pythonopencv实现图像矫正功能
本文实例为大家分享了python opencv实现图像矫正的具体代码，供大家参考，具体内容如下
问题简介
一般的我们对图像中的目标进行分析和检测时，往往目标具有一定的倾斜角度，自然环境中正面向我们的目标实际是很少的，那将这些倾斜的目标“扶正”的过程就就叫做图像矫正。
透视变换demo
图像矫正使用的主要技术是透视变换。
python-opencv 透视变换demo如下：
import cv2
import numpy as np
img = cv2.imread('/home/pzs/图片/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)
class="lazy" data-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(class="lazy" data-src, dst)
result = cv2.warpPerspective(result3, m, (337, 488))
cv2.imshow("result", result)
cv2.waitKey(0)主要是使用cv2.warpPerspective()函数
透视变换结果
透视变换使用很简单，关键是如何找到目标的4个顶点。
如何找到目标的4个顶点
如何找到这4个顶点：
方法有很多种，如：直线检测，轮廓检测，最小外接矩形等。
使用轮廓检测方式：
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) # 边缘检测
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 轮廓检测
cnts = cnts[0] if imutils.is_cv2() else cnts[1] # 判断是opencv2还是opencv3
docCnt = None
if len(cnts) > 0:
cnts = sorted(cnts, key=cv2.contourArea, reverse=True) # 根据轮廓面积从大到小排序
for c in cnts:
peri = cv2.arcLength(c, True) # 计算轮廓周长
approx = cv2.approxPolyDP(c, 0.02*peri, True) # 轮廓多边形拟合
# 轮廓为4个点表示找到纸张
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、对图片进行轮廓检测
2、对检测出的轮廓进行多边形逼近
3、多边形为四边形且轮廓面积最大的图形为纸张
4、输出标记四个定点
cv2.approxPolyDP() 多边形逼近
重点讲解这个函数
作用:
对目标图像进行近似多边形拟合，使用一个较少顶点的多边形去拟合一个曲线轮廓，要求拟合曲线与实际轮廓曲线的距离小于某一阀值。
函数原形：
cv2.approxPolyDP(curve, epsilon, closed) -> approxCurve
参数：
curve ： 图像轮廓点集，一般由轮廓检测得到
epsilon ： 原始曲线与近似曲线的最大距离，参数越小，两直线越接近
closed ： 得到的近似曲线是否封闭，一般为True
返回值：
approxCurve ：返回的拟合后的多边形顶点集。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程网。
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
