OpenCV实现图片批号效期提取

学更好的别人,

做更好的自己。

——《微卡智享》

c75b058938da4c8558fd1868ca5084d7.png

本文长度为985,预计阅读2分钟

前言

最近正好遇到了一个图片的效期提取,正好当做一个小练习记录一下。

b9fe52678e07c9f3cd938c6568a89eb3.png

实现效果

93f5efcd66d3a4ead7e390cd61d61676.png

左边的大图是截取后的原图,右边是提取后的实际图,然后根据提取出来的再进行OCR识别,识别这块就不再说了,这里只是写一下怎么提取的图片。

#实现思路
1转灰度图、高斯模糊
2Canny边缘提取
3定义X轴较长的一个卷积进行膨胀操作
4查找轮廓,找到符合条件的截取出来

01

预处理

读取图像,转为灰度图,然后高斯模糊。

e84632f1fb18708175906cb5170d3c25.png

3325e3a50acdb90cf3389611391b6f6c.png

预处理后的图像

02

Canny边缘提取

bddcab612f9043abea4013d35cc61332.png

这里测试后发现使用50,120的阈值效果不错

ff14cf8888d7e1ab5ebd9baa2f789783.png

Canny后的效果

用Canny的边缘提取的效果是最好的,如果考虑图像二值化什么的,效果会差很多,下面是用二值化和自适应二值化后的效果,可以看到都很不理想。

c6ed8b12ef232bd8f39ded19c5e45ea9.png

bafdd3fc0fb50c2623d04327161fa777.png

二值化的效果

900b28c3a777140b0245e0d59e79e555.png

bf0af2956830f36a10011a3f58abdb36.png

自适应二值化效果

上面可以看到,正常二值化效果最差,自适应二值化干扰项也很多,Canny边缘提取的效果最好。

03

膨胀操作

其实上图Canny提取后,里面直接就有一个正方形了,可以不需要这一步直接提取轮廓即可,不过再另一张图效果就没有那么好了,比如下面这个。

732a0a0f29749b9f0c21d3c337e011c2.png

所以要对上面这个图做一个卷积为(30,5)的膨胀操作,尽量让其都连接起来。

34e0f8104a7e58e9e4d2ba09f0035f8e.png

b58613326d8d3e559bcbab0a78e42f99.png

膨胀后的效果

04

查找轮廓

d274595325289718a73ffb3ca3def8d7.png

将所有轮廓都查找出来,这里只查找最外侧轮廓就行,然后画出效果

3cbbb017ac083b1bc730fa82ed400b82.png

这一步只是看效果的,真正可以用不到,直接判断符合的轮廓提取即行

3d5ae204c186d6138cef92e885ae4621.png

9d270e640d678d562336a8d88731f0a9.png

完整代码

#pragma once
#include <iostream>
#include<opencv2/opencv.hpp>


using namespace std;
using namespace cv;


int main(int argc, char** argv) {
  Mat src = imread("E:/DCIM/testdate/pic1.png");


  imshow("src", src);


  Mat gray, dst;
  //转换灰度图
  cvtColor(src, gray, COLOR_BGR2GRAY);
  //高斯模糊
  GaussianBlur(gray, gray, Size(3, 3), 0.5, 0.5);


  imshow("gray", gray);




  //Canny边缘检测
  Canny(gray, dst, 50, 120);
  imshow("Canny", dst);


  Mat dst2;
  //使用膨胀操作,kernel定义的要长一点
  Mat kernel = getStructuringElement(MORPH_RECT, Size(30, 5));
  morphologyEx(dst, dst2, MORPH_DILATE, kernel);


  imshow("morph", dst2);


  //查找轮廓,只找最外侧轮廓
  vector<vector<Point>> contours;
  findContours(dst2, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);


  RNG rng(12345);
  Mat dstzero = Mat::zeros(dst2.size(), CV_8UC3);
  for (int i = 0; i < contours.size(); ++i) {
    //判断符合区域
    RotatedRect rRect = minAreaRect(contours[i]);
    Rect rect = rRect.boundingRect();


      Scalar color = Scalar(rng.uniform(0, 255), 
        rng.uniform(0, 255), rng.uniform(0, 255));
      rectangle(dstzero, rect, color);
  }
  imshow("zero", dstzero);


  for (int i = 0; i < contours.size(); ++i) {
    //判断符合区域
    RotatedRect rRect = minAreaRect(contours[i]);
    Rect rect = rRect.boundingRect();
    if (rect.width / rect.height < 2) {
      Mat cutmat = src(rect);
      imshow("dstzero"+i, cutmat);
    }
  }


  waitKey(0);
  return 0;
}

025a077ca1efc6bf96d44b073e8e72b8.png

af144700c8a3317691ff1785ca2c99f7.png

往期精彩回顾

 

75e8a40b00f3cd5ef0df58ec80d9fb60.png

OpenCV图像锐化---USM锐化和Laplace锐化

 

 

4f0929f04074cd9b8180d951ebb2e7a8.png

Android Studio 2021.1.1的getNdkVersion的Bug及解决办法

 

 

a17e3b8fe541272f760ee0501f91cceb.png

笔记--解决Android使用retrofit2 OkHttp3短时间内大量通讯提示Socket Failed:EMFILE

 

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Vaccae

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值