Transformación de imágenes en OpenCV

Question

Esta pregunta está relacionada con esta pregunta: How to remove convexity defects in sudoku square

Yo estaba tratando de poner en práctica nikie's answer en Mathematica to OpenCV-Python. Pero estoy atascado en el último paso del procedimiento.

es decir Tengo los todos los puntos de intersección en la plaza, como a continuación:

Ahora, quiero transformar esto en un cuadrado perfecto de tamaño (450 450) como se indica a continuación:

(No importa la diferencia de brillo de dos imágenes).

Pregunta: ¿Cómo puedo hacer esto en OpenCV-Python? Estoy usando la versión cv2.

Answer 1

Además de la sugerencia de etarion, también podría usar la función remap. Escribí un guión rápido para mostrar cómo puedes hacer esto. Como ve la codificación esto es realmente fácil en Python. Esta es la imagen de la prueba:

y este es el resultado después de la deformación:

Y aquí está el código:

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) 

supongo que puede google y encuentra qué griddata hace. En resumen, hace interpolación y aquí lo usamos para convertir mapeos dispersos a mapeos densos ya que cv2.remap requiere mapeos densos. Solo tenemos que convertir los valores en float32 ya que OpenCV se queja del tipo float64. Por favor déjame saber cómo va.

actualización: Si no quiere depender de Scipy, una forma es aplicar la función de interpolación 2d en su código, por ejemplo, ver el código fuente de gridData en Scipy o uno más sencillo como esto http://inasafe.readthedocs.org/en/latest/_modules/engine/interpolation2d.html que solo depende del numpy Sin embargo, sugiero utilizar Scipy u otra biblioteca para esto, aunque veo por qué requerir solo CV2 y numpy puede ser mejor para un caso como este. Me gustaría escuchar cómo tu código final resuelve Sudokus.

Answer 2

si tiene puntos de origen y puntos finales (solo necesita 4), puede conectarlos a cv2.getPerspectiveTransform, y usar ese resultado en cv2.warpPerspective. Te da un buen resultado plano.