畸变矫正

注意：虽然能够成功矫正但是也会损失了部分图像！

透视变换(Perspective Transformation)

概念：

透视变换是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。我们常说的仿射变换是透视变换的一个特例。透视变换的目的就是把现实中为直线的物体，在图片上可能呈现为斜线，通过透视变换转换成直线的变换。仿射变换（Affine Transformation或 Affine Map），又称为仿射映射，是指在几何中，图像进行从一个向量空间进行一次线性变换和一次平移，变换为到另一个向量空间的过程。

思想：

通用的变换公式为：

x,y是原始图片坐标，对应得到变换后的图片坐标（X’;Y’;Z’）其中：

可以看作原图像的数据各值与变换后图像的数据各值，对应相等。
令a33=1，展开上面公式，得到一个点的情况：

如果我们要解出上面含有8个未知量（a）的方程,我们需要8个像素点，原图像4个，新图像4个。
源点四个坐标分别为A：（x0,y0),(x1,y1),(x2,y2),(x3,y3) 目标点四个坐标分别为B：(X’0,Y’0),(X’1,Y’1),(X’2,Y’2),(X’3,Y’3)

手动代码实现：

import numpy as npdef WarpPerspectiveMatrix(src, dst):assert src.shape[0] == dst.shape[0] and src.shape[0] >= 4#assert:当src的格式等于dst的格式，并且src的格式大于等于4，程序才继续运行nums = src.shape[0]A = np.zeros((2*nums, 8)) # A*warpMatrix=BB = np.zeros((2*nums, 1))for i in range(0, nums):A_i = src[i,:]B_i = dst[i,:]A[2*i, :] = [A_i[0], A_i[1], 1, 0, 0, 0,-A_i[0]*B_i[0], -A_i[1]*B_i[0]]B[2*i] = B_i[0]A[2*i+1, :] = [0, 0, 0, A_i[0], A_i[1], 1,-A_i[0]*B_i[1], -A_i[1]*B_i[1]]B[2*i+1] = B_i[1]A = np.mat(A)#用A.I求出A的逆矩阵，然后与B相乘，求出warpMatrixwarpMatrix = A.I * B #求出a_11, a_12, a_13, a_21, a_22, a_23, a_31, a_32#之后为结果的后处理warpMatrix = np.array(warpMatrix).T[0]warpMatrix = np.insert(warpMatrix, warpMatrix.shape[0], values=1.0, axis=0) #插入a_33 = 1warpMatrix = warpMatrix.reshape((3, 3))return warpMatrixif __name__ == '__main__':print('warpMatrix')src = [[10.0, 457.0], [395.0, 291.0], [624.0, 291.0], [1000.0, 457.0]]  #编造的输入src = np.array(src)dst = [[46.0, 920.0], [46.0, 100.0], [600.0, 100.0], [600.0, 920.0]]    #编造的输出dst = np.array(dst)warpMatrix = WarpPerspectiveMatrix(src, dst)print(warpMatrix)

这里就不展示结果了重点是思想

opencv接口代码实现：

import cv2
import numpy as npimg = cv2.imread('photo1.jpg')result3 = img.copy()#img = cv2.GaussianBlur(img,(3,3),0)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#转灰度，做单通道计算比较节省时间
edges = cv2.Canny(gray,50,150,apertureSize = 3)
#canny边缘检测（仅针对这次的输入图片）
cv2.imshow("canny", edges)'''
注意这里src和dst的输入并不是图像，而是图像对应的顶点坐标。
'''
src = np.float32([[207, 151], [517, 285], [17, 601], [343, 731]])
dst = np.float32([[0, 0], [337, 0], [0, 488], [337, 488]])
# 生成透视变换矩阵；进行透视变换
m = cv2.getPerspectiveTransform(src, dst)
result = cv2.warpPerspective(result3, m, (337, 488))
# (337,488)是输出图像大小
cv2.imshow("src", img)
cv2.imshow("result", result)
cv2.waitKey(0)

结果展示：

分别是：输入图片，边缘提取，透视变换结果
成功将其原图片中纸片矫正~
但是注意：虽然成功矫正但是也损失了部分图像！

opencv：畸变矫正：透视变换算法的思想与实现相关推荐

图像畸变矫正——透视变换
图像畸变矫正--透视变换由于相机制造精度以及组装工艺的偏差引入的畸变,或者由于照片拍摄时的角度.旋转.缩放等问题, 可能会导致原始图像的失真,如果要修复这些失真,我们可以通过透视变换,对图像进行畸变 ...
镜头畸变矫正、鱼眼镜头（算法）
首先这是径向畸变+切向畸变,都需要矫正(图片保密) 径向畸变就是沿着透镜半径方向分布的畸变,产生原因是光线在原理透镜中心的地方比靠近中心的地方更加弯曲,这种畸变在短焦镜头中表现更加明显,径向畸变主要 ...
python opencv 摄像头标定_（五）单目摄像头标定与畸变矫正（C++，opencv）
本文将梳理一种单目摄像头标定和矫正的方法,在梳理的过程中,首先使用网上离线的图片数据跑通流程,然后接入自己的camera,手动采集标定图像,实时矫正相机的畸变,然后输出矫正后的图像.全文基于Openc ...
基于OpenCV的鱼眼相机畸变矫正(含代码)
首先展示一下实现的效果: 校正前: 校正后: 本文分为两部分,一部分是介绍鱼眼相机畸变校正的原理,一部分是手撕OpenCV相机矫正代码. 文章主要结构如下图所示: 一.介绍鱼眼相机的原理 1.什么是鱼 ...
鱼眼摄像头的畸变矫正方法-python+opencv
鱼眼摄像头畸变校正的方法: 1. 棋盘矫正法 2. 经纬度矫正法. 相机为什么会出现畸变? 当前相机的畸变主要分为径向畸变和切向畸变两种. 径向畸变产生的原因:相机的光学镜头厚度不均匀,离镜头越远场景 ...
图像畸变矫正 matlab,关于opencv图像畸变矫正
本文通过摄像头参数(fx,fy,cx,cy,k1,k2,p1,p2,p3(标定得到))去矫正摄像头拍出来的图像畸变详细代码在底部首先这里我们先介绍两个函数:他们都可以用来矫正畸变,但是一个是输入是 ...
相机畸变矫正原理及代码实现
在视觉工程中,涉及到测量任务时,第一步就是对相机的畸变进行矫正.此篇博文首先对坐标系变换进行简介,之后介绍畸变矫正方法,最后给出OpenCV C++的实现代码. 目录一.坐标系简介 1.像素坐标系 ...
StereoRectify()函数定义及用法畸变矫正与立体校正
畸变矫正是上一篇博文的遗留问题,当畸变系数和内外参数矩阵标定完成后,就应该进行畸变的矫正,以达到消除畸变的目的,此其一. 在该系列第一部分的博文中介绍的立体成像原理中提到,要通过两幅图像估计物点的深度 ...
五、畸变矫正—让世界不在扭曲
五.畸变矫正-让世界不在扭曲这篇博文所要讲述的内容,是标定的主要用途之一:矫正摄像机的畸变.对于图像畸变矫正的方法,张正友教授也在其大作"A Flexible New Technique ...

opencv：畸变矫正：透视变换算法的思想与实现

畸变矫正

透视变换(Perspective Transformation)

概念：

思想：

手动代码实现：

opencv接口代码实现：

opencv：畸变矫正：透视变换算法的思想与实现相关推荐

最新文章

热门文章