【OpenCV】透视变换 Perspective Transformation（续）

来源：互联网发布：星际皆知你爱我网盘编辑：程序博客网时间：2024/05/17 08:15

这篇文章是我从自己的QQ（632846506）日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。

透视变换的原理和矩阵求解请参见前一篇《透视变换 Perspective Transformation》。在OpenCV中也实现了透视变换的公式求解和变换函数。

求解变换公式的函数：

Mat getPerspectiveTransform(const Point2f src[], const Point2f dst[]) 。

输入原始图像和变换之后的图像的对应4个点，便可以得到变换矩阵。之后用求解得到的矩阵输入perspectiveTransform便可以对一组点进行变换：

[cpp] view plaincopy
void perspectiveTransform(InputArray src, OutputArray dst, InputArray m)  

注意这里src和dst的输入并不是图像，而是图像对应的坐标。应用前一篇的例子，做个相反的变换：

[cpp] view plaincopy
int main( )  
{  
    Mat img=imread("boy.png");  
    int img_height = img.rows;  
    int img_width = img.cols;  
    vector<Point2f> corners(4);  
    corners[0] = Point2f(0,0);  
    corners[1] = Point2f(img_width-1,0);  
    corners[2] = Point2f(0,img_height-1);  
    corners[3] = Point2f(img_width-1,img_height-1);  
    vector<Point2f> corners_trans(4);  
    corners_trans[0] = Point2f(150,250);  
    corners_trans[1] = Point2f(771,0);  
    corners_trans[2] = Point2f(0,img_height-1);  
    corners_trans[3] = Point2f(650,img_height-1);  
  
    Mat transform = getPerspectiveTransform(corners,corners_trans);  
    cout<<transform<<endl;  
    vector<Point2f> ponits, points_trans;  
    for(int i=0;i<img_height;i++){  
        for(int j=0;j<img_width;j++){  
            ponits.push_back(Point2f(j,i));  
        }  
    }  
  
    perspectiveTransform( ponits, points_trans, transform);  
    Mat img_trans = Mat::zeros(img_height,img_width,CV_8UC3);  
    int count = 0;  
    for(int i=0;i<img_height;i++){  
        uchar* p = img.ptr<uchar>(i);  
        for(int j=0;j<img_width;j++){  
            int y = points_trans[count].y;  
            int x = points_trans[count].x;  
            uchar* t = img_trans.ptr<uchar>(y);  
            t[x*3]  = p[j*3];  
            t[x*3+1]  = p[j*3+1];  
            t[x*3+2]  = p[j*3+2];  
            count++;  
        }  
    }  
    imwrite("boy_trans.png",img_trans);  
  
    return 0;  
}  

得到变换之后的图片：

注意这种将原图变换到对应图像上的方式会有一些没有被填充的点，也就是右图中黑色的小点。解决这种问题一是用差值的方式，再一种比较简单就是不用原图的点变换后对应找新图的坐标，而是直接在新图上找反向变换原图的点。说起来有点绕口，具体见前一篇《透视变换 Perspective Transformation》的代码应该就能懂啦。

除了getPerspectiveTransform()函数，OpenCV还提供了findHomography()的函数，不是用点来找，而是直接用透视平面来找变换公式。这个函数在特征匹配的经典例子中有用到，也非常直观：

[cpp] view plaincopy
int main( int argc, char** argv )  
{  
    Mat img_object = imread( argv[1], IMREAD_GRAYSCALE );  
    Mat img_scene = imread( argv[2], IMREAD_GRAYSCALE );  
    if( !img_object.data || !img_scene.data )  
    { std::cout<< " --(!) Error reading images " << std::endl; return -1; }  
  
    //-- Step 1: Detect the keypoints using SURF Detector  
    int minHessian = 400;  
    SurfFeatureDetector detector( minHessian );  
    std::vector<KeyPoint> keypoints_object, keypoints_scene;  
    detector.detect( img_object, keypoints_object );  
    detector.detect( img_scene, keypoints_scene );  
  
    //-- Step 2: Calculate descriptors (feature vectors)  
    SurfDescriptorExtractor extractor;  
    Mat descriptors_object, descriptors_scene;  
    extractor.compute( img_object, keypoints_object, descriptors_object );  
    extractor.compute( img_scene, keypoints_scene, descriptors_scene );  
  
    //-- Step 3: Matching descriptor vectors using FLANN matcher  
    FlannBasedMatcher matcher;  
    std::vector< DMatch > matches;  
    matcher.match( descriptors_object, descriptors_scene, matches );  
    double max_dist = 0; double min_dist = 100;  
  
    //-- Quick calculation of max and min distances between keypoints  
    for( int i = 0; i < descriptors_object.rows; i++ )  
    { double dist = matches[i].distance;  
    if( dist < min_dist ) min_dist = dist;  
    if( dist > max_dist ) max_dist = dist;  
    }  
  
    printf("-- Max dist : %f \n", max_dist );  
    printf("-- Min dist : %f \n", min_dist );  
  
    //-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )  
    std::vector< DMatch > good_matches;  
  
    for( int i = 0; i < descriptors_object.rows; i++ )  
    { if( matches[i].distance < 3*min_dist )  
    { good_matches.push_back( matches[i]); }  
    }  
  
    Mat img_matches;  
    drawMatches( img_object, keypoints_object, img_scene, keypoints_scene,  
        good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),  
        vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );  
  
    //-- Localize the object from img_1 in img_2  
    std::vector<Point2f> obj;  
    std::vector<Point2f> scene;  
  
    for( size_t i = 0; i < good_matches.size(); i++ )  
    {  
        //-- Get the keypoints from the good matches  
        obj.push_back( keypoints_object[ good_matches[i].queryIdx ].pt );  
        scene.push_back( keypoints_scene[ good_matches[i].trainIdx ].pt );  
    }  
  
    Mat H = findHomography( obj, scene, RANSAC );  
  
    //-- Get the corners from the image_1 ( the object to be "detected" )  
    std::vector<Point2f> obj_corners(4);  
    obj_corners[0] = Point(0,0); obj_corners[1] = Point( img_object.cols, 0 );  
    obj_corners[2] = Point( img_object.cols, img_object.rows ); obj_corners[3] = Point( 0, img_object.rows );  
    std::vector<Point2f> scene_corners(4);  
    perspectiveTransform( obj_corners, scene_corners, H);  
    //-- Draw lines between the corners (the mapped object in the scene - image_2 )  
    Point2f offset( (float)img_object.cols, 0);  
    line( img_matches, scene_corners[0] + offset, scene_corners[1] + offset, Scalar(0, 255, 0), 4 );  
    line( img_matches, scene_corners[1] + offset, scene_corners[2] + offset, Scalar( 0, 255, 0), 4 );  
    line( img_matches, scene_corners[2] + offset, scene_corners[3] + offset, Scalar( 0, 255, 0), 4 );  
    line( img_matches, scene_corners[3] + offset, scene_corners[0] + offset, Scalar( 0, 255, 0), 4 );  
  
    //-- Show detected matches  
    imshow( "Good Matches & Object detection", img_matches );  
    waitKey(0);  
    return 0;  
}  

findHomography()函数直接通过两个平面上相匹配的特征点求出变换公式，之后代码又对原图的四个边缘点进行变换，在右图上画出对应的矩形。这个图也很好地解释了所谓透视变换的“Viewing Plane”。

阅读全文

1 0