2

我想扭曲图像的子部分以将其投影到不均匀的表面上。最终，我想扭曲这里看到的图像，有点像在这个项目中在HERE中完成的。

我的问题是当我将转换应用于图像的每个子部分时，事情只是没有对齐

这是我实现转换然后缝合的过程（将它们裁剪并粘贴到最终图像上。

  1. 获取所有点的列表
  2. 从一组 4 个点创建一个四边形感兴趣区域 (ROI)

  3. 这 4 个点用于将图像与相应的原始 4 个点进行变换。这是使用我的名为 perspective_transform() 的函数完成的

    一个。我取了 2 组 4 点并将它们传递给 M = cv2.getPerspectiveTransform(corners, newCorners)

    湾。然后我调用： warped = cv2.warpPerspective(roi, M, (width, height))

  4. 在获得新的扭曲图像后，我使用蒙版根据相关的 ROI 将所有内容拼接在一起：

    一个。这是由函数 quadr_croped() 完成的

    初始化屏幕以从屏幕获取原始像素，将其保存到 Numpy 数组

    img0 = np.array(sct.grab(monitor))
clone = img0.copy()
total_height, total_width, channels = img0.shape

xSub =int (input("How many columns would you like to divide the screen in to? (integers only)"))
ySub =int (input("How many rows would you like to divide the screen in to? (integers only)"))
roi_width = float(total_width/xSub)
roi_height = float(total_height/ySub)

point_list = []

    第三：使用2组4个点来扭曲图像的透视

    def perspective_transform（图像，投资回报率，角，新角，i = -1）：

    corners = list (corners)
newCorners = list (newCorners)
height, width, pixType = image.shape
corners = np.array([[corners[0][0],corners[0][1],corners[0][2],corners[0][3]]],np.float32)
newCorners = np.array([[newCorners[0][0],newCorners[0][1],newCorners[0][2],newCorners[0][3]]],np.float32)


M = cv2.getPerspectiveTransform(corners, newCorners)

#warped = cv2.warpPerspective(roi, M, (width, height), flags=cv2.INTER_LINEAR)
warped = cv2.warpPerspective(roi, M, (width, height))

return warped

    第二：将四边形剪切并粘贴到主图像中

    def quadr_croped (mainImg,image, pts, i): #例子

    # mask defaulting to black for 3-channel and transparent for 4-channel
# (of course replace corners with yours)
mask = np.zeros(image.shape, dtype=np.uint8)
roi_corners = pts #np.array([[(10,10), (300,300), (10,300)]], dtype=np.int32)
# fill the ROI so it doesn't get wiped out when the mask is applied
channel_count = image.shape[2]  # i.e. 3 or 4 depending on your image
ignore_mask_color = (255,)*channel_count
cv2.fillConvexPoly(mask, roi_corners, ignore_mask_color)


# apply the mask
masked_image = cv2.bitwise_and(image, mask)

mainImg = cv2.bitwise_or(mainImg, mask)

mainImg = mainImg + masked_image

# cv2.imshow("debug: image, mainImg: " +str(i), mainImg)

return mainImg

    第一：启动功能

    def draw_quadr(img1):

    #set up list for ROIquadrilateral == polygon with 4 sides
numb_ROI = xSub * ySub
skips =int((numb_ROI-1)/xSub)
numb_ROI = skips + numb_ROI
quadrilateral_list.clear()

for i in range(numb_ROI):
    if not point_list[i][0] <= point_list[(i+xSub+2)][0]:
        continue
    vert_poly = np.array([[
        point_list[i],
        point_list[i+1],
        point_list[i+xSub+2], 
        point_list[i+xSub+1]
          ]], dtype=np.int32)  


    verticesPoly_old = np.array([[
        H_points_list[i],
        H_points_list[i+1],
        H_points_list[i+xSub+2], 
        H_points_list[i+xSub+1]
          ]], dtype=np.int32) 

    roi = img0.copy()
    # cv2.imshow("debug: roi"+str(i), roi)
    overlay = perspective_transform(
        img1,
        roi, 
        verticesPoly_old,
        vert_poly, 
        i)

    img1 = quadr_croped(img1,overlay,vert_poly,i)


    cv2.polylines(img1,vert_poly,True,(255,255,0))
    quadrilateral_list.append(vert_poly)

    pt1 = point_list[i]
    pt2 = point_list[i+xSub+2]
    cntPt = (int( (pt1[0]+pt2[0])/2),int((pt1[1]+pt2[1])/2) )
    cv2.putText(img1,str(len(quadrilateral_list)-1),cntPt,cv2.FONT_HERSHEY_SIMPLEX, 1,(0,255,0),2,cv2.LINE_AA)
    #cv2.imshow(str(i), img1) 
return img1

图片结果链接

请看这些，因为它们很好地显示了问题。

无失真的原始图像 无失真的原始图像

此图像与中心有一个左偏移（没有 y 方向移动）

x方向畸变图像的结果 x方向畸变图像的结果

此图像从中心向上偏移（没有 x 方向移动）

y方向畸变图像的结果 y方向畸变图像的结果

此图像从中心向上和向左偏移

x 和 y 方向失真图像的结果 x 和 y 方向失真图像的结果

我是计算机视觉和 stackoverflow 的新手，我希望我已经包含了所有内容来帮助描述问题，如果您需要知道其他任何帮助，请告诉我

4

1 回答 1

3

代码中肯定存在一些错误，因为输出图像看起来不应该（或可能不是）。但是由于透视变换的数学性质，你永远不会得到你想要的东西。也就是说，因为它们是非线性的。您可以使矩形角重合，但是在角之间图像的缩放不均匀，并且您不能使这些不均匀性在分界线的两侧相同。

但是您可以使用仿射变换来统一缩放图像。这保证了如果一条线上的两个点重合，那么所有其他点也重合。这里唯一的问题是使用三角形确定仿射变换，因此您需要将四边形拆分为三角形。例如，在下面的代码中，每个四边形都被分成 4 个三角形，使用四边形的中心作为附加顶点。

import numpy as np
import matplotlib.pyplot as plt
import cv2

# generate a test image
im = np.full((400,600), 255, 'u1')
h, w = im.shape
for i in range(1, w//20):
    im = cv2.line(im, (i*20, 0), (i*20, h), i*8)
for i in range(1, h//20):
    im = cv2.line(im, (0, i*20), (w, i*20), i*10)
plt.figure(figsize=(w/30, h/30))
plt.imshow(im, 'gray')
plt.show()

# Number of grid cells
nx, ny = 3, 2
p0 = np.meshgrid(np.linspace(0, w-1, nx+1, dtype='f'), np.linspace(0, h-1, ny+1, dtype='f'))
print(np.vstack(p0))
p1 = [v.copy() for v in p0]

# Move the central points
p1[0][1,1] -= 30; p1[1][1,1] -= 40
p1[0][1,2] += 20; p1[1][1,2] += 10
print(np.vstack(p1))

# Set perspective = True to see what happens if we use perspective transform
perspective = False
im1 = np.zeros_like(im)
for i in range(nx):
    for j in range(ny):
        x0, y0 = p0[0][j,i], p0[1][j,i]
        c0 = np.stack((p0[0][j:(j+2),i:(i+2)].ravel() - x0, p0[1][j:(j+2),i:(i+2)].ravel() - y0))
        c1 = np.stack((p1[0][j:(j+2),i:(i+2)].ravel(), p1[1][j:(j+2),i:(i+2)].ravel()))

        if perspective:
            ic0 = np.round(c0).astype('i')
            ic1 = np.round(c1).astype('i')
            M = cv2.getPerspectiveTransform(c0.T, c1.T)
            imw = cv2.warpPerspective(im[ic0[1,0]:ic0[1,3], ic0[0,0]:ic0[0,3]], M, (w, h))
            im1 |= cv2.fillConvexPoly(np.zeros_like(im), ic1[:,[0,1,3,2]].T, 255) & imw
        else:
            c0 = np.append(c0, np.mean(c0, axis=1, keepdims=True), 1)
            c1 = np.append(c1, np.mean(c1, axis=1, keepdims=True), 1)
            ic0 = np.round(c0).astype('i')
            ic1 = np.round(c1).astype('i')
            for ind in ([0,1,4], [1,3,4], [3,2,4], [2,0,4]):
                M = cv2.getAffineTransform(c0[:,ind].T, c1[:,ind].T)
                imw = cv2.warpAffine(im[ic0[1,0]:ic0[1,3], ic0[0,0]:ic0[0,3]], M, (w, h))
                im1 |= cv2.fillConvexPoly(np.zeros_like(im), ic1[:,ind].T, 255) & imw
plt.figure(figsize=(w/30, h/30))
plt.imshow(im1, 'gray')
plt.show()
于 2019-04-27T14:02:55.473 回答