本文共 1671 字，大约阅读时间需要 5 分钟。

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 cv2import numpy as npimg = cv2.imread("4.jpg")rows,cols,ch = img.shapep1=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：

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 cv2import numpy as npimg = cv2.imread("4.jpg")rows, cols, ch = img.shapep1 = 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：

转载地址：https://liyuanjinglyj.blog.csdn.net/article/details/113802729 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！