-2

我有 1000 张旧明信片要扫描，我认为使用某种自动裁剪/旋转工具优化我的工作流程可能是个好主意，因此我开始使用 Python 研究 openCV。

以下是我可以使用扫描仪获取的图片示例： 样本扫描

可以想象，我的目标是从这张图片中创建 3 张图片，每张图片包含一张明信片。我已经尝试了许多 opencv 选项，到目前为止我能得到的最好的代码是：

import cv2, sys, imutils

cv2.namedWindow('image', cv2.WINDOW_NORMAL)

image = cv2.imread("sample1600.jpg")
ratio = image.shape[0] / 300.0
image = imutils.resize(image, height = 800)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)
ret, th = cv2.threshold(gray,220,235,1)
edged = cv2.Canny(th, 25, 200)

(cnts, _) = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]

for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.05 * peri, True)

    if len(approx) == 4:
        cv2.drawContours(image, [approx], -1, (0, 255, 0), 3)

cv2.imshow("Image", image)
cv2.waitKey(0)

生成的图像是： 结果图片

这段代码的问题是：

  • 它没有找到离边框太近的底部图像；
  • 它仅适用于我的测试图像，但似乎不是很通用。例如，“ret, th = cv2.threshold(gray,220,235,1)”行将阻止事情处理我认为具有不同直方图的图像。

有没有人知道使此代码更好地工作并更通用以满足我处理扫描图像的要求的最佳方法？

编辑：我最初没有提到并且可能有用的是单个明信片的宽度和高度之间的比率应该近似为 √2。情况并非总是如此，但如果我的脚本能够有效地处理这种类型的明信片，我会非常高兴（它们代表了我收藏的 > 99%）

编辑 24/04：感谢@Riccardo，我现在有了一个适用于我的第一个示例图像的脚本，因此添加一个新的脚本以尝试找到更强大的解决方案： 对比度较低的样本

编辑 24/04 #2：由于@Riccardo 为前两个样本提供了非常有效的解决方案，因此由于第一个样本的图像之间的空间有限，这里还有另外两个似乎有点复杂： 重叠图像

或某些部分几乎是空白的卡片： 很多空白

4

1 回答 1

16

我建议通过轮廓的旋转边界框的计算，而不是尝试识别固定形状。在我的尝试中，脚本识别出一个类似盒子的图形并计算它的轮廓面积，然后它选择具有大面积的图形。

这应该可以解决您的问题，如果没有，请告诉我们。

cv2.namedWindow('image', cv2.WINDOW_NORMAL)

image = cv2.imread("sample1600.jpg")
ratio = image.shape[0] / 300.0
image = imutils.resize(image, height = 800)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)


ret, th = cv2.threshold(gray,220,235,1)
edged = cv2.Canny(th, 25, 200)

im2, cnts, hierarchy = cv2.findContours(edged.copy(), cv2.RETR_TREE,   cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)

for c in cnts:
    box = cv2.minAreaRect(c)
    box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
    box = np.array(box, dtype="int")
    if cv2.contourArea(box) > 70000:
        cv2.drawContours(image, [box], -1, (0, 255, 0), 2)

cv2.imshow("Image", image)
cv2.waitKey(0)

这是输出： 在此处输入图像描述

编辑：我不知道这是否是正确的解决方案，可能还有其他的。我鼓励其他用户分享他们的方法。@Sylvain，这是对参数进行一些调整的另一种尝试：

  • 将阈值降低到 210；
  • 删除了精明的功能（它与某些图像的复杂模式相混淆；

  • 计算图像区域并玩弄要返回的轮廓的限制。在这个特定的示例中，我将轮廓设置为大于图像的 1/10 且小于 2/3。

    image = cv2.imread(img)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)

ret, th = cv2.threshold(gray,210,235,1)

im2, cnts, hierarchy = cv2.findContours(th.copy(),cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)

for c in cnts:
    box = cv2.minAreaRect(c)
    box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
    box = np.array(box, dtype="int")
    Area = image.shape[0]*image.shape[1]
    if Area/10 < cv2.contourArea(box) < Area*2/3:
        cv2.drawContours(image, [box], -1, (0, 255, 0), 2)

cv2.imshow("Image", image)
cv2.waitKey(0)
于 2018-04-23T14:48:55.453 回答