OpenCV如何通过透视变换实现矫正图像

这篇“OpenCV如何通过透视变换实现矫正图像”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“OpenCV如何通过透视变换实现矫正图像”文章吧。

1、概述

案例：使用OpenCV将一张折射的图片给矫正过来

实现步骤：

载入图像

图像灰度化

二值分割

形态学操作去除噪点

轮廓发现

使用霍夫直线检测，检测上下左右四条直线（有可能是多条，但是无所谓）

绘制出直线

寻找与定位上下左右是条直线

拟合四条直线方程

计算四条直线的交点，ps：这四个交点其实就是我们最终要寻找的，用于透视变换使用的

进行透视变换

输出透视变换的结果

说明：

解释一下为啥是上面那些步骤。

其实我们的最终目的是通过透视矩阵getPerspectiveTransform+透视变换warpPerspective来完成图像的矫正

但是getPerspectiveTransform需要两个参数，输入矩阵参数和目标矩阵参数。

由于输入矩阵参数就是原图像是个角的顶点，由于我们没有所以要求出来

所以我们以上的所有步骤都是为11、12步打基础的

ps：核心就是利用透视矩阵做透视变换

重点：

直线方程y=kx+c

如果两条直线有交点，则必有k1x1+c1=k2x2+c2

2、代码演示

//【1】载入图像    Mat src = imread(filePath);    if(src.empty()){        qDebug()<<"图片为空";        return;    }    imshow("src",src);     //【2】图像灰度化    Mat gray;    cvtColor(src,gray,COLOR_BGR2GRAY);    //【3】执行二值分割    threshold(gray,gray,0,255,THRESH_BINARY_INV|THRESH_OTSU);    imshow("threshold",gray);    //【4】执行形态学开操作去除图像中的造点    Mat kernel = getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1));    morphologyEx(gray,gray,MORPH_CLOSE,kernel,Point(-1,-1),3);    imshow("morphologyEx",gray);    //【5】轮廓发现    bitwise_not(gray,gray);    imshow("bitwise_not",gray);     vector<vector<Point>> contours;    vector<Vec4i> hier;    RNG rng(12345);    findContours(gray,contours,hier,RETR_TREE,CHAIN_APPROX_SIMPLE);    Mat colorImage = Mat::zeros(gray.size(),CV_8UC3);    for(size_t i = 0;i<contours.size();i++){        Rect rect = boundingRect(contours[i]);        //过滤目标轮廓        if(rect.width<src.cols-5&&rect.height<src.rows-5&&rect.width>src.cols/2){            drawContours(colorImage,contours,i,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),1);        }     }    imshow("findContours",colorImage);     //【6】使用霍夫直线检测    vector<Vec4i> lines;    cvtColor(colorImage,colorImage,COLOR_BGR2GRAY);    kernel = getStructuringElement(MORPH_RECT,Size(3,3),Point(-1,-1));    dilate(colorImage,colorImage,kernel,Point(-1,-1),1);    imshow("colorImage_gray",colorImage);    int accu = min(src.cols*0.5, src.rows*0.5);    HoughLinesP(colorImage,lines,1,CV_PI/180,accu,accu,0);    //【7】绘制出直线    Mat lineColorImage = Mat::zeros(gray.size(),CV_8UC3);    qDebug()<<"line count:"<<lines.size();    for(size_t i = 0;i<lines.size();i++){        Vec4i ll = lines[i];        line(lineColorImage,Point(ll[0],ll[1]),Point(ll[2],ll[3]),Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),2,LINE_8);    }    imshow("lines",lineColorImage);      //【8】寻找与定位上下左右四条直线    int deltah  = 0;    int width = src.cols;    int height = src.rows;    Vec4i topLine, bottomLine;    Vec4i leftLine, rightLine;    for(size_t i=0;i<lines.size();i++){        Vec4i ln = lines[i];        deltah  = abs(ln[3]-ln[1]);//直线高度        if (ln[3] < height / 2.0 && ln[1] < height / 2.0 && deltah < accu - 1) {            if (topLine[3] > ln[3] && topLine[3]>0) {                topLine = lines[i];            } else {                topLine = lines[i];            }        }        if (ln[3] > height / 2.0 && ln[1] > height / 2.0 && deltah < accu - 1) {            bottomLine = lines[i];        }        if (ln[0] < width / 2.0 && ln[2] < width/2.0) {            leftLine = lines[i];        }        if (ln[0] > width / 2.0 && ln[2] > width / 2.0) {            rightLine = lines[i];        }    }     //直线方程y=kx+c    // 【9】拟合四条直线方程    float k1, c1;    k1 = float(topLine[3] - topLine[1]) / float(topLine[2] - topLine[0]);    c1 = topLine[1] - k1*topLine[0];    float k2, c2;    k2 = float(bottomLine[3] - bottomLine[1]) / float(bottomLine[2] - bottomLine[0]);    c2 = bottomLine[1] - k2*bottomLine[0];    float k3, c3;    k3 = float(leftLine[3] - leftLine[1]) / float(leftLine[2] - leftLine[0]);    c3 = leftLine[1] - k3*leftLine[0];    float k4, c4;    k4 = float(rightLine[3] - rightLine[1]) / float(rightLine[2] - rightLine[0]);    c4 = rightLine[1] - k4*rightLine[0];     // 【10】四条直线交点，其实最终的目的就是找这是条直线的交点    Point p1; // 左上角    p1.x = static_cast<int>((c1 - c3) / (k3 - k1));    p1.y = static_cast<int>(k1*p1.x + c1);    Point p2; // 右上角    p2.x = static_cast<int>((c1 - c4) / (k4 - k1));    p2.y = static_cast<int>(k1*p2.x + c1);    Point p3; // 左下角    p3.x = static_cast<int>((c2 - c3) / (k3 - k2));    p3.y = static_cast<int>(k2*p3.x + c2);    Point p4; // 右下角    p4.x = static_cast<int>((c2 - c4) / (k4 - k2));    p4.y = static_cast<int>(k2*p4.x + c2);     // 显示四个点坐标    circle(lineColorImage, p1, 2, Scalar(255, 0, 0), 2, 8, 0);    circle(lineColorImage, p2, 2, Scalar(255, 0, 0), 2, 8, 0);    circle(lineColorImage, p3, 2, Scalar(255, 0, 0), 2, 8, 0);    circle(lineColorImage, p4, 2, Scalar(255, 0, 0), 2, 8, 0);    line(lineColorImage, Point(topLine[0], topLine[1]), Point(topLine[2], topLine[3]), Scalar(0, 255, 0), 2, 8, 0);    imshow("four corners", lineColorImage);     // 【11】透视变换    vector<Point2f> src_corners(4);    src_corners[0] = p1;    src_corners[1] = p2;    src_corners[2] = p3;    src_corners[3] = p4;     vector<Point2f> dst_corners(4);    dst_corners[0] = Point(0, 0);    dst_corners[1] = Point(width, 0);    dst_corners[2] = Point(0, height);    dst_corners[3] = Point(width, height);     // 【12】获取透视变换矩阵，并最终显示变换后的结果    Mat resultImage;    Mat warpmatrix = getPerspectiveTransform(src_corners, dst_corners);    warpPerspective(src, resultImage, warpmatrix, resultImage.size(), INTER_LINEAR);    imshow("Final Result", resultImage);

以上就是关于“OpenCV如何通过透视变换实现矫正图像”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网行业资讯频道。