利用OpenCV实现图像矫正

# 图像校正示例
import cv2
import numpy as np

im = cv2.imread("../dataset/data/paper.jpg")
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imshow('im', im)

# 模糊第三个0  ，拿去翻译Gaussian kernel standard deviation in X direction.
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 膨胀
dilate = cv2.dilate(blurred,                cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))) # 根据函数返回kernel
# 检测边沿
edged = cv2.Canny(dilate,  # 原始图像
                  30, 120,  # 滞后阈值、模糊度
                  3)  # 孔径大小
# cv2.imshow("edged", edged)

# 轮廓检测
# 进行轮廓处理的时候，我们要给的图像是灰度二值化
cnts = cv2.findContours(edged.copy(),
                        cv2.RETR_EXTERNAL,  # 只检测外轮廓
                        cv2.CHAIN_APPROX_SIMPLE)  # 只保留该方向的终点坐标
docCnt = None

# 绘制轮廓
im_cnt = cv2.drawContours(im,  # 绘制图像
                          cnts,  # 轮廓点列表
                          -1,  # 绘制全部轮廓
                          (0, 0, 255),  # 轮廓颜色：红色
                          2)  # 轮廓粗细
cv2.imshow("im_cnt", im_cnt)

# 计算轮廓面积，并排序
if len(cnts) > 0:
    cnts = sorted(cnts,  # 数据
                  key=cv2.contourArea,  # 排序依据，根据contourArea函数结果排序，根据轮廓的面积进行排序
                  reverse=True)#倒叙排列
    for c in cnts:
        peri = cv2.arcLength(c, True)  # 计算轮廓周长，计算封闭轮廓的周长
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)  # 轮廓多边形拟合
        # 轮廓为4个点表示找到纸张
        if len(approx) == 4:
            docCnt = approx
            break

print(docCnt)

# 用圆圈标记处角点
points = []
for peak in docCnt:
    peak = peak[0]
    # 绘制圆
    cv2.circle(im,  # 绘制图像
               tuple(peak), 10,  # 圆心、半径
               (0, 0, 255), 2)  # 颜色、粗细
    points.append(peak)  # 添加到列表
print(points)#坐标分别是左上，左下，右下，右上
cv2.imshow("im_point", im)

# 校正
src = np.float32([points[0], points[1], points[2], points[3]])  # 原来逆时针方向四个点
dst = np.float32([[0, 0], [0, 488], [337, 488], [337, 0]])  # 对应变换后逆时针方向四个点
m = cv2.getPerspectiveTransform(src, dst)  # 生成透视变换矩阵
result = cv2.warpPerspective(gray.copy(), m, (337, 488))  # 透视变换
cv2.imshow("result", result)  # 显示透视变换结果

#下面的是使用勾股定理进行图像矫正，以这个为重点，上面的数据是定死的
# h = int(math.sqrt((points[1][0]-points[0][0])**2+(points[1][1]-points[0][1])**2))
# w = int(math.sqrt((points[2][0]-points[1][0])**2+(points[2][1]-points[1][1])**2))
# w = int(math.sqrt((points[3][1] - points[0][1]) ** 2 + (points[3][0] - points[0][0]) ** 2))
# print("w:",w,"h:",h)#h和w我们可以自己找，并不是说局限于上面我找的
# dst = np.float32([[0,0],[0,h],[w,h],[w,0]])
# 生成透视变换矩阵
# m = cv2.getPerspectiveTransform(src,dst)
# 执行透视变换，返回变换后的图像
# result = cv2.warpPerspective(gray.copy(),m,(w,h))
# cv2.imshow("result",result)

cv2.waitKey()
cv2.destroyAllWindows()

函数cv2.approxPolyDP（）用来构造指定精度的逼近多边形曲线。该函数的语法格式为：
approxCurve = cv2.approxPolyDP(curve,epsilon,closed)
“”"
参数：
curve: 轮廓
epsilon: 精度，原始轮廓的边界点与逼近多边形边界之间的最大距离
closed: 布尔类型，该值为True时，逼近多边形是封闭的；否则，逼近多边形是不封闭的
返回值：
approxCurve: 逼近多边形的点集
“”"