推广计划英文公司的seo是什么意思

一、透视变换

        对于道路检测来说，为了方便车辆进行行驶，道路上都有车道线，为了更加方便对道路线进行检测，首先我们要把到路线平视图转变为俯视图，以便后期处理更加方便，如下图所示，该为虚拟场景的驾驶车辆第一人称图。

我们要把这张图片装变为第三人称视角的俯瞰图，如下图所示 

二、操作方式

   

导入模块

import cv2
import numpy as np

输入图像

img=cv2.imread('15.png')

 绘出透视变换线

height,width,_=img.shape
cv2.line(img,(width//2-75,height//2),(0,height),(0,0,255),2)
cv2.line(img,(width//2+

 透视变换矩阵

src=np.float32([[width//2-75,height//2],[width//2+100,height//2],[0,height],[width,height]]
)
dst=np.float32([[0,0],[width,0],[0,height],[width,height]]
)
M=cv2.getPerspectiveTransform(src,dst)

 进行透视变换

img_wrp=cv2.warpPerspective(img,M,(width,height),flags=cv2.INTER_LINEAR)

 输出图像

cv2.imshow('img',img)
cv2.imshow('img_wrp',img_wrp)
cv2.waitKey(0)

 完整代码

import cv2       
import numpy as np  img = cv2.imread('15.png')  # 获取图像的高度和宽度  
height, width, _ = img.shape  # 在图像中心绘制一条红色直线，起点为 (width//2-75, height//2)，终点为 (0, height)  
cv2.line(img, (width // 2 - 75, height // 2), (0, height), (0, 0, 255), 2)  # 在图像中心绘制另一条红色直线，起点为 (width//2+100, height//2)，终点为 (width, height)  
cv2.line(img, (width // 2 + 100, height // 2), (width, height), (0, 0, 255), 2)  # 定义源点坐标，进行透视变换的起始位置  
src = np.float32(  [  [width // 2 - 75, height // 2],  # 线段起点  [width // 2 + 100, height // 2],  # 线段终点  [0, height],                        # 左下角坐标  [width, height]                     # 右下角坐标  ]  
)  # 定义目标点坐标，透视变换后的目标位置  
dst = np.float32(  [  [0, 0],        # 目标左上角点  [width, 0],    # 目标右上角点  [0, height],   # 目标左下角点  [width, height] # 目标右下角点  ]  
)  # 计算透视变换矩阵 M  
M = cv2.getPerspectiveTransform(src, dst)  # 应用透视变换，生成新图像 img_wrp  
img_wrp = cv2.warpPerspective(img, M, (width, height), flags=cv2.INTER_LINEAR)  # 显示原图和透视变换后的图像  
cv2.imshow('img', img)       
cv2.imshow('img_wrp', img_wrp)   # 等待按键后关闭窗口  
cv2.waitKey(0)                 

三、库函数

3.1、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

3.2、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)

3.3、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