Versuchen Sie, die Bildkonvertierung mit OpenCV mit Python zu projizieren

Einführung

Objektextraktion im Bild durch Mustervergleich mit OpenCV mit Python

Als ich mich beim Erstellen des obigen Artikels mit OpenCV befasst habe, scheint es, dass ich wirklich verschiedene Dinge tun kann, also habe ich beschlossen, zu versuchen, was ich mir vorerst ausgedacht habe.

Das Verfahren der "Projektionskonvertierung", bei dem das von der Kamera der Visitenkarte aufgenommene Bild so korrigiert wird, als ob es von vorne aufgenommen worden wäre, ist nachstehend zusammengefasst.

Betriebsumgebung

Bauverfahren für die Umwelt

Die übliche Front-Miso finden Sie unter der folgenden URL.

• Verfahren zum schnellen Erstellen einer Deep-Learning-Umgebung auf einem Mac mit TensorFlow und OpenCV

• Verfahren zum schnellen Erstellen einer maschinellen Lernumgebung mit Ubuntu 16.04

Foto verwendet

Verwenden Sie die Rückseite Ihrer Visitenkarte, die mit einer iPhone-Kamera aufgenommen wurde. (IMG_4778.JPG)

Bibliothek gelesen

python

import cv2
import numpy as np

from IPython.display import display, Image

def display_cv_image(image, format='.png'):
    decoded_bytes = cv2.imencode(format, image)[1].tobytes()
    display(Image(data=decoded_bytes))

Bild lesen

python

img = cv2.imread("IMG_4778.JPG")
display_cv_image(img)

Farbbinarisierung und Konturextraktion

python

#Graustufen
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#Binarisierung
ret,th1 = cv2.threshold(gray,200,255,cv2.THRESH_BINARY)
display_cv_image(th1)

Das Ergebnis der Binärisierung ist wie folgt.

python

#Konturextraktion
image, contours, hierarchy = cv2.findContours(th1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

#Sortieren Sie nur diejenigen mit einer großen Fläche
areas = []
for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > 10000:
        epsilon = 0.1*cv2.arcLength(cnt,True)
        approx = cv2.approxPolyDP(cnt,epsilon,True)
        areas.append(approx)

cv2.drawContours(img,areas,-1,(0,255,0),3)
display_cv_image(img)

Der Umriss wurde korrekt extrahiert und ich konnte ihn in einen roten Rahmen einschließen.

Projektionskonvertierung

Projiziert jeden Punkt des Rahmens gemäß den entsprechenden Koordinaten.

python

img = cv2.imread("IMG_4778.JPG")

dst = []

pts1 = np.float32(areas[0])
pts2 = np.float32([[600,300],[600,0],[0,0],[0,300]])

M = cv2.getPerspectiveTransform(pts1,pts2)
dst = cv2.warpPerspective(img,M,(600,300))

display_cv_image(dst)

Das konvertierte Ergebnis lautet wie folgt.

erledigt!

Bonus

Ich habe versucht, die erkannten Visitenkartenzeichen mithilfe einer Bibliothek namens tesseract-ocr zu orcieren.

tesseract-oct

Fügen Sie nach dem obigen Quellcode den folgenden Code hinzu.

python

import pyocr
from PIL import Image
tools = pyocr.get_available_tools()
tool = tools[0]
print(tool.image_to_string(Image.fromarray(dst), lang="jpn"))

Ergebnis ist ...

[Gast halten]
ヽ/Dimension Tour Eröffnungstechnologie
Küstennachrichten ‡
Typ 3 Denki Chief Brancher
Otoshiki Sagi 4 Condyle Gefährliche Ballhandhabungskleidung
Karate erste Stufe

 

Nisuta

... es gibt Raum für Verbesserungen (Schweiß)