Python OpenCV 365 天學(xué)習(xí)計(jì)劃，與橡皮擦一起進(jìn)入圖像領(lǐng)域吧。本篇博客是這個系列的第 55 篇。
該系列文章導(dǎo)航參考：https://blog.csdn.net/hihell/category_10688961.html

學(xué)在前面

正式學(xué)習(xí)之前，先將上一篇 博客的內(nèi)容回顧一下，通過一系列的輪廓操作，得到了目標(biāo)圖像的輪廓。

20210320173715714[1].png

本篇博客的目標(biāo)將逐步實(shí)現(xiàn)對其進(jìn)行透視變換。

獲取輪廓的四個頂點(diǎn)坐標(biāo)

上篇博客已經(jīng)獲取到了輪廓坐標(biāo)，但是每個坐標(biāo)對應(yīng)的位置是不確定的，需要通過計(jì)算將其明確出來。
輪廓坐標(biāo)從三維修改為二維

cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

print(screen_cnt)
print(screen_cnt.shape)
print(screen_cnt.reshape(4, 2))

代碼運(yùn)行效果如下，圖片不同得到的數(shù)值不同。

[[[ 30  94]]
 [[ 17 273]]
 [[469 278]]
 [[462 106]]]
(4, 1, 2)
[[ 30  94]
 [ 17 273]
 [469 278]
 [462 106]]

坐標(biāo)轉(zhuǎn)換之后，對應(yīng)到圖片的位置如下圖所示。

20210320174124215[1].png

一般情況下，我們描述一個矩形區(qū)域，在 OpenCV 中，采用的是 左上，右上，右下，左下 順時(shí)針順序，所以接下來需要對這四個坐標(biāo)進(jìn)行轉(zhuǎn)換。

聲明一個函數(shù)進(jìn)行相應(yīng)的計(jì)算工作。

def change_points(input_points):
    pass

# 函數(shù)調(diào)用
change_points(screen_cnt.reshape(4, 2))

計(jì)算 4 個點(diǎn)橫縱坐標(biāo)之和

def change_points(input_points):
    s = input_points.sum(axis=1)
    print(s)

核心用到的是 numpy 中的 sum 函數(shù)，注意 axis 軸參數(shù)，0 表示豎向，1 表示橫向，這里的橫向就是該點(diǎn)的橫縱坐標(biāo)之和。

20210320174903730[1].png

20210320175002826[1].png

對于一個矩形區(qū)域，左上點(diǎn)與右下點(diǎn)分別是橫縱坐標(biāo)之和最小的點(diǎn)與最大的點(diǎn)，基于此，繼續(xù)完善代碼。

下述代碼使用了 np.argmin() 和 np.argmax() 函數(shù)，可以通過搜索引擎進(jìn)行快速學(xué)習(xí)。

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]
    print(p1,p3)

得到的數(shù)據(jù)如下：

[[ 30  94]
 [ 17 273]
 [469 278]
 [462 106]]
[30 94] [469 278]

左下點(diǎn)與右上點(diǎn)的計(jì)算方式為，使用 np.diff() 函數(shù)，計(jì)算橫縱坐標(biāo)之差最小找到右上角的點(diǎn)，橫縱坐標(biāo)之差最大找到左下角的點(diǎn)。對應(yīng)下圖可以輔助理解，左下點(diǎn) 300-100 = 200，右上點(diǎn) 100-400 = -300。

20210320175815245[1].png

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]
    print(p1,p3)

    diff = np.diff(input_points,axis=1)
    p2 = input_points[np.argmin(diff)]
    p4 = input_points[np.argmax(diff)]
    print(p2,p4)

此時(shí)，4 個坐標(biāo)都已經(jīng)獲取到，最后聲明一個空矩陣，賦值之后進(jìn)行返回。

def change_points(input_points):
    s = input_points.sum(axis=1)
    p1 = input_points[np.argmin(s)]
    p3 = input_points[np.argmax(s)]

    diff = np.diff(input_points, axis=1)
    p2 = input_points[np.argmin(diff)]
    p4 = input_points[np.argmax(diff)]

    # 聲明一個所有元素都為 0 的矩陣
    rect = np.zeros((4, 2), dtype="float32")
    rect[0] = p1
    rect[1] = p2
    rect[2] = p3
    rect[3] = p4
    print(rect)
    return rect
change_points(screen_cnt.reshape(4, 2))

坐標(biāo)數(shù)值與圖片對應(yīng)位置如下：

20210320180718263[1].png

橡皮擦的小節(jié)

希望今天的 1 個小時(shí)（貌似不太夠）你有所收獲，我們下篇博客見~