图像重新映射，无需裁剪

Question

这是此问题的延续： Finding Squares in Image

我按照我的回答中的步骤：https://dsp.stackexchange.com/a/7526/818，我得到了以下答案：

但在答案结束时，我已经解释了一个问题，那就是我的问题。

说明：

我已经拥有上一个链接中步骤1中检测到的方块的质心（并且这些检测到的方块在下面的mask_image中标记）：

我创建了一个网格图像，如下所示（我也知道它们的质心值）：

我还发现网格图像中的哪个点要映射到mask_image中的对应点。

有了这些信息，我应用了 scipy.interpolate.griddata（），然后应用了OpenCV的cv2.remap（）函数。

结果如下：

如您所见，除中心两个以外的所有方格都被剪裁。就像，输出只包含绘制连接mask_image的所有质心的边界内的区域。

下面的场景变得更糟：

在第一步中未检测到最后一个方格（黄色）或四个角中的任何其他方格时，情况更糟。考虑最后一个未检测到。然后下面是我得到的结果，你可以看到底部的斜切（标有黄色）：

问题：

为什么重映射功能不能超出我给出的分数？我该怎么做才能重新映射而不剪裁？

我认为即使我提供了一些不在边缘的点，它也能用于完整的图像。

预期产出：

以下是我在操作结束时预期的输出。 （红色边界内的区域是我现在实际得到的）

寻找一些好的建议......

更新：

我也在这里添加代码。仅添加重新映射部件代码。完整代码太大了，不能在这里添加：

# ideal - the grid image - http://i.stack.imgur.com/3QudG.png
# centroids - list of centroids of the squares in mask_image - http://i.stack.imgur.com/jh6bQ.png
# match_pts - list of centroids of the squares in grid image corresponding to squares in mask_image
# warped - the final image obtained after remap - http://i.stack.imgur.com/O26ZA.png

grid_x,grid_y = np.meshgrid(np.arange(ideal.shape[1]),np.arange(ideal.shape[0]))
dst = np.array(centroids) 
src = np.array(match_pts) 
grid_z = griddata(dst,src,(grid_x,grid_y),method='cubic')
map_x_32 = grid_z[:,:,0].astype('float32')
map_y_32 = grid_z[:,:,1].astype('float32')
warped = cv2.remap(ideal, map_x_32, map_y_32, cv2.INTER_CUBIC)

还添加了像质心，match_pts等数据，这样如果有人想要尝试，他们可以直接使用数据而不是从图像中找到它： gist.github.com/4540887

Answer 1

步骤1：无论您从B，G，R，H，S，V平面分析得到的最终二进制图像是什么，都会在该图像中执行blob计数算法。

步骤2：根据面积或轮廓长度找到最大的斑点。由于你的blob主要是平行四边形类型，所以区域或轮廓，任何人都可以。

步骤3：使用最大的blob（因为最大的blob是类似于你的真实世界方块的最佳blob），试着找到blob的方向...这可以通过拟合最合适的矩形来获得或者你可以获得角点...获得连接它们的线的斜率（在水平和垂直方向）。

步骤4：一旦得到两个斜坡，绘制两条穿过blob轴的线。对于轴你可以平均角点或你可以使用质心（质心）...我会去角点的平均值...

步骤5：由于在每个水平和垂直方向上，间距相等（理想水平和垂直间距也相等，因为它来自您理想的方形图片，但我们不会假设它...）只需要找到可能的质心其他平行四边形

BOTTOM LINE：如果完全检测到任何一个方格，您可以制作整个网格。只是沿着最大斑点的水平轴保持标记中心的间隔为2H（H =最大斑点的水平宽度），并沿着斑点的垂直轴垂直地以2V的间隔（V =最大斑点的垂直高度）。

支持的一些照片