获取图中轮廓:
contours,hierarchy=cv2.findContours(Img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
画出轮廓:
cv2.drawContours(frame,contours,-1,(0,0,255),2)
多边形拟合:
approx = cv2.approxPolyDP(cnt,5,True)
参数:
approx:输出的多边形的数目
cnt:输入的连续的点(findContours可以获得)
5:阈值
True:只拟合闭合的轮廓,false则拟合闭合与不闭合
获取透射变换矩阵:
cv2.getPerspectiveTransform(src, dst) → M
参数:
src:源图像中待测矩形的四点坐标(二维的)
sdt:目标图像中矩形的四点坐标(也是二维的)
M:变换矩阵
用途:返回由源图像中矩形到目标图像矩形变换的矩阵
透射变换:
cv2.warpPerspective(src, M, dsize, flags, borderMode, borderValue) → dst
参数:
src:输入图像
M:变换矩阵
dsize:目标图像shape
flags:插值方式
borderMode:边界补偿方式
borderValue:边界补偿大小,常值,默认为0
用途:将原矩形根据变换矩阵,变换到目标矩形的形状(与上一个函数配合使用,把斜的矩形拉正)
PnP求解:
ret, rvec, tvec = cv2.solvePnP(model_object, model_image, camera_matrix, dist_coeffs)
参数:
objPoints:目标点的世界坐标系坐标(至少三个点,坐标为三维)
imagePoints:目标点的图像坐标系坐标(同样的三个点,坐标为二维)
cameraMatrix:相机的内参矩阵
distCoeffs:相机的畸变矩阵
用途:已知点坐标 求变换矩阵(rvec,tvec)
三维坐标投影运算:
projectedPoints,_ = cv2.projectPoints(model_object, rvec, tvec, camera_matrix, dist_coeffs)
比较两张图片的不同:
diff_img = cv2.absdiff(templates[t], match_candidate[0])