在python中旋转图像并移除背景

有没有一种方法可以旋转这些类型的图像，删除背景空白或任何背景，得到这样的图像

我试图删除背景，如果图像没有任何旋转，我可以使用此脚本删除背景空白，但如果图像有任何旋转，它不会删除任何空间 我跟着这个

---

请尝试使用任何扫描图像并旋转它，尝试去除背景空白并将其旋转到原始尺寸以进行计算机视觉操作

考虑到您不知道旋转角度，并且每个扫描图像的旋转角度可能不同，您需要先找到它

把你们已经做过的事情和问题的答案结合起来

对于您提供的图像：

Angle is -25.953375702364195

---

如果保证背景为饱和白色（值255）且文档大部分为非饱和值，则在阈值255以下进行二值化并拟合一个边框。

使用cv2.boundingRect将为您提供适合轮廓的最小非旋转矩形。cv2.boundingRect结果：

您需要使用cv2.minareact来获得适合轮廓的矩形，而不是cv2.boundingRect。cv2.Minareact结果：

在获得旋转的rect信息后，需要找到模型点和当前点之间的仿射变换矩阵。当前点是在旋转矩形中找到的点，模型点是原始对象的点。在本例中，对象的初始位置（0,0）以及旋转矩形的宽度和高度

仿射在这里可能有些过分，但为了一般性，使用仿射变换

详细说明见代码

import cv2
import numpy as np

img = cv2.imread('Bcm3h.png')

## (1) Convert to gray, and threshold
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
th, threshed = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)


## (2) Morph-op to remove noise
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
morphed = cv2.morphologyEx(threshed, cv2.MORPH_CLOSE, kernel)

## (3) Find the max-area contour
cnts = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
cnt = sorted(cnts, key=cv2.contourArea)[-1]


## This will extract the rotated rect from the contour
rot_rect = cv2.minAreaRect(cnt)

# Extract useful data
cx,cy = (rot_rect[0][0], rot_rect[0][1]) # rect center
sx,sy = (rot_rect[1][0], rot_rect[1][1]) # rect size
angle = rot_rect[2] # rect angle


# Set model points : The original shape
model_pts = np.array([[0,sy],[0,0],[sx,0],[sx,sy]]).astype('int')
# Set detected points : Points on the image
current_pts = cv2.boxPoints(rot_rect).astype('int')

# sort the points to ensure match between model points and current points
ind_model = np.lexsort((model_pts[:,1],model_pts[:,0]))
ind_current = np.lexsort((current_pts[:,1],current_pts[:,0]))

model_pts = np.array([model_pts[i] for i in ind_model])
current_pts = np.array([current_pts[i] for i in ind_current])


# Estimate the transform betwee points
M = cv2.estimateRigidTransform(current_pts,model_pts,True)

# Wrap the image
wrap_gray = cv2.warpAffine(gray, M, (int(sx),int(sy)))


# for display
cv2.imshow("dst",wrap_gray)
cv2.waitKey(0)

#cv2.imwrite("001.png", dst) 

结果:

---

尝试使用透视变换。文档链接：@VardanAgarwal问题是，不同图片的图像坐标可能不同，我想你应该问的问题是“如何找到文档角落的坐标”。剩下的工作很简单。@YvesDaoust我怎样才能找到动态图像的坐标，是的！你看了吗？请分享一些文档，我在哪里可以做到，谢谢you@DataDoctor：OpenCV。它使用上述代码旋转图像，但不删除空白。感谢您提供第1部分解决方案。我收到此错误，我使用的是open cv>4.0`wrap_gray=cv2。warpAffine（gray，M，（int（sx），int（sy）））TypeError:参数“%s”应为Ptr`是否可以尝试对灰色变量使用cv2.umat（）进行类型转换？i、 我试过这个，也试过这个img=cv2.umat（cv2.jpg，cv2.imread\u COLOR））imgUMat=cv2.umat（cv2.imread（“image.jpg，cv2.imread\u COLOR”）。imgUMat=cv2.umat（img）gray=cv2.cvtColor（imgUMat，cv2.COLOR\u BGR2GRAY）还有这个gray=cv2.cvtColor（cv2.umat（img），cv2.umat（img），cv2.COLOR\bgry）即使进行了修改，你也会得到同样的错误？是的，我想这与warpAffine函数有关，因为使用相同的代码（不包括warpAffine），我可以得到图像响应。

import cv2
import numpy as np

img = cv2.imread('Bcm3h.png')

## (1) Convert to gray, and threshold
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
th, threshed = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)


## (2) Morph-op to remove noise
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
morphed = cv2.morphologyEx(threshed, cv2.MORPH_CLOSE, kernel)

## (3) Find the max-area contour
cnts = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
cnt = sorted(cnts, key=cv2.contourArea)[-1]


## This will extract the rotated rect from the contour
rot_rect = cv2.minAreaRect(cnt)

# Extract useful data
cx,cy = (rot_rect[0][0], rot_rect[0][1]) # rect center
sx,sy = (rot_rect[1][0], rot_rect[1][1]) # rect size
angle = rot_rect[2] # rect angle


# Set model points : The original shape
model_pts = np.array([[0,sy],[0,0],[sx,0],[sx,sy]]).astype('int')
# Set detected points : Points on the image
current_pts = cv2.boxPoints(rot_rect).astype('int')

# sort the points to ensure match between model points and current points
ind_model = np.lexsort((model_pts[:,1],model_pts[:,0]))
ind_current = np.lexsort((current_pts[:,1],current_pts[:,0]))

model_pts = np.array([model_pts[i] for i in ind_model])
current_pts = np.array([current_pts[i] for i in ind_current])


# Estimate the transform betwee points
M = cv2.estimateRigidTransform(current_pts,model_pts,True)

# Wrap the image
wrap_gray = cv2.warpAffine(gray, M, (int(sx),int(sy)))


# for display
cv2.imshow("dst",wrap_gray)
cv2.waitKey(0)

#cv2.imwrite("001.png", dst)