我把答案里的代码拿走了https://stackoverflow.com/a/10374811/4828720来自 Image transformation in OpenCV并尝试使它适应我的形象。
在其中,我确定了方格砖中心的像素坐标,如下所示:
我的目标分辨率是 784。我计算了像素的目标坐标。我得到的代码是这样的:
import cv2
from scipy.interpolate import griddata
import numpy as np
source = np.array([
[315, 15],
[962, 18],
[526, 213],
[754, 215],
[516, 434],
[761, 433],
[225, 701],
[1036, 694],
], dtype=int)
destination = np.array([
[14, 14],
[770, 14],
[238, 238],
[546, 238],
[238, 546],
[546, 546],
[14, 770],
[770, 770]
], dtype=int)
source_image = cv2.imread('frames.png')
grid_x, grid_y = np.mgrid[0:783:784j, 0:783:784j]
grid_z = griddata(destination, source, (grid_x, grid_y), method='cubic')
map_x = np.append([], [ar[:,1] for ar in grid_z]).reshape(784,784)
map_y = np.append([], [ar[:,0] for ar in grid_z]).reshape(784,784)
map_x_32 = map_x.astype('float32')
map_y_32 = map_y.astype('float32')
warped_image = cv2.remap(source_image, map_x_32, map_y_32, cv2.INTER_CUBIC)
cv2.imwrite("/tmp/warped2.png", warped_image)
如果我运行这个,没有一个源点最终到达它们的预期目的地,但我得到的却是一团扭曲的困惑。我在此处的顶部添加了目的地点:
我哪里错了?我注意到我的网格和 map 数组的分布不如示例中的那样好。是我积分太少了吗?我需要在常规网格中使用它们吗?我尝试只使用外角的四个点,但也没有成功。
最佳答案
整个问题是,我再次对 numpy 的行/列索引而不是 x/y 感到困惑。 #opencv IRC channel 中有人指出了这一点。我的源数组和目标数组必须切换它们的列:
source = np.array([
[15, 315],
[18, 962],
[213, 526],
[215, 754],
[434, 516],
[433, 761],
[701, 225],
[694, 1036],
], dtype=int)
destination = np.array([
[14, 14],
[14, 770],
[238, 238],
[238, 546],
[546, 238],
[546, 546],
[770, 14],
[770, 770]
], dtype=int)
然后它按预期工作(忽略丑陋的扭曲,这是用于查找错误的简化坐标列表):
关于python - 我的 OpenCV remap()ing 有什么问题?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37213672/