OpenCV - 精明的边缘检测无法正常工作

Question

我是 Android 的 OpenCV 新手。我目前正在开发文档检测演示应用程序。到目前为止我所做的如下：

原始图像 -> 灰度图像 -> 高斯模糊 -> Canny边缘检测 -> 寻找轮廓 -> 绘制轮廓

如下图所示，我能够完美地检测纸张。

但它没有检测到某些文档。以下是其中之一

我对此进行了很多研究，发现问题在于精明的边缘检测，下面是精明的图像：

如您所见，边缘检测没有完美链接，并且在某些点上没有连接边缘。这就是原因。

我在 How to select the best set of parameters in Canny Edge detection algorithm implemented in OpenCV? 遇到过类似的问题 我遵循了解决方案，但它对我不起作用。

我的canny检测代码如下：

double otsu_thresold = Imgproc.threshold(mGray,edged,0,255, Imgproc.THRESH_OTSU);
Imgproc.Canny(mRgba, edged, otsu_thresold*0.5,otsu_thresold);

我不知道我错在哪里！我应该怎么做才能完美地检测到文档？

Answer 1

首先必须改变执行 Canny 边缘检测 的方法。您在cv2.Canny()手动中设置了越来越低的阈值。您可以自动执行此操作。我使用THIS LINK 作为参考。

使用下面的sn-p：

v = np.median(gray_image)

#---- apply automatic Canny edge detection using the computed median----
lower = int(max(0, (1.0 - sigma) * v))
upper = int(min(255, (1.0 + sigma) * v))
edged = cv2.Canny(gray_image, lower, upper)
cv2.imshow('Edges',edged)

那我在这里做什么？

我正在取灰度图像的中值。选择 sigma 值 0.33 来设置 lower 和 upper 阈值。 0.33 值通常被统计学家用于数据科学。所以这里也考虑一下。

这是我得到的：

为了增强这个边缘信息，我使用cv2.MORPH_CROSS 内核执行了形态膨胀：

现在只需执行通常的cv2.findContours() 操作并绘制最大轮廓。

:)

Answer 2

对 Jeru Luke 发布的算法稍作修改后，我得到了更好的结果。

在文档检测中，我们宁愿搜索文档的深色阴影边缘：

• 对于浅色图像，例如白纸，中值较高，“255 - 中值”的表现优于中值
• 对于较小的值，sigma 太小，无法产生足够宽的范围。

这是我的 C# 算法：

    double s = 0.33;
    if (imageMedian > 191) // light images
    {
      cannyTh1 = (int)Math.Max(0, (1 - 2*s) * (255 - imageMedian));
      cannyTh2 = (int)Math.Max(85, (1 + 2*s) * (255 - imageMedian));
    }
    else if (imageMedian > 127)
    {
      cannyTh1 = (int)Math.Max(0, (1 - s) * (255 - imageMedian));
      cannyTh2 = (int)Math.Min(255, (1 + s) * (255 - imageMedian));
    }
    else if (imageMedian < 63) // dark images
    {
      cannyTh1 = (int)Math.Max(0, (1 - 2*s) * imageMedian);
      cannyTh2 = (int)Math.Max(85, (1 + 2*s) * imageMedian);
    }
    else
    {
      cannyTh1 = (int)Math.Max(0, (1 - s) * imageMedian);
      cannyTh2 = (int)Math.Min(255, (1 + s) * imageMedian);
    }

另外，一些文档的结果可以通过

• 使用中值滤波器后锐化图像
• 使用更强的中值滤波器
• 计算中值并对图像的各个部分执行 canny 滤波器，因为阴影和光线的影响在图像的各个部分可能会有很大差异