Python-Opencv基于透视变换的图像矫正

一、自动获取图像顶点变换（获取图像轮廓顶点矫正）

图像旋转校正思路如下
1、以灰度图读入
2、腐蚀膨胀，闭合等操作
3、二值化图像
4、获取图像顶点
5、透视矫正

#（基于透视的图像矫正）
import cv2
import math
import numpy as npdef Img_Outline(input_dir):original_img = cv2.imread(input_dir)gray_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)blurred = cv2.GaussianBlur(gray_img, (9, 9), 0)                     # 高斯模糊去噪（设定卷积核大小影响效果）_, RedThresh = cv2.threshold(blurred, 165, 255, cv2.THRESH_BINARY)  # 设定阈值165（阈值影响开闭运算效果）kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))          # 定义矩形结构元素closed = cv2.morphologyEx(RedThresh, cv2.MORPH_CLOSE, kernel)       # 闭运算（链接块）opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel)           # 开运算（去噪点）return original_img, gray_img, RedThresh, closed, openeddef findContours_img(original_img, opened):image, contours, hierarchy = cv2.findContours(opened, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)c = sorted(contours, key=cv2.contourArea, reverse=True)[1]   # 计算最大轮廓的旋转包围盒rect = cv2.minAreaRect(c)                                    # 获取包围盒（中心点，宽高，旋转角度）box = np.int0(cv2.boxPoints(rect))                           # boxdraw_img = cv2.drawContours(original_img.copy(), [box], -1, (0, 0, 255), 3)print("box[0]:", box[0])print("box[1]:", box[1])print("box[2]:", box[2])print("box[3]:", box[3])return box,draw_imgdef Perspective_transform(box,original_img):# 获取画框宽高(x=orignal_W,y=orignal_H)orignal_W = math.ceil(np.sqrt((box[3][1] - box[2][1])**2 + (box[3][0] - box[2][0])**2))orignal_H= math.ceil(np.sqrt((box[3][1] - box[0][1])**2 + (box[3][0] - box[0][0])**2))# 原图中的四个顶点,与变换矩阵pts1 = np.float32([box[0], box[1], box[2], box[3]])pts2 = np.float32([[int(orignal_W+1),int(orignal_H+1)], [0, int(orignal_H+1)], [0, 0], [int(orignal_W+1), 0]])# 生成透视变换矩阵；进行透视变换M = cv2.getPerspectiveTransform(pts1, pts2)result_img = cv2.warpPerspective(original_img, M, (int(orignal_W+3),int(orignal_H+1)))return result_imgif __name__=="__main__":input_dir = "../staticimg/oldimg_04.jpg"original_img, gray_img, RedThresh, closed, opened = Img_Outline(input_dir)box, draw_img = findContours_img(original_img,opened)result_img = Perspective_transform(box,original_img)cv2.imshow("original", original_img)cv2.imshow("gray", gray_img)cv2.imshow("closed", closed)cv2.imshow("opened", opened)cv2.imshow("draw_img", draw_img)cv2.imshow("result_img", result_img)cv2.waitKey(0)cv2.destroyAllWindows()

直接变换
1、获取图像四个顶点
2、形成变换矩阵
3、透视变换

import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('original_img.jpg')
H_rows, W_cols= img.shape[:2]
print(H_rows, W_cols)# 原图中书本的四个角点(左上、右上、左下、右下),与变换后矩阵位置
pts1 = np.float32([[161, 80], [449, 12], [1, 430], [480, 394]])
pts2 = np.float32([[0, 0],[W_cols,0],[0, H_rows],[H_rows,W_cols],])# 生成透视变换矩阵；进行透视变换
M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (500,470))"""
注释代码同效
# img[:, :, ::-1]是将BGR转化为RGB
# plt.subplot(121), plt.imshow(img[:, :, ::-1]), plt.title('input')
# plt.subplot(122), plt.imshow(dst[:, :, ::-1]), plt.title('output')
# plt.show
"""cv2.imshow("original_img",img)
cv2.imshow("result",dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

两次透视变换

def get_warp_perspective(img, width, height, array_points, array_points_get, array_points_warp):middle_len = 268# rows, cols = img.shape[:2]# D_value1 = (middle_len - array_points_get[0][1])*2+((middle_len - array_points_get[0][1])//3)# D_value2 = (middle_len - array_points_get[1][1])*2+((middle_len - array_points_get[1][1])//3)D_value1 = 0D_value2 = 0# 原图中的四个角点# pts1 = np.float32([[0, 249],[512, 253],[0, 512], [512, 512]])#重要的测试1和2pts1 = np.float32(array_points_get)#重要的测试1和2# pts2 = np.float32([[0, middle_len], [width, middle_len], [0, height], [width, height]])#重要的测试1和2# pts2 = np.float32([[0, middle_len],[0, height] , [width, height],[width, middle_len]])#重要的测试1和2pts2 = np.float32([[0, 0],[0, middle_len] , [width, middle_len],[width, 0]])#重要的测试1和2# 生成透视变换矩阵M = cv2.getPerspectiveTransform(pts1, pts2)# 进行透视变换dst = cv2.warpPerspective(img, M, (width, height))# # 保存图片，仅用于测试img_path = './cut_labels/cut_image_one.jpg'cv2.imwrite(img_path, dst)return warp_perspective(dst, width, height,array_points,array_points_warp,middle_len, D_value1, D_value2)def warp_perspective(dst, width, height,array_points,array_points_warp,middle_len, D_value1, D_value2):# new_img_path = img_path# img = cv2.imread(new_img_path)# 原图的保存地址# rows, cols = img.shape[:2]# 原图中的四个角点# pts3 = np.float32([[0, 268], [0, 44], [512,35], [512, 268]])#重要测试1# pts3 = np.float32([[0, middle_len], [0, D_value1], [512,D_value2], [512, middle_len]])#重要测试1pts3 = np.float32([[0, 0], [0, height], [width, height], [width, 0]])# pts3 = np.float32([[0, middle_len], [0, D_value1], [512,D_value2], [512, middle_len]])#重要测试1# pts3 = np.float32([[0, 512], [0, array_points[1][1]], [512,512], [512, middle_len]])#重要测试1# 变换后的四个角点pts4 = np.float32([[0, 0], [0, height-D_value1], [width, height-D_value2], [width, 0]])#重要测试1# pts4 = np.float32([[0, 268], [0, 0], [512, 0], [512, 268]])#重要测试1# 生成透视变换矩阵M = cv2.getPerspectiveTransform(pts3, pts4)# 进行透视变换dst_img = cv2.warpPerspective(dst, M, (width, height))# #保存最终图片，仅用于测试print("++++++++++++++++")final_img_path = './cut_labels/cut_image_two.jpg'cv2.imwrite(final_img_path, dst_img)# 进行透视变换return cv2.warpPerspective(dst_img, M, (width, height))# return output_warp_perspective(img, width, height, array_points, array_points_get, array_points_warp)if __name__  == "__main__":# 透视转换img = cv2.imread('../staticimg/oldimg_04.jpg')dst = get_warp_perspective(img, 512, 512, array_points=[[395.2, 75.0], [342, 517], [1000, 502], [900, 75]])cv2.imwrite('aaa2.jpg', dst)cv2.imshow('title', dst)cv2.waitKey(0)imgrectificate = imgRectificate(img, width, height, array_points)imgrectificate.warp_perspective()

Python-Opencv基于透视变换的图像矫正相关推荐

python opencv 实现透视变换——将侧视图进行正投影
python opencv 实现透视变换--将侧视图进行正投影这个方法可以将倾斜拍摄的四边形图片投影成矩形,在图像处理工程里经常要用,之前写过一个C语言版本的,可以搜我博客:透视变换但是pytho ...
【Python+OpenCV 图像透视变换 warpPerspective函数】
Python+OpenCV 图像透视变换 warpPerspective函数 1.函数介绍 2.代码实例 3.实现效果 1.函数介绍 warpPerspective():对图像进行透视变换.简单来说, ...
Python OpenCV基于颜色通道分离法去除图片中的红色印章
最近一段时间的工作都是研究如何去除图片中的红色印章,在网上查找了大量的大佬写过的方法,发现大多数是采取颜色通道分离法来做,并且效果还不错.站在前人的肩膀上,我又做了些许调整,谈不上是改进,但是能应对更 ...
python写透视挂_如何用Python openCV 用透视变换的方法对图像进行矫正
.需要矫正的图片1 需要矫正的图矫正后的结果: 矫正后的图需要矫正的图片2 矫正前矫正后 # import the necessary packages from imutils.perspec ...
Python - Opencv应用实例之头发自动分割、计数、特征统计智能分析系统
Python-Opencv应用实例之头发自动分割.计数.特征统计智能分析系统简介: 本文章将通过Python+Opencv基于传统图像处理算法实现头发的自动分析功能. 自动分割:对图像中的头发丝实现 ...
OpenCV—python 图像矫正（基于傅里叶变换—基于透视变换）
文章目录一.基于傅里叶变换的图像矫正 1.1 傅里叶变换原理 1.2 傅里叶变换过程一系列函数 1.3 图像矫正处理流程二.旋转图像矫正三.基于透视的图像矫正 3.1 直接变换 3.2 自动获取 ...
基于python+opencv的图像目标区域自动提取
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx 一.提取纸张中的内容一张照片中的感兴趣区域总是沿着x,y,z三个轴都有一定倾斜(如下图),要 ...
Python，OpenCV基于支持向量机SVM的手写数字OCR
Python,OpenCV基于支持向量机SVM的手写数字OCR 1. 效果图 2. SVM及原理 2. 源码 2.1 SVM的手写数字OCR 2.2 非线性SVM 参考上一节介绍了基于KNN的手写数 ...
文档扫描仪的构建——使用Python，OpenCV应用透视变换来获得图像的自顶向下的“鸟瞰图”
使用Python,OpenCV应用透视变换来获得图像的自顶向下的"鸟瞰图" 1. 效果图 2. 应用透视变换的步骤 3. 优化:矩形角点的获取 4. 源码参考这篇博客演示了如何 ...

Python-Opencv基于透视变换的图像矫正

Python-Opencv基于透视变换的图像矫正相关推荐

最新文章

热门文章