考虑透视或角度，通过参考图像测量对象

如何解决考虑透视或角度，通过参考图像测量对象

我制定了一个算法来使用参考测量对象，如下所示：

node filter

参考是框架，另一个 (AOL) 是所需的对象。我的代码得到了这个结果：

但真正的 AOL 是 78.6。这是因为照片的视角/角度。所以我在我的代码中使用了 Deep Learning 并获得了参考和 AOL 掩码，我根据每个掩码的像素数进行了简单的计算以获得 AOL 面积（cm²），一旦我知道参考的实际大小.我尝试根据参考校正角度/透视，并使用参考蒙版：

我尝试根据参考蒙版计算四边形顶点以校正透视。我根据此参考创建了此代码

:

# import the necessary packages
from scipy.spatial import distance as dist
from imutils import perspective
from imutils import contours
import numpy as np
import imutils
import cv2
import math
import matplotlib.pyplot as plt

 
    # get the single external contours

# load the image,convert it to grayscale,and blur it slightly
image = cv2.imread("./ref/20210702_114527.png") ## Mask Image
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray,(7,7),0)
# perform edge detection,then perform a dilation + erosion to
# close gaps in between object edges
edged = cv2.Canny(gray,50,100)
edged = cv2.dilate(edged,None,iterations=1)
edged = cv2.erode(edged,iterations=1)
# find contours in the edge map
cnts = cv2.findContours(edged.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)


# sort the contours from left-to-right and initialize the
# 'pixels per metric' calibration variable
(cnts,_) = contours.sort_contours(cnts)
pixelsPerMetric = None

orig = image.copy()
box = cv2.minAreaRect(min(cnts,key=cv2.contourArea))
box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
box = np.array(box,dtype="int")
# order the points in the contour such that they appear
# in top-left,top-right,bottom-right,and bottom-left
# order,then draw the outline of the rotated bounding
# box
box = perspective.order_points(box)
cv2.drawContours(orig,[box.astype("int")],-1,(0,255,0),2)
# loop over the original points and draw them   
for (x,y) in box:
    cv2.circle(orig,(int(x),int(y)),5,255),-1)

print('Box: ',box)
cv2.imshow('Orig',orig)

img = cv2.imread("./meat/sair/20210702_114527.jpg") #original image
rows,cols,ch = img.shape

#pts1 = np.float32([[185,9],[304,80],[290,134],[163,64]]) #ficou legal 6e.jpg
### Coletando os pontos
pts1 = np.float32(box)
### Draw the vertices on the original image
for (x,y) in pts1:
        cv2.circle(img,-1)
ratio= 1.6
moldH=math.sqrt((pts1[2][0]-pts1[1][0])*(pts1[2][0]-pts1[1][0])+(pts1[2][1]-pts1[1][1])*(pts1[2][1]-pts1[1][1]))
moldW=ratio*moldH
pts2 = np.float32([[pts1[0][0],pts1[0][1]],[pts1[0][0]+moldW,pts1[0][1]+moldH],[pts1[0][0],pts1[0][1]+moldH]])

#print('cardH: ',cardH,cardW)

M = cv2.getPerspectiveTransform(pts1,pts2)

print('M:',M)
print('pts1:',pts1)
print('pts2:',pts2)

offsetSize= 320
transformed = np.zeros((int(moldW+offsetSize),int(moldH+offsetSize)),dtype=np.uint8)
dst = cv2.warpPerspective(img,M,transformed.shape)

plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

我得到了这个：

Perspective correction in OpenCV using python

没有透视校正。我有很多信息，比如顶点，参考的正确大小。是否可以根据四边形顶点进行数学校正，例如回归？不一定直接对图像进行校正，除非有很好的方法来校正透视图像。或者可能是基于数学的不同方法？感谢您的耐心等待。

克里斯托夫：

这也是结果位置：

pts1: [[  9.  51.]
 [392.  56.]
 [388. 336.]
 [  5. 331.]]