成都网站建设 工资,大数据培训机构排名前十,东莞58同城二手车,网站建设做网站好吗文章目录 cv2.aruco 介绍imutils.perspective.four_point_transform 介绍skimage.exposure.match_histograms 介绍牛刀小试遇到的问题 参考学习来自 OpenCV基础#xff08;18#xff09;使用 OpenCV 和 Python 进行自动色彩校正
cv2.aruco 介绍 一、cv2.aruco模块概述
cv2.… 文章目录 cv2.aruco 介绍imutils.perspective.four_point_transform 介绍skimage.exposure.match_histograms 介绍牛刀小试遇到的问题 参考学习来自 OpenCV基础18使用 OpenCV 和 Python 进行自动色彩校正
cv2.aruco 介绍 一、cv2.aruco模块概述
cv2.aruco 是 OpenCV 库中用于 ArUco 标记检测和识别的模块。ArUco 是一种基于 OpenCV 的二进制标记系统用于多种计算机视觉应用如姿态估计、相机校准、机器人导航和增强现实等。
以下是关于 cv2.aruco 的中文文档概要按照参考文章中的信息进行整理和归纳
一、ArUco 标记概述
ArUco 标记是带有黑色边框的二进制正方形图像内部主体为白色标记根据特定的编码变化。 ArUco 标记由 ArUco 字典、标记大小和标记 ID 组成。例如一个 4x4_100 字典由 100 个标记组成4x4 标记大小意味着标记由 25 位组成每个标记将有一个唯一的 ID。
二、主要函数与参数
1cv2.aruco.detectMarkers()
功能检测图像中的 ArUco 标记。参数 输入图像包含 ArUco 标记的图像。字典用于搜索的 ArUco 字典。参数可选检测参数如 cv2.aruco.DetectorParameters()。 返回值 标记角检测到的标记的四个角的位置坐标。标记 ID检测到的标记的 ID。拒绝标记可选未满足检测条件的标记信息。
2cv2.aruco.drawDetectedMarkers() 功能在图像上绘制检测到的 ArUco 标记。 参数 输入图像包含 ArUco 标记的图像。标记角检测到的标记的四个角的位置坐标。边界颜色可选绘制标记边界的颜色。 返回值绘制了标记的图像。
3cv2.aruco.getPredefinedDictionary() 功能获取预定义的 ArUco 字典。 参数字典类型如 aruco.DICT_ARUCO_ORIGINAL。 返回值预定义的 ArUco 字典。
三、检测过程与参数调整
阈值化检测的第一步是对输入图像进行阈值化。这可以通过调整 cv2.aruco.DetectorParameters() 中的相关参数来完成如 adaptiveThreshWinSizeMin、adaptiveThreshWinSizeMax 和 adaptiveThreshWinSizeStep。
角点细化为了提高角点检测的精度可以使用 cornerRefinementMethod 和 cornerRefinementWinSize 参数进行角点细化。
四、使用示例
以下是一个简单的示例演示了如何使用 cv2.aruco 检测和可视化 ArUco 标记
import cv2
import cv2.aruco as aruco # 读取图片
img cv2.imread(marker.jpg) # 创建字典
dictionary aruco.getPredefinedDictionary(aruco.DICT_ARUCO_ORIGINAL) # 检测标记
corners, ids, _ aruco.detectMarkers(img, dictionary) # 可视化标记
img_with_markers aruco.drawDetectedMarkers(img, corners) # 显示结果
cv2.imshow(ArUco detection, img_with_markers)
cv2.waitKey(0)
cv2.destroyAllWindows()五、注意事项 确保已正确安装 OpenCV并包含 cv2.aruco 模块。 根据具体应用需求选择合适的 ArUco 字典和标记大小。 调整检测参数以优化标记检测性能。
imutils.perspective.four_point_transform 介绍
使用前先安装 pip install imutils
imutils.perspective.four_point_transform 是 OpenCV 图像处理库的一个辅助工具用于实现透视变换Perspective Transformation。透视变换可以将一个图像从一个视角转换到另一个视角这在图像校正、文档扫描、车牌识别等任务中非常有用。
以下是关于 imutils.perspective.four_point_transform 函数的详细解释和用法
一、函数定义
imutils.perspective.four_point_transform 函数需要两个主要参数 image要进行透视变换的原始图像。 pts包含图像中感兴趣区域ROI四个顶点的坐标列表。这四个点定义了原始图像中的一个四边形区域该区域将被变换成一个矩形区域。
二、使用步骤
a. 读取图像 首先使用 OpenCV 的 cv2.imread() 函数读取要进行透视变换的图像。
b. 确定变换点 然后需要确定要进行透视变换的 ROI 的四个顶点。这可以通过各种方法实现如边缘检测、轮廓查找、角点检测等。
c. 调用 four_point_transform 函数 将原始图像和四个顶点的坐标列表传递给 imutils.perspective.four_point_transform 函数。函数将返回一个经过透视变换后的新图像。
d. 显示或保存变换后的图像 使用 OpenCV 的 cv2.imshow() 函数显示变换后的图像或者使用 cv2.imwrite() 函数将其保存为文件。
三、示例代码
以下是一个简单的示例代码展示了如何使用 imutils.perspective.four_point_transform 函数进行透视变换
import cv2
import numpy as np
import imutils # 读取图像
image cv2.imread(input.jpg) # 假设我们已经通过某种方法找到了 ROI 的四个顶点这里我们直接给出坐标
pts np.array([[100, 100], [300, 100], [300, 300], [100, 300]], dtypefloat32) # 进行透视变换
warped imutils.perspective.four_point_transform(image, pts) # 显示变换后的图像
cv2.imshow(Warped, warped)
cv2.waitKey(0)
cv2.destroyAllWindows()四、注意事项 确保 pts 列表中的坐标点按照正确的顺序排列通常是左上角、右上角、右下角、左下角。 透视变换的结果可能会受到原始图像中 ROI 的形状和大小的影响。因此在实际应用中可能需要通过调整 ROI 的位置和大小来优化变换结果。
skimage.exposure.match_histograms 介绍 可参考 【python】OpenCV—Histogram Matching9.2
牛刀小试
素材来自于
链接https://pan.baidu.com/s/1ja5RZUiV5Hyu-Z65JEJWzg
提取码123a# -----------------------------
# USAGE
# -----------------------------
# python color_correction.py
# -----------------------------
# IMPORTS
# -----------------------------
# Import the necessary packages
from imutils.perspective import four_point_transform
from skimage import exposure
import numpy as np
import argparse
import imutils
import cv2
import sys# -----------------------------
# FUNCTIONS
# -----------------------------
def find_color_card(image, colors, savenameNone):# Load the ArUCo dictionary, grab the ArUCo parameters and detect the markers in the input imagearucoDict cv2.aruco.Dictionary_get(cv2.aruco.DICT_ARUCO_ORIGINAL)arucoParams cv2.aruco.DetectorParameters_create()(corners, ids, rejected) cv2.aruco.detectMarkers(image, arucoDict, parametersarucoParams)# Plot cornersif savename:image_copy image.copy()for i in range(len(corners)): # traverse cornersfor j in range(4): # traverse coordinatescv2.circle(image_copy, center(int(corners[i][0][j][0]), int(corners[i][0][j][1])),radius10, colorcolors[i], thickness-1)cv2.imwrite(savename, image_copy)# Try to extract the coordinates of the color correction cardtry:# Otherwise, this means that the four ArUCo markers have been found and# so continue by flattening the ArUCo IDs listids ids.flatten()# Extract the top-left markeri np.squeeze(np.where(ids 923)) # 3topLeft np.squeeze(corners[i])[0] # array([111., 123.], dtypefloat32)# Extract the top-right markeri np.squeeze(np.where(ids 1001)) # 2topRight np.squeeze(corners[i])[1] # array([430., 124.], dtypefloat32)# Extract the bottom-right markeri np.squeeze(np.where(ids 241)) # 1bottomRight np.squeeze(corners[i])[2] # array([427., 516.], dtypefloat32)# Extract the bottom left markeri np.squeeze(np.where(ids 1007)) # 0bottomLeft np.squeeze(corners[i])[3] # array([121., 520.], dtypefloat32)# The color correction card could not be found, so gracefully returnexcept:return None# Build the list of reference points and apply a perspective transform to obtain a top-down,# birds-eye-view of the color matching cardcardCoords np.array([topLeft, topRight, bottomRight, bottomLeft]) for referencearray([[111., 123.],[430., 124.],[427., 516.],[121., 520.]], dtypefloat32)card four_point_transform(image, cardCoords)# Return the color matching card to the calling functionreturn cardif __name__ __main__:# colors for cornerscolors [[0, 0, 255],[0, 125, 255],[0, 255, 255],[0, 255, 0]]# Load the reference image and input images from diskprint([INFO] Loading images...)ref cv2.imread(./reference.jpg) # (4032, 3024, 3)image cv2.imread(./examples/03.jpg) # (4032, 3024, 3)# Resize the reference and input imagesref imutils.resize(ref, width600) # (800, 600, 3)image imutils.resize(image, width600) # (800, 600, 3)# Display the reference and input images to the screencv2.imshow(Reference, ref)cv2.imshow(Input, image)# Find the color matching card in each imageprint([INFO] Finding color matching cards...)refCard find_color_card(ref, colors, refCardPlot.jpg) # (397, 319, 3)imageCard find_color_card(image, colors, imageCardPlot.jpg) # (385, 306, 3)# If the color matching card is not found in either the reference or the input image, gracefully exit the programif refCard is None or imageCard is None:print([INFO] Could not find color matching cards in both images! Exiting...)sys.exit(0)# Show the color matching card in the reference image and the in the input image respectivelycv2.imshow(Reference Color Card, refCard)cv2.imshow(Input Color Card, imageCard)# cv2.imwrite(reference_color_card.jpg, refCard)# cv2.imwrite(input_color_card.jpg, imageCard)# Apply histogram matching from the color matching card in the reference image# to the color matching card in the input imageprint([INFO] Matching images...)# imageCard exposure.match_histograms(imageCard, refCard, multichannelTrue)imageCard exposure.match_histograms(imageCard, refCard, channel_axis-1)# Show the input color matching card after histogram matchingcv2.imshow(Input Color Card After Matching, imageCard)# cv2.imwrite(input_color_card_after_matching.jpg, imageCard)cv2.waitKey(0)reference.jpg 03.jpg refCardPlot.jpg reference 的 corners
(array([[[120., 486.],[155., 485.],[156., 519.],[121., 520.]]], dtypefloat32),
array([[[393., 482.],[427., 482.],[427., 516.],[393., 516.]]], dtypefloat32),
array([[[395., 124.],[430., 124.],[430., 161.],[395., 161.]]], dtypefloat32),
array([[[111., 123.],[147., 124.],[148., 160.],[111., 160.]]], dtypefloat32))reference 的 ids
array([[1007],[ 241],[1001],[ 923]], dtypeint32)reference 的 rejected
len(rejected)
761007 左下角红色
241 右下角橙色
1001 右上角黄色
923 右下角绿色
imageCardPlot.jpg 透视变换 four_point_transform 后
reference_color_card.jpg input_color_card.jpg input_color_card_after_matching.jpg 遇到的问题
问题1AttributeError: module ‘cv2.aruco’ has no attribute ‘Dictionary_get’
解决办法pip install opencv-contrib-python4.6.0.66
问题2TypeError: rescale() got an unexpected keyword argument ‘multichannel‘
解决方法将multichannelTrue改成channel_axis-1
