【OpenCV】基于Qt的“破产版”全能扫描王-白红宇

【OpenCV】基于Qt的“破产版”全能扫描王

阅读量：747 次

发布时间：2019-03-22

本文共 2015 字，大约阅读时间需要 6 分钟。

功能介绍

本项目主要包含证件扫描和文字纠正两个核心功能，软件界面简洁直观，用户可以通过菜单栏选择需要处理的图片文件。以下是主要功能的列表：

图片打开和保存

图片矫正（包括证件扫描和文字纠正）

图片锐化增强

图片清空

阈值设置

项目实现

证件扫描基本思路

抠图：提取图片轮廓

矫正：透视变换

锐化增强：二值化

算法设计（证件扫描）

提取边缘：

读取图像，转化为灰度图

降噪，二值化（使用高斯滤波）

适当膨胀，提高检测效率

边缘检测（Canny算法）

轮廓查找与筛选：

使用边缘检测结果找到轮廓

应用霍夫直线检测，筛选出符合条件的直线

排除距离过近或不相交的直线

透视变换：

确定输出图像的长宽（可自适应）

计算透视变换矩阵

应用透视变换矩阵对图像进行变换

锐化增强：

通过自适应二值化技术提升图像清晰度

UI设计

文字纠正

核心代码

证件扫描

Mat scanning() {    Mat src = imread(path);     Mat source = src.clone();    Mat bkup = src.clone();    Mat img = src.clone();    threshold(img, img, GRAY_THRESH, 255, CV_THRESH_BINARY);    GaussianBlur(img, img, Size(5, 5), 0, 0);    Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));    dilate(img, img, element);    Canny(img, img, 30, 120, 3);    vector
   
     contours;    vector RaisePropertyChanged++}

文字纠正

Mat rotate(Mat srcImage) {    // 转换为灰度图      Mat grayImage;      cvtColor(srcImage, grayImage, CV_RGB2GRAY);      // 获取图片原尺寸      const int nRows = grayImage.row;      const int nCols = grayImage.col;      // 图像DFT变换      int mRows = getOptimalDFTSize(nRows);      int mCols = getOptimalDFTSize(nCols);      Mat newImage;      copyMakeBorder(grayImage, newImage, 0, mRows - nRows, 0, mCols - nCols, BORDER_CONSTANT, Scalar::all(0));      Mat groupImage[] = {Mat_c-gray, Mat_c-gray};      merge(groupImage, mergeImage);      dft(mergeImage, mergeImage);      split(mergeImage, groupImage);      magnitude(groupImage[0], groupImage[1], groupImage[0]);      magImage = Scalar::all(1);      log(magImage, magImage);      // 获得图像中心点      int cx = magImage.cols / 2;      int cy = magImage.rows / 2;      // 交换象限      Mat LT, RT, LB, RB;      // 绘制纠正后的图像      warpAffine(srcImage, resultImage, rotateMat, srcImage.size(), 1, 0, Scalar(255, 255, 255));      return resultImage;}

项目截图

证件扫描

文字纠正

效果对比

效果对比（娱乐向）

项目总结

本项目实现了基本的证件扫描和文字纠正功能，类似“全能扫描王”我单独开发了一个版本，此页面中的扫描UI与原项目有所不同。

项目的核心算法基于透视变换和傅里叶变换，现有的实现存在一定的局限性，关键参数（如直线阈值、轮廓标准等）对最终结果有一定影响，后续需要进一步优化。

刚开始开发时对OCR概念理解不足，导致部分命名和设计存在疏漏，逐步学习后已明确其与本项目的区别。

希望本文能为刚入门的图像处理爱好者提供参考，共同进步！

转载地址：http://ziiwk.baihongyu.com/

你可能感兴趣的文章

mysql 前缀索引命令_11 | Mysql怎么给字符串字段加索引？