完成时间:2018-5-14
作者：小嗷
qq邮箱：[email protected]
qq群：736857977
-
公众号：小嗷的日常（扫码关注）
0.二维码
老是学习API函数，确实没意思。但是，编程几乎所有的初学者都是这么来的。然而，尽量结合实际，却发现每个细节都有意思。
在图像处理时，我们接触到的彩色以RGB居多，为了分析图像在某一通道上的特性，需要将图像的颜色通道进行分离，或者是在对某一颜色通道处理后重新进行融合。opencv提供了split()函数来进行颜色通道的分离，提供了merge()函数来进行颜色通道的融合。
1.split()函数
此函数的作用是将一个图像通道进行分离。
split()函数定义：
void split(const Mat& m, vector
参数说明：
- const Mat&类型的src，填我们需要进行分离的图像；
- vector
类型的mv，填函数的输出数组或者输出的vector容器，即分离后的图像；
2.merge()函数
merge()函数的功能是split()函数的逆向操作，将多个数组合并成一个多通道的数组。
merge()函数定义：
void merge(const vector
- const
类型的mv，填需要被合并的vector容器的阵列，这个mv参数中所有的矩阵必须有着一样的尺寸和深度； - 保存为合并后的图像；
3.利用split()函数和阈值化去除票据上的印章，merge()函数合并图像
票据上往往会有一些红色印章把一些重要信息区域给覆盖了，比如一些开发票人员盖印章时比较随意，容易吧一些关键区域给遮蔽了，这让接下来的票据识别很困难，因此，我们必须先对票据图像进行一定的预处理来移除印章干扰，再进行字符识别，这样子识别准确率才有保证。
- 任务：我们需要识别发票的字体（红色盖章影响都我们的识别工作）
如图：
1.发票原图.jpg
- 分析场景：这种发票只有章是红色，字体为黑色为主
- 怎么去除该种发票红色部分？利用split()分离红色通道浅化目标，再利用阈值把浅化目标，过滤掉。（阈值用来过滤比较浅的颜色【其中一种用法】）
2.通道图.PNG
- 第二张图为分离红色通道的图，明显比其他三张浅的（红色部分）
3.通道图阈值化.PNG
- 最后一张过滤掉红章图
代码如下
4.代码.PNG
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main() {
//【1】定义相关变量
Mat srcImage, newImage;
Mat srcImage_B, srcImage_G, srcImage_R;
//【2】存放Mat的数组vector
vector channels_BGR;
//【3】读取原始图像并检查图像是否读取成功
srcImage = imread("D:\\1.发票原图.jpg");
if (srcImage.empty())
{
cout << "读取图像有误，请重新输入正确路径！\n";
getchar();
return -1;
}
imshow("src原图像",srcImage); //在窗口显示原图像
//【4】对加载的原图像进行通道分离，即把一个3通道图像转换成为3个单通道图像
split(srcImage,channels_BGR);
//从数组中取出3种颜色,0通道为B分量，1通道为G分量，2通道为R分量。因为：RGB色彩空间在opencv中默认通道顺序为BGR！！！
srcImage_B = channels_BGR.at(0);
srcImage_G = channels_BGR.at(1);
srcImage_R = channels_BGR.at(2);
imshow("srcImage_B通道", srcImage_B); //分别显示R，G，B各个通道图像
imshow("srcImage_G通道", srcImage_G);
imshow("srcImage_R通道", srcImage_R);
//【5】 全局二值化
Mat gray;
cvtColor(srcImage,gray, CV_RGB2GRAY);
int th = 170; //阈值要根据实际情况调整
Mat binary;
//CV_THRESH_BINARY代表阈值其中一种模式，下期会讲起阈值
threshold(gray, binary, th, 255, CV_THRESH_BINARY);
Mat red_binary;
threshold(srcImage_R, red_binary, th, 255, CV_THRESH_BINARY);
imshow("灰色图 + 阈值处理 ", binary);
imshow("R通道+阈值处理", red_binary);
//【6】将3个单通道重新合并成一个三通道图像
merge(channels_BGR, newImage);
imshow("将R，G，B通道合并后的图像", newImage);
waitKey(0);
return 0;
}
6.总结
当然，这种分离通道+阈值分割的方法还可以用到其他场合，例如在红绿灯的检测上，也是可以借鉴这种方法的。
检测红灯
5.效果图.png
注意：当红章掩盖字体，这种方法无效
分享可以无数次，转载成自己文章QQ邮箱通知一下，未经授权请勿转载，明天见，司机下车。