Python+OpenCV库实现对倾斜图片的校正

最新推荐文章于 2024-05-25 02:59:51 发布

根本学不够

最新推荐文章于 2024-05-25 02:59:51 发布

阅读量3.4k

点赞数 20

分类专栏：机器视觉文章标签： python opencv 开发语言

本文链接：https://blog.csdn.net/wei2486/article/details/134326287

版权

机器视觉专栏收录该内容

4 篇文章 0 订阅

订阅专栏

目录

前言

一、设计思路

二、编程步骤

三、代码实现

四、测试结果

总结

前言

本实验旨在利用OpenCV库实现对倾斜图片的校正，并通过鼠标交互方式选择图片的边界点，以便进行透视变换和图像裁剪，代码简洁，适合初学者参考学习。

一、设计思路

首先，我们需要读取一张倾斜的图片，并将其显示在屏幕上。然后，我们使用鼠标交互的方式选择图片的边界点，以便计算透视变换矩阵。在获取足够数量的边界点坐标后，我们可以使用OpenCV的cv2.getPerspectiveTransform()函数计算透视变换矩阵，并使用cv2.warpPerspective()函数将原始图片应用透视变换矩阵，得到校正后的图像。最后，根据校正后的图像中的实际内容，我们可以选择对图像进行裁剪，以去除不需要的部分。

二、编程步骤

（1）导入所需的库。在Python中，你可以使用OpenCV库来进行图像处理和透视变换。因
此，首先需要导入OpenCV库。
（2）读取倾斜的图片。使用OpenCV的cv2.imread()函数读取图片，并将其存储为一个图像对象。
（3）显示图片并等待鼠标事件。使用OpenCV的cv2.imshow()函数显示图片，并使用cv2.setMouseCallback()函数设置鼠标回调函数，以便在鼠标点击事件发生时获取边界点的坐标。
（4）获取边界点坐标。在鼠标点击事件发生时，回调函数会被触发，可以通过回调函数中提供的参数来获取鼠标点击的坐标。在这个步骤中，你可以使用一个列表来存储每个边界点的坐标。
（5）计算透视变换矩阵。在获取足够数量的边界点坐标后，使用OpenCV的cv2.getPerspectiveTransform()函数计算透视变换矩阵。这个函数接受源点和目标点的坐标，并返回一个3x3的变换矩阵。
（6）应用透视变换矩阵。使用OpenCV的cv2.warpPerspective()函数将原始图片应用透视变换矩阵，得到校正后的图像。这个函数接受原始图片、透视变换矩阵和输出图像的大小作为参数，并返回一个转换后的图像。
（7）裁剪校正后的图像。根据校正后的图像中的实际内容，你可以选择对图像进行裁剪，以去除不需要的部分。可以使用OpenCV的图像切片操作来实现裁剪。
（8）显示和保存校正后的图像。使用OpenCV的cv2.imshow()函数显示校正后的图像，并使用cv2.imwrite()函数将校正后的图像保存到本地文件中。
三、代码实现

import cv2
import numpy as np
#读取图像
img = cv2.imread('D:/Users/Desktop/python/mmexport1603882179174.jpg')
cv2.imshow('Original Image', img)

points = []
#定义鼠标回调函数
def mouse_click(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        points.append([x, y])
        cv2.circle(img, (x, y), 5, (0, 255, 0), -1)
#绑定鼠标回调函数
cv2.namedWindow('Original Image')
cv2.setMouseCallback('Original Image', mouse_click)
#循环检测按键
while True:
    cv2.imshow('Original Image', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
#判断边界点数量是否为4
if len(points) != 4:
    print('Please select exactly 4 points.')
    exit()

src_points = np.float32(points)
dst_points = np.float32([[0, 0], [500, 0], [500, 500], [0, 500]])
#进行透视变换
M = cv2.getPerspectiveTransform(src_points, dst_points)
warped_img = cv2.warpPerspective(img, M, (500, 500))

cv2.imshow('Warped Image', warped_img)
cv2.waitKey(0)
# 继续显示原始图像
cv2.imshow('Original Image', img)
cv2.waitKey(0)

cv2.destroyAllWindows()