更多的時候，我們得到的圖像不可能是正的负芋，多少都會有一定的傾斜环葵，就比如下面的
Java基于opencv—矯正圖像
我們要做的就是把它們變成下面這樣的
Java基于opencv—矯正圖像
我們采用的是尋找輪廓的思路调窍，來矯正圖片；只要有明顯的輪廓都可以采用這種思路
具體思路：
1张遭、先用opencv提供的canny函數(shù)邓萨，進行一次邊緣檢測
2、再用opencv提供的findContours函數(shù)帝璧，尋找圖像的輪廓先誉，從中間結(jié)果種，找到最大的輪廓的烁，就是我們圖像的最外面的輪廓
3褐耳、得到最終輪廓后，計算矩形輪廓與水平的夾角渴庆，然后旋轉(zhuǎn)圖像
4铃芦、最后我們在從旋轉(zhuǎn)后的圖像中，把我們感興趣的切割出來襟雷，就可以了
我們實際的實現(xiàn)一下
先用opencv提供的canny函數(shù)刃滓，進行一次邊緣檢測；具體的函數(shù)就不再講解耸弄，百度上非常多
/**
* canny算法咧虎，邊緣檢測
*
* @param src
* @return
*/
public static Mat canny(Mat src) {
Mat mat = src.clone();
Imgproc.Canny(src, mat, 60, 200);
HandleImgUtils.saveImg(mat , "C:/Users/admin/Desktop/opencv/open/x/canny.jpg");
return mat;
}
再用opencv提供的findContours函數(shù)，尋找圖像的輪廓计呈，從中間結(jié)果種砰诵，找到最大的輪廓，就是我們圖像的最外面的輪廓
/**
* 返回邊緣檢測之后的最大矩形,并返回
*
* @param cannyMat
* Canny之后的mat矩陣
* @return
*/
public static RotatedRect findMaxRect(Mat cannyMat) {
List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
Mat hierarchy = new Mat();
// 尋找輪廓
Imgproc.findContours(cannyMat, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_NONE,
new Point(0, 0));
// 找出匹配到的最大輪廓
double area = Imgproc.boundingRect(contours.get(0)).area();
int index = 0;
// 找出匹配到的最大輪廓
for (int i = 0; i < contours.size(); i++) {
double tempArea = Imgproc.boundingRect(contours.get(i)).area();
if (tempArea > area) {
area = tempArea;
index = i;
}
}
MatOfPoint2f matOfPoint2f = new MatOfPoint2f(contours.get(index).toArray());
RotatedRect rect = Imgproc.minAreaRect(matOfPoint2f);
return rect;
}
得到最終輪廓后捌显，計算矩形輪廓與水平的夾角茁彭，然后旋轉(zhuǎn)圖像
/**
* 旋轉(zhuǎn)矩形
*
* @param src
* mat矩陣
* @param rect
* 矩形
* @return
*/
public static Mat rotation(Mat cannyMat, RotatedRect rect) {
// 獲取矩形的四個頂點
Point[] rectPoint = new Point[4];
rect.points(rectPoint);
double angle = rect.angle + 90;
Point center = rect.center;
Mat CorrectImg = new Mat(cannyMat.size(), cannyMat.type());
cannyMat.copyTo(CorrectImg);
// 得到旋轉(zhuǎn)矩陣算子
Mat matrix = Imgproc.getRotationMatrix2D(center, angle, 0.8);
Imgproc.warpAffine(CorrectImg, CorrectImg, matrix, CorrectImg.size(), 1, 0, new Scalar(0, 0, 0));
return CorrectImg;
}
最后我們在從旋轉(zhuǎn)后的圖像中，把我們感興趣的切割出來扶歪，就可以了
/**
* 把矯正后的圖像切割出來
*
* @param correctMat
* 圖像矯正后的Mat矩陣
*/
public static void cutRect(Mat correctMat , Mat nativeCorrectMat) {
// 獲取最大矩形
RotatedRect rect = findMaxRect(correctMat);
Point[] rectPoint = new Point[4];
rect.points(rectPoint);
int startLeft = (int)Math.abs(rectPoint[0].x);
int startUp = (int)Math.abs(rectPoint[0].y < rectPoint[1].y ? rectPoint[0].y : rectPoint[1].y);
int width = (int)Math.abs(rectPoint[2].x - rectPoint[0].x);
int height = (int)Math.abs(rectPoint[1].y - rectPoint[0].y);
System.out.println("startLeft = " + startLeft);
System.out.println("startUp = " + startUp);
System.out.println("width = " + width);
System.out.println("height = " + height);
for(Point p : rectPoint) {
System.out.println(p.x + " , " + p.y);
}
Mat temp = new Mat(nativeCorrectMat , new Rect(startLeft , startUp , width , height ));
Mat t = new Mat();
temp.copyTo(t);
HandleImgUtils.saveImg(t , "C:/Users/admin/Desktop/opencv/open/x/cutRect.jpg");
}
整合整個過程
/**
* 矯正圖像
*
* @param src
* @return
*/
public static void correct(Mat src) {
// Canny
Mat cannyMat = canny(src);
// 獲取最大矩形
RotatedRect rect = findMaxRect(cannyMat);
// 旋轉(zhuǎn)矩形
Mat CorrectImg = rotation(cannyMat , rect);
Mat NativeCorrectImg = rotation(src , rect);
//裁剪矩形
cutRect(CorrectImg , NativeCorrectImg);
HandleImgUtils.saveImg(src, "C:/Users/admin/Desktop/opencv/open/x/srcImg.jpg");
HandleImgUtils.saveImg(CorrectImg, "C:/Users/admin/Desktop/opencv/open/x/correct.jpg");
}
測試代碼
/**
* 測試矯正圖像
*/
public void testCorrect() {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
Mat src = HandleImgUtils.matFactory("C:/Users/admin/Desktop/opencv/open/x/x7.jpg");
HandleImgUtils.correct(src);
}
Java方面opencv的例子還是蠻少的理肺，代碼都是自己參考博客寫的，照顧不周的地方善镰，請見諒
本項目的所有代碼地址：https://github.com/YLDarren/opencvHandleImg
