找到 4 个特定的角像素并将它们与扭曲透视一起使用

我正在使用 OpenCV，我想知道如何构建一个简单版本的透视变换程序。我有一张平行四边形的图像，它的每个角都由具有特定颜色的像素组成，该像素在图像中没有其他位置。我想遍历所有像素并找到这 4 个像素。然后我想将它们用作新图像中的角点，以扭曲原始图像的透视。最后我应该有一个放大的正方形。

Point2f src[4]; //Is this the right datatype to use here?
int lineNumber=0;
//iterating through the pixels
for(int y = 0; y < image.rows; y++)
{
    for(int x = 0; x < image.cols; x++)
    {
        Vec3b colour = image.at<Vec3b>(Point(x, y));
    if(color.val[1]==245 && color.val[2]==111 && color.val[0]==10) { 
        src[lineNumber]=this pixel // something like Point2f(x,y) I guess
        lineNumber++;
    }
    }
}
/* I also need to get the dst points for getPerspectiveTransform 
and afterwards warpPerspective, how do I get those? Take the other 
points, check the biggest distance somehow and use it as the maxlength to calculate 
the rest? */

你应该如何使用OpenCV来解决这个问题？ （我只是猜我没有以“正常而聪明的方式”这样做）另外我该如何进行下一步，即使用多个像素作为“标记”并计算多个像素中间的平均点点。有什么比遍历每个像素更有效的方法吗？

基本上是这样的：

从带有彩色圆圈作为标记的图像开始，例如：

请注意，这是一个 png 图像，即采用无损压缩，保留了实际颜色。如果您使用像 jpeg 这样的有损压缩，颜色会稍微改变，并且您无法像此处那样通过精确匹配对它们进行分段。

您需要找到每个标记的中心。

1. 使用分割（已知）颜色inRange http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html?#cv.InRange
2. 查找具有给定颜色的所有连接组件，其中查找轮廓 http://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?s#findcontours
3. 找到最大的斑点，这里完成了最大元素 http://www.cplusplus.com/reference/algorithm/max_element/带有 lambda 函数，并且distance http://www.cplusplus.com/reference/iterator/distance/?kw=distance。您可以为此使用 for 循环。
4. 找到最大斑点的质心，这里完成了moments http://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?s#moments。最终，您也可以在这里使用循环。
5. 将中心添加到您的source顶点。

Your 目的地顶点只是目标图像的四个角。

然后你可以使用获取透视变换 http://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html?#getperspectivetransform and 扭曲透视 http://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html?#warpperspective查找并应用扭曲。

结果图像是：

Code:

#include <opencv2/opencv.hpp>
#include <vector>
#include <algorithm>
using namespace std;
using namespace cv;

int main()
{
    // Load image
    Mat3b img = imread("path_to_image");

    // Create a black output image
    Mat3b out(300,300,Vec3b(0,0,0));

    // The color of your markers, in order
    vector<Scalar> colors{ Scalar(0, 0, 255), Scalar(0, 255, 0), Scalar(255, 0, 0), Scalar(0, 255, 255) }; // red, green, blue, yellow

    vector<Point2f> src_vertices(colors.size());
    vector<Point2f> dst_vertices = { Point2f(0, 0), Point2f(0, out.rows - 1), Point2f(out.cols - 1, out.rows - 1), Point2f(out.cols - 1, 0) };

    for (int idx_color = 0; idx_color < colors.size(); ++idx_color)
    {
        // Detect color
        Mat1b mask;
        inRange(img, colors[idx_color], colors[idx_color], mask);

        // Find connected components
        vector<vector<Point>> contours;
        findContours(mask, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

        // Find largest
        int idx_largest = distance(contours.begin(), max_element(contours.begin(), contours.end(), [](const vector<Point>& lhs, const vector<Point>& rhs) {
            return lhs.size() < rhs.size();
        }));

        // Find centroid of largest component
        Moments m = moments(contours[idx_largest]);
        Point2f center(m.m10 / m.m00, m.m01 / m.m00);

        // Found marker center, add to source vertices
        src_vertices[idx_color] = center;
    }

    // Find transformation
    Mat M = getPerspectiveTransform(src_vertices, dst_vertices);

    // Apply transformation
    warpPerspective(img, out, M, out.size());

    imshow("Image", img);
    imshow("Warped", out);
    waitKey();

    return 0;
}