訂閱
糾錯
加入自媒體

使用 OpenCV 構(gòu)建文檔掃描儀

介紹

在本文中,我們將使用 OpenCV 庫來開發(fā) Python 文檔掃描器。

OpenCV 的簡要概述: OpenCV 是一個開源庫,用于各種計算機語言的圖像處理,包括 Python、C++ 等。它可用于檢測照片(例如使用人臉檢測系統(tǒng)的人臉) 。

我們的軟件應該能夠正確對齊文檔,檢測捕獲圖像的邊界,提升文檔的質(zhì)量,并最終提供更好的圖像作為輸出。本質(zhì)上,我們將輸入一個文檔,即用相機拍攝的未經(jīng)編輯的圖像。OpenCV 將處理該圖像。

我們的基本工作流程是:

形態(tài)學運算邊緣和輪廓檢測識別角點轉(zhuǎn)變視角執(zhí)行形態(tài)學操作

形態(tài)學:是一系列圖像處理程序和算法,根據(jù)圖像的高度和寬度來處理圖片。最重要的是它們的大小,而不是它們的相對像素值排序。

kernel = np.ones((5,5),np.uint8)

img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations= 3)

我們可以使用morphologyEx() 函數(shù)執(zhí)行操作。Morphology 中的“close”操作與Erosion相同,在此之前是Dilation過程。

我們將創(chuàng)建一個空白文檔,因為在處理邊緣時圖片里的內(nèi)容會妨礙你,我們不想冒險刪除它們。

從捕獲的圖像中刪除背景

照片中非我們拍攝對象的部分也必須刪除。與裁剪圖像類似,我們將只專注于維護圖像所需的部分?梢允褂肎rabCut庫。

GrabCut 在接收到輸入圖片及其邊界后,剔除邊界外的所有元素。

為了利用 GrabCut 來識別背景,我們還可以為用戶提供手動設(shè)置文檔邊框的選項。

不過,目前,GrabCut 將能夠通過從圖像的每個角落取 20 個像素作為背景來自動識別前景。

mask = np.zeros(img.shape[:2],np.uint8)

bgdModel = np.zeros((1,65),np.float64)

fgdModel = np.zeros((1,65),np.float64)

rect = (20,20,img.shape[1]-20,img.shape[0]-20)

cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)

mask2 = np.where((mask==2)|(mask==0),0,1).a(chǎn)stype('uint8')

img = img*mask2[:,:,np.newaxis]

這里的“rect”變量表示我們愿意分離的邊界。你可能會遇到部分背景進入線條內(nèi)部的情況,但這是可以接受的。我們的目標是對象的任何部分都不應超出邊界。

邊緣和輪廓檢測

我們目前擁有一份與原始文件大小相同的空白文件。同樣,我們將進行邊緣檢測。我們將為此使用Canny函數(shù)。

為了清理文檔的噪聲,我們還使用了高斯模糊

(注意:Canny 函數(shù)僅適用于灰度圖像,因此如果圖像尚不存在,則將圖像轉(zhuǎn)換為灰度)。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gray = cv2.GaussianBlur(gray, (11, 11), 0)

# Edge Detection.

canny = cv2.Canny(gray, 0, 200)

canny = cv2.dilate(canny, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))

我們在最后一行放大了圖像。

在此之后,我們可以繼續(xù)進行輪廓檢測:

我們只會記錄最大的輪廓并在一個新的空白文檔上進行交互。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gray = cv2.GaussianBlur(gray, (11, 11), 0)

# Edge Detection.

canny = cv2.Canny(gray, 0, 200)

canny = cv2.dilate(canny, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))

識別角點

我們將使用已經(jīng)注意到的四個角對齊紙張。使用“ Douglas-Peucker ”方法和approxPolyDp()函數(shù)。

con = np.zeros_like(img)

# Loop over the contours.

for c in page:

 # Approximate the contour.

 epsilon = 0.02 * cv2.a(chǎn)rcLength(c, True)

 corners = cv2.a(chǎn)pproxPolyDP(c, epsilon, True)

 # If our approximated contour has four points

 if len(corners) == 4:

     break

cv2.drawContours(con, c, -1, (0, 255, 255), 3)

cv2.drawContours(con, corners, -1, (0, 255, 0), 10)

corners = sorted(np.concatenate(corners).tolist())

for index, c in enumerate(corners):

 character = chr(65 + index)

 cv2.putText(con, character, tuple(c), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 1, cv2.LINE_AA)

標準化四點定位

def order_points(pts):

   rect = np.zeros((4, 2), dtype='float32')

   pts = np.a(chǎn)rray(pts)

   s = pts.sum(axis=1)

   rect[0] = pts[np.a(chǎn)rgmin(s)]

   rect[2] = pts[np.a(chǎn)rgmax(s)]

   diff = np.diff(pts, axis=1)

   rect[1] = pts[np.a(chǎn)rgmin(diff)]

   rect[3] = pts[np.a(chǎn)rgmax(diff)]

   return rect.a(chǎn)stype('int').tolist()

尋找目的地坐標:

最后一組坐標可以改變圖像的視角。如果從通常的視角以一定角度拍攝,這將很有幫助。

(tl, tr, br, bl) = pts

# Finding the maximum width.

widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))

widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))

maxWidth = max(int(widthA), int(widthB))

# Finding the maximum height.    

heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))

heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))

maxHeight = max(int(heightA), int(heightB))

# Final destination co-ordinates.

destination_corners = [[0, 0], [maxWidth, 0], [maxWidth, maxHeight], [0, maxHeight]]

透視變換

源照片的坐標現(xiàn)在必須與我們事先發(fā)現(xiàn)的目標坐標對齊。完成此階段后,圖像看起來就像是從紙張的正上方拍攝的一樣。

# Getting the homography.

M = cv2.getPerspectiveTransform(np.float32(corners), np.float32(destination_corners))

final = cv2.warpPerspective(orig_img, M, (destination_corners[2][0], destination_corners[2][1]), flags=cv2.INTER_LINEAR)

現(xiàn)在很明顯,以一定角度拍攝的圖像現(xiàn)在已經(jīng)被完美地掃描出來了。

測試觀察

已經(jīng)在許多不同方向的照片上測試了這些代碼,你也可以這樣做。在每個樣例上,它都表現(xiàn)出色。

即使圖像的背景是白色(即類似于頁面本身顏色的顏色),GrabCut 也有效且清晰地定義了邊界線。

結(jié)論

本教程教我們?nèi)绾问褂?OpenCV 快速輕松地創(chuàng)建文檔掃描儀。

總結(jié):

上傳圖片后,執(zhí)行了:

1. 生成與原始文件高度和寬度相同的空白文檔的形態(tài)學操作

2. 從圖像中刪除了背景。

3. 檢測到圖像中的輪廓和邊界。

4. 檢測到的圖像角點,以矩形的形式

5. 變換圖像的透視圖(如果有)

此文檔掃描儀的一些限制: 即使文檔的一部分在捕獲時位于邊界框架之外,該項目也應正常運行。但它也會導致不準確的透視變換。

廣泛使用的文檔掃描儀應用程序采用了幾種深度學習算法,因為它們的結(jié)果更加徹底和準確。

       原文標題 : 使用 OpenCV 構(gòu)建文檔掃描儀

聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號