1.在没有标定的情况下，只能选取四个点对了
在有标定的情况下，可以直接使用标定的参数
这里主要介绍1
1.没有标定的情况下，主要用到了两个函数
M = cv2.getPerspectiveTransform(src, dst)
warped = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0] + 1080))
cv2.getPerspectiveTransform 从四个点对中计算透视变换，返回值为3*3的透视变换矩阵
cv2.warpPerspective 计算透视变换后的图像
这里自己遇到的坑是，在计算透视变换矩阵的时候，怎么获取那四个点对，翻了很多blog，都没搞清，最后认认真真的找了一个认认真真的阅读之后，总算摸到门道了，有了一种融会贯通的感觉。
现在的目标是将图像由前视图转化为鸟瞰图，根据先验知识，在鸟瞰图下，长方形物体显示出来肯定是长方形，因此，我们只要在前视图中找到一个正方形的物体，并指定他在俯视图中的坐标就可以了，这里有个但是，由于先验信息里面只有矩形这个信息，具体的长宽比什么的，以及实际的大小未知，所以转化到鸟瞰图下并不能反应物体的真实长度。
这里怎么定义转化后的坐标要自己把握
790ec7dc8aa1
原图
比如说转化到黄色的坐标(内接矩形)，这时候就会内缩，图像出现黑边
790ec7dc8aa1
转化到黄色坐标
如果转化到蓝色的，那么能看到的方位就很小了，只有当前车道了(外接矩形)
790ec7dc8aa1
转化到蓝色坐标
dst的坐标也可以自己写，想要转成多大的图像也可以自己填
比如说根据车道的宽度和虚线的长度，可以大概估算出实际长宽比，一个车道宽度为3.75米 这种城市道路一般虚线是两米，间隔4米(高速一般是69，也就是15米)大概估计一下，高度是12米，也就是说长宽比为12:7，想要显示出4个车道，图像的宽度为1920，折算了一下，目标图像的坐标大概是(这里要注意，图像的坐标是从左上角开始算的)
790ec7dc8aa1
自定义
坐标定义代码：
src = np.float32([(1242,1949),(1961,1949), (2695, 2542), (133, 2542)])
#内接矩形
dst = np.float32([(1242, 1949), (1961, 1949), (1961, 2542), (1242, 2542)])
#外接矩形
dst = np.float32([(132, 1949), (2695, 1949), (2695, 2542), (133, 2542)])
#自定义
dst = np.float32([(480,1560-1080), (1440,1560-1080), (1440,3096-1080), (480,3096-1080)])
2.使用标定参数来转化
这个转化就是真实的了，因为知道相机的内参，还有相机的pitch角以及相机距离地面的高度
matlab里面转的，要标定的参数
可以参考的透视变换
上一节介绍了如何openCV的透视转换方法的应用，并构建了一个基于给定四角点转换鸟瞰图的方法函数，这一节将继续这个运用，通过查找边缘的方法实现自动转换的功能。 实现步骤实际上很简单，只需要三步： 第一步：查找文档的边缘 第二步：通过边缘查找文档轮廓并找到四个角点的坐标 第三步：使用透视转换函数完成图像转换 下面的代码基于openCV/python的版本：openCV2.4/3+, python2.7/3+ 上一章节我们完成了transform.py模块的构建，我们将在接下来的涉及图像四角点处理的问题中均会使用到。打开你的python编辑器，创建一个新的文档，并命名为scan.py。 接下来就是第一步：边缘查找： 测试一下效果： shell虽然背景有点不干净但是文档的边缘还是很明显的，接下来我们想办法查找文档的边缘并生成轮廓。 第二步：寻找轮廓： 事实上，在构建文档扫描器时，有一个非常重要的前提：扫描仪只是在一张纸上扫描。一张纸被假定为长方形，矩形有四条边。因此，我们可以创建一个简单的方法来帮助我们构建文档扫描器。我们假设图像中最大的轮廓恰好有四个点，这就是我们要扫描的那张纸。这也是一个相当安全的假设——当然，也可以人为的给定文档轮廓。 运行一下代码测试效果：shell中输入正如您所看到的，我们已经成功地利用边缘检测图像找到了文档的轮廓(outline)，我的收据周围的绿色矩形显示了轮廓(outline)。最后，让我们进入步骤3，这将是用到four_point_transform函数。 第三步：转换图像：构建移动文档扫描器的最后一步是取代表文档大纲的四个点，并应用透视图转换来获得自顶向下的图像“鸟瞰图”。 我们将把两个参数传递给four_point_transform:第一个参数是我们从磁盘加载的原始图像(不是调整大小的图像)，第二个参数是表示文档的轮廓线，乘以调整大小的比例。 你可能会想，为什么要乘以调整后的比例? 我们乘以调整后的比例，因为我们进行了边缘检测，在调整后的高度=500像素的图像上发现了轮廓。但是，我们希望对原始图像进行扫描，而不是对调整大小的图像进行扫描，因此我们将轮廓点乘以调整大小的比例。 为了获得图像的黑白感觉，我们将扭曲后的图像转换为灰度图像，并应用自适应阈值。 好的，我们来运行一下效果： shell好了，到目前为止，扫描图像到文档提取鸟瞰图的过程实现完成了。遗留问题： 实际上这个程序还有不少地方需要你的改进，比如要求转换的文档本身是规则的四边形，拍摄时尽量放在对比度明显的桌面背景，这样做的目的是为了避免边缘查找时出现多于四边的情况，多于四边的边缘后续轮廓查找会出现问题。也就是找不到合适的四边轮廓来匹配。 解决方案：可以采用人工标注四个角点的方式来提取轮廓更为可靠。因为在实际应用场景往往是不规则的文档。下一节我们来探讨这个方案实现过程。用rhino画三点圆的方法
首先打开rhino，找到圆工具集合。其中就有三点圆工具，点击它。在俯视图界面点击鼠标，确定第一个点的位置。在主视图界面确定第二个点的位置。在左视图界面里面确定第三个点的位置。这样，三点圆就绘制完成了。
选中曲线，然后F10，就可以显示三点圆的控制点，可以拖动改变圆的位置和形状。
END
用python实现
用下面的python代码，可以绘制三个点，并画出对应的三点圆。
rs.AddCircle3Pt([0,0,0],[0,1,10],[2,3,6])
当三点共线的时候，程序会报错，因为不能作出这个三点圆。
rs.AddCircle3Pt([0,0,0],[0,1,10],[0,2,20])
