Гомография Opencv не дает требуемой трансформации

Я столкнулся с аналогичной проблемой, и вот как я ее решил (на самом деле очень похоже на ваш метод), просто я использовал матрицу вращения вместо гомографии:

1. читать изображение
2. краевой детектор

3. линия, чтобы получить все линии (с наклоном внутри определенного интервала)

   lines = cv.HoughLinesP(img, 1, np.pi/180, 100, minLineLength=100, maxLineGap=10)
   

4. получить средний наклон линий, потому что в моем случае у меня было много параллельных линий, которые можно было использовать в качестве ссылки, и таким образом я смог получить лучший результат

    for line in lines:
        x1,y1,x2,y2 = line[0]
        if (x2-x1) != 0:
            angle = math.atan((float(y2-y1))/float((x2-x1))) * 180 / math.pi
        else:
            angle = 90
        #you can skip this test if you have no info about the lines you re looking for
        #in this case offset_angle is = 0
        if min_angle_threshold <= angle <= max_angle_threshold:
           tot_angle = tot_angle + angle
           cnt = cnt + 1
    average_angle = (tot_angle / cnt) - offset_angle 
   

5. применить встречное вращение

     center = your rotation center - probably the center of the image
     rotation_matrix = cv.getRotationMatrix2D(center, angle, 1.0)
     height, width = img.shape
     rotated_image = cv.warpAffine(img, rotation_matrix, (width, height))
   
    #do whatever you want, then rotate image back
    counter_rotation_matrix = cv.getRotationMatrix2D(center, -angle, 1.0)
    original_image = cv.warpAffine( rotated_image, counter_rotation_matrix, (width, height))
   

Обновлено: см. полный пример здесь:

    import math
    import cv2 as cv

    img = cv.imread('C:\\temp\\test_3.jpg',0)
    edges = cv.Canny(img,100,200)
    lines = cv.HoughLinesP(edges[0:50,:], 1, np.pi/180, 50, minLineLength=10, maxLineGap=10)
    tot_angle = 0
    cnt = 0
    for line in lines:
        x1,y1,x2,y2 = line[0]
        if (x2-x1) != 0:
            angle = math.atan((float(y2-y1))/float((x2-x1))) * 180 / math.pi
        else:
            angle = 90

        if -30 <= angle <= 30:
            tot_angle = tot_angle + angle
            cnt = cnt + 1
    average_angle = (tot_angle / cnt)
    h,w = img.shape[:2]
    center = w/2, h/2
    rotation_matrix = cv.getRotationMatrix2D(center, average_angle, 1.0)
    height, width = img.shape
    rotated_image = cv.warpAffine(img, rotation_matrix, (width, height))
    cv.imshow("roto", rotated_image)
    #do all your stuff here, add text and whatever
    #...
    #...
    counter_rotation_matrix = cv.getRotationMatrix2D(center, -average_angle, 1.0)
    original_image = cv.warpAffine( rotated_image, counter_rotation_matrix, (width, height))
    cv.imshow("orig", original_image)

повернутый

]1

counter_rotated

]2

Обновлено:

если вы хотите применить гомографию (отличную от простого поворота, потому что она также применяет преобразование перспективы), под кодом, чтобы заставить его работать:

#very basic example, similar to your code with fixed terms
l  = np.array([(11,32),(43,215),(142,1),(205,174)])
lt = np.array([(43,32),(43,215),(205,32),(205,215)])
h, status = cv.findHomography(l,lt)
im_out = cv.warpPerspective(img, h, (img.shape[1],img.shape[0]))

Чтобы сделать это программно - для «l»: просто используйте хиглайны и найдите 4 угла, затем добавьте их

• для «lt»: найдите «пункт назначения» для всех 4 точек, например, используйте нижние углы в качестве ориентира.

  lines = cv.HoughLinesP(edges, 1, np.pi/180, 100, minLineLength=150, maxLineGap=5)
  l = []
  for line in lines:
      x1,y1,x2,y2 = line[0]
  
      if (x2-x1) != 0:
          angle = math.atan((float(y2-y1))/float((x2-x1))) * 180 / math.pi
      else:
          angle = 90
      # consider only vertical edges
      if 60 <= angle:
          l.append((x1,y1))
          l.append((x2,y2))
          x_values.append(max(x1,x2)) 
          if len(y_values) == 0:
              y_values.append(y1)
              y_values.append(y2)
  l  = np.array(l)
  lt = np.array([(x_values[0],y_values[0]),(x_values[0],y_values[1]),(x_values[1],y_values[0]),(x_values[1],y_values[1])])
  

затем вызовите findhomography, как это было сделано выше Надеюсь, это достаточно ясно!

3