OpenCV操作整理

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])

你可能感兴趣的:(opencv)