4点透视变换失败

我一直在尝试进行 4 点透视变换，以便开始进行一些 OCR 操作。

从下图开始我可以检测到车牌号

并将其裁剪出来，绿色框是边界框，红点是我想要正方形的矩形的角。

这是变换的输出。

乍一看，它似乎已经完成了由内而外的变换（将零件放在两侧而不是点之间）。

我正在使用 imutils 包进行转换并从中进行工作this http://www.pyimagesearch.com/2017/02/13/recognizing-digits-with-opencv-and-python/ and this http://www.pyimagesearch.com/2014/08/25/4-point-opencv-getperspective-transform-example/作为指导。我确信我缺少的是相对简单的东西。

#!/usr/bin/python
import numpy as np
import cv2
import imutils
from imutils import contours
from imutils.perspective import four_point_transform

img = cv2.imread("sample7-smaller.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.bilateralFilter(gray,15,75,75)
v = np.median(blurred)
lower = int(max(0, (1.0 - 0.33) * v))
upper = int(min(255, (1.0 + 0.33) * v))
edged = cv2.Canny(blurred, lower, upper, 255)

conts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
    cv2.CHAIN_APPROX_SIMPLE)
conts = conts[0] if imutils.is_cv2() else conts[1]
conts = sorted(conts, key=cv2.contourArea, reverse=True)

for cnt in conts:
    approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)
    if len(approx) == 4:
        x,y,w,h = cv2.boundingRect(cnt)
        cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
        for i in approx:
            cv2.circle(img,(i[0][0], i[0][1]),2,(0,0,255), thickness=4)
        warped = four_point_transform(img, approx.reshape(4,2))
        cv2.imshow("crop",img[y:y+h,x:x+w])
        cv2.imshow("warped", warped)
        cv2.waitKey(0)

我建议你使用 OpenCV透视变换 http://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html#getperspectivetransform方法，根据给定的图像获得所需的结果：

首先标记src点的位置：

src_pts = np.array([[8, 136], [415, 52], [420, 152], [14, 244]], dtype=np.float32)

假设您想将此车牌放入形状为 50x200 的矩阵中，因此目标点为：

dst_pts = np.array([[0, 0],   [200, 0],  [200, 50], [0, 50]], dtype=np.float32)

求透视变换矩阵为：

M = cv2.getPerspectiveTransform(src_pts, dst_pts)
warp = cv2.warpPerspective(img, M, (200, 50))

编辑：由于您不想对板的最终宽度和高度进行硬编码，因此为了使计算更加灵活，您可以根据 4 个标记点计算板的宽度和高度，如下所示：

def get_euler_distance(pt1, pt2):
    return ((pt1[0] - pt2[0])**2 + (pt1[1] - pt2[1])**2)**0.5

src_pts = np.array([[8, 136], [415, 52], [420, 152], [14, 244]], dtype=np.float32)

width = get_euler_distance(src_pts[0][0], src_pts[0][1])
height = get_euler_distance(src_pts[0][0], src_pts[0][3])

dst_pts = np.array([[0, 0],   [width, 0],  [width, height], [0, height]], dtype=np.float32)

M = cv2.getPerspectiveTransform(src_pts, dst_pts)
warp = cv2.warpPerspective(img, M, (width, height))