Question

我有一个应用程序，该应用程序将用于从扫描的文档中裁剪空白，例如this image。我要做的是仅提取卡，然后删除所有白色/空白区域。我正在使用Emgucv FindContours进行此操作，目前，我可以在图像中找到卡片轮廓和扫描仪捕获的一些噪音，如下所示。

我的问题是如何裁剪找到的最大轮廓，或者如何通过除去其他轮廓和空白/空格来提取轮廓？也许轮廓索引是可能的？

编辑：也许另一个可能的解决方案是，是否可以将轮廓绘制到另一个pictureBox。

这是我正在使用的代码：

Image<Bgr, byte> imgInput;
Image<Bgr, byte> imgCrop;

private void abrirToolStripMenuItem_Click(object sender, EventArgs e)
{
    try
    {
        OpenFileDialog dialog = new OpenFileDialog();

        if (dialog.ShowDialog() ==DialogResult.OK)
        {
            imgInput = new Image<Bgr, byte>(dialog.FileName);
            pictureBox1.Image = imgInput.Bitmap;

            imgCrop = imgInput;
        }
    }
    catch (Exception ex)
    {
        MessageBox.Show(ex.Message);        
    }
}

private void shapeToolStripMenuItem_Click(object sender, EventArgs e)
{
    if (imgCrop == null)
    {
        return;
    }

    try
    {
        var temp = imgCrop.SmoothGaussian(5).Convert<Gray, byte>().ThresholdBinaryInv(new Gray(230), new Gray(255));
        VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
        Mat m = new Mat();

        CvInvoke.FindContours(temp, contours, m, Emgu.CV.CvEnum.RetrType.External, Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxSimple);

        for (int i = 0; i < contours.Size; i++)
        {
            double perimeter = CvInvoke.ArcLength(contours[i], true);
            VectorOfPoint approx = new VectorOfPoint();
            CvInvoke.ApproxPolyDP(contours[i], approx, 0.04 * perimeter, true);

            CvInvoke.DrawContours(imgCrop, contours, i, new MCvScalar(0, 0, 255), 2);
            pictureBox2.Image = imgCrop.Bitmap;
        }

    }
    catch (Exception ex)
    {
        MessageBox.Show(ex.Message);
    }
}

Answer 1

我会在C++中给您答案，但是在Emgu CV中应该可以使用相同的操作。

我提出以下方法：使用 HSV 颜色空间分割（即–分离）目标对象。计算感兴趣对象的二进制掩码。获取二进制掩码中的最大blob ，它应该是卡。计算卡的边界框。从输入图像中裁剪卡

好，首先获取（或读取）输入图像。应用median blur滤波器，它将有助于消除您在输入中看到的高频噪声（灰色的小斑点）。不过，要调整的主要参数是size（或滤镜光圈）中的kernel，但要小心-高值会产生侵略性效果并可能会破坏图像：

  //read input image:
  std::string imageName = "C://opencvImages//yoshiButNotYoshi.png";
  cv::Mat imageInput = cv::imread( imageName );

  //apply a median blur filter, the size of the kernel is 5 x 5:
  cv::Mat blurredImage;
  cv::medianBlur ( imageInput, blurredImage, 5 );

这是模糊滤镜（调整了嵌入图像的大小）的结果：

接下来，分割图像。利用背景为白色的事实，其他所有东西（主要是感兴趣的对象）都具有 some 颜色信息。您可以使用HSV颜色空间。首先，将BGR图像转换为HSV：

  //BGR to HSV conversion:
  cv::Mat hsvImg;
  cv::cvtColor( blurredImage, hsvImg, CV_RGB2HSV );

HSV颜色空间对颜色信息的编码与典型的BGR/RGB颜色空间不同。它相对于其他颜色模型的优势在很大程度上取决于应用程序，但通常来说，在使用色相渐变时，它的功能更加强大。我将尝试为感兴趣的对象获取基于HSV的二进制掩码。

在二进制掩码中，您对输入图像感兴趣的所有内容都用white上色，其他所有内容都用black上色（反之亦然）。您可以使用inRange函数获得此掩码。但是，您必须指定将在输出蒙版中以白色（或黑色）呈现的颜色范围。对于您的图像，使用HSV颜色模型，这些值为：

  cv::Scalar minColor( 0, 0, 100 ); //the lower range of colors
  cv::Scalar maxColor( 0, 0, 255 ); //the upper range of colors

现在，获取二进制掩码：

  //prepare the binary mask:
  cv::Mat binaryMask;
  //create the binary mask using the specified range of color
  cv::inRange( hsvImg, minColor, maxColor, binaryMask );
  //invert the mask:
  binaryMask = 255 - binaryMask;

您得到此图像：

现在，您可以通过morphological filtering消除一些噪音（在模糊滤镜中幸存下来）。形态过滤器实质上是应用于二进制（或灰度）图像的逻辑规则。它们在输入中采用像素的“邻域” 并应用逻辑函数以获得输出。它们在清理二进制映像时非常方便。我将应用一系列逻辑过滤器来实现这一目标。

我将首先erode图像，然后使用dilate 3 iterations。 structuring element的大小为rectangle的{{1}}：

3 x 3

您将获得此输出。看看嘈杂的斑点大部分都消失了：

现在，很酷的部分来了。您可以遍历此图像中的所有//apply some morphology the clean the binary mask a little bit: cv::Mat SE = cv::getStructuringElement( cv::MORPH_RECT, cv::Size(3, 3) ); int morphIterations = 3; cv::morphologyEx( binaryMask, binaryMask, cv::MORPH_ERODE, SE, cv::Point(-1,-1), morphIterations ); cv::morphologyEx( binaryMask, binaryMask, cv::MORPH_DILATE, SE, cv::Point(-1,-1), morphIterations );，并全部获得最大。这是我经常执行的典型操作，因此，我编写了一个执行该操作的函数。它称为contours。稍后再介绍该功能。查看找到并提取出最大斑点后得到的结果：

findBiggestBlob

您得到了：

现在，您可以使用//find the biggest blob in the binary image: cv::Mat biggestBlob = findBiggestBlob( binaryMask );来获得最大斑点的bounding box：

boundingRect

让我们在输入图像上绘制//Get the bounding box of the biggest blob: cv::Rect bBox = cv::boundingRect( biggestBlob );：

bounding box

最后，让我们从输入图像中裁剪卡片：

  cv::Mat imageClone = imageInput.clone();
  cv::rectangle( imageClone, bBox, cv::Scalar(255,0,0), 2 );

这是裁剪后的输出：

这是cv::Mat croppedImage = imageInput( bBox );函数的代码。这个想法只是计算二进制输入中的所有轮廓，计算它们的面积，并存储束中面积最大的轮廓：

findBiggestBlob

Emgucv作物自动检测形状

1 个答案: