基于OpenCV-Python的图像位置校正和版面分析

小福袋大棚菜

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
  

1. import os
2. import cv2
3. import math
4. import numpy as np
5. from scipy import ndimage
8. filepath = './task1-misc/'
9. filename = 'bank-bill.bmp'
10. filename_correct = 'bank-bill-correct.png'
12. def image_correction(input_path: str, output_path: str) -> bool:
13.     # 读取图像
14.     img = cv2.imread(input_path)
15.     # 二值化
16.     gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
17.     # 边缘检测
18.     edges = cv2.Canny(gray,50,150,apertureSize = 3)
19.     #霍夫变换
20.     lines = cv2.HoughLines(edges,1,np.pi/180,0)
21.     for rho,theta in lines[0]:
22.         a = np.cos(theta)   # 将极坐标转换为直角坐标
23.         b = np.sin(theta)
24.         x0 = a*rho
25.         y0 = b*rho
26.         x1 = int(x0 + 1000*(-b))    # 保证端点够远能够覆盖整个图像
27.         y1 = int(y0 + 1000 * a)
28.         x2 = int(x0 - 1000*(-b))
29.         y2 = int(y0 - 1000 * a)
30.         if x1 == x2 or y1 == y2:
31.             continue
32.         t = float(y2-y1)/(x2-x1)
33.         # 得到角度后将角度范围调整至-45至45度之间
34.         rotate_angle = math.degrees(math.atan(t))
35.         if rotate_angle > 45:
36.             rotate_angle = -90 + rotate_angle
37.         elif rotate_angle < -45:
38.             rotate_angle = 90 + rotate_angle
39.         # 图像根据角度进行校正
40.         rotate_img = ndimage.rotate(img, rotate_angle)
41.         # 在图中画出线
42.         cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
43.         cv2.imwrite(filepath + 'marked-'+filename_correct, img)
44.         # 输出图像
45.         cv2.imwrite(output_path, rotate_img)
46.         return True
47.    
48. input_path = filepath + filename
49. output_path = filepath + filename_correct
50. if image_correction(input_path, output_path):
51.     print("角度校正成功")

复制代码

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。

1. filename_clear = 'bank-bill-clear.png'
2. # 去除背景
3. def remove_background(input_path: str, output_path: str) -> bool:
4.     # 读取图像
5.     img = cv2.imread(input_path, cv2.IMREAD_UNCHANGED)
7.     # 检查是否已经具有 alpha 通道，如果没有则创建一个
8.     if img.shape[2] == 3:
9.         alpha_channel = np.ones_like(img[:, :, 0], dtype=img.dtype) * 255
10.         img = np.dstack((img, alpha_channel))
12.     # 提取图像的 alpha 通道（透明度）
13.     alpha_channel = img[:, :, 3]
15.     # 将白色或黑色（背景）的像素设置为透明
16.     alpha_channel[(img[:, :, :3] == [255, 255, 255]).all(axis=2)] = 0
17.     alpha_channel[(img[:, :, :3] == [0, 0, 0]).all(axis=2)] = 0
18.     # 保存为带有透明通道的 PNG 图像
19.     cv2.imwrite(output_path, img)
20.     return True
21. input_path = filepath + filename_correct
22. output_path = filepath + filename_clear  
23. if remove_background(input_path, output_path):
24.     print("去除背景成功")

复制代码

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。

1. def detectTable(img, save_path):
3.     gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
4.    
5.     thresh_img = cv2.adaptiveThreshold(~gray_img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,-2)
6.    
7.     h_img = thresh_img.copy()
8.     v_img = thresh_img.copy()
9.     scale = 20
10.     h_size = int(h_img.shape[1]/scale)
12.     h_structure = cv2.getStructuringElement(cv2.MORPH_RECT,(h_size,1)) # 形态学因子
13.     h_erode_img = cv2.erode(h_img,h_structure,1)
15.     h_dilate_img = cv2.dilate(h_erode_img,h_structure,1)
16.     # cv2.imshow("h_erode",h_dilate_img)
17.     v_size = int(v_img.shape[0] / scale)
19.     v_structure = cv2.getStructuringElement(cv2.MORPH_RECT, (1, v_size))  # 形态学因子
20.     v_erode_img = cv2.erode(v_img, v_structure, 1)
21.     v_dilate_img = cv2.dilate(v_erode_img, v_structure, 1)
23.     mask_img = h_dilate_img+v_dilate_img
24.     joints_img = cv2.bitwise_and(h_dilate_img,v_dilate_img)
25.     joints_img = cv2.dilate(joints_img,None,iterations=3)
26.     cv2.imwrite(os.path.join(save_path, "joints.png"),joints_img)
27.     cv2.imwrite(os.path.join(save_path, "mask.png"), mask_img)
28.     return joints_img, mask_img
30. img = cv2.imread(os.path.join(filepath, filename_clear))
31. _, mask_img = detectTable(img, save_path=filepath)

复制代码

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。

[code]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 and  20