快捷導(dǎo)航

python計(jì)算機(jī)視覺(jué)opencv矩形輪廓頂點(diǎn)位置確定

更新時(shí)間：2022年05月20日 15:45:10 作者：qq_47150350

這篇文章主要為大家介紹了python計(jì)算機(jī)視覺(jué)opencv矩形輪廓頂點(diǎn)位置確定，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

一、問(wèn)題的引入

opencv在圖像處理方面有著非常強(qiáng)大的功能，當(dāng)我們需要使用opencv進(jìn)行一些圖像的矯正工作時(shí)，我們通常需要找到原圖的一些關(guān)鍵點(diǎn)，然后計(jì)算變換后的圖像坐標(biāo)，最后通過(guò)仿射變換或者透視變換獲得自己想要的矯正圖像，比如將一張拍歪了的紙進(jìn)行矯正，我們的首要任務(wù)就是找到原圖的一些關(guān)鍵點(diǎn)，通常的做法就是找紙張的4個(gè)頂點(diǎn)。

二、問(wèn)題的解決方法

第一步我們肯定要找到紙張相應(yīng)的矩形輪廓，這里可以二值化再找，也可以使用一些算子查找，而本文的重點(diǎn)是解決怎樣根據(jù)矩形輪廓去確定它具體的4個(gè)頂點(diǎn)的位置。

方法一：

使用線(xiàn)性規(guī)劃的方法，在opencv的坐標(biāo)系下使用x+y=z1和x-y=z2兩條直線(xiàn)去切輪廓，分別當(dāng)z1取最大時(shí)(x,y)是右下點(diǎn)，最小時(shí)是左上點(diǎn)；當(dāng)z2取最大時(shí)(x,y)是右上點(diǎn)，最小時(shí)是左下點(diǎn)，如下圖：

這個(gè)方法單獨(dú)從輪廓的角度來(lái)說(shuō)，只要旋轉(zhuǎn)的角度不要?jiǎng)倓偤檬?5°或者135°，這個(gè)方法就沒(méi)有問(wèn)題，它得到的就是輪廓相對(duì)應(yīng)的右下點(diǎn)、左上點(diǎn)、右上點(diǎn)、左下點(diǎn)，但不是原目標(biāo)的相應(yīng)點(diǎn)，就好像當(dāng)紙張旋轉(zhuǎn)超過(guò)45°時(shí)，這個(gè)方法得到的對(duì)于輪廓來(lái)說(shuō)是正確的，但對(duì)于紙張來(lái)說(shuō)就不對(duì)了，如下圖：

這個(gè)時(shí)候如果按之前的一樣進(jìn)行矯正就會(huì)得到一個(gè)橫放的紙張，這樣里面的字都是橫的，就不是我們想要的了所以這個(gè)方法要用來(lái)矯正的話(huà)，就需要對(duì)圖像的旋轉(zhuǎn)角度有一個(gè)計(jì)算和判斷，可以通過(guò)下面代碼獲取角度：

#cnt:輸入輪廓，angle:返回角度
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)

方法二

這個(gè)方法首先要使用輪廓獲得其最小面積矩，然后觀(guān)察研究矩形的性質(zhì)可以根據(jù)當(dāng)前的形狀給出適合的x,y判斷式，觀(guān)察下圖：

#找輪廓最小矩 cnt:輪廓  box:4個(gè)點(diǎn)無(wú)規(guī)律
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)

對(duì)于這樣一個(gè)高比寬長(zhǎng)的矩形，我們的方法是先將4個(gè)點(diǎn)按y從小到大進(jìn)行排序，再取前兩個(gè)按x從小到大進(jìn)行排序，小的那個(gè)是左下，大的那個(gè)是右下；最后取后兩個(gè)也按x從小到大進(jìn)行排序，小的那個(gè)是左上，大的那個(gè)是右上。假如是一個(gè)寬比高長(zhǎng)的矩形，我們就可以先按x的大小進(jìn)行排序。這個(gè)從代碼角度實(shí)現(xiàn)可能更為簡(jiǎn)潔，適用特定輪廓，對(duì)角度要求就更寬泛了些，除非旋轉(zhuǎn)到了像上圖右邊一樣的狀況，而這種矯正一般出現(xiàn)的機(jī)率非常小。

三、一些實(shí)現(xiàn)代碼

1、下面是使用方法一實(shí)現(xiàn)的頂點(diǎn)定位

import numpy as np
import cv2
def get4points(img: np.ndarray, thed, n):
    """
    :param img  the color image which shape is [height, width, depth]
    :return 4 point locations in list or tuple, for example: [[x1, y1], [x2, y2], [x3, y3], [x4, y4]]
    """
    #灰度和二值化
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray,thed,255,cv2.THRESH_BINARY)
    # 搜索輪廓
    contours, hierarchy = cv2.findContours(
        binary,
        cv2.RETR_LIST,
        cv2.CHAIN_APPROX_SIMPLE)
    #按輪廓長(zhǎng)度選取需要輪廓
    len_list = []
    for i in range(len(contours)):
        len_list.append(len(contours[i]))
    #選第二長(zhǎng)的
    sy = np.argsort(np.array(len_list))[-n]
    #尋找頂點(diǎn)
    sum_list = []
    dif_list = []
    for i in contours[sy]:
        sum = i[0][0]+i[0][1]
        sum_list.append(sum)
        dif_list.append(i[0][0]-i[0][1])
    id_lb = np.argsort(np.array(sum_list))
    id_lb2 = np.argsort(np.array(dif_list))
    lu_id , rd_id = id_lb[0] , id_lb[-1]
    ld_id , ru_id = id_lb2[0] , id_lb2[-1]
    points = np.array([contours[sy][lu_id][0],contours[sy][rd_id][0],contours[sy][ld_id][0],contours[sy][ru_id][0]])
    return points , contours , sy

2、下面是使用方法2實(shí)現(xiàn)的頂點(diǎn)定位

def getpoints(binary: np.ndarray  , num: int ):
    # 搜索輪廓
    contours, hierarchy = cv2.findContours(
        binary,
        cv2.RETR_LIST,
        cv2.CHAIN_APPROX_SIMPLE)
    #按輪廓位置最左（x最小）選取
    x_list = []
    for i in contours:
        x_sum = 0
        for kk in i:
            x_sum += kk[0][0]
        x_av = x_sum/len(i)
        x_list.append(x_av)
    sy = np.argsort(np.array(x_list))[num]
    cnt = contours[sy]
    #找輪廓最小矩
    rect = cv2.minAreaRect(cnt)
    box = cv2.boxPoints(rect)
    return box , contours , sy
def findpoints(points):
    #區(qū)分矩形頂點(diǎn)位置
    point_y=sorted(points,key=lambda t:t[1])
    lu, ru =sorted(point_y[:2],key=lambda t:t[0])
    ld, rd =sorted(point_y[2:],key=lambda t:t[0])
    return [list(lu), list(ld), list(ru),list(rd)]

3、下面是一些展示代碼

#展示頂點(diǎn)
def show_points(img , points):
    point_size = 8
    point_color = (0, 0, 255) # BGR
    thickness = 4 # 可以為 0 、4、8
    points_list = [tuple(i) for i in np.int32(points).reshape(-1,2)]
    for point in points_list:
        cv2.circle(img, point, point_size, point_color, thickness)
    img = cv2.resize(img,(808,808))
    cv2.imshow('img',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    # cv2.imwrite('dd.jpg',img)
#展示輪廓
def show_Contour(img , contours , sy):
    cv2.drawContours(img, contours , sy , (25, 254, 0), 4)
    img = cv2.resize(img,(808,808))
    cv2.imshow('img',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    # cv2.imwrite('mm.jpg',img)

以上就是python計(jì)算機(jī)視覺(jué)opencv矩形輪廓頂點(diǎn)位置確定的詳細(xì)內(nèi)容，更多關(guān)于python opencv矩形輪廓頂點(diǎn)定位的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: