日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網(wǎng)站首頁 編程語言 正文

python?opencv實現(xiàn)圖像矯正功能_python

作者：DanCheng-studio ? 更新時間： 2022-09-25 編程語言

本文實例為大家分享了python opencv實現(xiàn)圖像矯正的具體代碼，供大家參考，具體內(nèi)容如下

問題簡介

一般的我們對圖像中的目標進行分析和檢測時，往往目標具有一定的傾斜角度，自然環(huán)境中正面向我們的目標實際是很少的，那將這些傾斜的目標“扶正”的過程就就叫做圖像矯正。

透視變換demo

圖像矯正使用的主要技術(shù)是透視變換。
python-opencv 透視變換demo如下：

import cv2
import numpy as np

img = cv2.imread('/home/pzs/圖片/1.jpeg')

result3 = img.copy()

img = cv2.GaussianBlur(img,(3,3),0)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,50,150,apertureSize = 3)
cv2.imwrite("canny.jpg", edges)

src = np.float32([[207, 151], [517, 285], [17, 601], [343, 731]])
dst = np.float32([[0, 0], [337, 0], [0, 488], [337, 488]])
m = cv2.getPerspectiveTransform(src, dst)
result = cv2.warpPerspective(result3, m, (337, 488))
cv2.imshow("result", result)
cv2.waitKey(0)

主要是使用cv2.warpPerspective()函數(shù)

透視變換結(jié)果

透視變換使用很簡單，關(guān)鍵是如何找到目標的4個頂點。

如何找到目標的4個頂點

如何找到這4個頂點：
方法有很多種，如：直線檢測，輪廓檢測，最小外接矩形等。

使用輪廓檢測方式：

import cv2
import imutils

img = cv2.imread('1.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
dilate = cv2.dilate(blurred, cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)))
edged = cv2.Canny(dilate, 30, 120, 3) ? ? ? ? ? ?# 邊緣檢測

cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) ?# 輪廓檢測
cnts = cnts[0] if imutils.is_cv2() else cnts[1] ?# 判斷是opencv2還是opencv3
docCnt = None

if len(cnts) > 0:
? ? cnts = sorted(cnts, key=cv2.contourArea, reverse=True) # 根據(jù)輪廓面積從大到小排序
? ? for c in cnts:
? ? ? ? peri = cv2.arcLength(c, True) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 計算輪廓周長
? ? ? ? approx = cv2.approxPolyDP(c, 0.02*peri, True) ? ? ? ? ? # 輪廓多邊形擬合
? ? ? ? # 輪廓為4個點表示找到紙張
? ? ? ? if len(approx) == 4:
? ? ? ? ? ? docCnt = approx
? ? ? ? ? ? break

for peak in docCnt:
? ? peak = peak[0]
? ? cv2.circle(img, tuple(peak), 10, (255, 0, 0))

cv2.imshow('img', img)
cv2.waitKey(0)

原理：

1、對圖片進行輪廓檢測
2、對檢測出的輪廓進行多邊形逼近
3、多邊形為四邊形且輪廓面積最大的圖形為紙張
4、輸出標記四個定點

cv2.approxPolyDP() 多邊形逼近

重點講解這個函數(shù)

作用:

對目標圖像進行近似多邊形擬合，使用一個較少頂點的多邊形去擬合一個曲線輪廓，要求擬合曲線與實際輪廓曲線的距離小于某一閥值。

函數(shù)原形：

cv2.approxPolyDP(curve, epsilon, closed) -> approxCurve

參數(shù)：

curve ： 圖像輪廓點集，一般由輪廓檢測得到
epsilon ： 原始曲線與近似曲線的最大距離，參數(shù)越小，兩直線越接近
closed ： 得到的近似曲線是否封閉，一般為True

返回值：

approxCurve ：返回的擬合后的多邊形頂點集。

原文鏈接：https://blog.csdn.net/HUXINY/article/details/89467344

欄目分類
最近更新