在 OpenCV 中检测（并拒绝）从计算机/电视屏幕拍摄的扭曲图像
Ava*_*van 2 python opencv image-processing image-thresholding
我的一些算法依赖于根据检测到的重要水平线的计数来分割图像，从计算机屏幕或监视器拍摄的图像可能会出现问题，因为失真会导致二值化不良和定义不明确的区域。
监视器的摄像头捕获：
理想的情况是相机捕获的图像在渲染时不会出现通过监视器捕获而导致的失真（因为它以数字方式显示），但是是否可以使用 opencv 检测到图像是以这种方式捕获的，因此如果出现以下情况则拒绝它是这样吗（因为无法处理）？
传感器（相机）将观察到的连续场景离散化为不同的像素。\n您引用的麻烦的图像源，LCD / OLED 数字显示器和 CRT，将场景离散化为其自己的像素，\n因此我们有双重离散化，\n这与一个离散化不同另一个。\n这解释了示例图像中可见的烦人的莫尔\xc3\xa9 图案。
\n显然您希望检测此类模式。考虑使用 FFT。\n选择线段长度 L 和线段中心位置。\n然后将一条线旋转多个角度，从线段读取像素并将它们交给 FFT。\n摩尔纹\xc3\xa9 图案将表现出至少至少一个角度。\n并且附近的线段中心以相同的角度将表现出相似的周期性。
\n也许这是一个已解决的问题？\n https://github.com/AmadeusITGroup/Moire-Pattern-Detection \n https://github.com/AmadeusITGroup/Moire-Pattern-Detection/blob/master/src/positiveImages/ 355_letterbox1024.jpg
\n
但也许“拒绝”根本不是您真正的目标。\n请告诉我们有关故障模式的信息，以及当您的算法遇到来自麻烦来源的图像时出现的问题。\n我们是否可以通过运行轻高斯来处理离散化图像模糊？\n可能随后出现模糊遮罩？
\n\n
您没有提到您是否可以控制如何获取图像。\n获取一对“同一场景”的图像，\n时间间隔一秒左右，\n将为您提供更多信息。\n如果传感器安装在三脚架上，\n在拍摄第二张图像之前\n请考虑将其移动一毫米左右。
\n