使用Python，OpenCV应用透视变换来获得图像的自顶向下的“鸟瞰图”
1. 效果图2. 应用透视变换的步骤3. 优化：矩形角点的获取4. 源码参考这篇博客演示了如何使用4点OpenCV getPerspectiveTransform来构建一个文档扫描仪应用程序！
1. 效果图
左图是原图，右图是应用透视变换得到的自顶向下的“鸟瞰图”
同样的“鸟瞰图”
橙色是最小外接矩形 boundingRect结果
绿色是面积最小外接矩形 minAreaRect的结果
红色是轮廓近似的结果
2. 应用透视变换的步骤
轮廓检测获取左图中矩形框的四个角点对四个角点按（左上、右上、左下、右下进行排序）确定新图像的宽度与高度；获取转换矩阵；应用透视变换获得“鸟瞰图”；3. 优化：矩形角点的获取
通过了findContours，轮廓检测来近似获取角点；
图中是矩形，因此用进来轮廓后4个点来进行判断；其他的 如三角形、圆形、正方形、多边形等的检测可以参考我之前的博客；
4. 源码
# USAGE# python transform_example.py --image images/example_01.png --coords "[(73, 239), (356, 117), (475, 265), (187, 443)]"# 导入必要的包import argparseimport sysimport cv2import imutilsimport numpy as npfrom imutils.perspective import four_point_transform# 构建命令行参数及解析# --image 原始图像路径# 四点的坐标，ROI图像区域ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", default='images/example_01.png', help="path to the image file")ap.add_argument("-c", "--coords", default='[(73, 239), (356, 117), (475, 265), (187, 443)]',help="comma seperated list of source points")args = vars(ap.parse_args())# 加载图像 并获取其坐标Listimage = cv2.imread(args["image"])pts = np.array(eval(args["coords"]), dtype="float32")print(type(pts))print(pts)def getROI(image):gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)blurred = cv2.GaussianBlur(gray, (5, 5), 0)edged = cv2.Canny(blurred, 75, 200)# 应用轮廓检测获取轮廓cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)if cnts is not None:# 外接矩形(x, y, w, h) = cv2.boundingRect(cnts[0])peri = cv2.arcLength(cnts[0], True)approx = cv2.approxPolyDP(cnts[0], 0.04 * peri, True)cv2.rectangle(image, (x - 5, y - 5), (x + w, y + h), (0, 128, 255), 0)# 面积最小外接矩形box = cv2.minAreaRect(cnts[0])box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)box = np.array(box, dtype="int")cv2.drawContours(image, [box], -1, (0, 255, 0), 2)# 展示输出图像# cv2.imshow("output", image)# cv2.waitKey(0)# 轮廓是由一系列顶点组成的；如果是三角形，将拥有3个向量. 如果是正方形/矩形则具有4个向量，如果是正方形，则宽高比在0.95~1.05之间if len(approx) == 4:print('rectangele')a = np.reshape(approx, (4, 2))for i in a:print(i)x = i[0]y = i[1]cv2.circle(image, (x, y), 8, (0, 0, 255), -1)return areturn Nonepts = getROI(image)if pts is None:print("pts is None...")sys.exit()print(pts)# 应用点变换以获取鸟瞰视图warped = four_point_transform(image, pts)# 展示原始及变换后的图像cv2.imshow("Original", image)cv2.imshow("Warped", warped)cv2.waitKey(0)
