更复杂的仿射变化
上篇博文讲解了2种最基本的仿射变换：平移与旋转。但OpenCV还给我们提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()所使用的转换矩阵M。
该函数的定义如下：
def getAffineTransform(src, dst):
src：代表输入图像的三个点坐标
dst：代表输出图像的三个点坐标
用过PS的都知道，我们在PS中使用快捷键Ctrl+T就可以随意拉扯图像，因为图像上下左右各有四个点负责定位。而src中的3个坐标与PS完全一致，分别为左上角，右上角，左下角，只是少了一个点，但定位绰绰有余，当然映射后只能是平行四边形，因为缺失一个坐标。
下面，我们来随意定位图像，并实现拉扯效果：
import cv2 import numpy as np img = cv2.imread("4.jpg") rows,cols,ch = img.shape p1=np.float32([[0,0],[cols-1,0],[0,rows-1]]) p2=np.float32([[0,rows*0.33],[cols*0.85,rows*0.25],[cols*0.15,rows*0.7]]) M = cv2.getAffineTransform(p1,p2) move_img = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("move_img", move_img) cv2.waitKey() cv2.destroyAllWindows()
运行之后，效果如下图所示：
p1是原始图像的坐标，这里稍微有点变换。原图坐标就是左上角[0,0],右上角[cols,0],左下角[0,rows]。变换后的坐标左上角[0,rows0.33],右上角[cols0.85,rows0.25],左下角[cols0.15,rows*0.7]。
透视
之所以要讲解上面的平行四边形仿射，是因为我们的透视是任意四边形，通过上面的代码我们更容易理解透视的概念。
在OpenCV中，透视变换通过函数cv2.warpPerspective()实现，该函数的定义如下：
def warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None):
src：要透视的原始图像
M：变换透视图像的3*3变换矩阵
dsize：代表输出图像的尺寸大小
flags,borderMode,borderValue三个参数与前文类似这里不多做介绍。
下面，我们将上面的图像变换成任意四边形，具体代码如下所示：
import cv2 import numpy as np img = cv2.imread("4.jpg") rows, cols, ch = img.shape p1 = np.float32([[0, 0], [cols, 0], [0, rows], [cols, rows]]) p2 = np.float32([[0, rows * 0.33], [cols * 0.85, rows * 0.25], [cols * 0.15, rows * 0.7], [cols * 0.85, rows * 0.85]]) M = cv2.getPerspectiveTransform(p1, p2) move_img = cv2.warpPerspective(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("move_img", move_img) cv2.waitKey() cv2.destroyAllWindows()
透视函数warpPerspective通过getPerspectiveTransform获得变换矩阵。运行之后，效果如下所示：
