深入理解透视变换的原理、实现与应用
透视变换是一种更通用的几何变换，能够模拟三维空间中的视角变化，常用于校正图像的透视失真。
透视变换（也称为投影变换）是一种将图像从一个视平面投影到另一个视平面的变换。它能够处理由于相机视角不同而产生的透视失真，例如拍摄矩形物体时由于角度问题导致的梯形变形。
| 对比项 | 仿射变换 | 透视变换 |
|---|---|---|
| 点对数量 | 3 对 | 4 对 |
| 矩阵大小 | 2×3 | 3×3 |
| 保持平行 | 是 | 否（会聚） |
| 应用场景 | 旋转缩放 | 视角矫正 |
透视变换使用3×3的投影矩阵来描述变换关系：
[x'] [h11 h12 h13] [x]
[y'] = [h21 h22 h23] [y]
[w ] [h31 h32 h33] [1]
其中最终坐标为 (x'/w, y'/w)。透视变换有8个自由度（因为齐次坐标的尺度不变性）。
import cv2
import numpy as np
import matplotlib.pyplot as plt
def perspective_transform(image_path, src_points, dst_points):
"""
实现透视变换
:param image_path: 输入图像路径
:param src_points: 原图像中的4个点 [(x1,y1), (x2,y2), (x3,y3), (x4,y4)]
:param dst_points: 目标图像中的4个点 [(x1',y1'), (x2',y2'), (x3',y3'), (x4',y4')]
:return: 原图和透视变换后的图像
"""
# 读取图像
img = cv2.imread(image_path)
# 转换为numpy数组
src_points = np.float32(src_points)
dst_points = np.float32(dst_points)
# 计算透视变换矩阵
matrix = cv2.getPerspectiveTransform(src_points, dst_points)
# 应用透视变换
perspective_img = cv2.warpPerspective(img, matrix, (img.shape[1], img.shape[0]))
return img, perspective_img
def manual_perspective_transform(image_path, matrix):
"""
手动实现透视变换
:param image_path: 输入图像路径
:param matrix: 3x3透视变换矩阵
:return: 透视变换后的图像
"""
# 读取图像
img = cv2.imread(image_path)
height, width = img.shape[:2]
# 创建输出图像
transformed = np.zeros_like(img)
# 对输出图像的每个像素进行反向映射
for i in range(height):
for j in range(width):
# 当前点坐标
x, y = j, i
# 应用反向透视变换
# [x'] [h11 h12 h13] [x]
# [y'] = [h21 h22 h23] [y]
# [w ] [h31 h32 h33] [1]
w = matrix[2][0]*x + matrix[2][1]*y + matrix[2][2]
if abs(w) < 1e-10: # 避免除零
continue
orig_x = (matrix[0][0]*x + matrix[0][1]*y + matrix[0][2]) / w
orig_y = (matrix[1][0]*x + matrix[1][1]*y + matrix[1][2]) / w
# 检查坐标是否在原图范围内
if 0 <= orig_x < width and 0 <= orig_y < height:
# 使用最近邻插值
orig_x_int, orig_y_int = int(orig_x), int(orig_y)
if orig_x_int < width - 1 and orig_y_int < height - 1:
# 双线性插值
dx, dy = orig_x - orig_x_int, orig_y - orig_y_int
transformed[i, j] = (
img[orig_y_int, orig_x_int] * (1 - dx) * (1 - dy) +
img[orig_y_int, orig_x_int + 1] * dx * (1 - dy) +
img[orig_y_int + 1, orig_x_int] * (1 - dx) * dy +
img[orig_y_int + 1, orig_x_int + 1] * dx * dy
).astype(np.uint8)
else:
transformed[i, j] = img[orig_y_int, orig_x_int]
return img, transformed
def birdseye_view_transform(image_path, src_quad):
"""
将图像转换为鸟瞰视图
:param image_path: 输入图像路径
:param src_quad: 原图像中的四边形顶点 [(x1,y1), (x2,y2), (x3,y3), (x4,y4)]
:return: 原图和鸟瞰视图
"""
# 读取图像
img = cv2.imread(image_path)
height, width = img.shape[:2]
# 定义目标矩形的四个角点
# 假设我们想要一个标准矩形输出
rect_width = 400
rect_height = 600
dst_points = np.float32([
[0, 0],
[rect_width - 1, 0],
[rect_width - 1, rect_height - 1],
[0, rect_height - 1]
])
src_points = np.float32(src_quad)
# 计算透视变换矩阵
matrix = cv2.getPerspectiveTransform(src_points, dst_points)
# 应用透视变换
birdseye = cv2.warpPerspective(img, matrix, (rect_width, rect_height))
return img, birdseye
def deskew_image(image_path, corners):
"""
纠正图像倾斜
:param image_path: 输入图像路径
:param corners: 文档的四个角点 [(x1,y1), (x2,y2), (x3,y3), (x4,y4)]
:return: 原图和纠正后的图像
"""
# 读取图像
img = cv2.imread(image_path)
# 定义输出图像的尺寸
# 计算输出图像的宽度和高度
(tl, tr, br, bl) = corners
# 计算新图像的宽度
widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
maxWidth = max(int(widthA), int(widthB))
# 计算新图像的高度
heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
maxHeight = max(int(heightA), int(heightB))
# 定义目标点
dst = np.array([
[0, 0],
[maxWidth - 1, 0],
[maxWidth - 1, maxHeight - 1],
[0, maxHeight - 1]], dtype="float32")
# 计算透视变换矩阵
src = np.array(corners, dtype="float32")
matrix = cv2.getPerspectiveTransform(src, dst)
# 应用透视变换
corrected = cv2.warpPerspective(img, matrix, (maxWidth, maxHeight))
return img, corrected
# 使用示例
if __name__ == "__main__":
# 注意：需要提供实际的图像路径
# 定义源点和目标点
# src_pts = [(100, 100), (300, 100), (300, 300), (100, 300)]
# dst_pts = [(50, 50), (350, 100), (300, 350), (80, 300)]
# img, result = perspective_transform('image.jpg', src_pts, dst_pts)
# quad = [(100, 100), (400, 100), (400, 300), (100, 300)]
# bird_img, bird_result = birdseye_view_transform('image.jpg', quad)
pass