小福袋大棚菜 发表于 2024-1-19 19:06:27

基于OpenCV-Python的图像位置校正和版面分析

前言

使用opencv对图像进行操作,要求:(1)定位银行票据的四条边,然后旋正。(2)根据版面分析,分割出小写金额区域。
图像校正

首先是对图像的校正

[*]读取图片
[*]对图片二值化
[*]进行边缘检测
[*]对边缘的进行霍夫曼变换
[*]将变换结果从极坐标空间投影到笛卡尔坐标得到倾斜角
[*]根据倾斜角对主体校正
import os
import cv2
import math
import numpy as np
from scipy import ndimage


filepath = './task1-misc/'
filename = 'bank-bill.bmp'
filename_correct = 'bank-bill-correct.png'

def image_correction(input_path: str, output_path: str) -> bool:
    # 读取图像
    img = cv2.imread(input_path)
    # 二值化
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # 边缘检测
    edges = cv2.Canny(gray,50,150,apertureSize = 3)
    #霍夫变换
    lines = cv2.HoughLines(edges,1,np.pi/180,0)
    for rho,theta in lines:
      a = np.cos(theta)   # 将极坐标转换为直角坐标
      b = np.sin(theta)
      x0 = a*rho
      y0 = b*rho
      x1 = int(x0 + 1000*(-b))    # 保证端点够远能够覆盖整个图像
      y1 = int(y0 + 1000 * a)
      x2 = int(x0 - 1000*(-b))
      y2 = int(y0 - 1000 * a)
      if x1 == x2 or y1 == y2:
            continue
      t = float(y2-y1)/(x2-x1)
      # 得到角度后将角度范围调整至-45至45度之间
      rotate_angle = math.degrees(math.atan(t))
      if rotate_angle > 45:
            rotate_angle = -90 + rotate_angle
      elif rotate_angle < -45:
            rotate_angle = 90 + rotate_angle
      # 图像根据角度进行校正
      rotate_img = ndimage.rotate(img, rotate_angle)
      # 在图中画出线
      cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
      cv2.imwrite(filepath + 'marked-'+filename_correct, img)
      # 输出图像
      cv2.imwrite(output_path, rotate_img)
      return True
   
input_path = filepath + filename
output_path = filepath + filename_correct
if image_correction(input_path, output_path):
    print("角度校正成功")图(左)中的红线斜率和偏置是经过霍夫变换并进行极坐标转换后得到,后续将根据这条线进行角度的校正,校正后的结果如图(右)所示。
为了便于后续操作,我们选择将背景去掉,保存为.png图片。filename_clear = 'bank-bill-clear.png'
# 去除背景
def remove_background(input_path: str, output_path: str) -> bool:
    # 读取图像
    img = cv2.imread(input_path, cv2.IMREAD_UNCHANGED)

    # 检查是否已经具有 alpha 通道,如果没有则创建一个
    if img.shape == 3:
      alpha_channel = np.ones_like(img[:, :, 0], dtype=img.dtype) * 255
      img = np.dstack((img, alpha_channel))

    # 提取图像的 alpha 通道(透明度)
    alpha_channel = img[:, :, 3]

    # 将白色或黑色(背景)的像素设置为透明
    alpha_channel[(img[:, :, :3] == ).all(axis=2)] = 0
    alpha_channel[(img[:, :, :3] == ).all(axis=2)] = 0
    # 保存为带有透明通道的 PNG 图像
    cv2.imwrite(output_path, img)
    return True
input_path = filepath + filename_correct
output_path = filepath + filename_clear
if remove_background(input_path, output_path):
    print("去除背景成功")版面分析与分割金额区域

使用opencv对图像进行版面分析得到表格线的投影。
def detectTable(img, save_path):

    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   
    thresh_img = cv2.adaptiveThreshold(~gray_img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,-2)
   
    h_img = thresh_img.copy()
    v_img = thresh_img.copy()
    scale = 20
    h_size = int(h_img.shape/scale)

    h_structure = cv2.getStructuringElement(cv2.MORPH_RECT,(h_size,1)) # 形态学因子
    h_erode_img = cv2.erode(h_img,h_structure,1)

    h_dilate_img = cv2.dilate(h_erode_img,h_structure,1)
    # cv2.imshow("h_erode",h_dilate_img)
    v_size = int(v_img.shape / scale)

    v_structure = cv2.getStructuringElement(cv2.MORPH_RECT, (1, v_size))# 形态学因子
    v_erode_img = cv2.erode(v_img, v_structure, 1)
    v_dilate_img = cv2.dilate(v_erode_img, v_structure, 1)

    mask_img = h_dilate_img+v_dilate_img
    joints_img = cv2.bitwise_and(h_dilate_img,v_dilate_img)
    joints_img = cv2.dilate(joints_img,None,iterations=3)
    cv2.imwrite(os.path.join(save_path, "joints.png"),joints_img)
    cv2.imwrite(os.path.join(save_path, "mask.png"), mask_img)
    return joints_img, mask_img

img = cv2.imread(os.path.join(filepath, filename_clear))
_, mask_img = detectTable(img, save_path=filepath)投影得到两张图,一张表示交叉点的投影,另一张表示表格线的投影,如下图所示,后续的边缘检测我们将用到右侧的图。
def find_bound(img):      # 查找图像中的轮廓    contours, _ = cv2.findContours(img, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_TC89_L1)      # 遍历所有轮廓    site = []    for contour in contours:      # 计算边界矩形      x, y, w, h = cv2.boundingRect(contour)      if 20 < w < 35 and20
页: [1]
查看完整版本: 基于OpenCV-Python的图像位置校正和版面分析