笔记：调用OpenCV自动化图片添加边框

什么都想学的阿松

已于 2024-08-02 17:19:15 修改

阅读量706

点赞数 20

文章标签：自动化 python 计算机视觉

于 2024-08-02 17:10:35 首次发布

本文链接：https://blog.csdn.net/yys197/article/details/140873845

版权

记录一次使用python调用cv2批处理图片添加边框

模板匹配法，canny边缘检测算法。

先检测原图片是否有框，原图有框再加就重复了。

思路：windows界面下右上角的关闭按钮X是必有的。所以检测右上角是否有X

检测右上角是否有“X”形状的关闭按钮。
image_path: 输入图片路径
region_size: 要检测的区域大小
return: 如果有“X”形状的关闭按钮，返回True，否则返回False

使用cv2读取灰度图像

截取图片右上角50x50px（目的是减少整张图特征识别时候干扰），注意，图像坐标原点一般位于图像的左上角

然后用原图片的尺寸，x,y减去像素区域即可。

定义剪裁区域：

top_left_x = width - 100
top_left_y = 0
bottom_right_x = width
bottom_right_y = 100

使用canny边缘检测算法处理图片，方便做右上角X的特征识别。

这里2种方案可以给出X模板图像，也可以不给。

1.不给

不给的话就提取轮廓的面积和外界矩形的左上角坐标以及长宽

判断外接矩形的宽高比是否在 0.8 到 1.2 之间。（X的主要特征）

if area > 100 and w > 10 and h > 10 and 0.8 < w / h < 1.2:
    return True

2.给出模板图像

使用边缘检测处理模板图像，然后获取模板图像的w和h

在0.2-1.5之间生成30个数字。

用这些数字去乘以图像的w和h得到不同尺寸的模板图像。

然后使用模板匹配法去匹配，并且得到匹配结果。记录最大值

# 进行模板匹配
res = cv2.matchTemplate(image, template, cv2.TM_CCOEFF, mask=mask)
        它能够在输入图像中搜索并找到与给定模板图像最匹配的位置。
        因为用了Canny边缘检测处理，所以都是线条之间的匹配。
        method: 匹配方法，用于指定模板匹配的算法。可选的方法包括：
        cv2.TM_SQDIFF: 平方差匹配法，最小值表示最好的匹配。
        cv2.TM_SQDIFF_NORMED: 归一化平方差匹配法，值范围在0到1，最小值表示最好的匹配。
        cv2.TM_CCORR: 相关性匹配法，最大值表示最好的匹配。
        cv2.TM_CCORR_NORMED: 归一化相关性匹配法，值范围在0到1，最大值表示最好的匹配。
        cv2.TM_CCOEFF: 相关系数匹配法，最大值表示最好的匹配。
        cv2.TM_CCOEFF_NORMED: 归一化相关系数匹配法，值范围在-1到1，最大值表示最好的匹配。        
        区别和适用场景：
            平方差匹配 (cv2.TM_SQDIFF 和 cv2.TM_SQDIFF_NORMED): 适用于需要精确位置匹配和像素级别匹配的情况，例如物体定位。
            相关性匹配 (cv2.TM_CCORR 和 cv2.TM_CCORR_NORMED): 适用于灰度信息一致的情况，可以用于找出相似模式的多个实例，但对光照变化敏感。
            相关系数匹配 (cv2.TM_CCOEFF 和 cv2.TM_CCOEFF_NORMED): 适用于光照和对比度变化较大的场景，通常用于图像识别和对象检测。

res是一个元组类型，可以用cv2给出的cv2.minMaxLoc(result)拆包

根据设置的相似度阈值去对比匹配结果。检查找到的匹配区域是否大于阈值（我这里的阈值是0.8

最后返回一个bool值。

# 设定阈值
threshold = 0.8

# 检查是否找到了匹配的区域并且匹配值大于阈值
if found and found[0] >= threshold:
    return True
else:
    return False

检测方法写完以后就是加框了

边框随便截一张Windows下的应用程序把内部掏空就好了。

调整变宽的尺寸略大于原图像。

frame_width = int(image_width * 1.00)
frame_height = int(image_height * 1.05)
resized_frame = frame.resize((frame_width, frame_height), Image.LANCZOS)

然后就是图片的左上角坐标，在框架的居中位置的坐标应该是多少：

position = (

(frame_width - new_image_width) // 2,

(frame_height - new_image_height) // 2

)

可以在这里适当添加偏移量，保证自己想要的效果实现

然后就是创建一个新的图像，先将边框粘贴到新图像上面，然后paste图像到边框中间上就好了。

这里比较简单，第一次做就是容易搞不清坐标原点在图像的左上角。

最后保存，结束。

canny主要步骤：

1.噪声抑制：

首先，通过使用高斯滤波器对图像进行平滑处理，以去除图像中的噪声。高斯滤波器可以有效地平滑图像，同时保持边缘的细节。