python opencv實現(xiàn)圖像矯正功能

更新時間：2022年08月01日 09:58:58 作者：DanCheng-studio

這篇文章主要為大家詳細介紹了python opencv實現(xiàn)圖像矯正功能，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

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)

透視變換結果

透視變換使用很簡單，關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)