Python 使用openCV对齐图像

我收集了大约250张图片。它们都是从一本书中扫描出来的，因此它们都会相互移动或旋转一点。现在，我想对这些图像进行一些数据提取，但为了自动进行提取，所有图像中的所有位置都应该相同。这就是为什么我需要以某种方式对齐这些图像，以便所有图像中的所有位置都相互对应。实现这一目标的最佳方式是什么？我认为openCV是最好的方法，但我不确定该如何开始

以下是扫描图像的示例：

---

虚线可能是一个很好的定位点

• 使用箭头将虚线转换为实线
• 使用
• 在面具上画线

可以使用遮罩对齐单独的图像。扫描遮罩边缘的坐标，并使用这些坐标旋转和移动图像。我的意思是循环通过掩码顶行的值。第一个白色像素给出顶部中心坐标。面具的其他侧面也类似。您可以在不同的图像上比较这些值以确定偏移和旋转。要应用这些转换，请阅读。不过，这需要做相当多的工作。也许有一个更简单的选择：

我可能错了，但似乎您希望对齐页面，以便可以使用硬编码值提取图形。另一种更简单的方法是创建“瓷砖”的子图像。然后可以进一步处理这些问题。这在下面的代码中实现

分离的子图像：

代码：

    import cv2
    import numpy as np  
    # load image
    img_large=cv2.imread("BAgla.jpg")
    # resize for ease of use
    img_ori = cv2.resize(img_large, None, fx=0.2, fy=0.2, interpolation= cv2.INTER_CUBIC)
    # create grayscale
    img = cv2.cvtColor(img_ori, cv2.COLOR_BGR2GRAY)
    # create mask for image size
    mask = np.zeros((img.shape[:2]),dtype=np.uint8)
    # do a morphologic close to merge dotted line
    kernel = np.ones((8,8))
    res = cv2.morphologyEx(img,cv2.MORPH_OPEN, kernel)
    # detect edges for houglines
    edges = cv2.Canny(res, 50,50)
    # detect lines
    lines = cv2.HoughLines(edges,1,np.pi/180,200)
    # draw detected lines
    for line in lines:
            rho,theta = line[0]
            a = np.cos(theta)
            b = np.sin(theta)
            x0 = a*rho
            y0 = b*rho
            x1 = int(x0 + 1000*(-b))
            y1 = int(y0 + 1000*(a))
            x2 = int(x0 - 1000*(-b))
            y2 = int(y0 - 1000*(a))

            cv2.line(mask,(x1,y1),(x2,y2),(255),2)
            cv2.line(img,(x1,y1),(x2,y2),(127),2)

    # invert the mask for use with findcontours
    mask_inv = cv2.bitwise_not(mask)
    # use findcontours to get the boundingboxes of the tiles
    contours, hier = cv2.findContours(mask_inv,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    boundingrects = []
    for cnt in contours:
            boundingrects.append(cv2.boundingRect(cnt))

    # findContours has no garanteed order, so sort array
    boundingrects.sort()

    # titles for window names / save file names
    title = ['Kaart', None, 'Smaakprofiel', 'Basiswaarden','Gelijkaardige bieren','Chemisch Profiel']

    # create images for top and bottom tiles
    for index in [0,2,3,5]:
            x,y,w,h = boundingrects[index]
            subimg = img_ori[y:y+h,x:x+w]
            cv2.imshow(title[index], subimg  )

    # combine middle tiles
    x1,y1,w1,h1 = boundingrects[1]
    x2,y2,w2,h2 = boundingrects[4]
    subimg = img_ori[y1:y2+h2,x1:x2+w2]
    cv2.imshow(title[4], subimg  )

    # display result
    cv2.imshow("Result", img  )
    cv2.imshow("Mask", mask  )
    cv2.waitKey(0)
    cv2.destroyAllWindows()

---

请注意，我使用了缩小版的图像，因此在处理图像时要考虑到这一点。

好的，到目前为止，我了解如何变换和检测线条。但后来你说可以“使用遮罩对齐单独的图像”。我该怎么做呢？你说我可以扫描遮罩边缘的坐标，然后用它们来旋转和移动图像。老实说，我不知道该怎么做。。。我是否应该将这些线的位置从第一个图像应用到所有其他250个图像？或者最好的方法是什么？我倾向于在以下行中得到一个错误

ret，contours，hier=cv2.findContours（mask\u inv，cv2.RETR\u EXTERNAL，cv2.CHAIN\u APPROX\u SIMPLE）

。它说

ValueError：没有足够的值来解包（预期3个，得到2个）

这是因为您有一个更新版本的openCV。只需删除

ret，

，因为该值不再返回：

轮廓，hier=cv2.findContours（mask\u inv，cv2.RETR\u EXTERNAL，cv2.CHAIN\u APPROX\u SIMPLE）

。我还更新了答案好的，谢谢，还有一个问题。您正在缩小图像以便于使用。如果我想从子图像中的图形中提取数据，这有什么影响吗？如果是这样，在使用全尺寸图像时，我应该说明什么？最简单的方法是修改子图像的创建方式。使用

img\u-ori

，而不是

img\u-large

，并将子图像尺寸乘以5（因为图像已缩小到20%）。Unpretty:

subimg=img_大[y*5:y*5+h*5，x*5:x*5+w*5]