速查表之opencv相关操作

转换为gray灰度图

imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

高斯模糊

imgBlur = cv2.GaussianBlur(imgGray,(5,5),1) #

#边缘检测 1,30

imgCanny = cv2.Canny(imgBlur,1,30) 

膨胀处理,迭代2次

imgDial = cv2.dilate(imgCanny,kernel,iterations=2)

腐蚀处理,迭代1次

imgThres = cv2.erode(imgDial,kernel,iterations=1)

寻找轮廓

contours, hier = cv2.findContours(imgThres, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:] 
for cidx,cnt in enumerate(contours): #遍历轮廓
        area = cv2.contourArea(cnt) #获取轮廓的面积
        minAreaRect = cv2.minAreaRect(cnt) #获取最小外接矩形
        ((cx, cy), (w, h), theta) = minAreaRect #中心点坐标，长宽，旋转角度[-90,0)，当矩形水平或竖直时均返回-90
        print('面积: '+str(w)+'  '+str(h)+'  '+str(theta)+'  '+str(cx)+'  '+str(cy))

旋转图片

def rotate(img,angle,rotPoint=None):
    (height,width) = img.shape[:2]

    if rotPoint is None:
        rotPoint = (width // 2,height // 2)
    rotMAT = cv2.getRotationMatrix2D(rotPoint,angle,1.0)
    dimension = (width,height)
    return cv2.warpAffine(img,rotMAT,dimension)

bytes图片类型转为np.ndarray

img = cv2.imdecode(np.frombuffer(img_bytes, np.uint8), cv2.IMREAD_COLOR)

从文件路径获取到np.ndarray

img = cv2.imread('./photo_new/photo1/3.jpg')

np.ndarray转换为base64

file_img = []
base64_str = base64.b64encode(i)
file_img.append('data:image/jpeg;base64,' + str(base64_str,'utf8'))

把文字倾斜的图片扶正 by opencv

可以使用OpenCV的对极坐标变换（Polar Coordinate Transformation）实现，具体流程如下：

1. 将图像转换为灰度图像。

2. 使用Canny边缘检测算法检测图像中的边缘。

3. 使用Hough变换检测图像中的直线。

4. 根据检测到的直线，使用对极坐标变换（Polar Coordinate Transformation）计算文字倾斜的角度，并进行旋转矫正。

5. 最后，使用仿射变换（Affine Transformation）将图像进行扶正。

import cv2
import numpy as np

# 读入图像
image = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用Canny边缘检测算法检测图像中的边缘
edges = cv2.Canny(gray_image, 100, 200)

# 使用Hough变换检测图像中的直线
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 100)

# 根据检测到的直线，使用对极坐标变换（Polar Coordinate Transformation）计算文字倾斜的角度
angle = 0
for line in lines:
    x1, y1, x2, y2 = line[0]
    angle += np.arctan((y2 - y1) / (x2 - x1))
angle /= len(lines)

# 旋转矫正
(h, w) = image.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, angle, 1.0)
rotated_image = cv2.warpAffine(image, M, (w, h))

# 使用仿射变换（Affine Transformation）将图像进行扶正
corrected_image = cv2.warpAffine(rotated_image, M, (w, h))

# 保存结果
cv2.imwrite('corrected_image.jpg', corrected_image