2

我有超过 100 张图片，每张图片的角度都不同。我已经编写了一个基本的 python 代码来将每个图像从任意角度一个一个地旋转到零度（我的意思是让它们变平）。我附上的python代码是一个简单的代码，不幸的是它不会自动找到角度，也不会让它精确为零。任何时候对于任何图像，我都应该找到角度并多次运行代码以使其为零（有时我无法使其完全平坦或我们将其设为零度）。根据我附上的图像，image1 是作为输入的示例图像之一，而 image_2 是我希望最后作为输出的旋转图像。我想问任何可以帮助我修改当前代码或为我提供新 python 代码（我更喜欢新代码）的人，我可以让我的图像从任何角度旋转到零度。如果您愿意，请随时向我询问更多解释。

我的 opencv-python 代码是：

import cv2
import numpy as np
img = cv2.imread('image1.tif')
num_rows, num_cols = img.shape[:2]
rotation_matrix = cv2.getRotationMatrix2D((num_cols/2, num_rows/2),69.4, 1)
img_rotation = cv2.warpAffine(img, rotation_matrix, (num_cols, num_rows))
cv2.imshow('Rotation', img_rotation)
cv2.imwrite('image_2.tif',img_rotation)
cv2.waitKey()

注意：输入和输出图像已删除。

4

2 回答 2

1

这绝对不是最强大的方法，但也许一个选择是：

  1. 假设边界全是黑色
  2. 识别图像的最顶部 (x0,y0) / 最右侧 (x1,y1) 角
  3. 计算旋转角度为alpha = math.atan2(x1-x0,y1-y0)

我下载了你的图（它在 imgur 上被转换为 png）并测试了这个过程：

#!/usr/bin/env python
import cv2
import math

import numpy as np

img = cv2.imread('test.png')
H, W = img.shape[:2]

x0,y0 = None,None
x1,y1 = None,None

#scan all rows starting with the first
for i in range(0, H):
    row = img[i].sum(axis=1)
    s = np.sum(row)
    if s:
        #if there is at least one non-black pixel, mark
        #its position
        x0 = np.max(np.where(row>0))
        y0 = i
        break

#scan all columns starting with the right-most one
for j in range(W-1,-1,-1):
    col = img[:,j,:].sum(axis=1)
    s = np.sum(col)
    if s:
        #mark the position of the first non-black pixel
        x1 = j
        y1 = np.min(np.where(col>0))
        break

dx = x1 - x0
dy = y1 - y0

alpha = math.atan2(dx, dy) / math.pi * 180

rotation_matrix = cv2.getRotationMatrix2D((W/2, H/2), -alpha, 1)
img_rotation = cv2.warpAffine(img, rotation_matrix, (W, H))
cv2.imwrite('image_2.tif',img_rotation)

编辑：

如果“角”像素也是黑色的，则先前的方法可能不准确，因此计算出的角度会出现偏差。稍微更准确的方法可能如下：

  1. 确定矩形的“上”边界（即定义边缘的像素坐标）
  2. 取其在 x 轴上的投影较长的边
  3. 拟合坐标以计算定义边缘的线的斜率

实施：

#!/usr/bin/env python
import cv2
import math

import numpy as np

img = cv2.imread('test.png')
H, W = img.shape[:2]

data = []
for j in range(0, W):
    col = img[:,j,:].sum(axis=1)
    s = np.sum(col)
    if not s:
        continue

    for i in range(0, H):
        if col[i] > 0:
            data.append((j, i))
            break

y_min, min_pos = None, None
for idx, (x, y) in enumerate(data):
    if y_min is None or y < y_min:
        y_min = y
        min_pos = idx

N = len(data)
if min_pos > N - min_pos:
    data = data[:min_pos]
else:
    data = data[min_pos:]

data = np.asarray(data).T
coeffs = np.polyfit(data[0], data[1], 1)
alpha = math.atan(coeffs[0]) / math.pi * 180

print(alpha)

rotation_matrix = cv2.getRotationMatrix2D((W/2, H/2), alpha, 1)
img_rotation = cv2.warpAffine(img, rotation_matrix, (W, H))
cv2.imwrite('image_2.tif',img_rotation)
于 2017-05-23T09:29:07.470 回答
0

找到角度的另一种方法是（假设图像在黑色背景上）：

  1. 将图像转换为灰度
  2. 使用阈值分割图像
  3. 找到图像的轮廓

  4. 找到适合轮廓的椭圆的参数

    import cv2
import numpy as np

image = cv2.imread("DlYEa.png")

gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

num_rows, num_cols = image.shape[:2]
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)

img, contours, hier = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cnt = contours[0]
(x, y), (Ma, ma), angle = cv2.fitEllipse(cnt)

angle = int(angle - 90)

rotation_matrix = cv2.getRotationMatrix2D((num_cols/2, num_rows/2), angle, 1)
img_rotation = cv2.warpAffine(image, rotation_matrix, (num_cols, num_rows))

cv2.imshow("rotation", img_rotation)
cv2.waitKey()
cv2.destroyAllWindows()
于 2017-05-23T14:33:59.217 回答