【OpenCV3.3】通过透视变换矫正变形图像

        在平面图像处理中，因为镜头角度等原因，容易导致图像出现倾斜、变形等情况，为了方便后续处理我们常常需要进行图像矫正，其中主要技术原理是两种变换类型--仿射变换(Affine Transformation)和透视变换(Perspective Transformation)。

        仿射变换是二维坐标间的线性变换， 故而变换后的图像仍然具有原图的一些性质，包括“平直性”以及“平行性”，常用于图像翻转(Flip)、旋转(Rotations)、平移(Translations)、缩放(Scale operations)等，具体到代码应用可以参见OpenCV官方介绍。说句题外话，如果没记错的话，仿射变换在高中数学的选修部分就出现过，它可以解决一些初等几何问题，比如部分椭圆题，使用仿射变换往往能得到优雅解法。

        但是仿射变换不能矫正一些变形，如矩形区域的部分发生变化最终变成梯形，这时候矫正就需要用到透视变换。透视变换(Perspective Transformation)，又称投影映射(Projective Mapping)、投射变换等，是三维空间上的非线性变换，可看作是仿射变换的更一般形式，简单讲即通过一个3x3的变换矩阵将原图投影到一个新的视平面(Viewing
Plane)，在视觉上的直观表现就是产生或消除了远近感。落实到OpenCV，图像的透视变换由以下函数完成(该函数是针对图像的包装，其本质调用cv::perspectiveTransform进行向量坐标的变换):

void cv::warpPerspective (
InputArray 	src,
OutputArray 	dst,
InputArray 	M,
Size 	dsize,
int 	flags = INTER_LINEAR,
int 	borderMode = BORDER_CONSTANT,
const Scalar &borderValue = Scalar(0))

        其中，src是输入图像，dst是输出图像，M是3x3变换矩阵，dsize是输出图像的大小，flags指定像素插补方法以及矩阵倒置标志cv::WARP_INVERSE_MAP，borderMode指定边沿像素的推算模式，其中BORDER_CONSTANT指示边沿像素用borderValue替换，因为默认是0，所以我们变换后的图像边界可能会出现黑边，此时可以指定BORDER_REPLICATE对边界像素进行复制，即`aaaaaa|abcdefgh|hhhhhhh`(a-h代表像素)。
        当WARP_INVERSE_MAP被指定时，warpPerspective使用输入的矩阵M对图像src进行如下变换(图片来自文档截图):



        否则，方法先计算矩阵M的倒置矩阵T，然后将T应用到上述形式的变换。该变换不能在原地进行(须分配额外空间)。

        关于变换矩阵M，OpenCV提供了两种方法计算，getPerspectiveTransform和findHomography，前者虽然有2个重载函数，但其实都是一样的形式，通过原图和变换后图像的4个对应点(即对应的四边形)计算出透视变换矩阵；后者则相对比较复杂，属于calib3d模块的内容，概括而言即通过变换前、后两个平面的点寻找出一个单应性变换矩阵H，满足

，使得反向投影误差

最小；这些在计算机视觉相关课程里应有详细介绍。

        下面来看一个具体例子：

static void testImageRectification(cv::Mat &image_original)
{
CV_SHOW(image_original); // CV_SHOW是cv::imshow的一个自定义宏，忽略即可
cv::Mat &&image = image_original.clone();

cv::Mat image_gray;
cv::cvtColor(image, image_gray, cv::COLOR_BGR2GRAY);
cv::threshold(image_gray, image_gray, g_threshVal, g_threshMax, cv::THRESH_BINARY);

std::vector< std::vector<cv::Point> > contours_list;
{
std::vector<cv::Vec4i> hierarchy;
// Since opencv 3.2 source image is not modified by this function
cv::findContours(image_gray, contours_list, hierarchy,
cv::RetrievalModes::RETR_EXTERNAL, cv::ContourApproximationModes::CHAIN_APPROX_NONE);
}

for (uint32_t index = 0; index < contours_list.size(); ++index) {
cv::RotatedRect &&rect = cv::minAreaRect(contours_list[index]);
if (rect.size.area() > 1000) {
if (rect.angle != 0.) {
// 此处可通过cv::warpAffine进行旋转矫正，本例不需要
} //if

cv::Mat &mask = image_gray;
cv::drawContours(mask, contours_list, static_cast<int>(index), cv::Scalar(255), cv::FILLED);

cv::Mat extracted(image_gray.rows, image_gray.cols, CV_8UC1, cv::Scalar(0));
image.copyTo(extracted, mask);
CV_SHOW(extracted);

std::vector<cv::Point2f> poly;
cv::approxPolyDP(contours_list[index], poly, 30, true); // 多边形逼近，精度(即最小边长)设为30是为了得到4个角点
cv::Point2f pts_src[] = { // 此处顺序调整是为了和后面配对，仅作为示例
poly[1],
poly[0],
poly[3],
poly[2]
};

cv::Rect &&r = rect.boundingRect(); // 注意坐标可能超出图像范围
cv::Point2f pts_dst[] = {
cv::Point(r.x, r.y),
cv::Point(r.x + r.width, r.y),
cv::Point(r.x + r.width, r.y + r.height) ,
cv::Point(r.x, r.y + r.height)
};
cv::Mat &&M = cv::getPerspectiveTransform(pts_dst, pts_src); // 我这里交换了输入，因为后面指定了cv::WARP_INVERSE_MAP，你可以试试不交换的效果是什么

cv::Mat warp;cv::warpPerspective(image, warp, M, image.size(), cv::INTER_LINEAR + cv::WARP_INVERSE_MAP, cv::BORDER_REPLICATE);
CV_SHOW(warp);
} //if
}
}

        效果截图(原图变形不明显，将就吧，人眼还是很强大的)：