Как найти точные угловые положения искаженного прямоугольника из размытого изображения в питоне?

Хотя это старо, это может, по крайней мере, помочь всем, у кого есть такая же проблема. В дополнение к ответу Натанси это должно позволить вам находить очень размытые углы с гораздо большей точностью:

Псевдокод

0. Измените размер, если хотите, но не обязательно
1. Преобразовать в оттенки серого
2. Применение размытия или двусторонней фильтрации
3. Примените порог Оцу, чтобы получить бинарное изображение
4. Найдите контур, из которого состоит прямоугольник
5. Примерный контур в виде прямоугольника
6. Точки сближения - это углы вашего прямоугольника!

Код для этого

0. Изменение размера:
   Функция принимает новую ширину и высоту, поэтому я просто делаю изображение в 5 раз больше, чем сейчас.

img = cv2.resize(img, (img.shape[0] * 5, img.shape[1] * 5))

1. Преобразование оттенков серого:
   просто преобразование в оттенки серого из цветового пространства OpenCV по умолчанию BGR.

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# choose one, or a different function
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
blurred = cv2.bilateralFilter(gray, 9, 75, 75)

3. Порог Оцу
   Используя функцию порога, передайте 0 и 255 в качестве аргументов для порогового значения и максимального значения. Мы передаем 0, потому что мы используем технику пороговой обработки cv2.THRESH_OTSU, которая определяет значение для нас. Это возвращается вместе с самим порогом, но я просто установил его на _, потому что он нам не нужен.

_, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_OTSU)

4. Поиск контура
   Контуры — это гораздо больше, чем я объясню здесь, не стесняйтесь проверить документы. Нам важно знать, что он возвращает список контуров вместе с иерархией. Нам не нужна иерархия, поэтому она устанавливается на _, и нам нужен только один найденный контур, поэтому мы устанавливаем contour = contours[0].

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour = contours[0]

5. Примерный контур в виде прямоугольника
   Сначала вычисляем периметр контура. Затем мы аппроксимируем ее функцией cv2.approxPolyDP и сообщаем ей максимальное расстояние между исходной кривой и ее аппроксимацией функцией 0.05 * perimeter. Возможно, вам придется поиграть с десятичной дробью для лучшего приближения.
   approx — это пустой массив формы (num_points, 1, 2), который в данном случае равен (4, 1, 2), потому что он нашел 4 угла прямоугольника.

Не стесняйтесь читать больше в документы.

perimeter = cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, 0.05 * perimeter, True)

6. Найдите свой перекошенный прямоугольник!
   Готово! Вот как можно нарисовать эти точки. Сначала мы рисуем круги, зацикливая их, затем захватывая координаты x и y, а затем рисуем сам прямоугольник.

# drawing points
for point in approx:
    x, y = point[0]
    cv2.circle(img, (x, y), 3, (0, 255, 0), -1)

# drawing skewed rectangle
cv2.drawContours(img, [approx], -1, (0, 255, 0))

Готовый код

import cv2

img = cv2.imread("rect.png")

img = cv2.resize(img, (img.shape[0] * 5, img.shape[1] * 5))
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.bilateralFilter(gray, 9, 75, 75)
_, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_OTSU)

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour = contours[0]

perimeter = cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, 0.05 * perimeter, True)

for point in approx:
    x, y = point[0]
    cv2.circle(img, (x, y), 3, (0, 255, 0), -1)
cv2.drawContours(img, [approx], -1, (0, 255, 0))

Для обнаружения углов вы можете использовать cv2.goodFeaturesToTrack(). Функция принимает четыре параметра

corners = cv2.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance)

(377.0, 375.0)
(81.0, 344.0)
(400.0, 158.0)
(104.0, 127.0)

import cv2
import numpy as np
import imutils

# Resize image, blur, and Otsu's threshold
image = cv2.imread('1.png')
resize = imutils.resize(image, width=500)
mask = np.zeros(resize.shape, dtype=np.uint8)
gray = cv2.cvtColor(resize, cv2.COLOR_BGR2GRAY)
blur = cv2.bilateralFilter(gray,9,75,75)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Find distorted rectangle contour and draw onto a mask
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
rect = cv2.minAreaRect(cnts[0])
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(resize,[box],0,(36,255,12),2)
cv2.fillPoly(mask, [box], (255,255,255))

# Find corners on the mask
mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(mask, maxCorners=4, qualityLevel=0.5, minDistance=150)

for corner in corners:
    x,y = corner.ravel()
    cv2.circle(resize,(x,y),8,(155,20,255),-1)
    print("({}, {})".format(x,y))

cv2.imshow('resize', resize)
cv2.imshow('thresh', thresh)
cv2.imshow('mask', mask)
cv2.waitKey()