opencv校正图像

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
    • 3.1、转灰度图
    • 3.2、降噪 + Canny边缘检测
    • 3.3、膨胀(可视具体情况省略)
    • 3.4、轮廓检索
    • 3.5、选取角度
      • 3.5.1、取平均值
      • 3.5.2、以最大面积为准


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 
#include 
#include 
#include 
#include 

using 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 */
    vector<vector<Point>> contours;
    findContours(expand, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    /* 对各个轮廓的旋转角度进行排序 */
    std::vector<float> 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

opencv校正图像_第1张图片opencv校正图像_第2张图片

说明书

opencv校正图像_第3张图片
opencv校正图像_第4张图片

网页

opencv校正图像_第5张图片opencv校正图像_第6张图片

3、按步骤分析

3.1、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。

3.2、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。
opencv校正图像_第7张图片
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。
opencv校正图像_第8张图片
降噪后把最明显特征留了下来,提高准确度。
opencv校正图像_第9张图片

3.3、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。
opencv校正图像_第10张图片

3.4、轮廓检索

/* 检索轮廓 */
vector<vector<Point>> 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。

3.5、选取角度

选取角度的方法有很多,可以视情况选择,我这里针对不同场景,提供两种方法。

3.5.1、取平均值

如果要校正文本信息,那么需要获取的是图像整体轮廓的偏移角度,所以可以采取取平均值的方式,例程如下。
过程是先排序,取中间值,避开一些过大或过小的角度,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。

为什么不直接用中间值?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,而结果却是36,所以有时结果偏差比较大。

/* 对各个轮廓的旋转角度进行排序 */
vector<float> 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;

3.5.2、以最大面积为准

如果要校正的是一些工件之类的,比如前面示例里的口罩,轮廓面积占比比较大的,可以通过判断轮廓面积大小来确定角度。
opencv校正图像_第11张图片
例程:

float angleResult = 0;
float maxArea = 0;
for (int i = 0; i < contours.size(); i++) {
	auto cnt = contours[i];
    auto area = contourArea(cnt );
    if (maxArea < area) {
		maxArea = area;
		RotatedRect r = minAreaRect(contours[i]);
		angleResult = r.angle;
    }
}

效果比平均值好一些。
opencv校正图像_第12张图片

你可能感兴趣的:(C++,Opencv,opencv,c++,图像校正)