前面学习了仿射变换，是经常使用到的变换，也很容易理解。在日常生活中，经常会遇到下面这种的情况：
仔细地观察比亚迪秦这台汽车的车牌，发现它拍照的角度不是垂直的方向，而是有一个角度，当要进行车牌识别的时候，发现字符是变形的，与电脑里比较的图片肯定有区别，因此识别不出来。这时怎么办呢？就需要经过一个投影变换才可以把车牌号纠正过来，才能进入识别过程。
好吧，到这里认识到投影变换的感性认识了，那么你又会继续考虑下一个问题，在软件里怎么样计算呢，难道还是使用仿射变换的矩阵。从这里看一下，前面闽A比较大，后面88比较小，说明原本平行的两边已经不平行了。仿射变换之后，平行的线还是平行的，因此这一点也是仿射变换与投影变换的区别。
投影变换只是保证同一条直线的点还是在同一条直线上，但不再保证平行了。因为投影变换是一个二维图像（车牌）经过一个三维变换，然后映射到另外一个二维空间，二维图像的二维空间与映射后的二维空间不一样，如果一样，就是仿射变换。投影变换也可以使用矩阵来进行描述，如下:
投影变换的矩阵是8个未知数，所以要四组不同的坐标点才可以计算出来，与前面的矩阵比较一下：
在OpenCV里是使用下面的公式计算：
因此只要构造了投影变换矩阵，其它的计算与仿射变换是一样的。下面通过例子来演示投影变换的功能：
#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
#图片的路径
imgname = "img1.jpg"
#读取图片
image = cv2.imread(imgname, cv2.IMREAD_COLOR)
#图片的高度和宽度
h,w = image.shape[:2]
#从目标坐标计算出3X3的矩阵，然后调用warpPerspective执行
src = np.array([[0,0], [w-1,0], [0,h-1], [w-1,h-1]], np.float32)
dst = np.array([[100,50], [w/2.0,50], [100,h-1], [w-1,h-1]], np.float32)
A1 = cv2.getPerspectiveTransform(src, dst)
d1 = cv2.warpPerspective(image, A1, (w, h), borderValue = 125)
#显示操作之后的图片
cv2.imshow("d1",d1)
#显示图像
cv2.imshow("image", image)
#等待用户输入，然后删除所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows() 
