OpenCV中的图像转换

Question

这个问题与这个问题相关：<代码>如何消除数独方块中的凸性缺陷

我试图在Mathematica中将nikie的答案实现到OpenCV Python中。但我被困在程序的最后一步。

IE我得到了所有的交叉点在正方形如下：

现在，我想将其转换为一个完美的正方形（450450），如下所示：

（不要介意两幅图像的亮度差异）。

问题：如何在OpenCV Python中做到这一点？我正在使用cv2版本。

Answer 1

如果您有源点和终点（您只需要4个），您可以将它们插入cv2。getPerspectiveTransform，并在cv2中使用该结果。warpPerspective。给你一个很好的平淡的结果。

Answer 2

除了etarion的建议之外，您还可以使用remap函数。我写了一个快速脚本来演示如何做到这一点。正如您所看到的，在Python中进行编码非常容易。这是测试图像：

这是翘曲后的结果：

代码如下：

import cv2
from scipy.interpolate import griddata
import numpy as np

grid_x, grid_y = np.mgrid[0:149:150j, 0:149:150j]
destination = np.array([[0,0], [0,49], [0,99], [0,149],
                  [49,0],[49,49],[49,99],[49,149],
                  [99,0],[99,49],[99,99],[99,149],
                  [149,0],[149,49],[149,99],[149,149]])
source = np.array([[22,22], [24,68], [26,116], [25,162],
                  [64,19],[65,64],[65,114],[64,159],
                  [107,16],[108,62],[108,111],[107,157],
                  [151,11],[151,58],[151,107],[151,156]])
grid_z = griddata(destination, source, (grid_x, grid_y), method='cubic')
map_x = np.append([], [ar[:,1] for ar in grid_z]).reshape(150,150)
map_y = np.append([], [ar[:,0] for ar in grid_z]).reshape(150,150)
map_x_32 = map_x.astype('float32')
map_y_32 = map_y.astype('float32')

orig = cv2.imread("tmp.png")
warped = cv2.remap(orig, map_x_32, map_y_32, cv2.INTER_CUBIC)
cv2.imwrite("warped.png", warped)

我想你可以在谷歌上找到griddata的作用。简而言之，它做插值，这里我们用它来将稀疏映射转换为密集映射，因为cv2.remap需要密集映射。我们只需要将值转换为flat32，因为OpenCV抱怨flat64类型。请告诉我进展如何。

更新：如果您不想依赖Scipy，一种方法是在代码中实现2d插值函数，例如，请参阅Scipy中griddata的源代码或类似的简单代码http://inasafe.readthedocs.org/en/latest/_modules/engine/interpolation2d.html这只取决于numpy。尽管如此，我还是建议使用Scipy或其他库来实现这一点，尽管我明白为什么对于这样的情况，只需要CV2和numpy可能更好。我想听听你的最终代码是如何解决数独的。