Question

我想制作一个类似凸轮扫描仪的应用程序来裁剪文档。

但我需要像我的两张图片一样的功能..

第一张图像显示了相机拍摄的图像..

enter image description here

第二张图像像这样识别捕获的图像部分..

enter image description here

我研究越来越多，但没有得到任何外出，所以，我在这里问，是否有人这样做告诉我..

由于

Answer 1

这是您想要实现的完全相同的演示

https://github.com/Aniruddha-Tapas/Document-Scanner（具有自动检测功能）

https://github.com/jhansireddy/AndroidScannerDemo

Answer 2

我认为您的问题是检测要扫描的对象。

图像匹配或特征检测等对象检测机制不会为您提供所需的结果，因为您不知道您正在扫描的对象到底是什么。

基本上你在图片中搜索一个矩形物体。

基本方法可以如下：

在图片上运行canny edge detector。在执行此操作之前，它可能有助于模糊图像。对象的边缘应清晰可见。
现在您想要Hough transform来查找图片中的行。
搜索相互之间角度约为90度的线条。问题是要找到合适的人选。也许只使用最接近图片框架的线条就足够了。
找到相交点以定义对象的边缘。

至少这应该会给你一个提示进一步研究的提示。

作为此类应用程序的进一步步骤，您必须计算点的投影并对对象进行仿射变换。

我希望这会有所帮助。

写完所有这些后我发现this post.它应该对你有所帮助。

由于我的答案针对OpenCV，您必须使用OpenCV库。为此，您需要安装Android Native Development Kit (NDK)。有关如何在OpenCV for Android页面上在Android上使用OpenCV的一些很好的教程。

要记住的一件事是Java包装器的几乎每个函数都调用本机方法。这花费了很多时间。因此，在将结果返回到Java部分之前，您希望尽可能在本机代码中执行此操作。

Answer 3

我知道我来不及回答但可能对某人有帮助。

请尝试以下代码。

@Override
protected void onDraw(Canvas canvas) {

  super.onDraw(canvas);
  path = new Path();

  path.moveTo(x1, y1);        // this should set the start point right

  //path.lineTo(x1, y1);    <-- this line should be drawn at the end of     course,sorry
  path.lineTo(x2, y2);
  path.lineTo(x3, y3);
  path.lineTo(x4, y4);
  path.lineTo(x1, y1); 
  canvas.drawPath(path, currentPaint);

}

Answer 4

我创建了一个包含原生支持代码的git仓库，即以正确的方式裁剪图像，请在link上找到它。

如果您想出更好的解决方案，请随意编辑代码。

Answer 5

使用此方法传递图像垫：

       void findSquares(Mat image, List<MatOfPoint> squares) {
    int N = 10;

    squares.clear();

    Mat smallerImg = new Mat(new Size(image.width() / 2, image.height() / 2), image.type());

    Mat gray = new Mat(image.size(), image.type());

    Mat gray0 = new Mat(image.size(), CvType.CV_8U);

    // down-scale and upscale the image to filter out the noise
    Imgproc.pyrDown(image, smallerImg, smallerImg.size());
    Imgproc.pyrUp(smallerImg, image, image.size());
    // find squares in every color plane of the image
    Outer:
    for (int c = 0; c < 3; c++) {

        extractChannel(image, gray, c);

        // try several threshold levels
        Inner:
        for (int l = 1; l < N; l++) {

            Imgproc.threshold(gray, gray0, (l + 1) * 255 / N, 255, Imgproc.THRESH_BINARY);


            List<MatOfPoint> contours = new ArrayList<MatOfPoint>();

            // find contours and store them all as a list
            Imgproc.findContours(gray0, contours, new Mat(), Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);

            MatOfPoint approx = new MatOfPoint();

            // test each contour
            for (int i = 0; i < contours.size(); i++) {

                approx = approxPolyDP(contours.get(i), Imgproc.arcLength(new MatOfPoint2f(contours.get(i).toArray()), true) * 0.02, true);

                // square contours should have 4 vertices after approximation
                // relatively large area (to filter out noisy contours)
                // and be convex.
                // Note: absolute value of an area is used because
                // area may be positive or negative - in accordance with the
                // contour orientation
                double area = Imgproc.contourArea(approx);

                if (area > 5000) {

                    if (approx.toArray().length == 4 &&
                            Math.abs(Imgproc.contourArea(approx)) > 1000 &&
                            Imgproc.isContourConvex(approx)) {

                        double maxCosine = 0;
                        Rect bitmap_rect = null;
                        for (int j = 2; j < 5; j++) {
                            // find the maximum cosine of the angle between joint edges
                            double cosine = Math.abs(angle(approx.toArray()[j % 4], approx.toArray()[j - 2], approx.toArray()[j - 1]));
                            maxCosine = Math.max(maxCosine, cosine);
                            bitmap_rect = new Rect(approx.toArray()[j % 4], approx.toArray()[j - 2]);

                        }

                        // if cosines of all angles are small
                        // (all angles are ~90 degree) then write quandrange
                        // vertices to resultant sequence
                        if (maxCosine < 0.3)
                            squares.add(approx);

                    }
                }
            }
        }
    }
}

在这种方法中，您可以获得四个文档，然后使用以下方法剪切此图像：

      public Bitmap warpDisplayImage(Mat inputMat) {
    List<Point> newClockVisePoints = new ArrayList<>();

    int resultWidth = inputMat.width();
    int resultHeight = inputMat.height();

    Mat startM = Converters.vector_Point2f_to_Mat(orderRectCorners(Previes method four poit list(like : List<Point> points)));

    Point ocvPOut4 = new Point(0, 0);
    Point ocvPOut1 = new Point(0, resultHeight);
    Point ocvPOut2 = new Point(resultWidth, resultHeight);
    Point ocvPOut3 = new Point(resultWidth, 0);



        ocvPOut3 = new Point(0, 0);
        ocvPOut4 = new Point(0, resultHeight);
        ocvPOut1 = new Point(resultWidth, resultHeight);
        ocvPOut2 = new Point(resultWidth, 0);
    }

    Mat outputMat = new Mat(resultWidth, resultHeight, CvType.CV_8UC4);

    List<Point> dest = new ArrayList<Point>();
    dest.add(ocvPOut3);
    dest.add(ocvPOut2);
    dest.add(ocvPOut1);
    dest.add(ocvPOut4);


    Mat endM = Converters.vector_Point2f_to_Mat(dest);

    Mat perspectiveTransform = Imgproc.getPerspectiveTransform(startM, endM);

    Imgproc.warpPerspective(inputMat, outputMat, perspectiveTransform, new Size(resultWidth, resultHeight), Imgproc.INTER_CUBIC);


    Bitmap descBitmap = Bitmap.createBitmap(outputMat.cols(), outputMat.rows(), Bitmap.Config.ARGB_8888);
    Utils.matToBitmap(outputMat, descBitmap);



    return descBitmap;
}

如何执行文档自动裁剪使用相机识别图像？

5 个答案: