opencv运动模糊 opencv homography

引言

利用OpenCV的v2.getPerspectiveTransform()、cv2.warpPerspective()函数，实现图片的鸟瞰转换。
  OpenCV 和 Python版本满足：Python 2.7/Python 3.4+ 和 OpenCV 2.4.X/OpenCV 3.0+.
  代码地址：https://github.com/wangwangwang97/GitProject/tree/master/get-perspective-transform-example

示例

  之前的文章：构建真实Pokedexhttps://pyimagesearch.com/2014/05/05/building-pokedex-python-opencv-perspective-warping-step-5-6/提到了用透视变换来获得图像的自顶向下的‘鸟瞰图’，前提是找到参考点。
  本篇文章：继续对图像的自上而下的‘鸟瞰’进行讨论，但这次会分享进行四点转换时的代码。

代码1：order_points函数

  将四个点坐标表示为有序列表的形式

• 代码2-3行：导入所需的包，numpy包用于数值计算，cv2包用于绑定OpenCV。
• 代码第5行：定义order_points函数，这个函数只有一个参数，即pts，它包含矩形的四个（x,y）形式点的坐标。
• 代码第10行：创建一个有序列表rect用于有序的存储四个矩形点坐标（列表中矩形点的顺序很重要，事实上在实际项目中只要保持顺序一致即可，个人喜欢的顺序为左上、右上、右下和左下）
• 代码14-16行：在矩形中，左上角点会有最小的x+y总和，右下角点会有最大的x+y总和，通过这个信息为有序列表添加左上角rect[0]和右下角rect[2]元素。
• 代码第21行：计算点的差异，即（x-y），这一操作可以通过np.diff实现。
• 代码第22-23行：差异最小的是右上角的点，差异最大的是左下角，通过这个信息为有序列表添加右上角rect[1]和左下角rect[3]元素
• 代码第26行：返回原始点（pts）的有序列表

代码2：four_point_transform函数

  透视图转鸟瞰图

• 代码第28行：定义four_point_transform函数，需要两个参数，image和pts。image是我们将要应用透视变换的图像，pts是我们想要转换的图像中的感兴趣区域的四个点列表。
• 代码第31-32行：调用代码1的函数，将pts中的坐标点变为有序，并获取每个点的坐标。
• 代码第37-39行：确定新图像的宽度，其中宽度是右下角和左下角x坐标或右上角和左上角x坐标的距离，选择最大距离为新图像的宽。
• 代码第44-46行：确定新图像的高度，其中高度是左上角和左下角y坐标或右上角和右下角y坐标之间的最大距离，选择最大距离为新图像的高。
• 代码第53-57行：定义四个点组成的列表dst，代表自顶向下表示的图像。第一个元素为（0,0）代表左上角，第二个元素为（maxWidth - 1, 0）代表右上角坐标，第三个元素为(maxWidth - 1, maxHeight - 1)代表右下角，第四个元素为（0, maxHeight - 1）代表左下角。
• 代码第60行：使用cv2.getPerspectiveTransform函数，此函数需要两个参数：rect(四个感兴趣点坐标组成的列表)，dst(想让四个感兴趣点转换后的坐标位置组成的列表)。这个函数将返回一个转换矩阵M.
• 代码第61行：使用cv2.warpPerspective函数，参数为：图像、转换矩阵M、输出图片的宽度和高度。
• 代码第64行：返回自顶向下的视图。

代码3：驱动代码

  图片调用转换函数的驱动代码

• 代码第2行：导入我们定义的four_point_transform函数。
• 代码第3-5行：导入其他所需要的包，NumPy用于数组功能， argparse 用于解析命令行参数， cv2 用于OpenCV绑定。
• 代码第8-12行：解析命令行参数，使用两个开关：–image表示我们将要转换的图像，–coords是四个点的列表，这些点代表我们想要获得鸟瞰视角的图像区域的坐标点。
• 代码第19行：加载图像
• 代码第20行：加载坐标点，并转换为numpy数组形式。
• 代码第24行：应用透视变换
• 代码第27-29行：展示原图和透视变换后的图。
    本文中需要自己选择需要透视变换的四个点的坐标（即感兴趣区域的四个点坐标，rect）有一些自动确定透视变换所需4个点的方法（如角点检测、边缘检测等），而无需人工操作，这里就不进行陈述。

代码运行

  在shell中执行：

python transform_example.py --image images/example_03.png --coords "[(63, 242), (291, 110), (361, 252), (78, 386)]"