size_20,color_FFFFFF,t_70,g_se,x_16