123
4567
891011
1213
1415
1617
1819
2021
2223
2425
2627
2829
3031
3233
3435
3637
3839
4041
4243
4445
4647
4849
5051
5253
5455
5657
5859
6061
6263
6465
6667
6869
7071
7273
7475
7677
7879
8081
8283
8485
8687
8889
9091
9293
9495
9697
9899
100101
102103
104105
106107
108109
110111
112113
114115
116117
118119
120121
122123
124125
126127
128
# 匯入工具包
import numpy as np
import argparse
import cv2
# 設定引數
# 一共4個座標點
rect = np.zeros((4, 2), dtype = "float32")
# 按順序找到對應座標0123分別是 左上，右上，右下，左下
# 計算左上，右下
s = pts.sum(axis = 1)
rect[0] = pts[np.argmin(s)]
rect[2] = pts[np.argmax(s)]
# 計算右上和左下
diff = np.diff(pts, axis = 1)
rect[1] = pts[np.argmin(diff)]
rect[3] = pts[np.argmax(diff)]
return rect
def four_point_transform(image, pts):
# 獲取輸入座標點
rect = order_points(pts)
(tl, tr, br, bl) = rect
# 計算輸入的w和h值
widtha = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
widthb = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
maxwidth = max(int(widtha), int(widthb))
heighta = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
heightb = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
maxheight = max(int(heighta), int(heightb))
# 變換後對應座標位置
dst = np.array([
[0, 0],
[maxwidth - 1, 0],
[maxwidth - 1, maxheight - 1],
[0, maxheight - 1]], dtype = "float32")
# 計算變換矩陣
m = cv2.getperspectivetransform(rect, dst)
warped = cv2.warpperspective(image, m, (maxwidth, maxheight))
# 返回變換後結果
return warped
def resize(image, width=none, height=none, inter=cv2.inter_area):
dim = none
(h, w) = image.shape[:2]
if width is none and height is none:
return image
if width is none:
r = height / float(h)
dim = (int(w * r), height)
else:
r = width / float(w)
dim = (width, int(h * r))
resized = cv2.resize(image, dim, interpolation=inter)
return resized
# 讀取輸入
image = cv2.imread(args["image"])
#座標也會相同變化
ratio = image.shape[0] / 500.0
orig = image.copy()
image = resize(orig, height = 500)
# 預處理
gray = cv2.cvtcolor(image, cv2.color_bgr2gray)
gray = cv2.gaussianblur(gray, (5, 5), 0)
edged = cv2.canny(gray, 75, 200)
# 展示預處理結果
print("step 1: 邊緣檢測")
cv2.imshow("image", image)
cv2.imshow("edged", edged)
cv2.waitkey(0)
cv2.destroyallwindows()
# 輪廓檢測
cnts = sorted(cnts, key = cv2.contourarea, reverse = true)[:5]
# 遍歷輪廓
for c in cnts:
# 計算輪廓近似
peri = cv2.arclength(c, true)
# c表示輸入的點集
# epsilon表示從原始輪廓到近似輪廓的最大距離，它是乙個準確度引數
# true表示封閉的
# 4個點的時候就拿出來
break
# 展示結果
print("step 2: 獲取輪廓")
cv2.drawcontours(image, [screencnt], -1, (0, 255, 0), 2)
cv2.imshow("outline", image)
cv2.waitkey(0)
cv2.destroyallwindows()
# 透視變換
warped = four_point_transform(orig, screencnt.reshape(4, 2) * ratio)
# 二值處理
# 展示結果
print("step 3: 變換")
cv2.imshow("original", resize(orig, height = 650))
cv2.imshow("scanned", resize(ref, height = 650))
cv2.waitkey(0)
opencv透視變換
1 目前效果最好的乙個 但還是紙牌能檢測出來 2 下面將我修改執行成功的 貼出，至於優化，提高識別四邊形準確度，還需要繼續研究。透視變換，檢測四邊形，有時候容易檢測不出 但目前效果最好的就是該程式 include stdafx.h include core core.hpp include incl...
透視變換（高階）
透視變換比仿射變換更普遍。它們不一定保持線條之間的 平行性 但是因為它們更普遍，也更實用，幾乎所有在日常影象中遇到的變換都是透視變換。有沒有想過為什麼兩條軌道似乎在遠處會相遇？這是因為您的眼睛中的對影象好比做了透視變換，透視變換不一定保持平行線平行。如果你站在上面觀察圖1.1中的鐵軌，他們似乎根本不...
Bitmap透視變換
import flash.geom.var photo sprite new sprite addchild photo img為繼承於bitmapdata的類 var bitmapsource new img 400,300 var showline true var inbitmapwidth ...