Essayez de projeter la conversion d'image en utilisant OpenCV avec Python

introduction

Extraction d'objets dans l'image par correspondance de modèles en utilisant OpenCV avec Python

Lorsque j'ai examiné OpenCV lors de la création de l'article ci-dessus, il semble que je puisse vraiment faire diverses choses, j'ai donc décidé d'essayer ce que j'avais proposé pour le moment.

Ainsi, la procédure de «conversion par projection» qui corrige l'image d'une carte de visite prise avec un appareil photo comme si elle était prise de face est résumée ci-dessous.

Environnement d'exploitation

Procédure de construction de l'environnement

Veuillez vous référer à l'URL suivante pour le miso avant habituel.

• Procédure pour créer rapidement un environnement d'apprentissage en profondeur sur Mac avec TensorFlow et OpenCV

• Procédure pour créer rapidement un environnement d'apprentissage automatique avec Ubuntu 16.04

Photo utilisée

Utilisez le verso de votre carte de visite prise avec un appareil photo iPhone. (IMG_4778.JPG)

Lecture de la bibliothèque

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))

Lecture d'image

python

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

Binarisation des couleurs et extraction des contours

python

#Échelle de gris
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

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

Le résultat de la binarisation est le suivant.

python

#Extraction de contour
image, contours, hierarchy = cv2.findContours(th1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

#Trier uniquement ceux qui ont une grande surface
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)

Le contour a été extrait correctement et j'ai pu le placer dans un cadre rouge.

Conversion de projection

Projette chaque point du cadre selon les coordonnées correspondantes.

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)

Le résultat converti est le suivant.

l'a fait!

prime

J'ai essayé d'ORC les caractères de carte de visite reconnus en utilisant une bibliothèque appelée tesseract-ocr.

tesseract-oct

Ajoutez le code suivant après le code source ci-dessus.

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"))

Le résultat est ...

[Invité en attente]
ヽ/Technologie d'ouverture du tour de dimension
Actualités côtières ‡
Chef Brancher Type 3 Denki
Otoshiki Sagi 4 Condyle Vêtements de manipulation de balles dangereuses
Karaté première étape

 

Nisuta

... il y a place à l'amélioration (transpiration)