如何撤消opencv中单点的透视变换答案

【问题标题】：How to undo a perspective transform for a single point in opencv如何撤消opencv中单点的透视变换
【发布时间】：2015-06-30 20:01:30
【问题描述】：

我正在尝试使用反向透视图进行一些图像分析。我使用 openCV 函数 getTransform 和 findHomography 生成一个变换矩阵并将其应用于源图像。这很好用，我可以从我想要的图像中获得分数。问题是，我不知道如何获取单个点值并撤消转换以将它们绘制回原始图片。我只想撤消这组点的变换以找到它们的原始位置。如何做到这一点。这些点采用 openCV 库中的 Point(x,y) 形式。

【问题讨论】：

我不知道 OpenCV 方法，但如果是透视变换，则无法反转它。您将 3D 点转换为 2D 点。您从 2D 点唯一知道的是，在 3D 中，它位于从相机到 2D 图像位置的直线上。线上的位置不明确。
正如@CoertMetz 所说，通常您只需反转变换矩阵并使用该逆矩阵来变换点。
@Micka 我已经尝试反转变换矩阵，我能够回到原始图像。问题是我只想找到我的 4 个点的新位置。我不确定如何正确存储点以反转它们。如果我手动进行反演，我只需将该点设为向量并将其与逆变换相乘即可得到新点。但是，我已经尝试过了，但它没有给我正确的位置。
将cv::Point2f 点放入std::vector<cv::Point2f>，然后使用cv::perspectiveTransform(inputVector, emptyOutputVector, yourTransformation)
@Micka 感谢完美的工作。我想我有点想多了。如果你把它写成答案，我会把它标记为正确的。

标签： c++ opencv matrix computer-vision transformation

【解决方案1】：

要反转单应性（例如透视变换），您通常只需反转变换矩阵。

因此，要将某些点从目标图像转换回源图像，您需要反转转换矩阵并使用结果转换这些点。要使用变换矩阵变换一个点，您可以将其从右乘到矩阵，然后可能是去同质化。

幸运的是，OpenCV 不仅提供了 warpAffine/warpPerspective 方法，将一个图像的每个像素转换为另一个图像，还提供了转换单个点的方法。

使用cv::perspectiveTransform(inputVector, emptyOutputVector, yourTransformation)方法变换一组点，其中

inputVector 是 std::vector<cv::Point2f>（您也可以使用 nx2 或 2xn 矩阵，但有时这是错误的）。相反，您可以使用 cv::Point3f 类型，但我不确定这些是用于 3D 转换的同质坐标点还是 3D 点（或两者兼而有之？）。

outputVector 是一个空的std::vector<cv::Point2f> 将存储结果

yourTransformation 是双精度 3x3 cv::Mat（如 findHomography 提供的）变换矩阵（或 4x4 用于 3D 点）。

【讨论】：

【解决方案2】：

这是一个 Python 示例：

import cv2
import numpy as np

# Forward transform
point_transformed = cv2.perspectiveTransform(point_original, trans)

# Reverse transform
inv_trans = np.linalg.pinv(trans)
round_tripped = cv2.perspectiveTransform(point_transformed, inv_trans)

# Now, round_tripped should be approximately equal to point_original

【讨论】：

【解决方案3】：

您可以使用cv::perspectiveTransform(inputVector, emptyOutputVector, yourTransformation) 对点应用透视变换

Python：cv2.perspectiveTransform(src, m) → dst

src – 输入两通道或三通道浮点数组；每个元素都是要转换的 2D/3D 向量。 m – 之前由cv2.getPerspectiveTransform(_src, _dst) 计算的 3x3 或 4x4 浮点变换矩阵

在python中，你必须在一个numpy数组中传递点，如下所示：

points_to_be_transformed = np.array([[[0, 0]]], dtype=np.float32)
transfromed_points = cv2.perspectiveTransform(points_to_be_transformed, m)

transfromed_points 也将具有与输入数组相同的形状：points_to_be_transformed

【讨论】：