企业官网建设流程全解析

企业网站优化的重要性,有没有做京东客好的网站推荐,网站的涂鸦效果图怎么做的,网页代理proxy文章目录一、文档扫描与实时矫正1.1 核心思路1.2 关键代码分析二、视频运动检测与跟踪2.1 核心思路2.2 关键代码分析三、特定物体提取与分割3.1 核心思路3.2 关键代码分析一、文档扫描与实时矫正 1.1 核心思路 通过摄像头实时捕捉图像#xff0c;自动检测文档轮廓#xff0…文章目录一、文档扫描与实时矫正1.1 核心思路1.2 关键代码分析二、视频运动检测与跟踪2.1 核心思路2.2 关键代码分析三、特定物体提取与分割3.1 核心思路3.2 关键代码分析一、文档扫描与实时矫正1.1 核心思路通过摄像头实时捕捉图像自动检测文档轮廓并进行透视变换将其矫正为正面视角。整个过程包含以下步骤图像采集与预处理边缘检测轮廓查找与筛选透视变换矫正二值化处理1.2 关键代码分析# 图像显示函数defcv_show(name,img):显示图像cv2.imshow(name,img)cv2.waitKey(1)# 使用1ms等待适合视频流参数说明name显示窗口的名称img要显示的图像矩阵waitKey(1)等待1毫秒适合视频流的连续显示# 坐标点排序函数deforder_points(pts):# 一共4个坐标点rectnp.zeros((4,2),dtypefloat32)# 用来存储排序之后的坐标位置# 按顺序找到对应坐标0123分别是左上、右上、右下、左下spts.sum(axis1)# 对pts矩阵的每一行进行求和操作。(xy)rect[0]pts[np.argmin(s)]rect[2]pts[np.argmax(s)]diffnp.diff(pts,axis1)# 对pts矩阵的每一行进行求差操作。(y-x)rect[1]pts[np.argmin(diff)]rect[3]pts[np.argmax(diff)]returnrect功能说明这个函数将检测到的四个角点按照左上、右上、右下、左下的顺序排列为后续的透视变换提供正确的坐标顺序。# 透视变换函数deffour_point_transform(image,pts):# 获取输入坐标点rectorder_points(pts)(tl,tr,br,bl)rect# 计算输入的w和h值widthAnp.sqrt(((br[0]-bl[0])**2)((br[1]-bl[1])**2))widthBnp.sqrt(((tr[0]-tl[0])**2)((tr[1]-tl[1])**2))maxWidthmax(int(widthA),int(widthB))heightAnp.sqrt(((tr[0]-br[0])**2)((tr[1]-br[1])**2))heightBnp.sqrt(((tl[0]-bl[0])**2)((tl[1]-bl[1])**2))maxHeightmax(int(heightA),int(heightB))# 变换后对应坐标位置dstnp.array([[0,0],[maxWidth-1,0],[maxWidth-1,maxHeight-1],[0,maxHeight-1]],dtypefloat32)# 透视变换矩阵Mcv2.getPerspectiveTransform(rect,dst)warpedcv2.warpPerspective(image,M,(maxWidth,maxHeight))returnwarped关键函数分析cv2.getPerspectiveTransform(rect, dst)计算透视变换矩阵rect原始图像的四个点坐标dst目标图像的四个点坐标cv2.warpPerspective()应用透视变换image输入图像M变换矩阵(maxWidth, maxHeight)输出图像尺寸# 图像预处理与轮廓检测graycv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 转换为灰度图graycv2.GaussianBlur(gray,ksize(5,5),sigmaX0)# 高斯滤波edgedcv2.Canny(gray,15,45)# Canny边缘检测# 轮廓检测cntscv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]cntssorted(cnts,keycv2.contourArea,reverseTrue)[:3]参数说明GaussianBlur()高斯模糊减少噪声ksize(5,5)高斯核大小sigmaX0X方向标准差Canny()边缘检测15低阈值45高阈值findContours()查找轮廓RETR_EXTERNAL只检测外轮廓CHAIN_APPROX_SIMPLE压缩轮廓点# 轮廓近似与筛选forcincnts:pericv2.arcLength(c,True)# 计算轮廓周长approxcv2.approxPolyDP(c,0.05*peri,True)# 轮廓近似areacv2.contourArea(approx)ifarea40000andlen(approx)4:screenCntapprox flag1break函数分析arcLength()计算轮廓周长c轮廓点集True轮廓是否闭合approxPolyDP()多边形近似0.05*peri近似精度周长百分比True轮廓是否闭合二、视频运动检测与跟踪2.1 核心思路通过分析视频帧间的差异来检测运动物体主要包含背景建模与前景提取形态学处理去除噪声轮廓检测与目标框选2.2 关键代码分析# 创建结构元素kernelcv2.getStructuringElement(cv2.MORPH_CROSS,ksize(3,3))参数说明MORPH_CROSS十字形结构元素ksize(3,3)核大小为3×3# 创建背景减除模型fgbgcv2.createBackgroundSubtractorMOG2()功能说明创建混合高斯背景模型用于分离前景运动物体和背景。# 应用背景减除fgmaskfgbg.apply(frame)# 获取前景掩码工作流程模型学习视频的背景将当前帧与背景模型比较提取出运动的前景物体# 形态学开运算fgmask_newcv2.morphologyEx(fgmask,cv2.MORPH_OPEN,kernel)功能说明MORPH_OPEN开运算先腐蚀后膨胀作用去除小的噪声点平滑前景区域# 轮廓查找与框选contourscv2.findContours(fgmask_new,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]forcincontours:perimetercv2.arcLength(c,True)ifperimeter188:x,y,w,hcv2.boundingRect(c)frame_rectcv2.rectangle(frame,(x,y),(xw,yh),(0,255,0),2)函数分析boundingRect()计算轮廓的外接矩形rectangle()绘制矩形框(0,255,0)绿色BGR格式2线宽三、特定物体提取与分割3.1 核心思路从图像中提取特定物体扇子主要步骤图像预处理缩放、旋转边缘检测轮廓查找与掩码生成物体提取3.2 关键代码分析# 图像尺寸调整与旋转img_resizedcv2.resize(img,(640,480))img_rotatedcv2.rotate(img_resized,cv2.ROTATE_90_COUNTERCLOCKWISE)参数说明resize()调整图像尺寸ROTATE_90_COUNTERCLOCKWISE逆时针旋转90度# 边缘检测graycv2.cvtColor(img_rotated,cv2.COLOR_BGR2GRAY)edgescv2.Canny(gray,threshold150,threshold2150)Canny参数threshold150低阈值低于此值的边缘被丢弃threshold2150高阈值高于此值的边缘被保留# 轮廓查找与掩码生成contourscv2.findContours(edges,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]masknp.zeros_like(gray)ifcontours:contour_areas[cv2.contourArea(cnt)forcntincontours]max_area_idxnp.argmax(contour_areas)max_contourcontours[max_area_idx]cv2.drawContours(mask,[max_contour],-1,(255),thicknesscv2.FILLED)# 形态学闭运算kernelnp.ones((5,5),np.uint8)maskcv2.morphologyEx(mask,cv2.MORPH_CLOSE,kernel)功能说明查找所有轮廓选择面积最大的轮廓假设为扇子绘制填充轮廓作为掩码闭运算填充空洞# 物体提取mask_3chcv2.cvtColor(mask,cv2.COLOR_GRAY2BGR)extractedcv2.bitwise_and(img_rotated,mask_3ch)位运算bitwise_and()按位与操作作用使用掩码提取原图中的对应区域