opencv学习--透视变化
透视变换和仿射变换具有很大的相同特性,前面提到了放射变化,这里再次把它拿出和透视变换进行比较
#include"cv.h"
#include"highgui.h"
using namespace cv;
void WarpPerspective(IplImage *img);
void WarpFangshe(IplImage *img);
int main()
{
IplImage *getimg = cvLoadImage("e:/picture/Wife2.jpg");
IplImage *img = cvCreateImage(cvSize(,),getimg->depth,getimg->nChannels);
cvResize(getimg,img);
WarpPerspective(img);
//WarpFangshe(img);
cvWaitKey();
cvDestroyAllWindows();
return ;
}
//透视变换
//任意四边形的变换
//透视变换需要的设置四个点
void WarpPerspective(IplImage *img)
{
IplImage *dst = cvCreateImage(cvGetSize(img),img->depth,img->nChannels);
CvMat *mat = cvCreateMat(,,CV_32FC1);
CvPoint2D32f ori_point[], dst_point[];
ori_point[].x = ; ori_point[].y = ;
ori_point[].x = img->width - ; ori_point[].y = ;
ori_point[].x = ; ori_point[].y = img->height-;
ori_point[].x = img->width - ; ori_point[].y = img->height - ;
dst_point[].x = img->width / ; dst_point[].y = img->height*0.05;
dst_point[].x = img->width*0.3;; dst_point[].y = img->height / ;
dst_point[].x = img->width*0.7; dst_point[].y = img->height / ;
dst_point[].x = img->width / ; dst_point[].y = img->height*0.9;
//获取映射矩阵
cvGetPerspectiveTransform(ori_point,dst_point,mat);
cvWarpPerspective(img,dst,mat);
//cvFlip(dst,dst,1);
cvNamedWindow("origin");
cvNamedWindow("Warp");
cvShowImage("origin",img);
cvShowImage("Warp",dst);
cvReleaseImage(&img);
cvReleaseImage(&dst);
cvReleaseMat(&mat);
}
void WarpFangshe(IplImage *img)//仿射变换
{
//定义两个CvPoint2D32F的数组
//第一个数组用来标定将要变换的原始图像中的区域
//第二个数组用来标定变换后的图像在窗口中的位置
CvPoint2D32f SrcTri[], DstTri[];
//定义仿射映射矩阵,然后计算(2*3的矩阵)
CvMat *warp_mat = cvCreateMat(, , CV_32FC1);
CvMat *rot_mat = cvCreateMat(, , CV_32FC1);
IplImage *src, *dst;
src = img;
dst = cvCloneImage(src);
SrcTri[].x = ; SrcTri[].y = ;
SrcTri[].x = src->width - ; SrcTri[].y = ;
SrcTri[].x = ; SrcTri[].y = src->height - ;
DstTri[].x = ; DstTri[].y = src->height*0.33;
DstTri[].x = src->width*0.85; DstTri[].y = src->height*0.25;
DstTri[].x = src->width*0.15; DstTri[].y = src->height*0.7;
//获取映射矩阵
cvGetAffineTransform(SrcTri, DstTri, warp_mat);
//映射变换
cvWarpAffine(src, dst, warp_mat);
cvCopy(dst, img);
cvNamedWindow("Warp");
//cvShowImage("Warp",dst);
//下面是对变换后的图像进一步旋转
CvPoint2D32f center = cvPoint2D32f(src->width / , src->height / );
double angle = 50.0;
double scale = 0.8;
//旋转图像
//上面center是旋转中心
//下面函数的第二个和第三个参数给出了旋转的角度和缩放的尺度
//最后一个参数是输出的映射矩阵
/*cv2DRotationMatrix(
CvPoint2D32F center
double angle
double scale
CvMat *map_matrix
)*/
cv2DRotationMatrix(center, angle, scale, rot_mat);
cvWarpAffine(src, dst, rot_mat);
cvShowImage("Warp", dst);
cvReleaseImage(&img);
cvReleaseImage(&dst);
}
opencv学习--透视变化的更多相关文章
- warpperspective 透视变化的opencv实现
warpperspective 透视变化的opencv2.0实现 1st-------2nd | | | | | |3rd-------4th 原始代码 cv::Mat sr ...
- OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波
http://blog.csdn.net/chenyusiyuan/article/details/8710462 OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波 201 ...
- OpenCV 学习笔记(模板匹配)
OpenCV 学习笔记(模板匹配) 模板匹配是在一幅图像中寻找一个特定目标的方法之一.这种方法的原理非常简单,遍历图像中的每一个可能的位置,比较各处与模板是否"相似",当相似度足够 ...
- OpenCV 学习笔记 07 目标检测与识别
目标检测与识别是计算机视觉中最常见的挑战之一.属于高级主题. 本章节将扩展目标检测的概念,首先探讨人脸识别技术,然后将该技术应用到显示生活中的各种目标检测. 1 目标检测与识别技术 为了与OpenCV ...
- 【opencv学习笔记八】创建TrackBar轨迹条
createTrackbar这个函数我们以后会经常用到,它创建一个可以调整数值的轨迹条,并将轨迹条附加到指定的窗口上,使用起来很方便.首先大家要记住,它往往会和一个回调函数配合起来使用.先看下他的函数 ...
- 【opencv学习笔记六】图像的ROI区域选择与复制
图像的数据量还是比较大的,对整张图片进行处理会影响我们的处理效率,因此常常只对图像中我们需要的部分进行处理,也就是感兴趣区域ROI.今天我们来看一下如何设置图像的感兴趣区域ROI.以及对ROI区域图像 ...
- OpenCV学习笔记5
OpenCV学习笔记5 图像变换 傅里叶变换 这里可以先学习一下卷积分,了解清除卷积的过程和实际意义,在看这一章节的内容. 原理: 傅里叶变换经常被用来分析不同滤波器的频率特性.我们可以使用 2D 离 ...
- OpenCV学习笔记3
OpenCV学习笔记3 图像平滑(低通滤波) 使用低通滤波器可以达到图像模糊的目的.这对与去除噪音很有帮助.其实就是去除图像中的高频成分(比如:噪音,边界).所以边界也会被模糊一点.(当然,也有一些模 ...
- opencv学习笔记(七)SVM+HOG
opencv学习笔记(七)SVM+HOG 一.简介 方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子 ...
随机推荐
- org.apache.spark.sql.functions汇总
测试数据: id,name,age,comment,date 1,lyy,28,"aaa bbb",20180102020325 scala> var data = spar ...
- 本地矩阵(Local Matrix)
本地矩阵具有整型的行.列索引值和双精度浮点型的元素值,它存储在单机上.MLlib支持稠密矩阵DenseMatrix和稀疏矩阵Sparse Matrix两种本地矩阵,稠密矩阵将所有元素的值存储在一个列优 ...
- Ubuntu16.04安装truffle时的一些错误
1.使用truffle时出现 Error: /usr/bin/env: node: 没有那个文件或目录 1.如果是用sudo apt-get install nodejs命令安装的nodejs, ub ...
- Bitcoin: A Peer-to-Peer Electronic Cash System
Bitcoin: A Peer-to-Peer Electronic Cash System Satoshi Nakamoto October 31, 2008 Abstract A purely p ...
- APUE学习笔记3_文件IO
APUE学习笔记3_文件IO Unix中的文件IO函数主要包括以下几个:open().read().write().lseek().close()等.这类I/O函数也被称为不带缓冲的I/O,标准I/O ...
- java集合类小结
1 集合的框架体系 List简介 集合的使用场合 List(链表|线性表)和Set(集) java.util.Collection ---| Collection 描述所有接口的共性 ----| Li ...
- Java常用类之Math类
Java 的常用类Math类: java.lang.Math 提供了系列的静态方法用于科学计算,其方法的参数和返回值类型一般为 double 类型. 如: 1. public static final ...
- ACM 第六天
图论 网络流 最大流 INF(初始值) 路径上权值最小的边,决定流量大小. 流量网络的三个特性: ①流量控制 ②反对称性 ③流量守恒 残余网络:保留了c(e)容量<f(e)流量[可以继续流,因为 ...
- k邻近算法理解及代码实现
github:代码实现 本文算法均使用python3实现 1 KNN KNN(k-nearest neighbor, k近邻法),故名思议,是根据最近的 $ k $ 个邻居来判断未知点属于哪个类别 ...
- lintcode-161-旋转图像
161-旋转图像 给定一个N×N的二维矩阵表示图像,90度顺时针旋转图像. 样例 给出一个矩形[[1,2],[3,4]],90度顺时针旋转后,返回[[3,1],[4,2]] 挑战 能否在原地完成? 标 ...