EL图数据初步处理

使用python ，opencv进行数据集的初步处理

数据来源

最近从实验室师兄拿到一批太阳能板的EL图数据集，想通过语义分割的方式进行太阳能板的裂纹检测，由于拍摄角度比较倾斜不定，得到的图像没有规则，如下图：
![原来的图像](https://img-blog.csdnimg.cn/202011122119376.png#pic_center)
编写如下脚本，主要实现如下功能：1，将文件夹中的图片路径提取并保存为txt文件：

import os


path = os.listdir('huizhou_Detection')
f = open('huizhou_Detection.txt', 'w')
for _ in path:
    name="huizhou_Detection/"+ _

    f.write(name + '\n')
f.close()

2: 对图像进行处理，处理顺序为：通过图片路径读取图片-》将图片转换为灰度图-》对图片进行适当缩小-》进行中值滤波-》图像二值化-》膨胀处理-》膨胀再腐蚀操作-》寻找图像的轮廓（由于返回的轮廓是点集，因此我们采用包含最多点的集合作为我们的轮廓集合）-》筛选出轮廓点的左上、左下、右上、右下四个端点-》用最小矩阵将四个端点包围-》生成透视变换矩阵-》生成经过透视操作后的图片-》将图片的保存

def order_points(pts):
    # 对坐标点进行排序，左上=》 右上=》左下=》右下 pts是很多个点，先求出左上角和右下角的点
    rect = np.zeros((4, 2), dtype="float32")
    # 按行排序
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]

    # 纵坐标减去行坐标 得左下 右上
    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]

    return rect


def point_distance(a, b):
    return int(np.sqrt(np.sum(np.square(a - b))))


def src_dst(path_src, savepath):
    name = path_src.split('/')[-1]
    name =str(savepath)+'/'+name
    """前期处理，灰度-》二值化-》中值滤波-》膨胀-》腐蚀"""
    image = cv2.imread(path_src)
    srcHeight, srcWidth, channels = image.shape
    image = cv2.resize(image, (int(srcWidth * 0.7), int(srcHeight * 0.7)))
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    binary = cv2.medianBlur(gray, 3)
    ret, binary = cv2.threshold(binary, 50, 255, cv2.THRESH_BINARY)
    binary = cv2.dilate(binary, None, iterations=2)
    img = cv2.erode(cv2.dilate(binary,None, iterations=2),None, iterations=2)

    """得到轮廓，筛选进而找到最大的轮廓"""
    contours = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1]
    list1 = []
    for i in range(0,len(contours)):
        p= contours[i].shape[0]
        list1.append(p)
    idx = list1.index(max(list1))
    # 改变点几个的形状，-》n*2
    contours[idx] =contours[idx].reshape(contours[idx].shape[0],contours[idx].shape[-1])
    # 获得四个点集，就是轮廓的四个顶点
    quard= order_points(contours[idx])
    # 得到最小包围矩形，返回的值是，中心点坐标，长宽以及旋转角度
    approxBox =cv2.minAreaRect(quard)

    """生成透视矩阵，得到透视后的图片"""
    # 转换器矩形的四个端点的坐标
    box = cv2.boxPoints(approxBox)
    box = np.int0(box)
    box = box.reshape(4, 2)
    box = order_points(box)
    # 待切割区域的原始位置，四边形的四个坐标
    src_rect = order_points(quard)
    w, h = point_distance(box[0], box[1]), point_distance(box[1], box[2])
    # 生成透视变换矩阵
    dst_rect = np.array([
        [0, 0],
        [w - 1, 0],
        [w - 1, h - 1],
        [0, h - 1]],
        dtype="float32")
    # 透视变换，生成变换视角
    m = cv2.getPerspectiveTransform(src_rect, dst_rect)
    # 得到透视变换后的图像
    warped = cv2.warpPerspective(image, m, (w, h))
    # 将变换后的结果图像写入png文
    cv2.imwrite(name, warped, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])
    
    这里上传一个我自己整理的一个太阳能板数据集，数据来源主要是自己获取以及公开数据集的融合，供大家使用
    **链接：https://pan.baidu.com/s/1r1rdu8OGJ1rhKpW9-CS_Tg 
提取码：md1t**