梳理程序的笔记(三)

版权声明:转载请标明出处,谢谢! https://blog.csdn.net/SimileciWH/article/details/85293869

1 datamatrix提取

rotRects中存放的矩形框都是紧贴这图案的,大多数情况下都会损失一些边缘部分,而且不利于精确检测,因此需要适当的扩张边缘的长度,即 extlen

我的理解,将缩小一半的图片,四周以extlen的页边距画一个矩形,在这个举行内部的rostRects才能为是要处理的区域,即边界约束,其他不再范围内的区域去除;在范围内的区域边界点在放大为原来的2倍。

dPoints[j].x=dPoints[j].x*2;
dPoints[j].y=dPoints[j].y*2;

乘以2是因为,之前resize原图缩小了2倍,现在放大到原图的大小。

2 cutImg,裁剪图片并且矫正

拍摄到的原始图片,可能是变形或者歪的,(这与粘贴二维码的情况有关系),因此,通过仿射变换将它调整到我们理想的位置。

2.1 opencv的getAffineTransform()

仿射矩阵,是表示一个二维向量 X = [ x y ] X= \left [ \begin{matrix}x \\ y \end{matrix}\right ] 经过线性变换矩阵 A = [ a 00 a 01 a 10 a 11 ] A= \left[ \begin{matrix} a_{00} & a_{01} \\ a_{10} & a_{11}\end{matrix}\right] 和平移变换矩阵 T = [ b 00 b 01 ] T=\left[ \begin{matrix} b_{00} \\ b_{01}\end{matrix}\right] 得到矩阵 B = [ x 1 y 1 ] B=\left[ \begin{matrix} x1 \\ y1 \end{matrix}\right] 的一种矩阵,记为仿射矩阵 M = [ A B ] = [ a 00 a 01 b 00 a 10 a 11 b 10 ] M=\left[ \begin{matrix} A & B\end{matrix}\right]=\left[ \begin{matrix} a_{00} & a_{01} & b_{00} \\ a_{10} &a_{11} & b_{10}\end{matrix}\right]

T = A [ x y ] + T = M [ x y 1 ] T= A * \left[ \begin{matrix} x \\ y\end{matrix}\right]+T=M*\left[\begin{matrix}x\\y\\1 \end{matrix}\right]

因此, T = [ a 00 x + a 01 y + b 00 a 10 x + a 11 y + b 10 ] T=\left[\begin{matrix}a_{00}*x+a_{01}*y+b_{00} \\a_{10}*x+a_{11}*y+b_{10} \end{matrix}\right]

如上图所示的两张图片之间的仿射。

Mat getAffineTransform( InputArray src, InputArray dst ); //返回仿射矩阵
_warpMat = getAffineTransform(_dmPoints, dstTri);  //求得仿射变换矩阵M
        warpAffine(_srcImg, _dmImg, _warpMat, Size(60, 60));  //对原图上应用这种仿射变换,输出尺寸为60*60
        cvtColor(_dmImg,_dmImg,CV_BGR2GRAY);
2.2 opencv的warpAffine()

代码在2.1节的结尾处

void warpAffine( InputArray src, //输入要进行仿射变换的图片
                 OutputArray dst,  //输出仿射变换后的图片
                 InputArray M, //输入getAffineTransform得到的放射变换矩阵
                 Size dsize,    //设置输出仿射变换矩阵的大小
                 int flags=INTER_LINEAR, //插值算法标识符
                 int borderMode=BORDER_CONSTANT, //边界像素模式
                 const Scalar& borderValue=Scalar()); //边界取值,默认值Scalar()为0
flags可选参数 含义
INTER_LINEAR 双线性差值 (缺省使用)
INTER_AREA 区域差值算法,使用象素关系重采样时,图像抽取的首选方法。当图像缩小时候,该方法可以避免波纹出现。当图像放大时,类似于 INTER_NEAREST 方法
INTER_CUBIC 立方差值
INTER_NEAREST 最邻近插值算法
INTER_LANCZOS4 Lanczos插值(超过8x8领域的插值算法)
INTER_MAX 用于插值的掩模板
WARP_INVERSE_MAP 标志位,反变换
WARP_FILL_OUTLIERS 标志位,用于填充目标图像的像素值,如果其中的一些值对应原图像的异常值,那么这些值讲被设为0

猜你喜欢

转载自blog.csdn.net/SimileciWH/article/details/85293869