1. 切邊

源圖像：

需求：掃描儀掃描到的法律文件，需要切邊，去掉邊緣空白，這樣看上去才真實，人工操作成本與時間花費高，希望程序自動實現(xiàn)，高效、準確。 實現(xiàn)思路：邊緣檢測 + 輪廓發(fā)現(xiàn)或直線檢測最大外接矩形。

例子代碼：

#include

效果圖

總結(jié)：先利用 Canny 算子檢測圖像的輪廓，再利用 findContours 發(fā)現(xiàn)輪廓，因為這時候會得到很多輪廓，而我們只需要找到最大的輪廓，這時候可以根據(jù)源圖像的情況設(shè)置過濾的條件（如本例中寬高設(shè)為不小于0.75）。找到這個矩形后，再把它畫出來即可。

2. 直線檢測

源圖像：

需求：尋找英語試卷填空題的下劃線，這個對后期的切圖與自動識別都比較重要。 實現(xiàn)思路：通過圖像形態(tài)學(xué)操作來尋找直線，霍夫獲取位置信息與顯示

例子代碼：

#include<opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespace std; Mat srcImg, roiImg; void detectLine(); void test() {srcImg = imread("test2.jpg",IMREAD_GRAYSCALE);if (srcImg.empty()){cout << "could not load image...n" << endl;}namedWindow("Original image", CV_WINDOW_NORMAL); //CV_WINDOW_NORMAL 鼠標控制顯示窗口的大小imshow("Original image", srcImg);//因為是截圖，所以要去掉白邊，用ROI圖像的方法Rect roi = Rect(10, 10, srcImg.cols - 15, srcImg.rows - 15); //切掉白邊roiImg = srcImg(roi);namedWindow("Roi image", CV_WINDOW_NORMAL);imshow("Roi image", roiImg);detectLine(); }void detectLine() { Mat binaryImg, morhpImg;threshold(roiImg, binaryImg, 0, 255, THRESH_BINARY_INV | THRESH_OTSU); //二值化namedWindow("Binary Result", CV_WINDOW_NORMAL);imshow("Binary Result", binaryImg);//形態(tài)學(xué)操作Mat kernel = getStructuringElement(MORPH_RECT, Size(60, 1), Point(-1, -1)); morphologyEx(binaryImg, morhpImg, MORPH_OPEN, kernel, Point(-1, -1));namedWindow("Morphology Result", CV_WINDOW_NORMAL);imshow("Morphology Result", morhpImg);//膨脹，使得直線更加明顯kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));dilate(morhpImg, morhpImg, kernel);namedWindow("Dilate Result", CV_WINDOW_NORMAL);imshow("Dilate Result", morhpImg);//霍夫變換標定直線vector<Vec4i> lines; //每條線有兩個點，把四個點的坐標存儲起來HoughLinesP(morhpImg, lines, 1, CV_PI / 180.0, 30, 20.0, 0); // 1 為極坐標方向上的步長Mat resultImg = roiImg.clone(); //輸出結(jié)果cvtColor(resultImg, resultImg, COLOR_GRAY2BGR);for (int i = 0; i < lines.size(); i++){Vec4i ln = lines[i]; //取出直線line(resultImg, Point(ln[0], ln[1]), Point(ln[2], ln[3]), Scalar(0, 0, 255), 2, 8, 0); //Point(ln[0], ln[1]), Point(ln[2], ln[3])兩個坐標}namedWindow("Hough Lines-Final Result", CV_WINDOW_NORMAL);imshow("Hough Lines-Final Result", resultImg); } int main() {test();waitKey(0);return 0; }

效果圖

總結(jié)：因為源圖像是截圖，所以最外圍有白邊，通常這種情況下可以利用 ROI 圖像方法去掉不需要的部分，再通過二值化和形態(tài)學(xué)操作來尋找直線，最后利用霍夫概率變換獲取直線的準確位置。

3. 對象提取

源圖像：

需求：對圖像中對象（圓形）進行提取，獲取這樣的對象，去掉其它干擾和非目標對象。并獲取圓形的面積和周長。 實現(xiàn)思路：二值分割 + 形態(tài)學(xué) + 橫縱比計算。

步驟： - 找到對象的輪廓 - 通過面積、橫縱比過濾點其它不需要的對象

第一步：發(fā)現(xiàn)輪廓 例子代碼：

#include<opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespace std; //第一步 Mat srcImg, binaryImg, dstImg; void test() {srcImg = imread("case3.png", IMREAD_GRAYSCALE);if (srcImg.empty()){cout << "could not load image...n" << endl;}namedWindow("Original image", CV_WINDOW_NORMAL);imshow("Original image", srcImg);//二值化threshold(srcImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);namedWindow("Binary Result", CV_WINDOW_NORMAL);imshow("Binary Result", binaryImg);//形態(tài)學(xué)操作，開操作，去掉小的對象，閉操作，連接里面的洞（開閉操作要先獲得結(jié)構(gòu)元素）Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1)); //Point(-1, -1)是中心點，這里是 2 x 2位置morphologyEx(binaryImg, dstImg, MORPH_CLOSE, kernel, Point(-1, -1));namedWindow("Close Result", CV_WINDOW_NORMAL);imshow("Close Result", dstImg);kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1)); morphologyEx(dstImg, dstImg, MORPH_OPEN, kernel, Point(-1, -1));namedWindow("Open Result", CV_WINDOW_NORMAL);imshow("Open Result", dstImg);//輪廓發(fā)現(xiàn)vector<vector<Point>> contours; //存儲輪廓vector<Vec4i> hireachy;findContours(dstImg, contours, hireachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());Mat resultImg = Mat::zeros(srcImg.size(), CV_8SC3);for (int i = 0; i < contours.size(); i++){drawContours(resultImg, contours, i, Scalar(0, 0, 255), 2, 8, Mat(), 0, Point()); //畫出來}namedWindow("Final Result", CV_WINDOW_NORMAL);imshow("Final Result", resultImg); } int main() {test();waitKey(0);return 0; }

效果圖

第二步：過濾并計算面積和周長 例子代碼：

#include<opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespace std; //第二步 通過面積過濾,通過縱橫比的測量，圓形的縱橫比應(yīng)該在1:1左右，如果不是1:1,就把它過濾掉 Mat srcImg, binaryImg, dstImg; void test() {srcImg = imread("case3.png", IMREAD_GRAYSCALE);if (srcImg.empty()){cout << "could not load image...n" << endl;}namedWindow("Original image", CV_WINDOW_NORMAL); //CV_WINDOW_NORMAL 使得鼠標可以控制顯示窗口的大小imshow("Original image", srcImg);//二值化threshold(srcImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);namedWindow("Binary Result", CV_WINDOW_NORMAL);imshow("Binary Result", binaryImg);//形態(tài)學(xué)操作，開操作，去掉小的對象，閉操作，連接里面的洞（開閉操作要先獲得結(jié)構(gòu)元素）Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1)); //Point(-1, -1)是中心點，這里是 2 x 2位置morphologyEx(binaryImg, dstImg, MORPH_CLOSE, kernel, Point(-1, -1));namedWindow("Close Result", CV_WINDOW_NORMAL);imshow("Close Result", dstImg);kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));morphologyEx(dstImg, dstImg, MORPH_OPEN, kernel, Point(-1, -1));namedWindow("Open Result", CV_WINDOW_NORMAL);imshow("Open Result", dstImg);//輪廓發(fā)現(xiàn)vector<vector<Point>> contours; //存儲輪廓vector<Vec4i> hireachy;findContours(dstImg, contours, hireachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());//通過面積過濾,通過縱橫比的測量，圓形的縱橫比應(yīng)該在1:1左右，如果不是1:1,就把它過濾掉Mat resultImg = Mat::zeros(srcImg.size(), CV_8SC3);Point cc;for (int i = 0; i < contours.size(); i++){//面積過濾double area = contourArea(contours[i]); //循環(huán)獲取指定的面積if (area < 100) //通過循環(huán)過濾掉小于100的面積continue;//橫縱比過濾Rect rect = boundingRect(contours[i]);float ratio = float(rect.width) / float(rect.height);if (ratio < 1.1 && ratio> 0.9) //把滿足條件的保留畫出來{drawContours(resultImg, contours, i, Scalar(0, 0, 255), -1, 8, Mat(), 0, Point()); //畫出來 第五個參數(shù)改為 -1 ，使得整個圓形填充cout << "circle area: " << area << endl; //面積和周長打印出來（像素度量）cout << "circle length: " << arcLength(contours[i],true) << endl;//找中心點int x = rect.x + rect.width / 2;int y = rect.y + rect.height / 2;cc = Point(x, y);circle(resultImg, cc, 2, Scalar(0, 0, 255), 2, 8, 0); //畫出中心點}}namedWindow("Final Result", CV_WINDOW_NORMAL);imshow("Final Result", resultImg);//在原圖上定位顯示中心點Mat circleImg = srcImg.clone();cvtColor(circleImg, circleImg, COLOR_GRAY2BGR); circle(circleImg, cc, 2, Scalar(0, 0, 255), 2, 8, 0);namedWindow("Center Point", CV_WINDOW_NORMAL);imshow("Center Point", circleImg); }int main() {test();waitKey(0);return 0; }

效果圖

總結(jié)：首先把圖像二值化，通過閉操作把中間小的洞連接上，再通過開操作把周圍小的點去掉，再通過輪廓發(fā)現(xiàn)找到對象的輪廓。再通過面積、縱橫比過濾點其它不需要的對象，圓形的縱橫比應(yīng)該在1:1左右，如果不是1:1,就把它過濾掉。然后再計算面積和周長。

---

歡迎關(guān)注我的微信公眾號“OpenCV圖像處理算法”，主要是記錄自己學(xué)習(xí)圖像處理算法的歷程，包括特征提取、目標跟蹤、定位、機器學(xué)習(xí)和深度學(xué)習(xí)，每一個例子都會提供源碼和例子所用的資料，歡迎同行的同學(xué)關(guān)注我和我一起虛度光陰吧！！！

總結(jié)

以上是生活随笔為你收集整理的准确检测图像的轮廓 opencv_图像处理案例实战的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。