Этот вопрос связан с этим вопросом: How to remove convexity defects in sudoku square
Я пытался реализовать nikie answer в Mathematica to OpenCV-Python. Но я застрял на последнем этапе процедуры.
т.е. я получил все точки пересечения в квадрате, как показано ниже:
Теперь я хочу преобразовать это в идеальный квадрат размера (450 450), как показано ниже:
(Не обращайте внимания на разницу яркости двух изображений).
Вопрос:
Как я могу это сделать в OpenCV-Python? Я использую версию cv2.
Помимо предложения etarion, вы также можете использовать функцию remap. Я написал быстрый script, чтобы показать, как вы можете это сделать. Как вы видите, в Python это очень просто. Это тестовое изображение:
и это результат после деформирования:
И вот код:
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)
Я предполагаю, что вы можете google и найти то, что делает griddata. Короче говоря, это интерполяция, и здесь мы используем ее для преобразования разреженных отображений в плотные отображения, поскольку cv2.remap требует плотных отображений. Нам просто нужно преобразовать значения в float32, поскольку OpenCV жалуется на тип float64. Пожалуйста, дайте мне знать, как это происходит.
Обновление. Если вы не хотите полагаться на Scipy, один из способов - реализовать функцию интерполяции 2d в вашем коде, например, см. исходный код griddata в Scipy или более простой один такой http://inasafe.readthedocs.org/en/latest/_modules/engine/interpolation2d.html, который зависит только от numpy. Хотя, я бы предложил использовать Scipy или другую библиотеку для этого, хотя я вижу, почему для CVS и numpy может потребоваться только CV2. Я хотел бы услышать, как ваш окончательный код решает Судокус.
если у вас есть исходные точки и конечные точки (вам нужно только 4), вы можете подключить их к cv2.getPerspectiveTransform и использовать этот результат в cv2.warpPerspective. Приносит хороший плоский результат.