濮阳杆衣贸易有限公司

主頁 > 知識庫 > 深入探討opencv圖像矯正算法實戰(zhàn)

深入探討opencv圖像矯正算法實戰(zhàn)

熱門標(biāo)簽:沈陽外呼系統(tǒng)呼叫系統(tǒng) 武漢外呼系統(tǒng)平臺 沈陽人工外呼系統(tǒng)價格 外呼系統(tǒng)哪些好辦 江西省地圖標(biāo)注 池州外呼調(diào)研線路 沈陽防封電銷卡品牌 富錦商家地圖標(biāo)注 如何申請400電話費用

摘要

在機器視覺中,對于圖像的處理有時候因為放置的原因?qū)е翿OI區(qū)域傾斜,這個時候我們會想辦法把它糾正為正確的角度視角來,方便下一步的布局分析與文字識別,這個時候通過透視變換就可以取得比較好的裁剪效果。

本次實戰(zhàn),對于圖像的矯正使用了兩種矯正思路:

  • 針對邊緣比較明顯的圖像,使用基于輪廓提取的矯正算法。
  • 針對邊緣不明顯,但是排列整齊的文本圖像,使用了基于霍夫直線探測的矯正算法。

基于輪廓提取的矯正算法

整體思路:

  • 圖片灰度化,二值化
  • 檢測輪廓,并篩選出目標(biāo)輪廓(通過橫縱比或面積去除干擾輪廓)
  • 獲取目標(biāo)輪廓的最小外接矩形
  • 獲取最小外接矩形的四頂點,并定義矯正圖像后的四頂點
  • 透視變換(四點變換)

opencv實現(xiàn)(分解步驟):

(一)圖片灰度化,二值化(開運算,消除噪點)

  Mat src = imread("D:/opencv練習(xí)圖片/圖片矯正.png");
    imshow("原圖片", src);
    // 二值圖像
    Mat gray, binary;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    threshold(gray, binary, 0, 255, THRESH_BINARY_INV| THRESH_OTSU);
    imshow("二值化", binary);
    // 定義結(jié)構(gòu)元素
    Mat se = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
    morphologyEx(binary, binary, MORPH_OPEN, se);
    imshow("開運算", binary);

注意:由于原圖像背景是白色,因此二值化時候要用THRESH_BINARY_INV

(二)提取輪廓,篩選輪廓

// 尋找最大輪廓
    vectorvectorPoint>> contours;
    findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    int index = -1;
    int max = 0;
    for (size_t i = 0; i  contours.size(); i++) 
    {
        double area = contourArea(contours[i]);
        if (area > max) 
        {
            max = area;
            index = i;
        }
    }

(三)求取最小外接矩形以及四頂點坐標(biāo),并定義變換后的四頂點坐標(biāo)

// 尋找最小外接矩形
    RotatedRect rect = minAreaRect(contours[index]);    
    Point2f srcpoint[4];//存放變換前四頂點
    Point2f dstpoint[4];//存放變換后四頂點
    rect.points(srcpoint);//獲取最小外接矩形四頂點坐標(biāo)
    //顯示頂點
    for (size_t i = 0; i  4; i++)
    {
        circle(src, srcpoint[i], 5, Scalar(0, 0, 255),-1);//-1表示填充
    }
    imshow("頂點坐標(biāo)", src);
    //獲取外接矩形寬高
    float width = rect.size.width;
    float height = rect.size.height;
    //定義矯正后四頂點
    dstpoint[0]= Point2f(0, height);
    dstpoint[1] = Point2f(0, 0);
    dstpoint[2] = Point2f(width, 0);
    dstpoint[3] = Point2f(width, height); 

😄 這里需要注意的是:

RotatedRect 類的矩形返回的是矩形的中心坐標(biāo),傾斜角度。

Rect類的矩形返回的是矩形的左上角坐標(biāo),寬,高。因此要獲取RotatedRect 類的矩形的寬,高就要用:

//獲取外接矩形寬高
    float width = rect.size.width;
    float height = rect.size.height;

獲取RotatedRect 類四頂點坐標(biāo)的順序依次是:左下-左上-右上-右下(可通過顯示頂點依次查看)

對應(yīng)矯正后的四頂點就是:(0,height)-(0,0)-(width,0)-(width,height)

(四)透視變換

// 透視變換
    Mat M = getPerspectiveTransform(srcpoint, dstpoint);
    Mat result = Mat::zeros(Size(width, height), CV_8UC3);
    warpPerspective(src, result, M, result.size());
    imshow("矯正結(jié)果", result);

基于霍夫直線探測的矯正算法

對于文本圖像(如圖),它沒有明顯的輪廓邊緣去求四頂點。但是經(jīng)過深入分析,可以發(fā)現(xiàn):文本的每一行文字都是呈一條直線,而且這些直線都是平行的!

利用這個特征就可以實現(xiàn)基于霍夫直線探測的矯正算法:

用霍夫線變換探測出圖像中的所有直線計算出每條直線的傾斜角,求他們的平均值根據(jù)傾斜角旋轉(zhuǎn)矯正

💙先來看看什么是霍夫變換:

霍夫變換在檢測各種形狀的的技術(shù)中非常流行,如果你要檢測的形狀可以用數(shù)學(xué)表達(dá)式寫出,你就可以是使用霍夫變換檢測它。

霍夫變換的直線檢測簡單來說就是在空間坐標(biāo)系和映射到另外一個參數(shù)空間,將空間坐標(biāo)系中的每一個點映射到另外一個參數(shù)空間中的線,通過該參數(shù)空間中所有線的交叉次數(shù)得到實際空間坐標(biāo)系中的直線。

在OpenCV中,使用Hough變換的直線檢測在函數(shù)HoughLines和HoughLinesP中實現(xiàn)。

HoughLines函數(shù)(標(biāo)準(zhǔn)霍夫變換)

從平面坐標(biāo)轉(zhuǎn)換到霍夫空間,最終輸出是找到直線的極坐標(biāo)(r,θ)

HoughLines(
InputArray src,        // 輸入圖像,必須CV_8U的二值圖像(常用canny處理后的二值圖像)
OutputArray lines,     // 輸出的極坐標(biāo)來表示直線
double rho,            // 步長(常為1)
double theta,          //角度,(一般是CV_PI/180)
int threshold,         // 閾值,只有獲得足夠交點的極坐標(biāo)點才被看成是直線
double min_theta=0,   // 表示角度掃描范圍 0 ~180之間, 默認(rèn)即可
double max_theta=CV_PI) 
// 一般情況是有經(jīng)驗的開發(fā)者使用,需要自己反變換到平面空間

HoughLinesP函數(shù)(霍夫變換直線概率)

從平面坐標(biāo)轉(zhuǎn)換到霍夫空間,最終輸出是找到直線的起點和終點(直角坐標(biāo)系)

HoughLinesP(
InputArray src, // 輸入圖像,必須CV_8U的二值圖像
OutputArray lines, // 輸出找到直線的兩點
double rho, // 步長(半徑,常設(shè)為1)
double theta, //角度,一般取值CV_PI/180
Int threshold, // 閾值,累計次數(shù)必須達(dá)到的值,一般為150
double minLineLength=0,// 最小直線長度,一般為50
double maxLineGap=0)// 最大間隔,一般為10

opencv實現(xiàn)(分解步驟):

(一)圖片灰度化,Canny邊緣提取

Mat src, src_edge, src_gray,src_rotate;
    double angle;
    src = imread("D:/opencv練習(xí)圖片/文本矯正.png");
    imshow("文本圖片", src);
    cvtColor(src, src_gray, COLOR_RGB2GRAY);
    Canny(src_gray, src_edge, 50, 200, 3);
    imshow("canny", src_edge);

(二) 霍夫直線檢測(HoughLines函數(shù))并顯示

//通過霍夫變換檢測直線
    vectorVec2f> plines;
    //第5個參數(shù)就是閾值,閾值越大,檢測精度越高
    HoughLines(src_edge, plines, 1, CV_PI / 180, 200, 0, 0);
    cout  plines.size()  endl;
    //由于圖像不同,閾值不好設(shè)定,因為閾值設(shè)定過高導(dǎo)致無法檢測直線,閾值過低直線太多,速度很慢
    //所以根據(jù)閾值由大到小設(shè)置了三個閾值,如果經(jīng)過大量試驗后,可以固定一個適合的閾值。
    
    float sum = 0;
    //依次畫出每條線段
    for (size_t i = 0; i  plines.size(); i++)
    {
        float rho = plines[i][0];
        float theta = plines[i][1];
        Point pt1, pt2;
        double a = cos(theta), b = sin(theta);
        double x0 = a * rho, y0 = b * rho;
        pt1.x = cvRound(x0 + 1000 * (-b));//cvRound四舍五入
        pt1.y = cvRound(y0 + 1000 * (a));
        pt2.x = cvRound(x0 - 1000 * (-b));
        pt2.y = cvRound(y0 - 1000 * (a));
        sum += theta;
        line(src_gray, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA);//Scalar函數(shù)用于調(diào)節(jié)線段顏色         
        imshow("直線探測效果圖", src_gray);
        float average = sum / plines.size(); //對所有角度求平均,這樣做旋轉(zhuǎn)效果會更好
        angle = DegreeTrans(average) - 90;
    }

😊核心代碼分析:

由于需要求解直線的傾斜角度,因此這里使用了HoughLines函數(shù),返回的是直線的步長和弧度(極坐標(biāo)系下)

通過極坐標(biāo)系下的步長和弧度,可以轉(zhuǎn)換到直接坐標(biāo)系下的兩點坐標(biāo),然后顯示。(原理如圖)

(三)根據(jù)傾斜角度,進(jìn)行放射變換(逆時針旋轉(zhuǎn)矯正)

    //旋轉(zhuǎn)中心為圖像中心    
    Point2f center;
    center.x = float(src.cols / 2.0);
    center.y = float(src.rows / 2.0);
    int length = 0;
    length = sqrt(src.cols*src.cols + src.rows*src.rows);
    Mat M = getRotationMatrix2D(center, angle, 1);
    warpAffine(src, src_rotate, M, Size(length, length), 1, 0, Scalar(255, 255, 255));//仿射變換,背景色填充為白色  
    imshow("矯正后", src_rotate);

到此這篇關(guān)于深入探討opencv圖像矯正算法實戰(zhàn)的文章就介紹到這了,更多相關(guān)opencv圖像矯正內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • OpenCV實現(xiàn)圖像校正功能

標(biāo)簽:常德 呂梁 株洲 銅川 阿里 潛江 通遼 黑龍江

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《深入探討opencv圖像矯正算法實戰(zhàn)》,本文關(guān)鍵詞  深入,探討,opencv,圖像,矯正,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《深入探討opencv圖像矯正算法實戰(zhàn)》相關(guān)的同類信息!
  • 本頁收集關(guān)于深入探討opencv圖像矯正算法實戰(zhàn)的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章
    韩城市| 盐城市| 尼勒克县| 桓台县| 嘉黎县| 绥化市| 永善县| 清苑县| 普陀区| 来安县| 松滋市| 阿合奇县| 从化市| 任丘市| 新沂市| 翼城县| 无锡市| 调兵山市| 荣昌县| 义马市| 新津县| 田东县| 澎湖县| 唐河县| 清远市| 磐石市| 遂溪县| 晋中市| 南召县| 太湖县| 周口市| 临桂县| 台南县| 威信县| 五河县| 尖扎县| 孟村| 桦甸市| 许昌市| 凉城县| 托克逊县|