OpenCV操作整理

获取图中轮廓：

contours,hierarchy=cv2.findContours(Img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

画出轮廓：

cv2.drawContours(frame,contours,-1,(0,0,255),2)

多边形拟合：

approx = cv2.approxPolyDP(cnt,5,True)

参数：

approx：输出的多边形的数目

cnt：输入的连续的点（findContours可以获得）

5：阈值

True：只拟合闭合的轮廓，false则拟合闭合与不闭合

获取透射变换矩阵：

cv2.getPerspectiveTransform(src, dst) → M

参数：

src：源图像中待测矩形的四点坐标（二维的）

sdt：目标图像中矩形的四点坐标（也是二维的）

M：变换矩阵

用途：返回由源图像中矩形到目标图像矩形变换的矩阵

透射变换：

cv2.warpPerspective(src, M, dsize, flags, borderMode, borderValue) → dst

参数：

src：输入图像

M：变换矩阵

dsize：目标图像shape

flags：插值方式

borderMode：边界补偿方式

borderValue：边界补偿大小，常值，默认为0

用途：将原矩形根据变换矩阵，变换到目标矩形的形状（与上一个函数配合使用，把斜的矩形拉正）

PnP求解：

ret, rvec, tvec = cv2.solvePnP(model_object, model_image, camera_matrix, dist_coeffs)

参数：

objPoints：目标点的世界坐标系坐标（至少三个点，坐标为三维）

imagePoints：目标点的图像坐标系坐标（同样的三个点，坐标为二维）

cameraMatrix：相机的内参矩阵

distCoeffs：相机的畸变矩阵

用途：已知点坐标 求变换矩阵（rvec,tvec）

三维坐标投影运算：

projectedPoints,_ = cv2.projectPoints(model_object, rvec, tvec, camera_matrix, dist_coeffs)

比较两张图片的不同：

diff_img = cv2.absdiff(templates[t], match_candidate[0])