运维开发网

C++OpenCV实现文档修改功能

运维开发网 https://www.qedev.com 2022-09-29 14:45 出处:网络
这篇文章主要介绍了如何利用C++OpenCV实现文档矫正功能,可以将一个斜着拍摄的文档矫正成正的。感兴趣的小伙伴可以跟随小编一起学习一下

这篇文章主要介绍了如何利用C++OpenCV实现文档矫正功能,可以将一个斜着拍摄的文档矫正成正的。感兴趣的小伙伴可以跟随小编一起学习一下


需求

将倾斜拍摄的文件校正为正片,如图所示:




思路

1.看原图。如果图像太大,可以先进行缩放,得到原图像的宽度和高度。

2.对图像进行预处理得到边缘,依次进行灰度处理、高斯模糊、边缘检测、膨胀、腐蚀。

3.找到最大的轮廓并提取角点。

进行降噪处理:检测轮廓面积,只保留大于阈值面积的轮廓计算每个轮廓的周长,使用DP算法计算出轮廓点的个数,规则为周长*0.02找到图像中面积最大的,且角点为4的轮廓

4.将找到的四个角按固定顺序排列,排列顺序为:左上角-右上角-左下角-右下角。

将每个点的xy坐标值相加(x+y),左上角的点的坐标和应该是最小的,右下角的点的坐标和应该是最大的将每个点的xy坐标值相减(x-y),左下角的点的坐标差应该是最小的,右上角的点的坐标差应该是最大的重新排列四个角点

5.执行透视变换。

根据变换前及变换后的四个角点,创建变换矩阵根据变换矩阵对图像进行透视变换

6.如果透视变换后有一些毛刺,根据需要切割,切割后重新调整比例。

创建一个矩形用来裁剪,并设定四周裁剪5像素裁剪后重新调整图像宽高

7.显示变换后图像。


代码

代码中有详细的注释,请仔细阅读。

#include lt;iostreamgt;#includelt;opencv2/opencv.hppgt;#include lt;opencv2/highgui.hppgt;#include lt;opencv2/imgproc.hppgt;using namespace cv;using namespace std;// 一些定义Mat image_origin, // 原始图像image_gray, // 灰度处理后的图像image_blur, // 高斯模糊处理后的图像image_canny, // 边缘检测后的图像image_dilate, // 膨胀后的图像image_erode, // 腐蚀后的图像image_preprocess, // 预处理后的图像image_trans, // 透视变换后的图像image_crop; // 裁剪后的图像vectorlt;Pointgt; origin_points, // 重新排列前的角点 reorder_points; // 重新排列后的角点 int origin_width = 0, origin_height = 0;/* * 函数功能:预处理,依次进行灰度处理、高斯模糊、边缘检测、膨胀、腐蚀。 * 输入:图像,是否显示(0-不显示 1-显示每一步处理后的图像 2-只显示最终图像) * */Mat PreProcess(const Matamp; image, int display){// 灰度处理cvtColor(image, image_gray, COLOR_BGR2GRAY);// 高斯模糊GaussianBlur(image_gray, image_blur, Size(3, 3), 3, 0);// 边缘检测(边缘检测前对图像进行一次高斯模糊)Canny(image_blur, image_canny, 50, 150);// 膨胀和腐蚀(有时进行边缘检测的时候,没有被完全填充,或者无法正确检测,可以用膨胀和腐蚀)// 创建一个用于膨胀和腐蚀的内核,后面的数字越大膨胀的越多(数字要用奇数)Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));// 膨胀dilate(image_canny, image_dilate, kernel);// 腐蚀//erode(image_dilate, image_erode, kernel);// 显示预处理效果if(display == 1){imshow("灰度处理后的图像", image_gray);imshow("高斯模糊后的图像", image_blur);imshow("边缘检测后的图像", image_canny);imshow("膨胀后的图像", image_dilate);//imshow("腐蚀后的图像", image_erode);}else if(display == 2){imshow("预处理后的图像", image_dilate);}return image_dilate;}/* * 函数功能:找到面积最大的轮廓 * 输入:源图像 * 输出:最大轮廓的四个角点数组 * */vectorlt;Pointgt; GetMaxContour(const Matamp; img_input){/* * contours是一个双重向量,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。 * 相当于创建了这样一个向量{{Point(),Point()},{},{}} * */vectorlt;vectorlt;Pointgt;gt; contours;/* * hierarchy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。 * hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~ hierarchy[i][3],分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。 * 如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话,则hierarchy[i][0] ~ hierarchy[i][3]的相应位被设置为默认值-1。 * */vectorlt;Vec4igt; hierarchy;/* * findContours找到轮廓 * 第一个参数:单通道图像矩阵,可以是灰度图,但更常用的是二值图像,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; * 第二个参数:contours (前文介绍过) * 第三个参数:hierarchy(前文介绍过) * 第四个参数:轮廓的检索模式 * 取值一:CV_RETR_EXTERNAL 只检测最外围轮廓,包含在外围轮廓内的内围轮廓被忽略 * 取值二:CV_RETR_LIST 检测所有的轮廓,包括内围、外围轮廓,但是检测到的轮廓不建立等级关系,彼此之间独立,没有等级关系,这就意味着这个检索模式下不存在父轮廓或内嵌轮廓,所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1,具体下文会讲到 * 取值三:CV_RETR_CCOMP 检测所有的轮廓,但所有轮廓只建立两个等级关系,外围为顶层,若外围内的内围轮廓还包含了其他的轮廓信息,则内围内的所有轮廓均归属于顶层 * 取值四:CV_RETR_TREE 检测所有轮廓,所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓,内层轮廓还可以继续包含内嵌轮廓。 * 第五个参数:轮廓的近似方法 * 取值一:CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内 * 取值二:CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息,把所有轮廓拐点处的点保存入contours向量内,拐点与拐点之间直线段上的信息点不予保留 * 取值三和四:CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法 * 第六个参数: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,且Point可以是负值。不填为默认不偏移Point() * */findContours(img_input, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);/* * drawContours绘出轮廓 * 第一个参数:指明在哪幅图像上绘制轮廓。image为三通道才能显示轮廓 * 第二个参数:contours * 第三个参数:指定绘制哪条轮廓,如果是-1,则绘制其中的所有轮廓 * 第四个参数:轮廓线颜色 * 第五个参数:轮廓线的宽度,如果是-1(FILLED),则为填充 * *///// 不全输出,在下文只输出角点//drawContours(image, contours, -1, Scalar(255, 0, 255), 2);// 定义轮廓,大小与contours相同,但内层向量中只有角点(例如三角形就是3,四边形就是4,圆形可能七八个)vectorlt;vectorlt;Pointgt;gt; corners_contours(contours.size());// 定义边界框,大小与contours相同vectorlt;Rectgt; bounding_box(contours.size());vectorlt;Pointgt; biggest_contours;double max_area = 0;for (int i = 0; i lt; contours.size(); i++){// 检测轮廓面积double contour_area = contourArea(contours[i]);//cout lt;lt; area lt;lt; endl;// 假设图像中有噪声,需要将其过滤,只保留面积大于1000的轮廓if (contour_area gt; 1000){// 计算每个轮廓的周长double contour_perimeter = arcLength(contours[i], true);// 使用DP算法计算出轮廓点的个数,规则为周长*0.02approxPolyDP(contours[i], corners_contours[i], 0.02 * contour_perimeter, true);// 找到图像中面积最大的,且角点为4的轮廓if (contour_area gt; max_area amp;amp; corners_contours[i].size() == 4 ) {//drawContours(image_origin, conPoly, i, Scalar(255, 0, 255), 5);biggest_contours = { corners_contours[i][0],corners_contours[i][1] ,corners_contours[i][2] ,corners_contours[i][3] };max_area = contour_area;}//// 只绘制角点之间的边框线,Debug用,取消注释可以看到检测出的所有边界框//drawContours(image_origin, corners_contours, i, Scalar(255, 0, 255), 2);//rectangle(image_origin, bounding_box[i].tl(), bounding_box[i].br(), Scalar(0, 255, 0), 5);}}// 返回最大的轮廓return biggest_contours;}/* * 函数功能:绘制一些点 * 输入:点集,颜色 * */void DrawPoints(vectorlt;Pointgt; points, const Scalaramp; color){for (int i = 0; i lt; points.size(); i++){circle(image_origin, points[i], 10, color, FILLED);putText(image_origin, to_string(i), points[i], FONT_HERSHEY_PLAIN, 4, color, 4);}}/* * 函数功能:重新排列四个角点的顺序 * 最终顺序为: 0 1 * 2 3 * 数组中为左上角-右上角-左下角-右下角 * */vectorlt;Pointgt; ReorderPoints(vectorlt;Pointgt; points){vectorlt;Pointgt; newPoints;vectorlt;intgt; sumPoints, subPoints;// OpenCV中左上顶点为(0,0),右为x轴正向,下为y轴正向。for (int i = 0; i lt; 4; i++){// 将每个点的xy坐标值相加(x+y),左上角的点的坐标和应该是最小的,右下角的点的坐标和应该是最大的sumPoints.push_back(points[i].x + points[i].y);// 将每个点的xy坐标值相减(x-y),左下角的点的坐标差应该是最小的,右上角的点的坐标差应该是最大的subPoints.push_back(points[i].x - points[i].y);}// 重新排列newPoints.push_back(points[min_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); // 0 和的最小值newPoints.push_back(points[max_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); // 1 差的最大值newPoints.push_back(points[min_element(subPoints.begin(), subPoints.end()) - subPoints.begin()]); // 2 差的最小值newPoints.push_back(points[max_element(sumPoints.begin(), sumPoints.end()) - sumPoints.begin()]); // 3 和的最大值return newPoints;}/* * 函数功能: * 输入:源图像,四个角点的集合(角点的顺序为,左上角-右上角-左下角-右下角),输出的宽,输出的高 * 输出:透视变换后的图像 * */Mat PerspectiveTrans(const Matamp; img, vectorlt;Pointgt; points, float width, float height ){// 前面经过重新排列,四个角点的顺序为:左上角-右上角-左下角-右下角Point2f src[4] = { points[0],points[1],points[2],points[3] };// 变换后的四个角点Point2f dst[4] = { {0.0f,0.0f},{width,0.0f},{0.0f,height},{width,height} };// 创建变换矩阵Mat matrix = getPerspectiveTransform(src, dst);// 透视变换warpPerspective(img, image_trans, matrix, Point(width, height));return image_trans;}int main(){// 1.读取原始图像string path = "res/image_origin.jpg";image_origin = imread(path);//// 若图像太大可以先进行缩放处理//resize(image_origin, image_origin, Size(), 0.5, 0.5);// 获取原始图像的宽和高origin_width = image_origin.size().width;origin_height = image_origin.size().height;// 2.对图像进行预处理得到边缘,依次进行灰度处理、高斯模糊、边缘检测、膨胀、腐蚀。image_preprocess = PreProcess(image_origin, 0);// 3.找到最大的轮廓,并提取角点origin_points = GetMaxContour(image_preprocess);//DrawPoints(origin_points, Scalar(0, 0, 255)); // 红色// 此时发现,角点的顺序不固定,为了后面进行透视变换时与代码中变换后点集的顺序相同,需要将其排列成一个固定的顺序,排列后的顺序为:左上角-右上角-左下角-右下角reorder_points = ReorderPoints(origin_points);//DrawPoints(reorder_points, Scalar(0, 255, 0)); //绿色// 4.透视变换image_trans = PerspectiveTrans(image_origin, reorder_points, origin_width, origin_height);// 透视变换后有一些毛边,若需要可以进行裁剪// 四周裁剪5像素int cropVal= 5;// 创建一个矩形用来裁剪Rect roi(cropVal, cropVal, origin_width - (2 * cropVal), origin_height - (2 * cropVal));image_crop = image_trans(roi);// 裁剪后重新调整比例resize(image_crop, image_crop, Size(origin_width, origin_height));// 5.显示并输出变换后图像imshow("源图像", image_origin);imshow("最终图像", image_crop); imwrite("res/image_output.jpg", image_crop);waitKey(0);}


效果


关于C++ OpenCV的文档修正功能的这篇文章就到这里了。关于OpenCV文档修正的更多信息

0

精彩评论

暂无评论...
验证码 换一张
取 消