python - OpenCV 中的图像转换

Question

这个问题与这个问题有关:How to remove convexity defects in sudoku square

我试图实现 nikie's answer在 Mathematica 到 OpenCV-Python。但我被困在程序的最后一步。

我得到了正方形的所有交点，如下所示:

现在，我想把它转换成一个完美的正方形(450,450)，如下所示:

(不要介意两张图像的亮度差异)。

问题:我如何在 OpenCV-Python 中做到这一点？我正在使用 cv2 版本。

Answer 1

除了 etarion 的建议，你也可以使用 remap功能。我写了一个快速脚本来展示如何做到这一点。如您所见，这在 Python 中非常简单。这是测试图片:

这是变形后的结果:

这里是代码:

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)

我想你可以用谷歌搜索一下 griddata 是做什么的。简而言之，它进行插值，在这里我们使用它来将稀疏映射转换为密集映射，因为 cv2.remap 需要密集映射。我们只需要将值转换为 float32，因为 OpenCV 提示 float64 类型。请告诉我进展如何。

更新:如果你不想依赖Scipy，一种方法是在你的代码中实现2d插值功能，例如看Scipy中griddata的源代码或更简单的一个这样的http://inasafe.readthedocs.org/en/latest/_modules/engine/interpolation2d.html这仅取决于 numpy.不过，我建议为此使用 Scipy 或其他库，尽管我明白为什么只需要 CV2 和 numpy 对于这样的情况可能会更好。我想听听您的最终代码如何解决数独问题。