OpenCV Java極限輪廓

Question

我在Android應用程序中使用OpenCV。 我希望移動應用程序在查看矩形（例如收據形狀的東西）時自動拍照。 我正在使用Canny邊緣檢測，但是當我尋找輪廓時，數組大小大於1500。顯然，遍歷所有輪廓並找到最大的輪廓並不是最佳選擇，所以我想知道是否可以過濾出最大的輪廓通過api自動繪制輪廓？

到目前為止，我的代碼：

ArrayList contours;

    @Override
    public Mat onCameraFrame(final CameraBridgeViewBase.CvCameraViewFrame inputFrame) {

    // Clear contours array on each frame
    contours.clear();

    // Get Grayscale image
    final Mat gray = inputFrame.gray();

    // Canny edge detection 
    Imgproc.Canny(gray, gray, 300, 1000, 5, true);

    // New empty black matrix to store the edges captured
    Mat dest = new Mat();
    Core.add(dest, Scalar.all(0), dest);

    // Copy the edge data over to the empty black matrix
    gray.copyTo(dest);

    // Is there a way to filter the size of contours so that not everything is returned? Right now this function is returning a lot of contours (1500 +)
    Imgproc.findContours(gray, contours, hirearchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);

    return dest;
}

編輯用戶將手持電話，並且我希望應用程序在收據查看時自動拍照。 收據示例

Answer 1

我已經介紹了您可能使用的基本技術，在下面的Python代碼中，將不難用您選擇的語言（在這種情況下為Java）來翻譯代碼。 因此，該技術涉及：

• 估計要分割的對象的顏色，在您的情況下為白色，因此上限和下限的安全限制可以近似為：

   RECEIPT_LOWER_BOUND = np.array([200, 200, 200]) RECEIPT_UPPER_BOUND = np.array([255, 255, 255]) 

• 對輸入圖像應用一些模糊以使顏色分布平滑，這將在將來縮小較小的輪廓。

   img_blurred = cv2.blur(img, (5, 5)) 

• 對二值圖像應用膨脹以去除圍繞目標最大輪廓的相鄰較小輪廓

   kernel = np.ones((10, 10), dtype=np.uint8) mask = cv2.dilate(mask, kernel) 

• 現在，在執行上述操作之后，在遮罩中找到輪廓，並根據ContourArea過濾出輪廓。

   im, contours, hierarchy = cv2.findContours(receipt_mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) largest_contour = max(contours, key=lambda x: cv2.contourArea(x)) 

• 最后，您可以在該區域上應用一些閾值，以驗證輸入內容是否確實是票證。

碼：

import cv2
import numpy as np


# You may change the following ranges to define your own lower and upper BGR bounds.
RECEIPT_LOWER_BOUND = np.array([200, 200, 200])
RECEIPT_UPPER_BOUND = np.array([255, 255, 255])


def segment_receipt(img):
    # Blur the input image to reduce the noise which in-turn reduces the number of contours
    img_blurred = cv2.blur(img, (5, 5))
    mask = cv2.inRange(img_blurred, RECEIPT_LOWER_BOUND, RECEIPT_UPPER_BOUND)

    # Also dilate the binary mask which further reduces the salt and pepper noise
    kernel = np.ones((10, 10), dtype=np.uint8)
    mask = cv2.dilate(mask, kernel)
    return mask


def get_largest_contour_rect(image):
    receipt_mask = segment_receipt(image)
    im, contours, hierarchy = cv2.findContours(receipt_mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    print "Number of contours found :", len(contours)

    # Sorting the contours to get the largest one
    largest_contour = max(contours, key=lambda x: cv2.contourArea(x))

    # Return the last contour in sorted list as the list is sorted in increasing order.
    return cv2.boundingRect(largest_contour)

image = cv2.imread("path/to/your/image.jpg")
rect = get_largest_contour_rect(image)

輸出：

Answer 2

@ J.Doe我目前正在從事這樣的項目，經過大量的處理，我已經能夠成功隔離圖像中最大的輪廓。 剩下的唯一部分是識別矩形輪廓並拍照。

mRgba = inputFrame.rgba();
    Imgproc.Canny(mRgba,mCanny,50,200);
    Imgproc.cvtColor(mRgba, mGray, Imgproc.COLOR_RGB2GRAY);

    Imgproc.GaussianBlur(mGray, mGray1, new Size(3, 3), 1);
    Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT,new Size(9,9));

    Imgproc.dilate(mGray1, mGray2, kernel);
    Imgproc.Canny(mGray2, mCanny, 50, 200);

    Imgproc.findContours(mCanny,contours,hierarchy,Imgproc.RETR_TREE,Imgproc.CHAIN_APPROX_SIMPLE);
    double maxVal = 0;
    int maxValIdx = 0;
    for(int contourIdx = 0; contourIdx < contours.size(); contourIdx++){
        double contourArea = Imgproc.contourArea(contours.get(contourIdx));
        if(maxVal < contourArea)
        {
            maxVal = contourArea;
            maxValIdx = contourIdx;
        }
    }
    Imgproc.drawContours(mRgba,contours,maxValIdx,new Scalar(0,255,255),-1);
    return mRgba;

警惕圖像名稱，我在不同的過程中更改了它們。