一、图像矫正

        仿射变换是把一个二维坐标系转换到另一个二 维坐标系的过程，转换过程坐标点的相对位置和属性不发生变换，是一个线性变换，该过程只发生旋转 和平移过程。因此，一个平行四边形经过仿射变换后还是一个平行四边形。

        图像矫正的原理是透视变换，透视变换是把一个图像投影到一个新的视平面的过程，在现实世界中，我们观察到的物体在视觉上会 受到透视效果的影响，即远处的物体看起来会比近处的物体小。透视投影是指将三维空间中的物体投影 到二维平面上的过程，这个过程会导致物体在图像中出现形变和透视畸变。透视变换可以通过数学模型 来校正这种透视畸变，使得图像中的物体看起来更符合我们的直观感受。通俗的讲，透视变换的作用其 实就是改变一下图像里的目标物体的被观察的视角。

        如上图所示，左图在经过透视变换后得到了右图的结果，带入上面的话就是图像中的车道线（目标物 体）的被观察视角从平视视角变成了俯视视角，这就是透视变换的作用。

        其中x、y是原始图像点的坐标， 、 是变换后的坐标，a11，a12，…,a33则是一些旋转量和平移量， 由于透视变换矩阵的推导涉及三维的转换，所以这里不具体研究该矩阵，只要会使用就行，而OpenCV 里也提供了getPerspectiveTransform()函数用来生成该3*3的透视变换矩阵。

在该函数中，需要提供两个参数：

        src：原图像上需要进行透视变化的四个点的坐标，这四个点用于定义一个原图中的四边形区域。

        dst：透视变换后，src的四个点在新目标图像的四个新坐标。

该函数会返回一个透视变换矩阵，得到透视变化矩阵之后，使用warpPerspective()函数即可进行透视变 化计算，并得到新的图像。该函数需要提供如下参数：

        src：输入图像。

        M：透视变换矩阵。这个矩阵可以通过getPerspectiveTransform函数计算得到。

        dsize：输出图像的大小。它可以是一个Size对象，也可以是一个二元组。

        flags：插值方法的标记。

        borderMode：边界填充的模式。 

导入模块

import cv2
import numpy as np

输入图像

img=cv2.imread('care.png')

 查找点坐标

points1=np.float32([[185,90], [540,135],[110,310], [520,355]])
points2=np.float32([[0,0],[img.shape[1],0],[0,img.shape[0]],[img.shape[1],img.shape[0]]])

根据点坐标绘线（选绘）

cv2.line(img, [178,90], [540,135], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)
cv2.line(img, [110,310], [520,355], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)

cv2.line(img, [178,90], [110,310], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)
cv2.line(img, [540,135], [520,355], color=(0,0,255),thickness=1, lineType=cv2.LINE_AA)

 ​​​

透视变换矩阵

M=cv2.getPerspectiveTransform(points1,points2)

图像校正

img_warpP=cv2.warpPerspective(img,M,(img.shape[1],img.shape[0]))

完整代码

import cv2  # 导入OpenCV库  
import numpy as np  # 导入NumPy库，用于数组处理  

# 读取图像  
img = cv2.imread('care.png')  

# 定义透视变换前的四个点坐标 (原图中的对应坐标)  
points1 = np.float32([[185, 90], [540, 135], [110, 310], [520, 355]])  

# 定义透视变换后的四个点坐标 (目标图像中的坐标)  
points2 = np.float32([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]])  

# 在图像上绘制四条红色线段，便于视图对比  
cv2.line(img, [178, 90], [540, 135], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第1条线  
cv2.line(img, [110, 310], [520, 355], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第2条线  
cv2.line(img, [178, 90], [110, 310], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第3条线  
cv2.line(img, [540, 135], [520, 355], color=(0, 0, 255), thickness=1, lineType=cv2.LINE_AA)  # 第4条线  

# 计算透视变换矩阵  
M = cv2.getPerspectiveTransform(points1, points2)  

# 应用透视变换，得到变换后的图像  
img_warpP = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))  

# 显示原图像  
cv2.imshow('img', img)  

# 显示透视变换后的图像  
cv2.imshow('img_warpP', img_warpP)  

# 等待用户按键后关闭窗口  
cv2.waitKey(0)  

二、库函数 

2.1、line()

cv.line（	img， pt1， pt2， color[， thickness[， lineType[， shift]]]	) ->	IMG

方法	描述
img	该图像
pt1	线段的第一个点
pt2	线段的第二个点
color	线条颜色
thickness	线条粗细
lineType	线路的类型。请参见 LineTypes
shift	点坐标中的小数位数

2.2、getPerspectiveTransform()

cv.getPerspectiveTransform(	src, dst[, solveMethod]	) ->	retval

方法	描述
src	源图像中四边形顶点的坐标。
dst	目标图像中相应四边形顶点的坐标。
solveMethod	传递给 cv：：solve 的方法 （DecompTypes)

2.3、warpPerspective()

cv.warpPerspective（	src， M， dsize[， dst[， flags[， borderMode[， borderValue]]]]	) ->	DST

方法	描述
src	输入图像
dst	输出图像，其大小为 dsize 且类型与 src 相同
M	3*3变换矩阵
dsize	输出图像的大小
flags	插值方法（INTER_LINEAR 或 INTER_NEAREST）和可选标志 WARP_INVERSE_MAP 的组合，将 M 设置为逆变换
borderMode	像素外插法（BORDER_CONSTANT 或 BORDER_REPLICATE）。
borderValue	在恒定边界的情况下使用的值;默认情况下，它等于 0