关于图像识别和定位，类二维码的定位码识别和边框识别

版本一：边框识别

给编码后的图片加上像素大小为5*5的边框
下为生成的图片：

方法一：使用canny边缘检测算法，（可加仿射变换校正图形）

import cv2
import numpy as np
import math
def reshape_image(image):#归一化是为了方便观察，可以去掉这步
    '''归一化图片尺寸：短边400，长边不超过800，短边400，长边超过800以长边800为主'''
    width, height = image.shape[1], image.shape[0]
    min_len = width
    scale = width * 1.0 / 400
    new_width = 400
    new_height = int(height / scale)
    if new_height > 800:
        new_height = 800
        scale = height * 1.0 / 800
        new_width = int(width / scale)
    out = cv2.resize(image, (new_width, new_height))
    return out

def find(img):

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # ret, binary = cv2.threshold(gray, 170, 255, cv2.THRESH_BINARY)
    edges = cv2.Canny(gray, 100, 150) #参数为：源图，最低阈值，最高阈值，调整阈值以获得精度不同的轮廓边缘
    contour_info = []
    contours, _ = cv2.findContours(edges, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
    largest_area = 0
    for i in range(len(contours)):
        area = cv2.contourArea(contours[i])
        if area > largest_area:
            largest_area = area
            largest_coutour_index = i
    x, y, w, h = cv2.boundingRect(contours[largest_coutour_index])
    c=sorted(contours,key=cv2.contourArea, reverse=True)[1]
    rect = cv2.minAreaRect(c)  # 获取包围盒（中心点，宽高，旋转角度）
    box = np.int0(cv2.boxPoints(rect))
    draw_img = cv2.drawContours(img.copy(), [box], -1, (0, 0, 255), 3)
    pixel = int(h/50)
    pix=int(w/50)
    new = img[y + 2 + pixel:y + h - 2 - pixel, x + 2 + pix:x + w - pix - 2]
    return new


def cut(imgpath):
    ori_img = cv2.imread(imgpath)
    #img = reshape_image(ori_img)
    processed_img=find(ori_img)
    cv2.imwrite('111111.png',processed_img)

cut('50.png')

拍摄图片：

canny后的图片：
关于canny的参考资料：
https://blog.csdn.net/weixin_43866530/article/details/105010674
仿射变换代码：（不够精确，但还没有找到原因）

def Perspective_transform(box, original_img):#box是四个点坐标
    pts1=np.float32(box)
    pts2 = np.float32([[0, 0], [300, 0], [0, 300],