快捷導(dǎo)航

Opencv實現(xiàn)傾斜圖片轉(zhuǎn)正示例

更新時間：2022年08月01日 11:23:26 作者：咕里個咚

本文主要介紹了Opencv實現(xiàn)傾斜圖片轉(zhuǎn)正示例，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

今天是我們來玩一個釘子。通過一個釘子來學(xué)習(xí)一個opencv中的一個函數(shù)，這個函數(shù)我網(wǎng)上也有搜過，不過遺憾的是，各路好手都是寫的是有點不堪入目，現(xiàn)在這個學(xué)習(xí)氛圍是越來越差了，很多人都直接復(fù)制粘貼別人的東西，自己也沒有理解，也沒有辨別是非的能力，所謂的拿來主義有時候真的是要不得的。知其然也要知其所以然。所以你很多時候遇到問題去網(wǎng)上搜索的時候，你會發(fā)現(xiàn)瀏覽器上面一排網(wǎng)頁，好多內(nèi)容都是相同，甚至是錯的，這樣很不好。

閑話不多說，我們今天通過一個實例來，講解一個網(wǎng)上很多人都沒搞清楚的函數(shù)cv2.minAreaRect()

我們用到圖片

我們要做的事情是將這個釘子轉(zhuǎn)成水平放心放置，然后摳出釘子的區(qū)域，就像下面這個樣子

實現(xiàn)步驟：

1.灰度化+二值化,效果圖如下

2.找輪廓，cv2.findcounters()，這樣的圖我們肯定會找到很多輪廓，所以我們可以通過面積來篩選出自己想要的那個輪廓，這里我們選擇最大的輪廓，也就是釘子的輪廓，看看效果（紅線就是哦我們找到的輪廓點然后連接起來的）

3.找這個輪廓的最小外接矩形（帶角度），這個就是最關(guān)鍵的了，也就是我們開頭提到的cv2.minAreaRect()，我們要對他的返回值了如執(zhí)掌。先看看效果呢（藍線就是我們找到的最小外接矩形）

這個時候你會說，這有什么難的，我們來細細看一下，cv2.minAreaRect()的返回值是什么

box= cv2.minAreaRect(counter)
print(box)

我們看看這個返回值是一個元組

((257.3854675292969, 292.03851318359375), (454.5963439941406, 140.96072387695312), 48.21548080444336)

元組的第一個元素是這個最小外接矩形的中心點坐標(biāo)

元組的第二個元素是也是一個元組，這個元組是最小外接矩形的兩個邊長（注意是兩個邊長，并不是寬高），這個時候你就會問了，這有什么區(qū)別，看上去是沒什么區(qū)別，其實是由返回順序的，有的時候長的那條邊在這個元組的第一個元素位置，有的時候長的那條邊在這個元組的第二個元素位置。不信我在給你看一個返回值

((290.1945495605469, 256.9798889160156), (140.9435577392578, 460.39862060546875), 49.1729850769043)

元組的第三個元素是一個浮點數(shù)，這個浮點數(shù)也就是這個外接矩形的角度，那么，這個角度又是哪個邊的與X軸的角度呢？答案是要根據(jù)第二個元組的值長短邊的順序來決定的，這個角度始終是第二元組中第一個元素對應(yīng)的那條邊和x的夾角。而且這個角度永遠是大于0的。網(wǎng)上有人說是-90-90°，說實話，經(jīng)過測試，我們見到負角度的，那些人可能試都沒試吧。也就是這個角度。

我想我已經(jīng)說明白了

4.根據(jù)得到的中心點和角度以及第二個元組的值的大小就可以開始旋轉(zhuǎn)了

值得注意的是，opencv中旋轉(zhuǎn)是逆時針旋轉(zhuǎn)，所以在旋轉(zhuǎn)的時候要注意旋轉(zhuǎn)的角度，看看效果

5.有中心點和兩條邊長的大小，我們就可以開始摳圖了，看看效果

至此Mission accomplished。

我們上代碼吧

# -*- coding: utf-8 -*-
# @Time : 2022/7/25 15:51
# @Author : guligedong
import cv2
import os
import numpy as np
 
base_folder = r'F:\mvtec_anomaly_detection\screw\test\good'
for i in os.listdir(base_folder):
    img_path = os.path.join(base_folder, i)
    if img_path.split('.')[-1] == 'db':
        continue
    print(img_path)
    img = cv2.imread(img_path)
    img = cv2.resize(img,(512,512))
    img_h,img_w = img.shape[:2]
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    _,bi_img = cv2.threshold(gray_img,127,255,cv2.THRESH_BINARY_INV)
 
    counters,_ = cv2.findContours(bi_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    for index,counter in enumerate(counters):
        if cv2.contourArea(counter) > 10000 :
            cv2.drawContours(img,counters,index,(0,0,255),1)
            box= cv2.minAreaRect(counter)
            print(box)
            boxs= cv2.boxPoints(box)
            boxs = np.int0([boxs])
            print(boxs)
            cv2.polylines(img, boxs, isClosed=True, color=(255, 125, 125), thickness=1)
            cv2.imshow('img', img)
            # cv2.waitKey()
            center_x,center_y = int(box[0][0]),int(box[0][1])
            lenth1, lenth2 = int(box[1][0]), int(box[1][1])
            print(lenth1, lenth2)
            angle = box[2]
            print(angle)
            if lenth1 > lenth2:
                angle  = angle
            else:
                angle = -(90 - angle)
            rotate_matrix = cv2.getRotationMatrix2D(center=(center_x,center_y),angle=angle,scale=1)
            rotated_image = cv2.warpAffine(src=img, M=rotate_matrix, dsize=(img_w, img_h))
            cv2.imshow('Rotated image', rotated_image)
            y_start = center_y - min(lenth1, lenth2) // 2 if center_y - min(lenth1, lenth2) // 2 > 0 else 0
            y_end = center_y + min(lenth1, lenth2) // 2 if center_y + min(lenth1, lenth2) // 2 < img_h else img_h
            x_start = center_x - max(lenth1, lenth2) // 2 if center_x - max(lenth1, lenth2) // 2 >0 else 0
            x_end = center_x + max(lenth1, lenth2) // 2 if center_x + max(lenth1, lenth2) // 2 <img_w else img_w
            crop_image = rotated_image[y_start:y_end,x_start:x_end]
            cv2.imshow('crop_image', crop_image)
            cv2.waitKey()

這個數(shù)據(jù)是mvtec_anomaly_detection數(shù)據(jù)集中的釘子的數(shù)據(jù)集，大家可以網(wǎng)上找資源試一試小效果，關(guān)鍵是要自己理解這個邏輯。

到此這篇關(guān)于Opencv實現(xiàn)傾斜圖片轉(zhuǎn)正示例的文章就介紹到這了,更多相關(guān)Opencv 傾斜圖片轉(zhuǎn)正內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: