图像外接轮廓，最小外接矩形，最大内接矩形，透视变换

最新推荐文章于 2024-07-04 06:00:00 发布

Zackie-D

最新推荐文章于 2024-07-04 06:00:00 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

文章标签： opencv 计算机视觉 python

本文链接：https://blog.youkuaiyun.com/weixin_52654243/article/details/128970004

该文介绍了如何使用OpenCV进行图像轮廓检测，提取最小外接矩形和最大内接矩形，并详细阐述了如何执行透视变换。首先，通过灰度化、模糊处理和二值化获取图像轮廓，然后找到最大面积的轮廓并计算其最小外接矩形。接着，定义函数以确定最大内接矩形。最后，利用透视变换对图像进行变形，实现特定区域的放大或调整视角。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.图像轮廓和最小外接矩形

img = cv2.imread(path)

# 图像处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.blur(gray, (9, 9))
_, thresh = cv2.threshold(blurred, 155, 255, cv2.THRESH_BINARY)

# 获取轮廓
_, cnts, _ = cv2.findContours( thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#对轮廓按照面积进行排序，选取最大面积
c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]
rect = cv2.minAreaRect(c)

#box即为最大面积图像轮廓的的最小外接矩形四点坐标
box = np.int0(cv2.boxPoints(rect))
cv2.drawContours(img, [box], -1, (0, 255, 0), 3)
cv2.imshow("Image", img)
cv2.imwrite("pic.jpg", img)
cv2.waitKey(0)

2.最大内接矩形

def order_points(pts):
    # pts为轮廓坐标
    # 列表中存储元素分别为左上角，右上角，右下角和左下角
    rect = np.zeros((4, 2), dtype = "float32")
    # 左上角的点具有最小的和，而右下角的点具有最大的和
    s = pts.sum(axis = 1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]
    # 计算点之间的差值
    # 右上角的点具有最小的差值,
    # 左下角的点具有最大的差值
    diff = np.diff(pts, axis = 1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]
    # 返回排序坐标(依次为左上右上右下左下)
    return rect


img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.blur(gray, (9, 9))
_, thresh = cv2.threshold(blurred, 155, 255, cv2.THRESH_BINARY)
_, cnts, _ = cv2.findContours( thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

# 最大面积轮廓
c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]

# 先找出轮廓点(顺时针四点坐标)
rect = order_points(c.reshape(c.shape[0], 2))
print(rect)

# 标准化坐标到整数 按照lt rt lb rb 排列
box = np.int0(box)
box_ = sorted(box, key=(lambda x: x[1]))
box_[:2] = sorted(box_[:2], key=(lambda x: x[0]))
box_[2:] = sorted(box_[2:], key=(lambda x: x[0]))
print(box_)

3.透视变换

# 计算透视变换参数矩阵
def cal_perspective_params(aim_point, points):
    # 设置偏移点。如果设置为(0,0),表示透视结果只显示变换的部分（也就是画框的部分）
    offset_x = 0
    offset_y = 0
    img_size = (aim_point[1], aim_point[0])
    src = np.float32(points)
    # 透视变换的四个点
    dst = np.float32([[offset_x, offset_y], [img_size[0] - offset_x, offset_y],
                      [offset_x, img_size[1] - offset_y], [img_size[0] - offset_x, img_size[1] - offset_y]])
    # 透视矩阵
    M = cv2.getPerspectiveTransform(src, dst)
    # print(M)
    # # 透视逆矩阵
    # M_inverse = cv2.getPerspectiveTransform(dst, src)
    # print(M_inverse)
    return M


# 透视变换
def img_perspect_transform(img, M, img_size):
    img_size = (img_size[1], img_size[0])
    return cv2.warpPerspective(img, M, img_size)

# 使用：
'''
    :param size: 目标图像的大小 (h, w)
    :param box_: 矩形坐标 (左上，右上，左下，右下)

    :param origin_img: 被透视变换的图像，一般为原图
'''
M = cal_perspective_params(size, box_)
trasform_img = img_perspect_transform(origin_img, M, size)