延安微网站建设,模板建网站,东莞详细页设计,最牛的网站建为了方便后续的直方图滑窗对车道线进行准确的定位#xff0c;我们在这里利用透视变换将图像转换成俯视图#xff0c;也可将俯视图恢复成原有的图像#xff0c;代码如下#xff1a;
计算透视变换所需的参数矩阵#xff1a;
def cal_perspective_params(img, points):offs…为了方便后续的直方图滑窗对车道线进行准确的定位我们在这里利用透视变换将图像转换成俯视图也可将俯视图恢复成原有的图像代码如下
计算透视变换所需的参数矩阵
def cal_perspective_params(img, points):offset_x 330offset_y 0img_size (img.shape[1], img.shape[0])src np.float32(points)# 俯视图中四点的位置dst np.float32([[offset_x, offset_y], [img_size[0] - offset_x, offset_y],[offset_x, img_size[1] - offset_y],[img_size[0] - offset_x, img_size[1] - offset_y]])# 从原始图像转换为俯视图的透视变换的参数矩阵M cv2.getPerspectiveTransform(src, dst)# 从俯视图转换为原始图像的透视变换参数矩阵M_inverse cv2.getPerspectiveTransform(dst, src)return M, M_inverse
透视变换
def img_perspect_transform(img, M):img_size (img.shape[1], img.shape[0])return cv2.warpPerspective(img, M, img_size)
下面我们调用上述两个方法看下透视变换的结果
在原始图像中我们绘制道路检测的结果然后通过透视变换转换为俯视图。
img cv2.imread(./test/straight_lines2.jpg)
img cv2.line(img, (601, 448), (683, 448), (0, 0, 255), 3)
img cv2.line(img, (683, 448), (1097, 717), (0, 0, 255), 3)
img cv2.line(img, (1097, 717), (230, 717), (0, 0, 255), 3)
img cv2.line(img, (230, 717), (601, 448), (0, 0, 255), 3)
points [[601, 448], [683, 448], [230, 717], [1097, 717]]
M, M_inverse cal_perspective_params(img, points)
transform_img img_perspect_transform(img, M)
plt.figure(figsize(20,8))
plt.subplot(1,2,1)
plt.title(原始图像)
plt.imshow(img[:,:,::-1])
plt.subplot(1,2,2)
plt.title(俯视图)
plt.imshow(transform_img[:,:,::-1])
plt.show() 总结
透视变换将检测结果转换为俯视图。 代码
# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#遍历文件夹
import glob
from moviepy.editor import VideoFileClip
import sys
reload(sys)
sys.setdefaultencoding(utf-8)参数设置
nx 9
ny 6
#获取棋盘格数据
file_paths glob.glob(./camera_cal/calibration*.jpg)# 绘制对比图
def plot_contrast_image(origin_img, converted_img, origin_img_titleorigin_img, converted_img_titleconverted_img,converted_img_grayFalse):fig, (ax1, ax2) plt.subplots(1, 2, figsize(15, 20))ax1.set_title origin_img_titleax1.imshow(origin_img)ax2.set_title converted_img_titleif converted_img_gray True:ax2.imshow(converted_img, cmapgray)else:ax2.imshow(converted_img)plt.show()#相机矫正使用opencv封装好的api
#目的:得到内参、外参、畸变系数
def cal_calibrate_params(file_paths):#存储角点数据的坐标object_points [] #角点在真实三维空间的位置image_points [] #角点在图像空间中的位置#生成角点在真实世界中的位置objp np.zeros((nx*ny,3),np.float32)#以棋盘格作为坐标每相邻的黑白棋的相差1objp[:,:2] np.mgrid[0:nx,0:ny].T.reshape(-1,2)#角点检测for file_path in file_paths:img cv2.imread(file_path)#将图像灰度化gray cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#角点检测rect,coners cv2.findChessboardCorners(gray,(nx,ny),None)#若检测到角点则进行保存 即得到了真实坐标和图像坐标if rect True :object_points.append(objp)image_points.append(coners)# 相机较真ret, mtx, dist, rvecs, tvecs cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)return ret, mtx, dist, rvecs, tvecs# 图像去畸变利用相机校正的内参畸变系数
def img_undistort(img, mtx, dist):dis cv2.undistort(img, mtx, dist, None, mtx)return dis#车道线提取
#颜色空间转换--》边缘检测--》颜色阈值--》并且使用L通道进行白色的区域进行抑制
def pipeline(img,s_thresh (170,255),sx_thresh(40,200)):# 复制原图像img np.copy(img)# 颜色空间转换hls cv2.cvtColor(img,cv2.COLOR_RGB2HLS).astype(np.float)l_chanel hls[:,:,1]s_chanel hls[:,:,2]#sobel边缘检测sobelx cv2.Sobel(l_chanel,cv2.CV_64F,1,0)#求绝对值abs_sobelx np.absolute(sobelx)#将其转换为8bit的整数scaled_sobel np.uint8(255 * abs_sobelx / np.max(abs_sobelx))#对边缘提取的结果进行二值化sxbinary np.zeros_like(scaled_sobel)#边缘位置赋值为1非边缘位置赋值为0sxbinary[(scaled_sobel sx_thresh[0]) (scaled_sobel sx_thresh[1])] 1#对S通道进行阈值处理s_binary np.zeros_like(s_chanel)s_binary[(s_chanel s_thresh[0]) (s_chanel s_thresh[1])] 1# 结合边缘提取结果和颜色通道的结果color_binary np.zeros_like(sxbinary)color_binary[((sxbinary 1) | (s_binary 1)) (l_chanel 100)] 1return color_binary#透视变换--将检测结果转换为俯视图。
#获取透视变换的参数矩阵【二值图的四个点】
def cal_perspective_params(img,points):# x与y方向上的偏移offset_x 330offset_y 0#转换之后img的大小img_size (img.shape[1],img.shape[0])src np.float32(points)#设置俯视图中的对应的四个点 左上角 右上角 左下角 右下角dst np.float32([[offset_x, offset_y], [img_size[0] - offset_x, offset_y],[offset_x, img_size[1] - offset_y], [img_size[0] - offset_x, img_size[1] - offset_y]])## 原图像转换到俯视图M cv2.getPerspectiveTransform(src, dst)# 俯视图到原图像M_inverse cv2.getPerspectiveTransform(dst, src)return M, M_inverse#根据透视变化矩阵完成透视变换
def img_perspect_transform(img,M):#获取图像大小img_size (img.shape[1],img.shape[0])#完成图像的透视变化return cv2.warpPerspective(img,M,img_size)if __name__ __main__:#透视变换#获取原图的四个点img cv2.imread(./test/straight_lines2.jpg)points [[601, 448], [683, 448], [230, 717], [1097, 717]]#将四个点绘制到图像上 (文件坐标起点坐标终点颜色连接起来)img cv2.line(img, (601, 448), (683, 448), (0, 0, 255), 3)img cv2.line(img, (683, 448), (1097, 717), (0, 0, 255), 3)img cv2.line(img, (1097, 717), (230, 717), (0, 0, 255), 3)img cv2.line(img, (230, 717), (601, 448), (0, 0, 255), 3)plt.figure()#反转CV2中BGR 转化为matplotlib的RGBplt.imshow(img[:, :, ::-1])plt.title(Original drawing)plt.show()#透视变换M,M_inverse cal_perspective_params(img,points)if np.all(M ! None):trasform_img img_perspect_transform(img, M)plt.figure()plt.imshow(trasform_img[:, :, ::-1])plt.title(vertical view)plt.show()else:print(failed)
效果图
