图像方向矫正和透视变换处理

最新推荐文章于 2024-06-23 11:18:08 发布
最新推荐文章于 2024-06-23 11:18:08 发布
阅读量1k 收藏 9
点赞数
文章标签： 深度学习 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44309220/article/details/129563463
版权

文章目录

一、前期工作

在对图片文字识别中发现图片的质量对识别结果有很大影响。

在日常拍摄的图片大多存在着旋转和透视变换的问题，之前尝试过几何方法和一些深度学习的模型。但几何方法效果不好，深度学习的模型大小太大，不方便移植到移动端。

二、当前进展

通过利用前期工作找到的深度学习模型的数据集，我们基于 PaddlePaddle 平台的 PaddleSeg 重新训练出了一个图像语义分割模型。

该模型可以找到图片中的文字区域，我们通过对文字区域的处理实现了对图片增强的目的。

1. PaddleSeg

PaddleSeg 是基于飞桨 PaddlePaddle 的端到端图像分割套件，代码开源，基于该套件训练出的模型可以移植到移动端。

2. MobileSeg 模型

MobileSeg 模型是 PaddleSeg 的超轻量级语义分割模型。

模型大小: 12 MB

模型处理对图片大小的影响：部分图片处理后会减小或不变，部分图片处理后会增大，但增大幅度在30%~50%区间

模型处理速度：

PS: FPS 指的是每秒可以处理的帧数，即每秒可以处理的图片

3. 代码处理

代码运行速度可以一秒处理一张图片

三、图片测试

以下图片是在之前测试中难以被矫正的图片

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

原图片

模型识别的文字区域

代码处理后的文字框

矫正前后对比

言山兮尺川
关注
  • 0
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
将图像进行透视变换矫正
Li_jie32的博客
04-19 482
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、将“hello！”图像通过透视变换矫正二、使用步骤1.代码如下2.结果展示总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、将“hello！”图像通过透视变换矫正 二、使用步骤 1.代码如下 import cv2 import numpy as
机器视觉图像处理资料整理
05-17
在机器视觉领域，图像预处理是非常关键的一个步骤，它可以显著提升后续图像分析和处理的效率与准确性。以下是一些重要的预处理方法： ##### 1. **灰度变换** - **线性变换**：通过对图像中的像素值进行线性映射，...
paddle检测文本框斜率，矫正，paddleHub提取图片信息GPU加速
adminuis的博客
04-25 1381
paddle检测文本框斜率，矫正，paddleHub提取图片信息 import numpy as np import cv2 import paddle import paddlehub as hub import math import datetime import multiprocessing as mp from paddle import static def rot2(x1,x2,y1,y2): # k = -(y2 - y1) / (x2 - x1) k = -(y
使用 OpenCV 和 PaddleOCR 自动纠正图像中的文本倾斜
最新发布
Striver16的博客
06-23 709
通过结合 PaddleOCR 的高效文本检测功能与 OpenCV 的强大图像处理能力，本方法有效解决了扫描图像文本倾斜的问题。这不仅使得从图像到文本的转换更加高效、准确，还大大提升了后续数据处理的流畅性。实际应用中，该技术表现出了优越的性能和广泛的适用性，为类似的图像处理任务提供了一个可靠的解决方案。希望这篇博客能激发更多同行在面对图像处理挑战时，采用创新的解决方案。对于想要深入了解和应用这些技术的朋友，我建议亲自动手实验不同类型的图像样本，以获得更全面的经验和理解，转载请附明出处。
Android OpenCv4 图像透视变换之图片矫正
TLuffy的博客
05-17 2699
实现效果 相机拍照，对图片进行倾斜矫正 图片矫正实现步骤 读取图片到内存。 为两张图检测ORB特征点。 特征匹配：找到两图中匹配的特征点，并按照匹配度排列，保留最匹配的一小部分。然后把匹配的特征点画出来并保存图片。 计算单应性矩阵：由于上一步产生的匹配的特征点不是100%正确的，需要调用findHomography 函数来计算多个二维点对之间的最优单应性变换矩阵。 透视变换：有了精确的单应性矩阵，就可以把一张图片的所有像素映射到另一个图片。使用透视变换 来完成图片矫正。 透视变换 透视变换（P.
图像预处理——透视变换（二）：X，Y方向校正原理
xiao_lxl的专栏
04-17 9719
一点透视投影的X方向校正和Y方向校正
通过透视变换矫正变形图像
扯淡的沉默的博客
02-15 4682
在平面图像处理中，因为镜头角度等原因，容易导致图像出现倾斜、变形等情况，为了方便后续处理我们常常需要进行图像矫正，其中主要技术原理是两种变换类型–仿射变换(Affine Transformation)和透视变换(Perspective Transformation)。 仿射变换是二维坐标间的线性变换， 故而变换后的图像仍然具有原图的一些性质，包括“平直性”以及“平行性”，常用于图像翻转(Flip)...
图像透视变换矫正
weixin_57435973的博客
06-29 179
透视变换(Perspective Transformation)：是将图片投影到一个新的视平面(Viewing Plane)， 也称作投影映射(Projective Mapping)。透视变换的目的：就是把现实中为直线的物体， 在图片上可能呈现为斜线， 通过透视变换转换成直线的变换。 结果： ...
Cv_ImageProcess.rar_旋转_透视_透视变换
07-15
在图像处理领域，旋转、透视和透视变换是关键的操作，它们在各种应用场景中都有重要作用，例如计算机视觉、图像分析和机器学习。以下是对这些概念的详细解释和相关知识点的阐述。 1. 图像旋转： 图像旋转是改变图像...
图像处理，几何图像的变换
11-24
除了这些基本变换，还有更复杂的组合变换，如仿射变换、透视变换和射线变换等。仿射变换保留了图像的平行性，可用于地图投影或者图像校正；透视变换考虑了视线与图像平面的关系，使得图像呈现出真实的空间感；射线...
数字图像处理 几何变换
05-17
首先，几何变换主要分为两大类：仿射变换和透视变换。仿射变换保持了图像的直线性质，包括平移、旋转、缩放和剪切等操作。在二维空间中，一个图像可以通过一个2x3的矩阵来表示其仿射变换。例如，平移可以通过在变换...
基于MATLAB实现图片透视效果矫正
12-13
运用Matlab实现图片透视效果的矫正，通过确定4个特征点，从而矫正透视现象。
透视校正对不同视角抓取的图像进行正确校正
03-06
四点透视变换需要四个控制点，分别对应于原始图像和校正后图像的对应点。通过这四个点，我们可以计算出一个变换矩阵，用于将原始图像的每个像素坐标映射到新的坐标系。 在实现透视校正的过程中，一般会用到图像处理...
[图片校准(矫正)]——透射变换应用
weixin_42067873的博客
09-03 1891
如果想要对图像进行校准，那么透射变换是非常有效的变换方法。 透射变换的定义如下：将图像投影到一个新的视平面，通常也成为投影映射。 详情参考链接：透射变换介绍 1、举例说明 直观的来看，透视变换的作用就是将左侧图像的坐标点 [[50,0],[150,0],[0,200],[200,200]]转化为新的坐标 [[0,0],[200,0],[0,200],[200,200]] 2、应用 原图是一个旋转过的图片，现在需要做图片矫正，将图片放正。 做法：手工选去需要矫正区域四个角上...
将图像通过透视变换矫正
weixin_57513601的博客
06-23 130
显示效果
项目一改进：调节图片的曝光度并对通过透视变换矫正图片（解决图中所有最小覆盖矩形标记指定坐标时提取box中四个顶点顺序不一致问题）
weixin_45145550的博客
08-05 430
本篇中，我们需要完成以下任务： 1、调节图片曝光率，使得图片颜色显得均匀 2、提取标记块轮廓，单独标记出其坐标x值 3、通过透视变换对调节好曝光度的图片进行矫正 4、对矫正处理好的图片重复第二步操作并做出对比 开始操作吧 一、读取原图 # 1.读取图片 # 使用函数cv2.imread(filepath,flags)读入一副图片 image = cv2.imread("C:/myprojects/expose_img.jpg") print("original shape:{}".format(im.
PaddleOCR方向分类器优化输入图像
cv小学dl三年级
09-29 2426
方向分类器对于过长或者过短的分类效果可能不好。 例如过长的情况： 虽然能分对，但是置信度分别是[‘0’, 0.8890628]和[‘180’, 0.97985005]。 过短的文本如一个字符： 分类的情况分别是[‘0’, 0.84042734]和[‘180’, 0.9551178]。 我们在测试大量图片时，有些过长的文本出现了明显的错误，因此我对图像进行了处理： 如果是过长的文本则进行截断，过短的文本则复制扩展成输入图像的尺寸。 修改后过长文本测试效果：[‘0’, 1.0]和[‘180’, 1.0]
如何将图片恢复水平位置？图片旋转矫正方法大全，ddddocr作者基于RotNet的旋转验证码深度学习识别模型Rotate-Captcha-Crack
朴拙科技的博客
04-26 4234
该模型首先使用边缘检测算法对图像进行边缘检测，然后找到边缘上的直线，并计算直线的角度。最后通过旋转图像来校正图像的角度。
PaddleOCR二次全流程——7. 图像的预处理和后处理
Castlehe的博客
04-23 5517
经过之前的迁移训练，其实在某些方面会比通用的模型要好一些，但是直接投入实际生产使用还是差一些，所以这里读一下paddleocr的源代码去了解一下现有的预处理和后处理情况。 1. 预处理 预处理也分为cls分类，db检测，east检测，rec识别这几种情况，没有在FAQ文件中搜到统一的文件夹，自己去手动找找。根据PaddleOCR 的整体目录结构-tree结构可知，与预处理相关的内容 \PaddleOCR\tools 另外，还有PaddleOCR\deploy\cpp_infer\include\p
opencv图像矫正透视变换
09-24
通过使用OpenCV库中的函数，你可以进行图像矫正和透视变换。在你提供的代码中，可以看到以下几个关键步骤： 1. 将图像转换为灰度图像，以便进行单通道计算。 2. 使用Canny边缘检测函数，提取图像中的边缘。 3. 定义源图像和目标图像的顶点坐标，通过这些坐标生成透视变换矩阵。 4. 使用透视变换矩阵对图像进行透视变换，得到矫正后的图像。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值