Opencv的使用小教程3——利用轮廓检测实现二维码定位
- 二维码具有什么特征
- 实现效果
- 识别二维码的流程
-
- 1、预处理图像
- 2、寻找轮廓
- 3、通过寻找到的轮廓确定“回”的位置
- 4、创建一张新图，并在新图上画出识别到的“回”并连线
- 5、寻找直角
- 6、确定另外两个点的次序关系
- 7、计算旋转角
- 8、完成二维码的旋转
- 全部代码
好好学习噢！
文章图片
二维码具有什么特征 二维码就是两个维度的条形码，平常我们在生活中随处可见，“QR”是“Quick Response”的缩写，它指的就是可以对隐藏在二维码中的数据实现快速读取。QR码相对传统条形码的优势是数据存储量大和高容错性。
我们都知道二维码有三个非常明显的黑框，就像下面的图显示的一样。
文章图片
而这三个框框因为其明显的特征，它的作用也是用于二维码的定位。
因此，要实现二维码的定位，最重要的一点就是定位这三个框框，三个回。
这三个回有什么特点呢？
1、每一个“回”在包括最外边的轮廓的情况下，都存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓。
2、每一个“回”的黑白框框的比例大概为1：3：1：1。
文章图片
3、左上角的“回”与其它的顶点的夹角为90度
实现效果 原图（图片来自于网络）：
文章图片
识别结果：
文章图片
文章图片
识别二维码的流程 在看流程前，可以前往我的github下载源码https://github.com/bubbliiiing/QRcode-location
1、预处理图像 在正式确定二维码的位置之前，首先要对原始图像进行处理，不能让原始图像很随意的直接使用，这其中包括一些重要的步骤：
1、利用cvtColor转化成灰度图像。
2、利用blur平滑图像，去除一些噪点。
3、利用convertScaleAbs实现图像的对比度增强。便于区分特征。
4、利用equalizeHist计算直方图，直方图的作用也是为了使得整个图像的区分度更大。
5、利用threshold阈值操作，将整个图像分为黑白两个极点，便于之后寻找轮廓。
以上所有的步骤都是为了让图像更便于寻找轮廓。
一个彩色的二维码图像，在经过如上的处理之后，可能会得到如下的图像：
文章图片
2、寻找轮廓 在得到上述图像后，重要的是如何找到三个“回”，根据“回”的特点：每一个“回”在包括最外边的轮廓的情况下，都存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓，我们可以完成回的寻找。
本文利用opencv自带的findContours函数寻找轮廓。
findContours的调用方式如下：
findContours(srcGray, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
其中：
1、srcGray是需要寻找轮廓的图像；
2、contours是寻找到的轮廓的存储变量，其变量类型为vector
3、hierarchy是轮廓之间的关系，其变量类型为vector，每一个hierarchy的元素包括了四个int的数据，分别表示第i个轮廓的后一个轮廓、前一个轮廓、子轮廓、父轮廓的索引编号。
3、通过寻找到的轮廓确定“回”的位置 在这里一部分，又要开始提到“回”的特点，其重要特点为存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓。
如果我们可以找到内部具有两个轮廓的轮廓，大概率就是我们需要的“回”的位置，这里我给标亮了，大家应该看的明白。
文章图片
我们对所有的轮廓进行判断，其内部是否有两个轮廓。
判断的方式如下，我用伪代码的形式呈现：
# ic用于确定这是“回”字判别中的第几个轮廓
for 轮廓i in 所有轮廓：
if 该轮廓有子轮廓且ic == 0:
保存该轮廓id
ic++
elif 该轮廓是父轮廓:
ic++
elif 该轮廓不是父轮廓:
初始化ic
初始化父轮廓id
if ic == 2:
# 表示总共检测到三个连续的轮廓，满足外轮廓中有两个轮廓的要求
if(IsQrPoint):
# IsQrPoint该函数通过面积二次判断是否为“回”字
保存该轮廓
# 此时已经检测到一个“回"
初始化ic
初始化父轮廓id
【Opencv的使用小教程|Opencv的使用小教程3——利用轮廓检测实现二维码定位】该流程执行同样得益于findContours在父轮廓与子轮廓是连续排序的。即父轮廓后一个轮廓是其子轮廓。
具体的执行代码如下：
for (int i = 0;
i < contours.size();
i++)
{
// 判断是否为父轮廓
if (hierarchy[i][2] != -1 && ic == 0)
{
parentIdx = i;
ic++;
}
// 判断是否是父轮廓内的子轮廓
else if (hierarchy[i][2] != -1)
{
ic++;
}
else if (hierarchy[i][2] == -1)
{
parentIdx = -1;
ic = 0;
}
// 判断是否积累检测到三个轮廓
if (ic == 2)
{ //通过图像处理进行深层次的判断
if (IsQrPoint(contours[parentIdx], src)) {
RotatedRect rect = minAreaRect(Mat(contours[parentIdx]));
// 画图部分
Point2f points[4];
rect.points(points);
for (int j = 0;
j < 4;
j++) {
line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);
}
drawContours(canvas, contours, parentIdx, Scalar(0, 0, 255), -1);
// 如果满足条件则存入
center_all.push_back(rect.center);
numOfRec++;
}
ic = 0;
parentIdx = -1;
}
}
4、创建一张新图，并在新图上画出识别到的“回”并连线 该部分的目的主要是在新图上绘画出三个“回”，然后利用findContours得到轮廓，在新图上，一共会获得四个轮廓，分别是三个“回”的轮廓和整个QRcode的轮廓，然后为所有的轮廓利用minAreaRect函数构建最小的矩形，之所以这样做是因为原图干扰太多，直接在新图上构建矩形可以很容易避免干扰，只要识别“回”识别的正确，就一定可以得到正确的矩形。
在该部分需要执行的流程是：
1、利用findContours得到轮廓。
2、利用minAreaRect得到与轮廓最相符合的矩形
3、对矩形面积进行检测筛选，最大面积的矩形就是QRcode的矩形，比较小的三个矩形是“回”
具体执行代码如下
vector contours3;
Mat canvasGray;
cvtColor(canvas, canvasGray, COLOR_BGR2GRAY);
findContours(canvasGray, contours3, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
vector maxContours;
double maxArea = 0;
// 在原图中画出二维码的区域for (int i = 0;
i < contours3.size();
i++)
{
RotatedRect rect = minAreaRect(contours3[i]);
Point2f boxpoint[4];
rect.points(boxpoint);
for (int i = 0;
i < 4;
i++)
line(src, boxpoint[i], boxpoint[(i + 1) % 4], Scalar(0, 0, 255), 3);
double area = contourArea(contours3[i]);
if (area > maxArea) {
maxContours = contours3[i];
maxArea = area;
}
}
imshow("src", src);
if (numOfRec < 3) {
waitKey(10);
continue;
}
RotatedRect rect = minAreaRect(Mat(maxContours));
5、寻找直角 在上几步中，我们已经获得的了“回”的位置和整个二维码的大概轮廓，这一步，我们主要是对二维码的方向进行矫正，对二维码而言，其三个“回”存在次序关系，左上角的“回”与另外两个“回”构成直角，像这样。
文章图片
如何确定三个回哪个是直角呢，我们通过向量垂直公式判断：
两个向量垂直,有垂直定理: 若设向量a=(x1,y1),b=(x2,y2) ,a⊥b的充要条件是a·b=0,即(x1x2+y1y2)=0。
在此处我们只需要将任意两个“回”的中心坐标相减就可以得到一个“回”到另一个回的向量。
通过如下方式判断：
int leftTopPoint(vector centerPoint) {
int minIndex = 0;
int multiple = 0;
int minMultiple = 10000;
multiple = (centerPoint[1].x - centerPoint[0].x)*(centerPoint[2].x - centerPoint[0].x) + (centerPoint[1].y - centerPoint[0].y)*(centerPoint[2].y - centerPoint[0].y);
if (minMultiple > multiple){
minIndex = 0;
minMultiple = multiple;
}
multiple = (centerPoint[0].x - centerPoint[1].x)*(centerPoint[2].x - centerPoint[1].x) + (centerPoint[0].y - centerPoint[1].y)*(centerPoint[2].y - centerPoint[1].y);
if (minMultiple > multiple) {
minIndex = 1;
minMultiple = multiple;
}
multiple = (centerPoint[0].x - centerPoint[2].x)*(centerPoint[1].x - centerPoint[2].x) + (centerPoint[0].y - centerPoint[2].y)*(centerPoint[1].y - centerPoint[2].y);
if (minMultiple > multiple) {
minIndex = 2;
minMultiple = multiple;
}
return minIndex;
}6、确定另外两个点的次序关系 这一步主要是用于确定三个“回”中，除去直角的“回”，另外两个“回"的位置，之所以要确定是因为确定了之后才能完成完成二维码的矫正。
一个摆正的二维码是这样的：
文章图片
左上角的“回”就是垂直角的“回”，右上角的“回”和左下角的“回”是不可以替换的，我们如果能够确定其次序关系，将有助于我们对二维码进行矫正定位。
如何确定这另外两个“回”的次序呢，在确定直角的时候我们使用了垂直定理，实际上求的是两个向量的内积，现在我们使用外积的公式。
什么是外积呢，大概是这样：
文章图片
a外积b得到的向量就是朝上的，b外积a得到的向量与之相反，是朝下的。
在二维码上是怎么体现的呢？
文章图片
在这里我定义了a、b两条直线，此时a外积b得到的向量就是电脑屏幕朝里的，b外积a得到的向量与之相反，是朝外的。
在实际使用时，我们假设a、b在同一平面，它们的z轴方向的分量都是0，因此他们外积的结果只会与z轴平行，此时我们便可以通过z轴上数值的正负判断两个点的次序了。（这里需要数学基础……我虽然懂但是真的讲不太来。）
具体计算公式如下：
文章图片
具体实现代码为，otherIndex[0]就是右上角的“回”，otherIndex[1]就是左下角的“回”：
vector otherTwoPoint(vector centerPoint,int leftTopPointIndex) {
vector otherIndex;
double waiji = (centerPoint[(leftTopPointIndex + 1) % 3].x- centerPoint[(leftTopPointIndex) % 3].x)*
(centerPoint[(leftTopPointIndex + 2) % 3].y - centerPoint[(leftTopPointIndex) % 3].y) -
(centerPoint[(leftTopPointIndex + 2) % 3].x - centerPoint[(leftTopPointIndex) % 3].x)*
(centerPoint[(leftTopPointIndex + 1) % 3].y - centerPoint[(leftTopPointIndex) % 3].y);
if (waiji > 0) {
otherIndex.push_back((leftTopPointIndex + 1) % 3);
otherIndex.push_back((leftTopPointIndex + 2) % 3);
}
else {
otherIndex.push_back((leftTopPointIndex + 2) % 3);
otherIndex.push_back((leftTopPointIndex + 1) % 3);
}
return otherIndex;
}
7、计算旋转角 计算旋转角需要借助三个“回”的点位来进行。
首先通过如下公式计算右上角的“回”与左上角的“回”形成的k值。
double dy = rightTopPoint.y - leftTopPoint.y;
double dx = rightTopPoint.x - leftTopPoint.x;
double k = dy / dx;
再利用以下公式可以计算对应的与opencv中x轴形成的角度：
double angle = atan(k) * 180 / CV_PI;
//转化角度
文章图片
此时θ角是负值。计算出该θ角就可以对图像进行矫正了，但是仅仅使用左上角和右上角可能会存在图像对称的问题，具体情况如下。
文章图片
这两幅图的θ角是一样的，但是明显，其需要旋转的角度不同，左边那幅图旋转theta角之后就可以摆正，但是右边那幅图我们会得到如下结果。
文章图片
很明显，需要再旋转180度才可以得到正确结果，通过对比我们发现，当左下角的“回”的y值小于左上角的“回”的y值时（opencv坐标系），会出现上述情况，因此，我们需要再判断左下角的“回”的y值和左上角的“回”的y值的关系。
if (leftBottomPoint.y < leftTopPoint.y)
angle -= 180;
即可。
最后得到旋转角度的函数为：
double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint) {
double dy = rightTopPoint.y - leftTopPoint.y;
double dx = rightTopPoint.x - leftTopPoint.x;
double k = dy / dx;
double angle = atan(k) * 180 / CV_PI;
//转化角度
if (leftBottomPoint.y < leftTopPoint.y)
angle -= 180;
return angle;
}
8、完成二维码的旋转 已经得到旋转的角度，之后便可以在原图中获得二维码的旋转结果，并截出二维码区域。
在完成二维码的截取时，需要给二维码截取函数传入三个参数，分别是，原图src，在第四步中得到的包含二维码的矩形rect，旋转的角度angle。
最终处理过程如下：
1、获得旋转中心；
2、获得需要抠图的范围，以旋转中心为中心。
3、通过包含二维码的矩形rect在src中截出尚未旋转的二维码。
4、按旋转中心，利用角度angle完成旋转
5、利用获得的需要抠图的范围进行抠图。
具体处理代码如下：
Mat transformQRcode(Mat src, RotatedRect rect,double angle)
{
// 获得旋转中心
Point center = rect.center;
// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图
Point TopLeft = Point(cvRound(center.x), cvRound(center.y)) - Point(rect.size.height / 2, rect.size.width / 2);
//旋转后的目标位置
TopLeft.x = TopLeft.x > src.cols ? src.cols : TopLeft.x;
TopLeft.x = TopLeft.x < 0 ? 0 : TopLeft.x;
TopLeft.y = TopLeft.y > src.rows ? src.rows : TopLeft.y;
TopLeft.y = TopLeft.y < 0 ? 0 : TopLeft.y;
int after_width, after_height;
if (TopLeft.x + rect.size.width > src.cols) {
after_width = src.cols - TopLeft.x - 1;
}
else {
after_width = rect.size.width - 1;
}
if (TopLeft.y + rect.size.height > src.rows) {
after_height = src.rows - TopLeft.y - 1;
}
else {
after_height = rect.size.height - 1;
}
// 获得二维码的位置
Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height);
// dst是被旋转的图片，roi为输出图片，mask为掩模
Mat mask, roi, dst;
Mat image;
// 建立中介图像辅助处理图像 vector contour;
// 获得矩形的四个点
Point2f points[4];
rect.points(points);
for (int i = 0;
i < 4;
i++)
contour.push_back(points[i]);
vector contours;
contours.push_back(contour);
// 再中介图像中画出轮廓
drawContours(mask, contours, 0, Scalar(255,255,255), -1);
// 通过mask掩膜将src中特定位置的像素拷贝到dst中。
src.copyTo(dst, mask);
// 旋转
Mat M = getRotationMatrix2D(center, angle, 1);
warpAffine(dst, image, M, src.size());
// 截图
roi = image(RoiRect);
return roi;
}
全部代码 这是二维码识别的全部代码，只要正确安装了opencv，都是可以正常运行的，这些代码是我参考了很多的blog和学习了很久的opencv才修改出来的，希望需要的人可以点个赞或者关注hahahah。
#include
#include
#include
#include
#include
#include using namespace cv;
using namespace std;
// 用于矫正
Mat transformCorner(Mat src, RotatedRect rect);
Mat transformQRcode(Mat src, RotatedRect rect, double angle);
// 用于判断角点
bool IsQrPoint(vector& contour, Mat& img);
bool isCorner(Mat &image);
double Rate(Mat &count);
int leftTopPoint(vector centerPoint);
vector otherTwoPoint(vector centerPoint, int leftTopPointIndex);
double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint);
//otherTwoPointIndex返回二维码对应的意义int main()
{
//VideoCapture cap;
//Mat src;
//cap.open(0);
//打开相机，电脑自带摄像头一般编号为0，外接摄像头编号为1，主要是在设备管理器中查看自己摄像头的编号。 //cap.set(CV_CAP_PROP_FRAME_WIDTH, 1280);
//设置捕获视频的宽度
//cap.set(CV_CAP_PROP_FRAME_HEIGHT, 400);
//设置捕获视频的高度 //if (!cap.isOpened())//判断是否成功打开相机
//{
// cout << "摄像头打开失败!" << endl;
//return -1;
//}
while (1) {
Mat src;
src = https://www.it610.com/article/imread("QRcode2.jpg");
//cap >> src;
//从相机捕获一帧图像Mat srcCopy = src.clone();
//canvas为画布 将找到的定位特征画出来
Mat canvas;
canvas = Mat::zeros(src.size(), CV_8UC3);
Mat srcGray;
//center_all获取特性中心
vector center_all;
// 转化为灰度图
cvtColor(src, srcGray, COLOR_BGR2GRAY);
// 3X3模糊
blur(srcGray, srcGray, Size(3, 3));
// 计算直方图
convertScaleAbs(src, src);
equalizeHist(srcGray, srcGray);
int s = srcGray.at(0, 0)[0];
// 设置阈值根据实际情况 如视图中已找不到特征 可适量调整
threshold(srcGray, srcGray, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("threshold", srcGray);
/*contours是第一次寻找轮廓*/
/*contours2是筛选出的轮廓*/
vector contours;
// 用于轮廓检测
vector hierarchy;
findContours(srcGray, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
// 小方块的数量
int numOfRec = 0;
// 检测方块
int ic = 0;
int parentIdx = -1;
for (int i = 0;
i < contours.size();
i++)
{
if (hierarchy[i][2] != -1 && ic == 0)
{
parentIdx = i;
ic++;
}
else if (hierarchy[i][2] != -1)
{
ic++;
}
else if (hierarchy[i][2] == -1)
{
parentIdx = -1;
ic = 0;
}
if (ic >= 2 && ic <= 2)
{
if (IsQrPoint(contours[parentIdx], src)) {
RotatedRect rect = minAreaRect(Mat(contours[parentIdx]));
// 画图部分
Point2f points[4];
rect.points(points);
for (int j = 0;
j < 4;
j++) {
line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);
}
drawContours(canvas, contours, parentIdx, Scalar(0, 0, 255), -1);
// 如果满足条件则存入
center_all.push_back(rect.center);
numOfRec++;
}
ic = 0;
parentIdx = -1;
}
}// 连接三个正方形的部分
for (int i = 0;
i < center_all.size();
i++)
{
line(canvas, center_all[i], center_all[(i + 1) % center_all.size()], Scalar(255, 0, 0), 3);
}vector contours3;
Mat canvasGray;
cvtColor(canvas, canvasGray, COLOR_BGR2GRAY);
findContours(canvasGray, contours3, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
vector maxContours;
double maxArea = 0;
// 在原图中画出二维码的区域for (int i = 0;
i < contours3.size();
i++)
{
RotatedRect rect = minAreaRect(contours3[i]);
Point2f boxpoint[4];
rect.points(boxpoint);
for (int i = 0;
i < 4;
i++)
line(src, boxpoint[i], boxpoint[(i + 1) % 4], Scalar(0, 0, 255), 3);
double area = contourArea(contours3[i]);
if (area > maxArea) {
maxContours = contours3[i];
maxArea = area;
}
}
imshow("src", src);
if (numOfRec < 3) {
waitKey(10);
continue;
}
// 计算“回”的次序关系
int leftTopPointIndex = leftTopPoint(center_all);
vector otherTwoPointIndex = otherTwoPoint(center_all, leftTopPointIndex);
// canvas上标注三个“回”的次序关系
circle(canvas, center_all[leftTopPointIndex],10,Scalar(255,0,255),-1);
circle(canvas, center_all[otherTwoPointIndex[0]], 10, Scalar(0, 255, 0),-1);
circle(canvas, center_all[otherTwoPointIndex[1]], 10, Scalar(0, 255, 255),-1);
// 计算旋转角
double angle = rotateAngle(center_all[leftTopPointIndex], center_all[otherTwoPointIndex[0]], center_all[otherTwoPointIndex[1]]);
// 拿出之前得到的最大的轮廓
RotatedRect rect = minAreaRect(Mat(maxContours));
Mat image = transformQRcode(srcCopy, rect, angle);
// 展示图像
imshow("QRcode", image);
imshow("canvas", canvas);
waitKey(10);
}
return 0;
}Mat transformCorner(Mat src, RotatedRect rect)
{
// 获得旋转中心
Point center = rect.center;
// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图
Point TopLeft = Point(cvRound(center.x), cvRound(center.y)) - Point(rect.size.height / 2, rect.size.width / 2);
//旋转后的目标位置
TopLeft.x = TopLeft.x > src.cols ? src.cols : TopLeft.x;
TopLeft.x = TopLeft.x < 0 ? 0 : TopLeft.x;
TopLeft.y = TopLeft.y > src.rows ? src.rows : TopLeft.y;
TopLeft.y = TopLeft.y < 0 ? 0 : TopLeft.y;
int after_width, after_height;
if (TopLeft.x + rect.size.width > src.cols) {
after_width = src.cols - TopLeft.x - 1;
}
else {
after_width = rect.size.width - 1;
}
if (TopLeft.y + rect.size.height > src.rows) {
after_height = src.rows - TopLeft.y - 1;
}
else {
after_height = rect.size.height - 1;
}
// 获得二维码的位置
Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height);
// dst是被旋转的图片 roi为输出图片 mask为掩模
double angle = rect.angle;
Mat mask, roi, dst;
Mat image;
// 建立中介图像辅助处理图像 vector contour;
// 获得矩形的四个点
Point2f points[4];
rect.points(points);
for (int i = 0;
i < 4;
i++)
contour.push_back(points[i]);
vector contours;
contours.push_back(contour);
// 再中介图像中画出轮廓
drawContours(mask, contours, 0, Scalar(255, 255, 255), -1);
// 通过mask掩膜将src中特定位置的像素拷贝到dst中。
src.copyTo(dst, mask);
// 旋转
Mat M = getRotationMatrix2D(center, angle, 1);
warpAffine(dst, image, M, src.size());
// 截图
roi = image(RoiRect);
return roi;
}// 该部分用于检测是否是角点，与下面两个函数配合
bool IsQrPoint(vector& contour, Mat& img) {
double area = contourArea(contour);
// 角点不可以太小
if (area < 30)
return 0;
RotatedRect rect = minAreaRect(Mat(contour));
double w = rect.size.width;
double h = rect.size.height;
double rate = min(w, h) / max(w, h);
if (rate > 0.7)
{
// 返回旋转后的图片，用于把“回”摆正，便于处理
Mat image = transformCorner(img, rect);
if (isCorner(image))
{
return 1;
}
}
return 0;
}// 计算内部所有白色部分占全部的比率
double Rate(Mat &count)
{
int number = 0;
int allpixel = 0;
for (int row = 0;
row < count.rows;
row++)
{
for (int col = 0;
col < count.cols;
col++)
{
if (count.at(row, col) == 255)
{
number++;
}
allpixel++;
}
}
//cout << (double)number / allpixel << endl;
return (double)number / allpixel;
}// 用于判断是否属于角上的正方形
bool isCorner(Mat &image)
{
// 定义mask
Mat imgCopy, dstCopy;
Mat dstGray;
imgCopy = image.clone();
// 转化为灰度图像
cvtColor(image, dstGray, COLOR_BGR2GRAY);
// 进行二值化 threshold(dstGray, dstGray, 0, 255, THRESH_BINARY | THRESH_OTSU);
dstCopy = dstGray.clone();
//备份 // 找到轮廓与传递关系
vector contours;
vector hierarchy;
findContours(dstCopy, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
for (int i = 0;
i < contours.size();
i++)
{
//cout << i << endl;
if (hierarchy[i][2] == -1 && hierarchy[i][3])
{
Rect rect = boundingRect(Mat(contours[i]));
rectangle(image, rect, Scalar(0, 0, 255), 2);
// 最里面的矩形与最外面的矩形的对比
if (rect.width < imgCopy.cols * 2 / 7)//2/7是为了防止一些微小的仿射
continue;
if (rect.height < imgCopy.rows * 2 / 7)//2/7是为了防止一些微小的仿射
continue;
// 判断其中黑色与白色的部分的比例
if (Rate(dstGray) > 0.20)
{
return true;
}
}
}
returnfalse;
}int leftTopPoint(vector centerPoint) {
int minIndex = 0;
int multiple = 0;
int minMultiple = 10000;
multiple = (centerPoint[1].x - centerPoint[0].x)*(centerPoint[2].x - centerPoint[0].x) + (centerPoint[1].y - centerPoint[0].y)*(centerPoint[2].y - centerPoint[0].y);
if (minMultiple > multiple){
minIndex = 0;
minMultiple = multiple;
}
multiple = (centerPoint[0].x - centerPoint[1].x)*(centerPoint[2].x - centerPoint[1].x) + (centerPoint[0].y - centerPoint[1].y)*(centerPoint[2].y - centerPoint[1].y);
if (minMultiple > multiple) {
minIndex = 1;
minMultiple = multiple;
}
multiple = (centerPoint[0].x - centerPoint[2].x)*(centerPoint[1].x - centerPoint[2].x) + (centerPoint[0].y - centerPoint[2].y)*(centerPoint[1].y - centerPoint[2].y);
if (minMultiple > multiple) {
minIndex = 2;
minMultiple = multiple;
}
return minIndex;
}vector otherTwoPoint(vector centerPoint,int leftTopPointIndex) {
vector otherIndex;
double waiji = (centerPoint[(leftTopPointIndex + 1) % 3].x- centerPoint[(leftTopPointIndex) % 3].x)*
(centerPoint[(leftTopPointIndex + 2) % 3].y - centerPoint[(leftTopPointIndex) % 3].y) -
(centerPoint[(leftTopPointIndex + 2) % 3].x - centerPoint[(leftTopPointIndex) % 3].x)*
(centerPoint[(leftTopPointIndex + 1) % 3].y - centerPoint[(leftTopPointIndex) % 3].y);
if (waiji > 0) {
otherIndex.push_back((leftTopPointIndex + 1) % 3);
otherIndex.push_back((leftTopPointIndex + 2) % 3);
}
else {
otherIndex.push_back((leftTopPointIndex + 2) % 3);
otherIndex.push_back((leftTopPointIndex + 1) % 3);
}
return otherIndex;
}double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint) {
double dy = rightTopPoint.y - leftTopPoint.y;
double dx = rightTopPoint.x - leftTopPoint.x;
double k = dy / dx;
double angle = atan(k) * 180 / CV_PI;
//转化角度
if (leftBottomPoint.y < leftTopPoint.y)
angle -= 180;
return angle;
}Mat transformQRcode(Mat src, RotatedRect rect,double angle)
{
// 获得旋转中心
Point center = rect.center;
// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图
Point TopLeft = Point(cvRound(center.x), cvRound(center.y)) - Point(rect.size.height / 2, rect.size.width / 2);
//旋转后的目标位置
TopLeft.x = TopLeft.x > src.cols ? src.cols : TopLeft.x;
TopLeft.x = TopLeft.x < 0 ? 0 : TopLeft.x;
TopLeft.y = TopLeft.y > src.rows ? src.rows : TopLeft.y;
TopLeft.y = TopLeft.y < 0 ? 0 : TopLeft.y;
int after_width, after_height;
if (TopLeft.x + rect.size.width > src.cols) {
after_width = src.cols - TopLeft.x - 1;
}
else {
after_width = rect.size.width - 1;
}
if (TopLeft.y + rect.size.height > src.rows) {
after_height = src.rows - TopLeft.y - 1;
}
else {
after_height = rect.size.height - 1;
}
// 获得二维码的位置
Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height);
// dst是被旋转的图片，roi为输出图片，mask为掩模
Mat mask, roi, dst;
Mat image;
// 建立中介图像辅助处理图像 vector contour;
// 获得矩形的四个点
Point2f points[4];
rect.points(points);
for (int i = 0;
i < 4;
i++)
contour.push_back(points[i]);
vector contours;
contours.push_back(contour);
// 再中介图像中画出轮廓
drawContours(mask, contours, 0, Scalar(255,255,255), -1);
// 通过mask掩膜将src中特定位置的像素拷贝到dst中。
src.copyTo(dst, mask);
// 旋转
Mat M = getRotationMatrix2D(center, angle, 1);
warpAffine(dst, image, M, src.size());
// 截图
roi = image(RoiRect);
return roi;
}
如果有不懂的地方欢迎大家询问。
推荐阅读
- OpenCV通道的分离和合并
- #私藏项目实操分享#教你用OpenCV 和 Python实现圆物检测《-》HoughCircles
- 文本检测实战（使用OpenCV实现文本检测（EAST 文本检测器））
- WordPress的图像上传时间错误（图像的后处理失败）
- Hough变换（直线检测）学习笔记
- python|python实现opencv学习十七（hough变换检测直线）
- 图像处理算法|Hough变换检测直线的原理
- python|Python+OpenCV 轻松实现人脸识别签到考勤系统
- 技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移