[影像處理_OpenCV Python]使用Python撰寫影像處理功能，圖片遮罩或濾除掉不要的地方，旋轉圖片

以下範例將呈現影像處理三種不同的應用：

遮罩的實現

濾除

旋轉

音樂藝文

職場

學習

以行動支持創作者！付費即可解鎖

軟體開發

[OpenCV基礎][Python]遮罩，旋轉，輪廓應用濾除斑點

利用OPENCV，實現SIFT應用，尋找圖片中物件的旋轉角度

本文介紹主要提出SIFT提取關鍵角點的座標，由此算出物件的旋轉角度

程式功能介紹 : 導入待檢測圖及樣本圖，則會依照樣本圖中的物件為基準

[OpenCV應用][Python]利用SIFT得取圖片物件旋轉角度，並旋轉回正常角度

形態學操作在影像處理中有多種應用，特別是在處理二值化影像（黑白影像）。

在影像處理應用上，基本上都由侵蝕，膨脹這兩種方法，組合搭配而成。

常見應用場景

物體檢測與分割：

形態學操作可以用於增強或改善二值化影像中的物體邊界，使得物體的檢測和分割更加準確。

[OpenCV基礎][Python]形態學運算(侵蝕、膨脹、梯度)

廢話不多說，先上成果圖。

成果圖

主要實現方法

1.灰階後利用cv2.Canny找物體的邊緣

2.找物件相對應的直線cv2.HoughLines

3.分類為橫向和垂直的直線角度，求得相對於物件的旋轉角度

4.根據算出的相對應旋轉角度將物件轉正


[OpenCV應用][Python]霍夫直線轉換偵測應用於旋轉補正

[OpenCV應用][Python]找出圖像中的四個方位的邊緣點求出寬高

呈上篇應用Numpy找到的座標點，那我們如何捨棄掉差異過大的座標點呢?

可能圖像物件邊緣不佳，採樣就會差異過大，造成計算出的寬高是不準確的。

遇到這種狀況，就可以使用下方的程式範例來篩選座標點。


為求方便，此範例跟圖

[OpenCV應用][Python]過濾差異過大的座標點

介紹OpenCV中的cv2.matchTemplate和cv2.minMaxLoc函數的使用方法和參數，提供程式範例以及相關特徵匹配的詳細介紹，讓讀者對此有更深入的瞭解。

[OpenCV基礎][Python]特徵匹配Template Matching


本篇文章主要講述cv2.connectedComponent應用於物件上的分割，將不同文字分割並用不同顏色標記。

範例程式結果圖

cv2.connectedComponentsWithStats

是 OpenCV 中用來執行連通元件標記的函式之一。


[OpenCV基礎][Python]connectedComponent連通域分析

本文將介紹，在圖像中找出最大矩形的物件來定位。





[OpenCV應用][Python]利用連通域分析達成物件定位

針對辨識物的不同，流程就會不一樣，在依照現實狀況進行刪減，以下說明為個人常用的流程。


基本流程：

讀圖

灰階

濾波 (看圖片雜訊多不多)

二值化

連通區域

特徵篩選

特徵資訊

辨識 - (OCR，量測，瑕疵檢測等。)


名詞介紹

Gray 灰階

將原始的彩色圖像轉換為灰階圖

影像辨識流程介紹

本文將介紹影像的基本操作包括：影像的讀取、顯示、保存，以及一些常見的操作如裁剪、旋轉、縮放等。

語法介紹

讀取影像：

cv2.imread函數的參數是影像的檔案路徑。讀取後的影像以NumPy的ndarray形式表示。



[OpenCV基礎][Python]影像操作(讀取、顯示、保存、裁剪、旋轉、縮放)

利用Python OpenCV實現一些影像處理的應用，整理所學，利用程式範例的方式解說其程式碼跟函式的使用方法及應用

[Python][OpenCV]學習心得筆記

目前尚無內容