品牌网是什么网站武汉软件测试培训机构排名

这段代码的主要功能是对输入的图像进行透视矫正。它会读取一张图像，检测图像中最大的四边形轮廓，然后对该四边形区域进行透视变换，将其矫正为正视图，最后保存矫正后的图像。

模块导入说明

python

import cv2
import numpy as np
import os

• cv2：OpenCV 库，用于图像处理和计算机视觉任务，如读取图像、边缘检测、轮廓查找、透视变换等。
• numpy：用于数值计算，在处理图像数据和坐标计算时非常有用。
• os：提供了与操作系统进行交互的功能，例如文件路径操作和目录创建。

函数 detect_and_correct_perspective 说明

python

def detect_and_correct_perspective(input_path, output_path):

• 功能：检测输入图像中的四边形轮廓，并对其进行透视矫正，最后将结果保存到指定路径。
• 参数：
  • input_path：输入图像的文件路径。
  • output_path：矫正后图像的保存路径。

函数内部步骤及代码解释

1. 读取图像

python

image = cv2.imread(input_path)
if image is None:print(f"无法加载图像，请检查路径: {os.path.abspath(input_path)}")return

尝试使用 cv2.imread 读取输入图像。如果图像读取失败，会打印错误信息并终止函数。

1. 转换为灰度图

python

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

将彩色图像转换为灰度图像，便于后续的边缘检测。

1. 高斯模糊降噪

python

blurred = cv2.GaussianBlur(gray, (5, 5), 0)

使用高斯模糊对灰度图像进行降噪处理，减少边缘检测时的噪声干扰。

1. Canny 边缘检测

python

edges = cv2.Canny(blurred, 50, 150)

使用 Canny 边缘检测算法检测图像中的边缘。

1. 查找轮廓

python

contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

查找图像中的所有外部轮廓。

1. 找到最大的轮廓

python

largest_contour = max(contours, key=cv2.contourArea)

找到所有轮廓中面积最大的轮廓，假设这个轮廓就是需要矫正的对象。

1. 计算轮廓的近似多边形

python

epsilon = 0.02 * cv2.arcLength(largest_contour, True)
approx = cv2.approxPolyDP(largest_contour, epsilon, True)

使用 cv2.approxPolyDP 对最大轮廓进行多边形近似，简化轮廓。

1. 绘制轮廓和近似多边形

python

cv2.drawContours(image, [largest_contour], -1, (0, 255, 0), 2)
cv2.drawContours(image, [approx], -1, (0, 0, 255), 2)

在原始图像上绘制最大轮廓（绿色）和近似多边形（红色），用于可视化。

1. 确保找到四边形

python

if len(approx) == 4:

检查近似多边形是否有 4 个顶点，如果是，则进行透视变换；否则，打印错误信息。

1. 对四个顶点进行排序

python

pts = approx.reshape(4, 2)
rect = np.zeros((4, 2), dtype="float32")s = pts.sum(axis=1)
rect[0] = pts[np.argmin(s)]  # 左上
rect[2] = pts[np.argmax(s)]  # 右下diff = np.diff(pts, axis=1)
rect[1] = pts[np.argmin(diff)]  # 右上
rect[3] = pts[np.argmax(diff)]  # 左下

对四个顶点进行排序，确定左上、右上、右下、左下的顺序。

1. 计算目标矩形的宽度和高度

python

(tl, tr, br, bl) = rect
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))

根据四个顶点的坐标计算目标矩形的宽度和高度。

1. 定义目标矩形的四个顶点

python

dst = np.array([[0, 0],[maxWidth - 1, 0],[maxWidth - 1, maxHeight - 1],[0, maxHeight - 1]], dtype="float32")

定义目标矩形的四个顶点坐标。

1. 计算透视变换矩阵并应用

python

M = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

使用 cv2.getPerspectiveTransform 计算透视变换矩阵，然后使用 cv2.warpPerspective 应用该矩阵进行透视变换。

1. 确保输出目录存在

python

os.makedirs(os.path.dirname(output_path), exist_ok=True)

确保输出目录存在，如果不存在则创建。

1. 保存结果

python

cv2.imwrite(output_path, warped)
print(f"结果已保存到: {os.path.abspath(output_path)}")

将矫正后的图像保存到指定路径，并打印保存信息。

1. 显示结果（可选）

python

cv2.imshow("Original with Contours", image)
cv2.imshow("Perspective Corrected", warped)
cv2.waitKey(0)
cv2.destroyAllWindows()

显示原始图像（带有轮廓）和矫正后的图像，按任意键关闭窗口。

主程序部分说明

python

current_dir = os.path.dirname(os.path.abspath(__file__))  # 获取当前脚本所在目录
input_image = os.path.join(current_dir, "girl.png")  # 输入图像路径
output_image = os.path.join(current_dir, "corrected_girl.png")  # 输出图像路径# 执行函数
detect_and_correct_perspective(input_image, output_image)

• 获取当前脚本所在的目录。
• 构造输入图像和输出图像的路径。
• 调用 detect_and_correct_perspective 函数进行透视矫正。

完整代码

import cv2
import numpy as np
import osdef detect_and_correct_perspective(input_path, output_path):# 读取图像image = cv2.imread(input_path)if image is None:print(f"无法加载图像，请检查路径: {os.path.abspath(input_path)}")return# 转换为灰度图gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 高斯模糊降噪blurred = cv2.GaussianBlur(gray, (5, 5), 0)# Canny边缘检测edges = cv2.Canny(blurred, 50, 150)# 查找轮廓contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 找到最大的轮廓（假设这是我们想要矫正的对象）largest_contour = max(contours, key=cv2.contourArea)# 计算轮廓的近似多边形（简化轮廓）epsilon = 0.02 * cv2.arcLength(largest_contour, True)approx = cv2.approxPolyDP(largest_contour, epsilon, True)# 绘制轮廓和近似多边形（用于可视化）cv2.drawContours(image, [largest_contour], -1, (0, 255, 0), 2)cv2.drawContours(image, [approx], -1, (0, 0, 255), 2)# 确保我们找到了四边形（4个顶点）if len(approx) == 4:# 对四个顶点进行排序：左上、右上、右下、左下pts = approx.reshape(4, 2)rect = np.zeros((4, 2), dtype="float32")# 计算四个点的总和，左上点有最小的x+y，右下点有最大的x+ys = pts.sum(axis=1)rect[0] = pts[np.argmin(s)]  # 左上rect[2] = pts[np.argmax(s)]  # 右下# 计算点之间的差异，右上点有最小的x-y，左下点有最大的x-ydiff = np.diff(pts, axis=1)rect[1] = pts[np.argmin(diff)]  # 右上rect[3] = pts[np.argmax(diff)]  # 左下# 计算目标矩形的宽度和高度(tl, tr, br, bl) = rectwidthA = 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))# 定义目标矩形的四个顶点dst = np.array([[0, 0],[maxWidth - 1, 0],[maxWidth - 1, maxHeight - 1],[0, maxHeight - 1]], dtype="float32")# 计算透视变换矩阵并应用M = cv2.getPerspectiveTransform(rect, dst)warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))# 确保输出目录存在os.makedirs(os.path.dirname(output_path), exist_ok=True)# 保存结果cv2.imwrite(output_path, warped)print(f"结果已保存到: {os.path.abspath(output_path)}")# 显示结果（可选）cv2.imshow("Original with Contours", image)cv2.imshow("Perspective Corrected", warped)cv2.waitKey(0)cv2.destroyAllWindows()else:print("未检测到四边形轮廓，无法进行透视变换")# 使用相对路径
current_dir = os.path.dirname(os.path.abspath(__file__))  # 获取当前脚本所在目录
input_image = os.path.join(current_dir, "girl.png")  # 输入图像路径
output_image = os.path.join(current_dir, "corrected_girl.png")  # 输出图像路径# 执行函数
detect_and_correct_perspective(input_image, output_image)