python+opencv图像处理(提取矩形方框 提取颜色 滤波 轮廓检测 直线检测) |
您所在的位置：网站首页 › 黑色方块图片 › python+opencv图像处理(提取矩形方框 提取颜色 滤波 轮廓检测 直线检测) |
python+opencv图像处理(提取矩形方框 提取颜色 滤波 轮廓检测 直线检测)
|
一、依赖
如果你的python环境没有这些包，则需要安装 pip install numpy \ opencv-python \ pillow 二、使用指南 1、基本信息 近期由于项目需要，需要使用python的opencv库处理图像，在下面的代码中使用了很多cv2的库函数，对这些函数进行了封装，可以直接拷贝调用．项目地址该部分有两个文件构成 main.py 和 replace.py 运行main.py可读取文件夹下的图像，提取图像格子中的字母并保存到本地 2、图像处理流程原图如下： 
HSV特定颜色提取
separate_color_red 提取图像中的红色框线 用HSV提取红色部分，查看HSV颜色分量范围[点击此处] (https://blog.csdn.net/u013270326/article/details/80704754) 参数解释： cv2.inRange(hsv, lowerb=lower_hsv, upperb=high_hsv) 第一个参数为输入图像，图像格式必须转为HSV格式，可通过cv2.cvtColor()转换 第二个参数分别为H,S,V的最低值 第三个参数分别为H,S,V的最高值 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 色彩空间转换为hsv，便于分离 lower_hsv = np.array([0, 43, 46]) # 提取颜色的低值 high_hsv = np.array([10, 255, 255]) # 提取颜色的高值 mask = cv2.inRange(hsv, lowerb=lower_hsv, upperb=high_hsv)效果如下： 
中值滤波
medianBlur 中值滤波,过滤除最外层框线以外的线条 参数解释：cv2.medianBlur(img,19) 第一个参数：输入的图像 第二个参数：滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7 mediu = cv2.medianBlur(img,19)效果如下： 
HoughLinesP概率霍夫变换直线检测
调用直线检测函数需要先执行边缘检测函数,函数返回二值化图像 参数解释：cv2.Canny(img, 20, 250) 第一个参数：输入图像 第二个参数：阀值１，用于将这些间断的边缘连接起来 第三个参数：阀值２，用于检测图像中明显的边缘 参数解释：cv2.HoughLinesP(img, 1, np.pi / 180, 120, line, minLineLength,maxLineGap) 第一个参数：输入图像，必须为先用Canny边缘检测的图像 第二个参数：直线的半径,建议选1 第三个参数：步长为π/180的角来搜索所有可能的直线 第五个参数：线的最短长度，比这个线短的都会被忽略 第六个参数：两条线之间的最大间隔，如果小于此值，这两条线就会被看成一条线 # 直线检测 img2 = cv2.Canny(img, 20, 250) #边缘检测 line = 4 minLineLength = 50 maxLineGap = 150 # HoughLinesP函数是概率直线检测，注意区分HoughLines函数 lines = cv2.HoughLinesP(img2, 1, np.pi / 180, 120, lines=line, minLineLength=minLineLength,maxLineGap=maxLineGap) lines1 = lines[:, 0, :] # 降维处理 # line 函数勾画直线 # (x1,y1),(x2,y2)坐标位置 # (0,255,0)设置BGR通道颜色 # 2 是设置颜色粗浅度 for x1, y1, x2, y2 in lines1: cv2.line(img, (x1, y1), (x2, y2), (255, 255, 255), 2) findContours轮廓检测轮廓检测，获取最外层矩形框的偏转角度angle 参数解释：image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 第一个参数：二值化的图像，可以调用如下函数转为二值化图像 cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))第二个参数：表示轮廓的检索模式，有四种： cv2.RETR_EXTERNAL表示只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系 cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息 cv2.RETR_TREE建立一个等级树结构的轮廓。 第三个参数：cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标． 下面的代码对检测到的轮廓进行了筛选.并返回轮廓矩形坐标或倾斜角度 #检测轮廓 # ret, thresh = cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY)) image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in contours: #遍历轮廓 rect = cv2.minAreaRect(c) #生成最小外接矩形 box_ = cv2.boxPoints(rect) h = abs(box_[3, 1] - box_[1, 1]) w = abs(box_[3, 0] - box_[1, 0]) print("宽，高",w,h) #只保留需要的轮廓 if (h > 3000 or w > 2200): continue if (h < 2500 or w < 1500): continue box = cv2.boxPoints(rect) # 计算最小面积矩形的坐标 box = np.int0(box) # 将坐标规范化为整数 angle = rect[2] #获取矩形相对于水平面的角度 if angle > 0: if abs(angle) > 45: angle = 90 - abs(angle) else: if abs(angle) > 45: angle = (90 - abs(angle)) # 绘制矩形 # cv2.drawContours(img, [box], 0, (255, 0, 255), 3) print("轮廓数量", len(contours)) rotate 旋转图像至水平方向参数解释：cv2.getRotationMatrix2D(center, angle, 1) 第一个参数：旋转图像的基点，这里同过获取图像的宽高计算中心点 第二个参数：旋转角度 第三个参数：图像缩放因子 参数解释：cv2.warpAffine(img, img_ratete, (w, h)) 第一个参数：原图像 第二个参数：从getRotationMatrix2D得到的图像 第三个参数：图像大小 (h, w) = img.shape[:2] #获得图片高，宽 center = (w // 2, h // 2) #获得图片中心点 img_ratete = cv2.getRotationMatrix2D(center, angle, 1) rotated = cv2.warpAffine(img, img_ratete, (w, h))效果如下： 
cut1 通过图像坐标从外层矩形框处裁剪原图
裁剪图片 裁剪图片可通过数组切片操作完成，进行此操作打开图像必须用cv2.imiread(“path”)加载图像
img[y1:y2, x1:x2] #切片裁剪图像
效果如图： 
replace 消除多余红色框线 如下代码可实现特定像素的替换，这个把红色替换为白色，进行此操作打开图像必须用PIL库函数Image.open(“path”)加载图像
img2 = Image.open(path3)
img2 = img2.convert('RGBA') # 图像格式转为RGBA
pixdata = img2.load()
for y in range(img2.size[1]):
for x in range(img2.size[0]):
if pixdata[x, y][0] > 220: # 红色像素
pixdata[x, y] = (255, 255, 255, 255) # 替换为白色，参数分别为(R,G,B,透明度)
img2 = img2.convert('RGB') # 图像格式转为RGB
print("替换文件",pathd)
img2.save(path3)
效果如图： 
３、完整代码
#main.py
import cv2
import numpy as np
import os
import replace
def separate_color_red(img):
#颜色提取
# gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 色彩空间转换为hsv，便于分离
lower_hsv = np.array([0, 43, 46]) # 提取颜色的低值
high_hsv = np.array([10, 255, 255]) # 提取颜色的高值
mask = cv2.inRange(hsv, lowerb=lower_hsv, upperb=high_hsv)
print("颜色提取完成")
return mask
def salt(img, n):
#椒盐去燥
for k in range(n):
i = int(np.random.random() * img.shape[1])
j = int(np.random.random() * img.shape[0])
if img.ndim == 2:
img[j, i] = 255
elif img.ndim == 3:
img[j, i, 0] = 255
img[j, i, 1] = 255
img[j, i, 2] = 255
print("去燥完成")
return img
def show(name, img):
#显示图片
cv2.namedWindow(str(name), cv2.WINDOW_NORMAL)
cv2.resizeWindow(str(name), 800, 2000) # 改变窗口大小
cv2.imshow(str(name), img)
def lines(img):
# 直线检测
img2 = cv2.Canny(img, 20, 250) #边缘检测
line = 4
minLineLength = 50
maxLineGap = 150
# HoughLinesP函数是概率直线检测，注意区分HoughLines函数
lines = cv2.HoughLinesP(img2, 1, np.pi / 180, 120, lines=line, minLineLength=minLineLength,maxLineGap=maxLineGap)
lines1 = lines[:, 0, :] # 降维处理
# line 函数勾画直线
# (x1,y1),(x2,y2)坐标位置
# (0,255,0)设置BGR通道颜色
# 2 是设置颜色粗浅度
for x1, y1, x2, y2 in lines1:
cv2.line(img, (x1, y1), (x2, y2), (255, 255, 255), 2)
return img
def contour(img):
#检测轮廓
# ret, thresh = cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))
image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours: #遍历轮廓
rect = cv2.minAreaRect(c) #生成最小外接矩形
box_ = cv2.boxPoints(rect)
h = abs(box_[3, 1] - box_[1, 1])
w = abs(box_[3, 0] - box_[1, 0])
print("宽，高",w,h)
#只保留需要的轮廓
if (h > 3000 or w > 2200):
continue
if (h < 2500 or w < 1500):
continue
box = cv2.boxPoints(rect) # 计算最小面积矩形的坐标
box = np.int0(box) # 将坐标规范化为整数
angle = rect[2] #获取矩形相对于水平面的角度
if angle > 0:
if abs(angle) > 45:
angle = 90 - abs(angle)
else:
if abs(angle) > 45:
angle = (90 - abs(angle))
# 绘制矩形
# cv2.drawContours(img, [box], 0, (255, 0, 255), 3)
print("轮廓数量", len(contours))
return img, box, angle
def rotate(img, angle):
#旋转图片
(h, w) = img.shape[:2] #获得图片高，宽
center = (w // 2, h // 2) #获得图片中心点
img_ratete = cv2.getRotationMatrix2D(center, angle, 1)
rotated = cv2.warpAffine(img, img_ratete, (w, h))
return rotated
def cut1(img, box):
#从轮廓出裁剪图片
x1, y1 = box[1] #获取左上角坐标
x2, y2 = box[3] #获取右下角坐标
img_cut = img[y1+10:y2-10, x1+10:x2-10] #切片裁剪图像
return img_cut
def cut2(img, out_path, filed):
#裁剪方格中图像并保存
#＠config i_:i为裁剪图像的y坐标区域, j_:j为裁剪图像的x坐标区域
if not os.path.isdir(out_path): #创建文件夹
os.makedirs(out_path)
h, w, _ = img.shape #获取图像通道
print(h, w)
s,i_ = 0,0
#循环保存图像
for i in range(h//12,h,h//12):
j_ = 0
for j in range(w//8,w,w//8):
imgd = img[i_ + 5:i - 5, j_ + 5:j - 5]
# img_list.append(img[i_+10:i-10,j_+10:j-10])
out_pathd = out_path+filed[:-4]+"_"+str(s)+".jpg" #图像保存路径
cv2.imwrite(out_pathd,imgd)
print("保存文件",out_pathd)
s += 1
j_ = j
i_ = i
if __name__ == "__main__":
path = "/home/crxm/C1/" #读取图像文件夹
put_path = "/home/crxm/C2/" #保存图像文件夹
for file in os.listdir(path): #遍历访问图像
pathd = path + file + "/"
out_path = put_path + file + "/"
for filed in os.listdir(pathd):
img_path = (pathd + filed)
img = cv2.imread(img_path) #读取图像
img_separate = separate_color_red(img) #提取红色框先
mediu = cv2.medianBlur(img_separate,19) #中值滤波,过滤除最外层框线以外的线条
img_lines = lines(mediu) #直线检测，补充矩形框线
img_contours,box,angle = contour(img_lines) #轮廓检测，获取最外层矩形框的偏转角度
print("角度",angle,"坐标",box)
img_rotate = rotate(img_lines,angle) #旋转图像至水平方向
img_contours,box, _ = contour(img_rotate) #获取水平矩形框的坐标
img_original_rotate = rotate(img,angle) #旋转原图至水平方向
img_original_cut = cut1(img_original_rotate,box) #通过图像坐标从外层矩形框处裁剪原图
cut2(img_original_cut,out_path,filed) #裁剪方格保存
replace.replace(put_path) #消除多余红色框线
# show("img",img)
# show("img_separate", img_separate)
# show("mediu", mediu)
# show("img_lines", img_lines)
# show("img_contours", img_contours)
# show("img__rotate",img_rotate)
# show("img_original_cut",img_original_cut)
cv2.waitKey(0)
cv2.destroyAllWindows()
#replace.py
from PIL import Image
import os
def replace(img_path):
for path in os.listdir(img_path):
path2 = img_path + path + "/"
for pathd in os.listdir(path2):
path3 = path2 + pathd
img2 = Image.open(path3)
img2 = img2.convert('RGBA') # 图像格式转为RGBA
pixdata = img2.load()
for y in range(img2.size[1]):
for x in range(img2.size[0]):
if pixdata[x, y][0] > 220: # 红色像素
pixdata[x, y] = (255, 255, 255, 255) # 替换为白色，参数分别为(R,G,B,透明度)
img2 = img2.convert('RGB') # 图像格式转为RGB
print("替换文件",pathd)
img2.save(path3)
#红色像素替换为白色
|
【本文地址】