OpenCV提供了两种图片变换的方式：仿射变换和透视变换，两者的区别很容易区分，
前者是将矩形的图片变成平行四边形后者是将图片变成梯形
这两种变换虽然都有各自的应用场景，但在实际的图片变换中由于透视效应的存在，后者的使用更加普遍，本文为大家详解OpenCV透视变换的透视变换原理及实例展示。
简介
透视变换(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。如图所示
函数原型
OpenCV提供了warpPerspective( )函数来实现图片的透视变换，只需要输入梯形四个顶点的坐标和目标画布四个角的坐标，即可自动完成转换。核心代码只有两行：首先读取两个坐标数组，计算变换矩阵；然后根据变换矩阵对原图进行透视变换，并输出到目标画布。
cv2.getPerspectiveTransform(src, dst) → retval
参数说明
src：源图像中待测矩形的四点坐标sdt：目标图像中矩形的四点坐标
注意！
原图像的四个坐标顺序应与目标图像中的四个坐标一 一随影，若都是顺时针则都是顺时针，若都是 Z 字型，则都是 Z 字型。
返回由源图像中矩形到目标图像矩形变换的矩阵，得到矩阵得有用才行啊，所以引出下面这个函数
cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
参数为：
src：输入图像M：变换矩阵dsize：目标图像shapeflags：插值方式，interpolation方法INTER_LINEAR或INTER_NEARESTborderMode：边界补偿方式，BORDER_CONSTANT or BORDER_REPLICATEborderValue：边界补偿大小，常值，默认为0
或者
cv2.perspectiveTransform(src, m[, dst]) → dst
参数解释
src：输入的2通道或者3通道的图片m：变换矩阵
返回的是相同size的图片
实例1 图片矫正
我们在给报纸、杂志、身份证、银行卡等矩形目标拍照时，受相机角度和高度的影响往往会拍出梯形的照片（如下图），这样的照片不仅不够美观而且给文字识别带来较大难度，将梯形的图片转换成标准的矩形就要对图片进行透视变换。
原始图像
效果如下：
转换后的效果如下图所示，效果还是很让人满意的。
实例 2 头像替换广告牌
在实际应用中我们不仅需要将梯形矫正为矩形，有时还需要将矩形转换成梯形，warpPerspective( )当然也能胜任，下面我们再用一个例子来演示。
实际效果
实例代码：
全部代码见：
/ViatorSun/Demo/tree/master/OpenCV
其中 Perspective.py 为 实例 1 代码，使用时需要将图像img_32984.jpg放在同一路径下Perspective_advert.py 为实例 2 代码，图像advert.png 、photo.png为实验图像res.png为实例 2 实现的效果图
