【发布时间】：2020-08-13 17:07:19
【问题描述】：
我想根据图像中的锚点计算变换矩阵（旋转、缩放和平移）。
我的图像是一个标签的图片，它总是包含一个数据矩阵。
我使用第三方库来检测数据矩阵。
然后，我得到它的大小、方向（使用cv2.minAreaRect(dm_contour) 的结果）和位置。
我用这些参数构建了我所谓的“锚点”。
在第二步中，我得到了我所谓的作业，它由用户定义的 ROI 和用户定义 ROI 的图片的锚点组成。
通过这几个步骤，我可以根据新标签上下文正确放置我的 ROI，如果它只有一个转换（移动到左、右、上、下）。
但是，一旦我尝试替换旋转标签上的 ROI，它就不起作用了。
如果认为我的问题在于我的旋转矩阵和整个“转换到原点并返回到位置”过程。但我找不到我做错了什么......
我转换 ROI 位置的代码如下所示：
def process_job(anchor, img, job, file_path):
"""
Process job file on current picture
@param anchor = Current scene anchor
@param img = Current picture
@param job = Job object
@param file_path = Job file path
"""
print("Processing job " + file_path)
""" Unpack detected anchor """
a_x, a_y = (anchor[0], anchor[1])
rotation = anchor[2]
anchor_size = int(anchor[3])
for item_i in job:
item = job[item_i]
if 'anchor' in item:
""" Apply size rate """
size_rate = anchor_size / int(item['anchor']['size'])
"""" Item anchor pos """
i_a_x, i_a_y = int(item['anchor']['x']), int(item['anchor']['y'])
""" Calculate transformation """
""" Scaling """
S = np.array([
[size_rate, 0, 0],
[ 0, size_rate, 0],
[ 0, 0, 1]
])
""" Rotation """
angle = rotation - int(item['anchor']['o'])
theta = np.radians(angle)
c, s = np.cos(theta), np.sin(theta)
R = np.array((
(c, s, 0),
(-s, c, 0),
(0, 0, 1)
))
""" Translation """
x_scale = a_x - i_a_x
y_scale = a_y - i_a_y
T = np.array([
[1, 0, x_scale],
[0, 1, y_scale],
[0, 0, 1]
])
""" Shear """
shx_factor = 0
Shx = np.array([
[1, shx_factor, 0],
[0, 1, 0],
[0, 0, 1]
])
shy_factor = 0
Shy = np.array([
[1,0, 0],
[shy_factor, 1, 0],
[0, 0, 1]
])
print("Scaling: " + str(size_rate) + " Rotation:" + str(angle) + " Translation:" + str((x_scale, y_scale)))
if 'rect' in item:
""" Unpack rectangle """
""" (r_x1, r_y1) top-left corner """
""" (r_x2, r_y2) bottom right corner """
r_x1, r_y1, r_x2, r_y2 = (int(item['rect']['x1']), int(item['rect']['y1']), int(item['rect']['x2']), int(item['rect']['y2']))
""" As np arrays """
rect_1 = np.array([r_x1, r_y1, 1])
rect_2 = np.array([r_x2, r_y2, 1])
""" Translate to origen """
T_c_1 = np.array([
[1, 0, -r_x1],
[0, 1, -r_y1],
[0, 0, 1]
])
""" Translate to origen """
T_c_2 = np.array([
[1, 0, -r_x2],
[0, 1, -r_y2],
[0, 0, 1]
])
""" Back to postion """
T_r1 = np.array([
[1, 0, r_x1],
[0, 1, r_y1],
[0, 0, 1]
])
""" Back to postion """
T_r2 = np.array([
[1, 0, r_x2],
[0, 1, r_y2],
[0, 0, 1]
])
""" Apply transformations """
final_1 = T @ T_r1 @ R @ T_c_1 @ S @ rect_1
final_2 = T @ T_r2 @ R @ T_c_2 @ S @ rect_2
x1, y1, x2, y2 = final_1[0], final_1[1], final_2[0], final_2[1]
print("From " + str((r_x1, r_y1, r_x2, r_y2)))
print("To " + str((int(x1), int(y1), int(x2), int(y2))))
cv2.line(img, (int(x1), int(y1)), (int(x2), int(y2)), \
(0,0,0), 2)
cv2.imwrite('./output/job.png', img)
这里是我的图片的 fex 样本：
提前感谢您的帮助，
【问题讨论】：
标签： python-3.x opencv matrix 2d vision