取经之旅第 55 天，Python OpenCV 透视变换前置知

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 55 篇。
该系列文章导航参考：https://blog.csdn.net/hihell/category_10688961.html

学在前面

正式学习之前，先将上一篇 博客的内容回顾一下，通过一系列的轮廓操作，得到了目标图像的轮廓。

20210320173715714[1].png

本篇博客的目标将逐步实现对其进行透视变换。

获取轮廓的四个顶点坐标

上篇博客已经获取到了轮廓坐标，但是每个坐标对应的位置是不确定的，需要通过计算将其明确出来。
轮廓坐标从三维修改为二维

cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

print(screen_cnt)
print(screen_cnt.shape)
print(screen_cnt.reshape(4, 2))

代码运行效果如下，图片不同得到的数值不同。

[[[ 30  94]]
 [[ 17 273]]
 [[469 278]]
 [[462 106]]]
(4, 1, 2)
[[ 30  94]
 [ 17 273]
 [469 278]
 [462 106]]

坐标转换之后，对应到图片的位置如下图所示。

20210320174124215[1].png

一般情况下，我们描述一个矩形区域，在 OpenCV 中，采用的是 左上，右上，右下，左下 顺时针顺序，所以接下来需要对这四个坐标进行转换。

声明一个函数进行相应的计算工作。

def change_points(input_points):
    pass

# 函数调用
change_points(screen_cnt.reshape(4, 2))

计算 4 个点横纵坐标之和

def change_points(input_points):
    s = input_points.sum(axis=1)
    print(s)

核心用到的是 numpy 中的 sum 函数，注意 axis 轴参数，0 表示竖向，1 表示横向，这里的横向就是该点的横纵坐标之和。

20210320174903730[1].png 20210320175002826[1].png

对于一个矩形区域，左上点与右下点分别是横纵坐标之和最小的点与最大的点，基于此，继续完善代码。

下述代码使用了 np.argmin() 和 np.argmax() 函数，可以通过搜索引擎进行快速学习。

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]
    print(p1,p3)

得到的数据如下：

[[ 30  94]
 [ 17 273]
 [469 278]
 [462 106]]
[30 94] [469 278]

左下点与右上点的计算方式为，使用 np.diff() 函数，计算横纵坐标之差最小找到右上角的点，横纵坐标之差最大找到左下角的点。对应下图可以辅助理解，左下点 300-100 = 200，右上点 100-400 = -300。

20210320175815245[1].png

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]
    print(p1,p3)

    diff = np.diff(input_points,axis=1)
    p2 = input_points[np.argmin(diff)]
    p4 = input_points[np.argmax(diff)]
    print(p2,p4)

此时，4 个坐标都已经获取到，最后声明一个空矩阵，赋值之后进行返回。

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]

    diff = np.diff(input_points, axis=1)
    p2 = input_points[np.argmin(diff)]
    p4 = input_points[np.argmax(diff)]

    # 声明一个所有元素都为 0 的矩阵
    rect = np.zeros((4, 2), dtype="float32")
    rect[0] = p1
    rect[1] = p2
    rect[2] = p3
    rect[3] = p4
    print(rect)
    return rect
change_points(screen_cnt.reshape(4, 2))

坐标数值与图片对应位置如下：

20210320180718263[1].png

橡皮擦的小节

希望今天的 1 个小时（貌似不太够）你有所收获，我们下篇博客见~