在一组 cv::Point 上执行 cv::warpPerspective 进行假倾斜校正
问题: 如何我是否可以使用 cv::warpPerspective 对一组点实现倾斜校正效果?这些点不按特定顺序存储,而是存储在向量中。
理解问题:
- 点排序不正确:点的顺序输入和输出向量必须匹配才能实现所需的转换。
- 图像尺寸不正确:输出图像的宽度和高度应与边界匹配
假校正的步骤:
- 正确的点排序:确保点的顺序输入和输出向量都遵循相同的顺序(例如,左上、左下、右下、右上)。
- 旋转矩形调整:使用 cv::minAreaRect() 围绕输入点创建一个旋转矩形。但请注意,此方法可能会稍微改变原始点坐标。
- 仿射变换:利用仿射变换函数 cv::getAffineTransform() 和 cv::warpAffine(),如下所示对于这种特定的偏移校正操作,它们的计算效率更高。
- 不同的输出Size:要使校正图像仅包含感兴趣的对象,请定义与边界矩形大小匹配的新图像大小(例如,cv::Size(width, height))。
- Apply Affine Transform:将输入图像、输入点、输出点和定义的输出大小传递给 cv::warpAffine() 来执行实际的去歪斜变换。
示例代码:
#include <opencv2> int main() { // Input image Mat src = imread("input.jpg"); // Input points (not in particular order) vector<point> points = { Point(408, 69), // Top-left Point(72, 2186), // Bottom-left Point(1584, 2426), // Bottom-right Point(1912, 291), // Top-right }; // Rotated rectangle (bounding box) RotatedRect boundingRect = minAreaRect(Mat(points)); // Corrected point ordering Point2f vertices[3]; vertices[0] = boundingRect.center + boundingRect.size * 0.5f; // Top-left vertices[1] = boundingRect.center + boundingRect.size * 0.5f; // Bottom-left vertices[1].y += boundingRect.size.height; vertices[2] = boundingRect.center - boundingRect.size * 0.5f; // Bottom-right // Output point ordering Point2f outputVertices[3]; outputVertices[0] = Point(0, 0); // Top-left outputVertices[1].x = outputVertices[0].x + boundingRect.size.width; // Bottom-left outputVertices[1].y = outputVertices[1].x; outputVertices[2] = outputVertices[0]; // Bottom-right // Affine transformation matrix Mat transformationMatrix = getAffineTransform(vertices, outputVertices); // Deskewed image with corrected size Mat deskewedImage; Size outputSize(boundingRect.size.width, boundingRect.size.height); warpAffine(src, deskewedImage, transformationMatrix, outputSize, INTER_LINEAR); // Save deskewed image imwrite("deskewed.jpg", deskewedImage); }</point></opencv2>
以上是如何使用 cv::warpPerspective 校正一组点?的详细内容。更多信息请关注PHP中文网其他相关文章!

C 面试中,智能指针是关键工具,帮助管理内存并减少内存泄漏。1)std::unique_ptr提供独占所有权,确保资源自动释放。2)std::shared_ptr用于共享所有权,适用于多引用场景。3)std::weak_ptr可避免循环引用,确保安全资源管理。

C 的未来将专注于并行计算、安全性、模块化和AI/机器学习领域:1)并行计算将通过协程等特性得到增强;2)安全性将通过更严格的类型检查和内存管理机制提升;3)模块化将简化代码组织和编译;4)AI和机器学习将促使C 适应新需求,如数值计算和GPU编程支持。

C 在现代编程中依然重要,因其高效、灵活和强大的特性。1)C 支持面向对象编程,适用于系统编程、游戏开发和嵌入式系统。2)多态性是C 的亮点,允许通过基类指针或引用调用派生类方法,增强代码的灵活性和可扩展性。

C#和C 在性能上的差异主要体现在执行速度和资源管理上:1)C 在数值计算和字符串操作上通常表现更好,因为它更接近硬件,没有垃圾回收等额外开销;2)C#在多线程编程上更为简洁,但性能略逊于C ;3)选择哪种语言应根据项目需求和团队技术栈决定。

1)c relevantduetoItsAverity and效率和效果临界。2)theLanguageIsconTinuellyUped,withc 20introducingFeaturesFeaturesLikeTuresLikeSlikeModeLeslikeMeSandIntIneStoImproutiMimproutimprouteverusabilityandperformance.3)

C 在现代世界中的应用广泛且重要。1)在游戏开发中,C 因其高性能和多态性被广泛使用,如UnrealEngine和Unity。2)在金融交易系统中,C 的低延迟和高吞吐量使其成为首选,适用于高频交易和实时数据分析。

C 中有四种常用的XML库:TinyXML-2、PugiXML、Xerces-C 和RapidXML。1.TinyXML-2适合资源有限的环境,轻量但功能有限。2.PugiXML快速且支持XPath查询,适用于复杂XML结构。3.Xerces-C 功能强大,支持DOM和SAX解析,适用于复杂处理。4.RapidXML专注于性能,解析速度极快,但不支持XPath查询。

C 通过第三方库(如TinyXML、Pugixml、Xerces-C )与XML交互。1)使用库解析XML文件,将其转换为C 可处理的数据结构。2)生成XML时,将C 数据结构转换为XML格式。3)在实际应用中,XML常用于配置文件和数据交换,提升开发效率。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Linux新版
SublimeText3 Linux最新版

DVWA
Damn Vulnerable Web App (DVWA) 是一个PHP/MySQL的Web应用程序,非常容易受到攻击。它的主要目标是成为安全专业人员在合法环境中测试自己的技能和工具的辅助工具,帮助Web开发人员更好地理解保护Web应用程序的过程,并帮助教师/学生在课堂环境中教授/学习Web应用程序安全。DVWA的目标是通过简单直接的界面练习一些最常见的Web漏洞,难度各不相同。请注意,该软件中

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。

Atom编辑器mac版下载
最流行的的开源编辑器