[OpenCV基礎][Python]warpPerspective透視變換

當我們在拍照時，有時候會期望圖像中物體是呈現我們想要的樣子，就可以利用透視變換的方式，將物體捏造成我們想要的樣子。

當我們拍攝文件或書籍時，如果有角度和距離的變化，文件可能會變形。透視變換可用於校正這種變形，使文件呈現平整的視覺效果。

cv2.warpPerspective 是 OpenCV 中的一個函數，用於進行透視變換（Perspective Transformation）。透視變換是一種將二維圖像進行轉換的方法，通常用於將視角進行調整或者校正，例如在影像處理中對於傾斜的圖像進行矯正。

傾斜矯正

cv2.warpPerspective 的語法：

cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

• src：要進行透視變換的輸入圖像。
• M：透視變換的3x3變換矩陣。
• dsize：輸出圖像的大小，以元組（width, height）表示。

進階參數(可選擇不填，則會使用默認)

• dst：輸出圖像，可選參數，如果未提供，則函數會創建一個與 dsize 相同大小的空白圖像。
• flags：進行變換時的插值方法:
  cv2.INTER_NEAREST：最近鄰插值，使用最近鄰的像素值進行插值，速度最快，但效果可能不夠平滑。
  cv2.INTER_LINEAR：雙線性插值，使用相鄰四個像素的加權平均值，效果比最近鄰好一些，但計算成本較高。
  cv2.INTER_CUBIC：雙三次插值，使用相鄰的16個像素進行插值，產生更平滑的效果，但計算成本最高。

• borderMode：用於處理邊界的模式:
  cv2.BORDER_CONSTANT：常數邊界模式，邊界外的像素使用指定的常數值填充。
  cv2.BORDER_REFLECT：反射邊界模式，邊界外的像素是邊界內像素的鏡像反射。
  cv2.BORDER_WRAP：循環邊界模式，像素位置溢出時，回到相對應的另一邊。
• 當 borderMode 設定為 cv2.BORDER_CONSTANT 時:
  可以使用 borderValue 參數指定邊界的常數值。這個值通常是一個顏色值，例如白色 (255, 255, 255) 或黑色 (0, 0, 0)。

範例

# 指定邊界模式為 cv2.BORDER_CONSTANT，並設定邊界常數值為白色
border_mode = cv2.BORDER_CONSTANT
border_value = (255, 255, 255)

# 應用透視變換，並指定邊界模式和邊界常數值
result = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]), 
																	borderMode=border_mode, borderValue=border_value)

透視變換的3x3變換矩陣說明:

M = | m11 m12 m13 |

    | m21 m22 m23 |

    | m31 m32 m33 |

m11和 m22是水平和垂直縮放因子，m12和 m21是切變因子，m13和 m23是平移因子，m31、m32 和 m33 是透視因子。

程式範例

import cv2
import numpy as np

# 讀取輸入圖像
img = cv2.imread('123.JPG')

# 透視變換前的四個點，這些點可以是手動選取或使用檢測算法（例如角點檢測）
src_pts = np.array([[2700, 970], #左上
                    [6000, 60], #右上
                    [2600, 1400], #左下
                    [5500, 3300]], #右下 
                    dtype=np.float32)

# 透視變換後的目標四個點
dst_pts = np.array([[100, 500], #左上
                    [6000, 500], #右上
                    [100, 3000], #左下
                    [6000, 3000]], #右下 
                    dtype=np.float32)

# 計算透視變換矩陣 M
M = cv2.getPerspectiveTransform(src_pts, dst_pts)

# 應用透視變換
result = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))

# 顯示原始圖像和變換後的圖像

cv2.imshow('Original Image', img)
cv2.imshow('Perspective Transformed Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

透視變換前的四個點

圖片是我大概標示，示意用，差不多位子方便理解而已。

src_pts = np.array([[2700, 970], #左上
                    [6000, 60], #右上
                    [2600, 1400], #左下
                    [5500, 3300]], #右下 
                    dtype=np.float32)

透視前四個點標記位子

透視變換後的目標四個點

透視變換後

科普名詞

透視變換：

當我們拍攝一個物體時，它可能因為角度或距離而呈現變形，使得物體失真或歪斜。透視變換就是一種調整這種失真的方法，讓我們可以糾正或校正這些變形，使得圖像看起來更正確，更符合我們期望的形狀。

數學表示方法

透視變換（Perspective Transformation）是一種非線性的幾何變換，它可以將一個二維空間中的點映射到另一個二維空間中，同時包含了線性變換（如平移、旋轉、縮放）以及透視變換。

透視變換的計算方式如下：

透視變換數學式

x,y是原始圖像中的座標，x′,y′,w′是變換後的座標，w 是齊次坐標中的權重（通常是1）

當齊次坐標中的 w 不等於 1 時，透視變換就會引入透視效應，從而使被變換的圖形發生變形。這是由於透視變換的特性。

總結

更進階的應用是利用其他方式得到變換矩陣 M，來透視變換圖片中的物件。

可以參考我另外一篇文章，也可以利用SIFT偵測特徵點，來取得特徵物件的變換矩陣在矯正其圖像。

[OpenCV應用][Python]利用SIFT得取圖片物件旋轉角度，並旋轉回正常角度