目录
1、概述
案例：使用opencv将一张折射的图片给矫正过来
实现步骤：
1.载入图像
2.图像灰度化
3.二值分割
4.形态学操作去除噪点
5.轮廓发现
6.使用霍夫直线检测，检测上下左右四条直线（有可能是多条，但是无所谓）
7.绘制出直线
8.寻找与定位上下左右是条直线
9.拟合四条直线方程
10.计算四条直线的交点，ps：这四个交点其实就是我们最终要寻找的，用于透视变换使用的
11.进行透视变换
12.输出透视变换的结果
说明：
解释一下为啥是上面那些步骤。
1.其实我们的最终目的是通过透视矩阵getperspectivetransform 透视变换warpperspective来完成图像的矫正
2.但是getperspectivetransform需要两个参数，输入矩阵参数和目标矩阵参数。
3.由于输入矩阵参数就是原图像是个角的顶点，由于我们没有所以要求出来
4.所以我们以上的所有步骤都是为11、12步打基础的
ps：核心就是利用透视矩阵做透视变换
重点：
1.直线方程y=kx c
2.如果两条直线有交点，则必有k1x1 c1=k2x2 c2
2、代码演示
//【1】载入图像
mat src = imread(filepath);
if(src.empty()){
qdebug()<<"图片为空";
return;
}
imshow("src",src);
//【2】图像灰度化
mat gray;
cvtcolor(src,gray,color_bgr2gray);
//【3】执行二值分割
threshold(gray,gray,0,255,thresh_binary_inv|thresh_otsu);
imshow("threshold",gray);
//【4】执行形态学开操作去除图像中的造点
mat kernel = getstructuringelement(morph_rect,size(5,5),point(-1,-1));
morphologyex(gray,gray,morph_close,kernel,point(-1,-1),3);
imshow("morphologyex",gray);
//【5】轮廓发现
bitwise_not(gray,gray);
imshow("bitwise_not",gray);
vector> contours;
vector hier;
rng rng(12345);
findcontours(gray,contours,hier,retr_tree,chain_approx_simple);
mat colorimage = mat::zeros(gray.size(),cv_8uc3);
for(size_t i = 0;isrc.cols/2){
drawcontours(colorimage,contours,i,scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),1);
}
}
imshow("findcontours",colorimage);
//【6】使用霍夫直线检测
vector lines;
cvtcolor(colorimage,colorimage,color_bgr2gray);
kernel = getstructuringelement(morph_rect,size(3,3),point(-1,-1));
dilate(colorimage,colorimage,kernel,point(-1,-1),1);
imshow("colorimage_gray",colorimage);
int accu = min(src.cols*0.5, src.rows*0.5);
houghlinesp(colorimage,lines,1,cv_pi/180,accu,accu,0);
//【7】绘制出直线
mat linecolorimage = mat::zeros(gray.size(),cv_8uc3);
qdebug()<<"line count:"< ln[3] && topline[3]>0) {
topline = lines[i];
} else {
topline = lines[i];
}
}
if (ln[3] > height / 2.0 && ln[1] > height / 2.0 && deltah < accu - 1) {
bottomline = lines[i];
}
if (ln[0] < width / 2.0 && ln[2] < width/2.0) {
leftline = lines[i];
}
if (ln[0] > width / 2.0 && ln[2] > width / 2.0) {
rightline = lines[i];
}
}
//直线方程y=kx c
// 【9】拟合四条直线方程
float k1, c1;
k1 = float(topline[3] - topline[1]) / float(topline[2] - topline[0]);
c1 = topline[1] - k1*topline[0];
float k2, c2;
k2 = float(bottomline[3] - bottomline[1]) / float(bottomline[2] - bottomline[0]);
c2 = bottomline[1] - k2*bottomline[0];
float k3, c3;
k3 = float(leftline[3] - leftline[1]) / float(leftline[2] - leftline[0]);
c3 = leftline[1] - k3*leftline[0];
float k4, c4;
k4 = float(rightline[3] - rightline[1]) / float(rightline[2] - rightline[0]);
c4 = rightline[1] - k4*rightline[0];
// 【10】四条直线交点，其实最终的目的就是找这是条直线的交点
point p1; // 左上角
p1.x = static_cast((c1 - c3) / (k3 - k1));
p1.y = static_cast(k1*p1.x c1);
point p2; // 右上角
p2.x = static_cast((c1 - c4) / (k4 - k1));
p2.y = static_cast(k1*p2.x c1);
point p3; // 左下角
p3.x = static_cast((c2 - c3) / (k3 - k2));
p3.y = static_cast(k2*p3.x c2);
point p4; // 右下角
p4.x = static_cast((c2 - c4) / (k4 - k2));
p4.y = static_cast(k2*p4.x c2);
// 显示四个点坐标
circle(linecolorimage, p1, 2, scalar(255, 0, 0), 2, 8, 0);
circle(linecolorimage, p2, 2, scalar(255, 0, 0), 2, 8, 0);
circle(linecolorimage, p3, 2, scalar(255, 0, 0), 2, 8, 0);
circle(linecolorimage, p4, 2, scalar(255, 0, 0), 2, 8, 0);
line(linecolorimage, point(topline[0], topline[1]), point(topline[2], topline[3]), scalar(0, 255, 0), 2, 8, 0);
imshow("four corners", linecolorimage);
// 【11】透视变换
vector src_corners(4);
src_corners[0] = p1;
src_corners[1] = p2;
src_corners[2] = p3;
src_corners[3] = p4;
vector dst_corners(4);
dst_corners[0] = point(0, 0);
dst_corners[1] = point(width, 0);
dst_corners[2] = point(0, height);
dst_corners[3] = point(width, height);
// 【12】获取透视变换矩阵，并最终显示变换后的结果
mat resultimage;
mat warpmatrix = getperspectivetransform(src_corners, dst_corners);
warpperspective(src, resultimage, warpmatrix, resultimage.size(), inter_linear);
imshow("final result", resultimage);
3、示例图片
以上就是opencv通过透视变换实现矫正图像详解的详细内容，更多关于opencv矫正图像的资料请关注其它相关文章！
