java 图像 矫正_Java基于opencv—透视变换矫正图像

很多时候我们拍摄的照片都会产生一点畸变的，就像下面的这张图

虽然不是很明显，但还是有一点畸变的，而我们要做的就是把它变成下面的这张图

效果看起来并不是很好，主要是四个顶点找的不准确，会有一些偏差，而且矫正后产生的目标图是倒着的，哪位好心人给说说为啥

因为我也没有测试畸变很大的图像，也不能保证方法适用于每个图像，这里仅提供我的思路供大家参考。

思路：

我们最重要的就是找到图像的四个顶点，有利用hough直线，求直线交点确定四个顶点，有采用寻找轮廓确定四个顶点等等；今天我提供的思路，也是采用寻找轮廓的方法，用approxPolyDP函数，对图像轮廓点进行多边形拟合，可以得到大概的一个这样的图

可以看到图像的四个顶点处，都有小白点。接下来我们要做的就是把这些点归类，即划分出四个区域[左上，右上，右下，左下]；我采用的是利用opencv的寻找轮廓，得到最大轮廓，然后生成最小外接矩形，确定四个顶点的大致位置；然后设置一个阀值，与上图中的点集合求距离，大于阀值的舍弃，小于的保留，可以得到如下的图像

这样所有的点集都落到了四个区域，利用矩形中，对角线距离最大，确定四个顶点的位置，发现效果并不是很好，如下图

到此四个顶点的位置大概的确定了，就只需要根据输入和输出点获得图像透视变换的矩阵，然后透视变换；

我们把思路再理一下：

1、寻找图像的四个顶点的坐标(重要)

思路： 1、canny描边 2、寻找最大轮廓 3、对最大轮廓点集合逼近，得到轮廓的大致点集合 4、把点击划分到四个区域中，即左上，右上，左下，右下 5、根据矩形中，对角线最长，找到矩形的四个顶点坐标

2、根据输入和输出点获得图像透视变换的矩阵

3、透视变换

我们来跟着思路实现一下代码

1、canny描边

/**

* canny算法，边缘检测

*

* @param src

* @return

*/

public static Mat canny(Mat src) {

Mat mat = src.clone();

Imgproc.Canny(src, mat, 60, 200);

HandleImgUtils.saveImg(mat, "C:/Users/admin/Desktop/opencv/open/x/canny.jpg");

return mat;

}

2、寻找最大轮廓;3、对最大轮廓点集合逼近，得到轮廓的大致点集合(代码中有很多冗余，后期会进行优化)

/**

* 利用函数approxPolyDP来对指定的点集进行逼近 精确度设置好，效果还是比较好的

*

* @param cannyMat

*/

public static Point[] useApproxPolyDPFindPoints(Mat cannyMat) {

List contours = new ArrayList();

Mat hierarchy = new Mat();

// 寻找轮廓

Imgproc.findContours(cannyMat, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_NONE,

new Point(0, 0));

// 找出匹配到的最大轮廓

double area = Imgproc.boundingRect(contours.get(0)).area();

int index = 0;

// 找出匹配到的最大轮廓

for (int i = 0; i < contours.size(); i++) {

double tempArea = Imgproc.boundingRect(contours.get(i)).area();

if (tempArea > area) {

area = tempArea;

index = i;

}

}

MatOfPoint2f approxCurve = new MatOfPoint2f();

MatOfPoint2f matOfPoint2f = new MatOfPoint2f(contours.get(index).toArray());

// 原始曲线与近似曲线之间的最大距离设置为0.01，true表示是闭合的曲线

Imgproc.approxPolyDP(matOfPoint2f, approxCurve, 0.01, true);

Point[] points = approxCurve.toArray();

return points;

}

获取四个顶点的参照点

/**

* 获取四个顶点的参照点，返回Point数组[左上，右上，右下，左下] 思路： 我们可以把四个点分成两部分，左部分，右部分

* 左部分：高的为左上，低的为左下(高低是以人的视觉) 右部分同理 首先我们找到最左和最右的位置，以它们的两个中间为分界点，

* 靠左的划分到左部分，靠右的划分到右部分 如果一个区域有三个或更多，哪个比较靠近分界线，划分到少的那个区域

*

* @param cannyMat

* @return

*/

public static Point[] findReferencePoint(Mat cannyMat) {

RotatedRect rect = findMaxRect(cannyMat);

Point[] referencePoints = new Point[4];

rect.points(referencePoints);

double minX = Double.MAX_VALUE;

double maxX = Double.MIN_VALUE;

for (int i = 0; i < referencePoints.length; i++) {

referencePoints[i].x = Math.abs(referencePoints[i].x);

referencePoints[i].y = Math.abs(referencePoints[i].y);

minX = referencePoints[i].x < minX ? referencePoints[i].x : minX;

maxX = referencePoints[i].x > maxX ? referencePoints[i].x : maxX;

}

double center = (minX + maxX) / 2;

List leftPart = new ArrayList();

List rightPart = new ArrayList();

// 划分左右两个部分

for (int i = 0; i < referencePoints.length; i++) {

if (referencePoints[i].x < center) {

leftPart.add(referencePoints[i]);

} else if (referencePoints[i].x > center) {

rightPart.add(referencePoints[i]);

} else {

if (leftPart.size() < rightPart.size()) {

leftPart.add(referencePoints[i]);

} else {

rightPart.add(referencePoints[i]);

}

}

}

double minDistance = 0;

int minIndex = 0;

if (leftPart.size() < rightPart.size()) {

// 左部分少

minDistance = rightPart.get(0).x - center;

minIndex = 0;

for (int i = 1; i < rightPart.size(); i++) {

if (rightPart.get(i).x - center < minDistance) {

minDistance = rightPart.get(i).x - center;

minIndex = i;

}

}

leftPart.add(rightPart.remove(minIndex));

} else if (leftPart.size() > rightPart.size()) {

// 右部分少

minDistance = center - leftPart.get(0).x;

minIndex = 0;

for (int i = 1; i < leftPart.size(); i++) {

if (center - leftPart.get(0).x < minDistance) {

minDistance = center - leftPart.get(0).x;

minIndex = i;

}

}

rightPart.add(leftPart.remove(minIndex));

}

if (leftPart.get(0).y < leftPart.get(1).y) {

referencePoints[0] = leftPart.get(0);

referencePoints[3] = leftPart.get(1);

}

if (rightPart.get(0).y < rightPart.get(1).y) {

referencePoints[1] = rightPart.get(0);

referencePoints[2] = rightPart.get(1);

}

return referencePoints;

}

4、把点击划分到四个区域中，即左上，右上，右下，左下(效果还可以)

/**

* 把点击划分到四个区域中，即左上，右上，右下，左下

*

* @param points

* 逼近的点集

* @param referencePoints

* 四个参照点集(通过寻找最大轮廓，进行minAreaRect得到四个点[左上，右上，右下，左下])

*/

public static Map pointsDivideArea(Point[] points, Point[] referencePoints) {

// px1 左上，px2左下，py1右上，py2右下

List px1 = new ArrayList(), px2 = new ArrayList(), py1 = new ArrayList(),

py2 = new ArrayList();

int thresold = 50;// 设置距离阀值

double distance = 0;

for (int i = 0; i < referencePoints.length; i++) {

for (int j = 0; j < points.length; j++) {

distance = Math.pow(referencePoints[i].x - points[j].x, 2)

+ Math.pow(referencePoints[i].y - points[j].y, 2);

if (distance < Math.pow(thresold, 2)) {

if (i == 0) {

px1.add(points[j]);

} else if (i == 1) {

py1.add(points[j]);

} else if (i == 2) {

py2.add(points[j]);

} else if (i == 3) {

px2.add(points[j]);

}

} else {

continue;

}

}

}

Map map = new HashMap();

map.put("px1", px1);

map.put("px2", px2);

map.put("py1", py1);

map.put("py2", py2);

return map;

}

5、根据矩形中，对角线最长，找到矩形的四个顶点坐标(效果不好)

/**

* 具体的寻找四个顶点的坐标

*

* @param map

* 四个点集域 即左上，右上，右下，左下

* @return

*/

public static Point[] specificFindFourPoint(Map map) {

Point[] result = new Point[4];// [左上，右上，右下，左下]

List px1 = map.get("px1");// 左上

List px2 = map.get("px2");// 左下

List py1 = map.get("py1");// 右上

List py2 = map.get("py2");// 右下

System.out.println("px1.size() " + px1.size());

System.out.println("px2.size() " + px2.size());

System.out.println("py1.size() " + py1.size());

System.out.println("py2.size() " + py2.size());

double maxDistance = 0;

double tempDistance;

int i, j;

int p1 = 0, p2 = 0;// 记录点的下标

// 寻找左上，右下

for (i = 0; i < px1.size(); i++) {

for (j = 0; j < py2.size(); j++) {

tempDistance = Math.pow(px1.get(i).x - py2.get(j).x, 2) + Math.pow(px1.get(i).y - py2.get(j).y, 2);

if (tempDistance > maxDistance) {

maxDistance = tempDistance;

p1 = i;

p2 = j;

}

}

}

result[0] = px1.get(p1);

result[2] = py2.get(p2);

// 寻找左下，右上

maxDistance = 0;

for (i = 0; i < px2.size(); i++) {

for (j = 0; j < py1.size(); j++) {

tempDistance = Math.pow(px2.get(i).x - py1.get(j).x, 2) + Math.pow(px2.get(i).y - py1.get(j).y, 2);

if (tempDistance > maxDistance) {

maxDistance = tempDistance;

p1 = i;

p2 = j;

}

}

}

result[1] = py1.get(p2);

result[3] = px2.get(p1);

return result;

}

整合寻找四个顶点坐标函数

/**

* 寻找四个顶点的坐标 思路： 1、canny描边 2、寻找最大轮廓 3、对最大轮廓点集合逼近，得到轮廓的大致点集合

* 4、把点击划分到四个区域中，即左上，右上，左下，右下 5、根据矩形中，对角线最长，找到矩形的四个顶点坐标

*

* @param src

*/

public static Point[] findFourPoint(Mat src) {

// 1、canny描边

Mat cannyMat = canny(src);

// 2、寻找最大轮廓;3、对最大轮廓点集合逼近，得到轮廓的大致点集合

Point[] points = useApproxPolyDPFindPoints(cannyMat);

//在图像上画出逼近的点

Mat approxPolyMat = src.clone();

for( int i = 0; i < points.length ; i++) {

setPixel(approxPolyMat, (int)points[i].y, (int) points[i].x, 255);

}

saveImg(approxPolyMat, "C:/Users/admin/Desktop/opencv/open/q/x11-approxPolyMat.jpg");

// 获取参照点集

Point[] referencePoints = findReferencePoint(cannyMat);

// 4、把点击划分到四个区域中，即左上，右上，左下，右下(效果还可以)

Map map = pointsDivideArea(points, referencePoints);

// 画出标记四个区域中的点集

Mat areaMat = src.clone();

List px1 = map.get("px1");// 左上

List px2 = map.get("px2");// 左下

List py1 = map.get("py1");// 右上

List py2 = map.get("py2");// 右下

for (int i = 0; i < px1.size(); i++) {

setPixel(areaMat, (int) px1.get(i).y, (int) px1.get(i).x, 255);

}

for (int i = 0; i < px2.size(); i++) {

setPixel(areaMat, (int) px2.get(i).y, (int) px2.get(i).x, 255);

}

for (int i = 0; i < py1.size(); i++) {

setPixel(areaMat, (int) py1.get(i).y, (int) py1.get(i).x, 255);

}

for (int i = 0; i < py2.size(); i++) {

setPixel(areaMat, (int) py2.get(i).y, (int) py2.get(i).x, 255);

}

saveImg(areaMat, "C:/Users/admin/Desktop/opencv/open/q/x11-pointsDivideArea.jpg");

// 5、根据矩形中，对角线最长，找到矩形的四个顶点坐标(效果不好)

Point[] result = specificFindFourPoint(map);

return result;

}

透视变换，矫正图像

/**

* 透视变换，矫正图像 思路： 1、寻找图像的四个顶点的坐标(重要) 思路： 1、canny描边 2、寻找最大轮廓

* 3、对最大轮廓点集合逼近，得到轮廓的大致点集合 4、把点击划分到四个区域中，即左上，右上，左下，右下 5、根据矩形中，对角线最长，找到矩形的四个顶点坐标

* 2、根据输入和输出点获得图像透视变换的矩阵 3、透视变换

*

* @param src

*/

public static Mat warpPerspective(Mat src) {

// 灰度话

src = HandleImgUtils.gray(src);

// 找到四个点

Point[] points = HandleImgUtils.findFourPoint(src);

// Canny

Mat cannyMat = HandleImgUtils.canny(src);

// 寻找最大矩形

RotatedRect rect = HandleImgUtils.findMaxRect(cannyMat);

// 点的顺序[左上 ，右上 ，右下 ，左下]

List listSrcs = java.util.Arrays.asList(points[0], points[1], points[2], points[3]);

Mat srcPoints = Converters.vector_Point_to_Mat(listSrcs, CvType.CV_32F);

Rect r = rect.boundingRect();

r.x = Math.abs(r.x);

r.y = Math.abs(r.y);

List listDsts = java.util.Arrays.asList(new Point(r.x, r.y), new Point(r.x + r.width, r.y),

new Point(r.x + r.width, r.y + r.height), new Point(r.x, r.y + r.height));

System.out.println(r.x + "," + r.y);

Mat dstPoints = Converters.vector_Point_to_Mat(listDsts, CvType.CV_32F);

Mat perspectiveMmat = Imgproc.getPerspectiveTransform(srcPoints, dstPoints);

Mat dst = new Mat();

Imgproc.warpPerspective(src, dst, perspectiveMmat, src.size(), Imgproc.INTER_LINEAR + Imgproc.WARP_INVERSE_MAP,

1, new Scalar(0));

return dst;

}

测试函数

/**

* 测试透视变换

*/

public void testWarpPerspective() {

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

Mat src = HandleImgUtils.matFactory("C:/Users/admin/Desktop/opencv/open/q/x10.jpg");

src = HandleImgUtils.warpPerspective(src);

HandleImgUtils.saveImg(src, "C:/Users/admin/Desktop/opencv/open/q/x10-testWarpPerspective.jpg");

}