OpenCV图像处理——透视变换

1.    透视变换

    为了获得透视变换提供的更佳灵活性(透视变换又称单应性(homography)，即将点从一个平面映射到另一个平面上的对应点，保留了直线的关系)，我们需要一个新的函数来表达这种更宽泛的变换。首先我们注意到， 尽管一个透视变换完全由一个单矩阵指定，但投影实际上不是线性变换。因为变换要求除最后的维数(通常是Z )，因此，在处理的过程中丢失了一个维数。同仿射变换，图像运算(密度变换)不同于点运算(稀疏变换)，它是由不同的函数完成的。

1.1  稠密透视变换：cv::warpPerspective()

( 1 )   函数原型：

void cv::warpPerspective	(	InputArray 

		OutputArray 

		InputArray 

		Size 

		int 
		int 
		const Scalar & 
	)	

参数说明：

src —— 输入图像

dst —— 输出图像

M —— 一个 3 × 3 变换矩阵

dsize —— 输出图像大小

flags —— 插值方法组合(INTER_LINEAR 或 INTER_NEAREST ) ,以及可选标识  WARP_INVERSE_MAP (这种情况集合 M 是作为逆变换矩阵)。

(3) 示例：

void Test_warpPerspective()
{

	// 读取原图像
	Mat img_src = imread("D:\\TestVideo\\Flower6-2.jpg");
	
	// 读取原图像的四个角
	vector<Point2f> pts_src;
	//pts_src.push_back(Point2f(0, 0));
	//pts_src.push_back(Point2f(480, 159));
	//pts_src.push_back(Point2f(493, 630));
	//pts_src.push_back(Point2f(64, 601));
	pts_src.push_back(Point2f(0, 0));
	pts_src.push_back(Point2f(img_src.cols-1, 0));
	pts_src.push_back(Point2f(img_src.cols-1, img_src.rows-1));
	pts_src.push_back(Point2f(0, img_src.rows - 1));

	// 读目标图像
	//Mat img_dst = Mat::zeros(img_src.rows, img_src.cols, img_src.type());

	// 目标图像的四个角.
	vector<Point2f> pts_dst;
	pts_dst.push_back(Point2f(img_src.cols*0.05f, img_src.rows*0.33f ));
	pts_dst.push_back(Point2f(img_src.cols*0.9f, img_src.rows*0.25f));
	pts_dst.push_back(Point2f(img_src.cols*0.8f, img_src.rows * 0.9f));
	pts_dst.push_back(Point2f(img_src.cols*0.2f, img_src.rows * 0.7f));

	// 计算变换矩阵

	// Calculate Homography
	Mat warp_mat = findHomography(pts_src, pts_dst);

	//或下列语句
	//Mat warp_mat = getPerspectiveTransform(pts_src, pts_dst);

	Mat img_out;

	warpPerspective(img_src, img_out, warp_mat, img_src.size(),cv::INTER_LINEAR,cv::BORDER_CONSTANT,cv::Scalar());

	// 显示图像
	imshow("Source Image", img_src);
	imshow("Warped Image", img_out);

	cv::waitKey(0);
}

原图像：

变换后的图像：