python opencv實(shí)現(xiàn)圖像矯正功能
本文實(shí)例為大家分享了python opencv實(shí)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(biāo)進(jìn)行分析和檢測時,往往目標(biāo)具有一定的傾斜角度,自然環(huán)境中正面向我們的目標(biāo)實(shí)際是很少的,那將這些傾斜的目標(biāo)“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(biāo)的4個頂點(diǎn)。
如何找到目標(biāo)的4個頂點(diǎn)
如何找到這4個頂點(diǎn):
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(jì)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(diǎn)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(jìn)行輪廓檢測
2、對檢測出的輪廓進(jìn)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(biāo)記四個定點(diǎn)
cv2.approxPolyDP() 多邊形逼近
重點(diǎn)講解這個函數(shù)
作用:
對目標(biāo)圖像進(jìn)行近似多邊形擬合,使用一個較少頂點(diǎn)的多邊形去擬合一個曲線輪廓,要求擬合曲線與實(shí)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(diǎn)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(diǎn)集。
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
在pytorch中計(jì)算準(zhǔn)確率,召回率和F1值的操作
這篇文章主要介紹了在pytorch中計(jì)算準(zhǔn)確率,召回率和F1值的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-05-05pyspark自定義UDAF函數(shù)調(diào)用報(bào)錯問題解決
這篇文章主要為大家介紹了pyspark自定義UDAF函數(shù)調(diào)用報(bào)錯問題解決,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2022-06-06python通過pil將圖片轉(zhuǎn)換成黑白效果的方法
這篇文章主要介紹了python通過pil將圖片轉(zhuǎn)換成黑白效果的方法,實(shí)例分析了Python中pil庫的使用技巧,需要的朋友可以參考下2015-03-03python之線程通過信號pyqtSignal刷新ui的方法
今天小編就為大家分享一篇python之線程通過信號pyqtSignal刷新ui的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01