圖片的傾斜檢測

本文轉載自查看原文 2018-04-12 08:10 965 OpenCV/ 傾斜檢測/ opencv

1、原理：

計算圖片里主要少數線條的平均角度，大於某個值則認為傾斜

2、效果圖：

傾斜的（設角度大於12度為傾斜）

正常的

3、流程

a、先對圖片進行大小縮放，加快處理速度

Mat srcPic = imread(pInFileName);
	int cols=configText.resizeCols;
	int rows=srcPic.rows/(srcPic.cols*1.00/cols);//按寬高比例縮放
	Mat src =Mat::zeros(rows,cols , CV_8UC3);
	resize(srcPic,src,src.size());

b、如果要檢索的圖片具有共同的特征（都是貨架且貨架顏色相同）可采用閾值化二分，讓邊緣檢測更有方向性（慎用！）

threshold(srcImage, srcThrImage, 40, 255, THRESH_BINARY);
	imshow("閾值化后的效果圖", srcThrImage);

c、通過Canny算子進行邊緣檢測

高閾值求邊緣低閾值平滑邊緣，可以將高低閾值的比率設置為足夠大如factor=5使得邊緣更加的平滑

Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);//Canny邊緣檢測算法，指定高低閾值（梯度幅值）

d、根據邊緣用HoughLinesP霍夫線變換檢測直線，最終需要控制檢測到的直線條數

方法說明：

霍夫變換使用極坐標來表示直線（極徑rho和極角theta），一條直線能夠通過在平面 $\theta$ - $r$ 尋找交於一點的曲線數量來檢測

CV_EXPORTS_W void HoughLinesP( InputArray image, OutputArray lines,
double rho, double theta, int threshold,
double minLineLength=0, double maxLineGap=0 );

rho:就是一個半徑的分辨率
theta:角度分辨率
threshold:判斷直線點數的閾值
minLineLength：線段長度閾值
minLineGap:線段上最近兩點之間的閾值（不大於此閾值則會認為是同一條直線上的點）

注意：

1、參數 threshold、minLineLength的設置很重要，關系到是否能過檢測到線段及數量，需要根據目標圖片的大小特征實驗得到

2、minLineGap建議設置為2會使實際的輪廓更多的識別為線段，太大也會導致識別太多的錯誤線段。

HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);//HoughLinesP霍夫線變換
	while (lines.size()>10)//為了保持檢查到的直線條數需要對threshold進行遞減或遞增
	{
		cannyThreshold+=10;
		Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);
		cvtColor(midImage, dstImage, CV_GRAY2BGR);
		HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);
	}
	if (!lines.size())
	{
		cannyThreshold-=10;
		Canny(srcThrImage, midImage, cannyThreshold,cannyThreshold*factor);
		cvtColor(midImage, dstImage, CV_GRAY2BGR);
		HoughLinesP(midImage, lines, 1, CV_PI / 180, configText.thresholdVal, configText.minLineLength, configText.maxLineGap);
	}

e、對檢測到的線條計算平均角度用來判斷是否傾斜

注意：

1、檢測到最大角度不會超過45度

2、保證檢測到的線條數足夠多（如50，太多會有很多無效的線段導致最終結果無意義），讓計算的平均角度與實際更加的符合

double DetectionSlope::GetAvgAngle(const vector<Vec4i>& lines){//通過直線求平均角度
	double totalAngle=0;
	for (auto & line : lines)
	{
		//360度=2π弧度
		auto radian=atan(abs((line[3]-line[1])*1.0/(line[2]-line[0])));
		auto angle=abs(360*radian/(2*CV_PI));
		if(angle>45)
			angle=abs(90-angle);
		totalAngle+=angle;
	}
	return totalAngle/lines.size();
}

4、補充

a、對於沒有扭曲只是角度傾斜的圖片可通過旋轉來修正

//逆時針旋轉圖像degree角度（原尺寸）    
void rotateImage(Mat src, Mat& img_rotate, double degree)
{
	//旋轉中心為圖像中心    
	Point2f center;
	center.x = float(src.cols / 2.0);
	center.y = float(src.rows / 2.0);
	int length = 0;
	length = sqrt(src.cols*src.cols + src.rows*src.rows);
	//計算二維旋轉的仿射變換矩陣  
	Mat M = getRotationMatrix2D(center, degree, 1);//獲取旋轉矩陣
	warpAffine(src, img_rotate, M, Size(length, length), 1, 0, Scalar(255,255,255));//仿射變換，背景色填充為白色  
}

b、對於存在扭曲的圖片進行修正需要找到四個角的坐標點，一般認為是檢測到的直線的四個角度（這個不太靠譜，找准實際的四個點比較難）

通過檢測到的四個坐標點，形成源與目標的變換矩陣，再對圖片進行透視變換

	Mat m1 = Mat(srcTriangle);
	Mat m2 = Mat(dstTriangle);
	Mat status;
	Mat h = findHomography(m1, m2, status, 0, 3);//獲取單映射H（理解為兩帳圖片的點映射）
	warpPerspective(this->srcImage, this->dstImage, h, this->dstImage.size());//對圖像進行透視變換，就是變形