二七郑州网站建设,环卫公厕建设门户网站访谈,聊城高端网站建设价格,湖南做防水堵漏工程商网站目录1、前言2、例程2.1、代码2.2、效果口罩说明书网页3、按步骤分析转灰度图降噪 Canny边缘检测膨胀#xff08;可视具体情况省略#xff09;轮廓检索选取角度1、前言
我们用相机拍照时#xff0c;会因为角度问题造成拍歪#xff0c;会影响图像的识别#xff0c;这时就需…
目录1、前言2、例程2.1、代码2.2、效果口罩说明书网页3、按步骤分析转灰度图降噪 Canny边缘检测膨胀可视具体情况省略轮廓检索选取角度1、前言
我们用相机拍照时会因为角度问题造成拍歪会影响图像的识别这时就需要对图像进行校正下面介绍校正图像的一种方式可以用来校正简单的图像如文字信息、工件等。 校正的过程可以分为以下几步 1、转灰度图。 2、降噪。 3、Canny边缘检测。 4、膨胀。 5、轮廓检索。 6、从各个轮廓中选取合适的旋转角度并校正图像。 总体的思路是获取图像中各个特征的轮廓旋转角度从中选取合适的角度让原图像进行逆旋转达到校准目的。 方法参考https://blog.csdn.net/DU_YULIN/article/details/120504660
2、例程
2.1、代码
#include opencv2/core.hpp
#include opencv2/imgcodecs.hpp
#include opencv2/highgui.hpp
#include opencv2/imgproc.hpp
#include iostreamusing namespace cv;
using namespace std;int main() {Mat src imread(./test5.jpg);imshow(src, src);/* 转灰度图 */Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);imshow(gray, gray);/* 高斯模糊降噪避免环境中的花纹影响边缘检测 */Mat blur;GaussianBlur(gray, blur, Size(5, 5), 1.0);imshow(gaussianBlur, blur);/* Canny边缘检测 */Mat canny;Canny(blur, canny, 20, 100);imshow(canny, canny);/* 膨胀两次膨胀是为了让文字连到一块轮廓数提高效率可以按需求调整膨胀的大小 */Mat kernel getStructuringElement(MORPH_RECT, Size(4, 2));Mat expand;dilate(canny, expand, kernel, Point(-1, -1), 2);imshow(dialate, expand);/* 检索轮廓 */vectorvectorPoint contours;findContours(expand, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);/* 对各个轮廓的旋转角度进行排序 */std::vectorfloat vecAngles;for (int i 0; i contours.size(); i) {RotatedRect rr minAreaRect(contours[i]);vecAngles.push_back(rr.angle);}std::sort(vecAngles.begin(), vecAngles.end());/* 以中间值为基准取相差20%以内的角度的平均值作为结果 */float midIndex int(vecAngles.size() / 2) - 1;float midAngle vecAngles[midIndex];float maxAngleThreshold midAngle 0 ? midAngle - 15 : midAngle 15;float minAngleThreshold midAngle 0 ? midAngle 15 : midAngle - 15;float angleSum 0;int angleCounter 0;cout maxAngleThreshold: maxAngleThreshold endl;cout minAngleThreshold: minAngleThreshold endl;for (auto angle : vecAngles) {cout angle endl;if (angle minAngleThreshold angle maxAngleThreshold) {angleSum angle;angleCounter;}}float averageAngle angleSum / angleCounter;cout averageAngle: averageAngle endl;cout midAngle: midAngle endl;/* 旋转图像 */Mat result;Mat rotateM getRotationMatrix2D(Point2f(gray.cols / 2.0, gray.rows / 2.0), averageAngle, 1.0);warpAffine(src, result, rotateM, gray.size(), INTER_LINEAR, BORDER_CONSTANT, Scalar(255, 255, 255));imshow(result, result);waitKey(0);
}2.2、效果
口罩 说明书 网页 3、按步骤分析
转灰度图
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
imshow(gray, gray);我们平时看的图片都是由RGB来描述颜色的RGB有三个值而灰度图只有一个灰度值转换为灰度图可以减少计算量。
降噪 Canny边缘检测
/* 高斯模糊降噪避免环境中的花纹影响边缘检测 */
Mat blur;
GaussianBlur(gray, blur, Size(5, 5), 1.0);
imshow(gaussianBlur, blur);/* Canny边缘检测 */
Mat canny;
Canny(blur, canny, 20, 100);
imshow(canny, canny);降噪是为Canny边缘检测做准备相机拍出来的照片会有很多多余的特征这些会影响到边缘检测的结果通过降噪可以把不明显的特征去掉。 比如这张图片我们需要校正的只有中间的文字部分。 如果不进行降噪Canny边缘检测的结果会是这样存在多余的特征可能会影响到最后的结果。 降噪后把最明显特征留了下来提高准确度。
膨胀可视具体情况省略
/* 膨胀两次膨胀是为了让文字连到一块轮廓数提高效率可以按需求调整膨胀的大小 */
Mat kernel getStructuringElement(MORPH_RECT, Size(4, 2));
Mat expand;
dilate(canny, expand, kernel, Point(-1, -1), 2);
imshow(dialate, expand);如上图所示Canny算法查找到了很多组轮廓但有时候我们其实不需要太多细节上的轮廓只需要一个能描述整体的轮廓这时候用膨胀就可以把这些细节的轮廓组合到一起这样做的好处是可以减少计算量而且整体的轮廓比细节轮廓更有代表性。
轮廓检索
/* 检索轮廓 */
vectorvectorPoint contours;
findContours(expand, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);opencv提供了findContours可以获取图像中的轮廓位置及其旋转角度。
选取角度
/* 对各个轮廓的旋转角度进行排序 */
vectorfloat vecAngles;
for (int i 0; i contours.size(); i) {RotatedRect r minAreaRect(contours[i]);vecAngles.push_back(r.angle);
}
sort(vecAngles.begin(), vecAngles.end());/* 以中间值为基准取相差20%以内的角度的平均值作为结果 */
float midIndex int(vecAngles.size() / 2) - 1;
float midAngle vecAngles[midIndex];
float maxAngleThreshold midAngle 0 ? midAngle - 15 : midAngle 15;
float minAngleThreshold midAngle 0 ? midAngle 15 : midAngle - 15;
float angleSum 0;
int angleCounter 0;
for (auto angle : vecAngles) {if (angle minAngleThreshold angle maxAngleThreshold) {angleSum angle;angleCounter;}
}
float averageAngle angleSum / angleCounter;因为我们要做的是图像整体的校准所以先排序取中间值避开一些过大或过小的角度。 直接使用中间值会存在一些特殊情况比如角度序列0、31、31、36、90、90。中间值的选取取决于过大、或过小角度的数量从序列选中可以看到偏移角度显然是倾向于31方向的而结果确是36所以这里加了一个取平均值的操作取中间值前后15度的所有角度作为有效角度通过有效角度的平均值来确定最终的校准结果。
