在 C++ 中使用 OpenCV 对图像中的对象进行扭曲透视

例子。

代码：

＃include ＜opencv2／imgcodecs．hpp＞

＃include ＜opencv2／highgui．hpp＞

＃include ＜opencv2／imgproc．hpp＞

＃include ＜opencv2／objdetect．hpp＞

＃include ＜iostream＞

using namespace cv；

using namespace std；

string PATH ＝ ＂funk．jpg＂； ／／Image Path

int AREA＿FILTER ＝ 1000；

Mat imgOrg， imgProc， imgWarp；

vector＜Point＞ initialPoints， docPoints；

int w ＝ 420， h ＝ 596；

Mat preProcessing（Mat img）

｛

   cvtColor（img， imgProc， COLOR＿BGR2GRAY）； ／／ to gray scale

   GaussianBlur（imgProc， imgProc， Size（3，3）， 3， 0）； ／／ blurring for better canny performance

   Canny（imgProc， imgProc， 25， 75）； ／／ edge detection

   Mat kernel ＝ getStructuringElement（MORPH＿RECT， Size（3， 3））；

   dilate（imgProc， imgProc， kernel）；

   return imgProc；

｝

vector＜Point＞ getContours（Mat imgDil）｛

   ／／detects the biggest rectangle in image

   vector＜vector＜Point＞＞ contours； ／／vectors example： ｛｛Point（20，30），Point（50，60）｝，｛｝，｛｝｝

   vector＜Vec4i＞ hierarchy；

   findContours（imgDil，contours，hierarchy，RETR＿EXTERNAL，CHAIN＿APPROX＿SIMPLE）； ／／finding contours

   vector＜vector＜Point＞＞ conPoly（contours．size（））；

   vector＜Rect＞ boundRect（contours．size（））；

   vector＜Point＞ biggest；

   int maxArea＝0；

   for （int i＝0；i＜contours．size（）；i＋＋）｛

       int area ＝ contourArea（contours［i］）；

       string objectType；

       if（area＞AREA＿FILTER）｛ ／／filter small rectangles

           float peri ＝ arcLength（contours［i］，true）；

           approxPolyDP（contours［i］，conPoly［i］，0．02＊peri，true）；

           if（area＞maxArea ＆＆ conPoly［i］．size（）＝＝4）｛ ／／find biggest （4 for rectangle）

               maxArea ＝ area；

               biggest ＝ ｛conPoly［i］［0］，conPoly［i］［1］，conPoly［i］［2］，conPoly［i］［3］｝；

           ｝

       ｝

   ｝

   return biggest；

｝

void drawPoints（vector＜Point＞ points， Scalar color）｛

   for（int i＝0；i＜points．size（）；i＋＋）

   ｛

       circle（imgOrg，points［i］， 5，color，FILLED）；

       putText（imgOrg， to＿string（i），points［i］，FONT＿HERSHEY＿PLAIN，4，color，4）；

   ｝

｝

vector＜Point＞ reorder（vector＜Point＞ points ）｛

   vector＜Point＞ newPoints；

   vector＜int＞ sumPoints， subPoints；

   ／／get corners

   for（int i ＝ 0；i＜4；i＋＋）｛

       sumPoints．push＿back（points［i］．x ＋ points［i］．y）；

       subPoints．push＿back（points［i］．x － points［i］．y）；

   ｝

   newPoints．push＿back（points［min＿element（sumPoints．begin（），sumPoints．end（）） － sumPoints．begin（）］）；

   newPoints．push＿back（points［max＿element（subPoints．begin（），subPoints．end（）） － subPoints．begin（）］）；

   newPoints．push＿back（points［min＿element（subPoints．begin（），subPoints．end（）） － subPoints．begin（）］）；

   newPoints．push＿back（points［max＿element（sumPoints．begin（），sumPoints．end（）） － sumPoints．begin（）］）；

   return newPoints；

｝

Mat getWarp（Mat img， vector＜Point＞ points， float w， float h）

｛

   Point2f src［4］ ＝ ｛points［0］，points［1］，points［2］，points［3］｝；

   Point2f dst［4］ ＝ ｛｛0．0f，0．0f｝，｛w，0．0f｝，｛0．0f，h｝，｛w，h｝｝；

   Mat matrix ＝ getPerspectiveTransform（src，dst）；

   warpPerspective（img， imgWarp， matrix， Point（w， h））；

   return imgWarp；

｝

void main（） ｛

   ／／sample

   imgOrg ＝ imread（PATH）；

   resize（imgOrg，imgOrg，Size（），0．5，0．5）； ／／ reduce the size of the photo in half

   ／／preprocessing

   imgProc ＝ preProcessing（imgOrg）；

   ／／get contours

   initialPoints ＝ getContours（imgProc）；

   ／／drawPoints（initialPoints，Scalar（0，0，255））；

   docPoints ＝ reorder（initialPoints）；

   ／／drawPoints（docPoints，Scalar（0，255，0））；

   ／／warp

   imgWarp ＝ getWarp（imgOrg， docPoints， w， h）；

   imshow（＂Image imgWarp＂，imgWarp）；

   waitKey（0）；

｝

让我们分解代码；

首先我们读取图像文件。然后我们（可选地）减小图像的大小。

string PATH ＝ ＂funk．jpg＂； ／／Image Path

imgOrg ＝ imread（PATH）；    

resize（imgOrg，imgOrg，Size（），0．5，0．5）；

为了从操作中获得更好的结果，我们首先需要对图像进行一些预处理和转换。我在一个称为预处理的方法中收集了所有这些过程。

预处理功能

在使用 opencv 时，我们经常将图像转换为灰度。原因是：

· 它减小了尺寸。我们获得了单个通道，而不是 RGB 的三个通道。

· 我们得到更低的复杂性。RGB：10x10x3 像素 ＝ 300 个数据；灰度：我们只有10x10x1 ＝ 100 个输入。

· 许多 Opencv 方法只能在灰度下工作。因此，有必要提前进行转换。

cvtColor（img， imgProc， COLOR＿BGR2GRAY）；

我们将使用 Canny Edge Detector 来检测角点。它在图像模糊的情况下获得了更好的效果。这个过程称为平滑。边缘检测器内核对噪声非常敏感。因此，始终有必要应用平滑。

Size（3，3）：高斯核的大小。

GaussianBlur（imgProc， imgProc， Size（3，3）， 3， 0）；

Canny 函数从图像中提取边缘。25 和 75 值是保留在该过程中提取的边缘的阈值。

Canny（imgProc， imgProc， 25， 75）；

为形态学操作创建一个矩形内核。

Mat kernel ＝ getStructuringElement（MORPH＿RECT， Size（3， 3））；

我们将使用膨胀作为形态学操作。膨胀增加了对象的面积，它增加了图像中的白色区域。

dilate（imgProc， imgProc， kernel）；

现在让我们获取对象的轮廓；

initialPoints ＝ getContours（imgProc）；

在getContour方法中，我们检测将扭曲其透视图并提取其轮廓的对象。

获取轮廓

findContours方法将返回我们的轮廓点。我们需要保留所有找到的点吗？

如果我们传递 CHAIN＿APPROX＿NONE 参数，那么所有的点都会被保留。但是，我们可以通过消除冗余点来获得存储空间。为此，我们也可以传递 CHAIN＿APPROX＿SIMPLE。

为了获得外部轮廓，我们通过了 RETR＿EXTERNAL

findContours（imgDil，contours，hierarchy，RETR＿EXTERNAL，CHAIN＿APPROX＿SIMPLE）； ／／finding contours

然后，在 for 循环中，我们去除噪声并获取对象。

我们计算每个轮廓的面积。面积必须大于过滤常数；

int area ＝ contourArea（contours［i］）；

．．．

if（area＞AREA＿FILTER）｛ ／／filter small rectangles

我们将在对象周围找到边界框。true表示对象已关闭。

float peri ＝ arcLength（contours［i］，true）；

我们将找到矩形。

approxPolyDP（contours［i］，conPoly［i］，0．02＊peri，true）；            if（area＞maxArea ＆＆ conPoly［i］．size（）＝＝4）｛ ／／find biggest （4 for rectangle）                maxArea ＝ area；                biggest ＝ ｛conPoly［i］［0］，conPoly［i］［1］，conPoly［i］［2］，conPoly［i］［3］｝；            ｝

我们得到对象的点；

docPoints ＝ reorder（initialPoints）；

扭曲：

imgWarp ＝ getWarp（imgOrg， docPoints， w， h）；

参考

       原文标题 : 在 C++ 中使用 OpenCV 对图像中的对象进行扭曲透视