利用python+opencv进行图像分割
进行PPT的图像分割
事实上对图片中PPT的分割有很多种方法，在此介绍的仅为传统的图像处理方法不涉及有关学习的方面。
算法实现
对于传统的图像处理方法应用的PPT分割的方面实际上并不多。
-
如果图像不清晰必须对其进行滤波除燥。
-
其次就是如果图像中出现许多干扰的因素，可以利用形态学处理，进行开闭运算，或者腐蚀膨胀运算消除其中的干扰。
-
最后就开始寻找边框，opencv中提供了一种寻找轮廓的函数
findContours。
findContours( InputOutputArray image, OutputArrayOfArrays contours,OutputArrayhierarchy, int mode,int method, Point offset=Point());
image，单通道图像矩阵，可以是灰度图，常用的是二值图像，一般是经过 Canny、拉普拉斯等边缘检测算子处理过的二值图像。contours，一个双重向量，向量内每个元素保存了一组由连续的 Point 点构成的点的集合的向量，每一组 Point 点集就是一个轮廓。有多少轮廓，向量 contours 就有多少元素。hierarchy 也是一个向量，向量内每个元素保存了一个包含 4 个 int 整型的数组。向量 hiararchy 内的元素和轮廓向量 contours 内的元素是一一对应的，向量的容量相同。Int mode，定义轮廓的检索模式。int 型的 method，定义轮廓的近似方法。Point 偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且还可以是负值。 -
接下来是根据识别和检测到的轮廓寻找最大的那个轮廓便认为是PPT的轮廓。显然这样做会对图片的多样性产生局限。除此之外如果遇到斜着拍摄的图片，想要框出PPT区域可以利用投影变换。
透视变换(Perspective Transformation)是将图片投影到一个新的视平面
(Viewing Plane)，也称作投影映射(Projective Mapping)。
在本课题中涉及的 ppt 为四边形，所以使用四对点计算透射变换，在 opencv中提供了函数 cv.GetPerspectiveTransform(src,dst,map_matrix )，其中 src 表示输入图像的四边形顶点坐标，dst 表示输出图像的相应的四边形顶点坐标map_matrix指向 3×3 输出矩阵的指针。
上图为原图图，下图为处理之后的图
带有倾斜角度的图以及处理后的图：
但要想达到完美的效果必须调整参数，不同图片有不一样的参数。
表决器图对应的参数：
pts1 = np.float32([[p[0][0],p[[0][[1]],[p[1][0],p[[1][[1]],[p[2][0],p[2][1]],[p[3][0],p[[3][[1]])
以上便是我做此题目的小小经验与看法欢迎大家指正，给出建议。
部分想法来自网络，加以融合和改进，侵删。