01-23 02:44 阅读 570

Python Opencv基于透视变换的图像矫正

这篇文章主要为大家详细介绍了Python Opencv基于透视变换的图像矫正，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

本文实例为大家分享了Python Opencv基于透视变换的图像矫正，供大家参考，具体内容如下

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 np

def 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, opened

def 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))                           # box

    draw_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_img

def 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_img

if __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 = 0

    D_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2

    pts1 = 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2

    pts2 = 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1

    pts3 = 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()

以上就是本文的全部内容，希望对大家的学习有所帮助

原文链接：https://blog.csdn.net/weixin_43431189/article/details/93513923