VS2017+OpenCV+Halcon实现包装袋日期识别（一）——目标提取

栖玖

已于 2022-04-10 21:37:41 修改

阅读量3k

点赞数 3

分类专栏：包装袋日期识别文章标签： opencv c++

于 2022-04-08 22:14:31 首次发布

本文链接：https://blog.csdn.net/li1550153302/article/details/124036378

版权

包装袋日期识别专栏收录该内容

3 篇文章 1 订阅

订阅专栏

本文详细介绍了如何在Visual Studio环境中利用OpenCV进行图像预处理，包括灰度转换、高斯模糊、二值化、闭运算、Canny边缘检测和膨胀操作，以提取包装袋上的日期区域。接着，通过寻找轮廓并筛选出符合条件的区域，精确定位日期。最后，通过反射变换提取目标区域并矫正，为后续使用Halcon进行OCR识别做好准备。该方法针对特定图像，但不具有一般性。

摘要由CSDN通过智能技术生成

前言

本文将介绍在vs平台上OpenCV联合Halcon，实现包装袋的日期识别。本文仅供学习和参考，若有不妥的地方，欢迎友善指出。

本示例分为三部分，第一部分介绍使用OpenCV提取目标区域，第二部分介绍使用Halcon的OCR进行日期识别，第三部分将整合OpenCV与Hanlcon。

先对图像进行预处理：

#include<iostream>
#include<opencv2/opencv.hpp>
#include<vector>

using namespace std;
using namespace cv;


int main()
{
	int ret = 0;

	Mat img = imread("C:\\Users\\Public\\Pictures\\baozhuang03.jpg");
	//imshow("test", img);
	Mat imgGray, imgBlur, imgCanny, imgDil, imgErode, imgSobel, imgClose;

	//图像预处理
	cvtColor(img, imgGray, COLOR_BGR2RGBA);
	GaussianBlur(imgGray, imgBlur, Size(5, 5), 5, 0);

	threshold(imgBlur, imgBlur, 130, 255,THRESH_BINARY );

	Mat kernel = getStructuringElement(0, Size(35, 35));
	morphologyEx(imgBlur, imgClose, MORPH_CLOSE, kernel);

	Canny(imgClose, imgCanny, 30, 30);

	Mat kernel2 = getStructuringElement(0, Size(5, 5));
	dilate(imgCanny, imgDil, kernel2);
	

	waitKey(0);
	system("pause");

	return 0;
}

二值化

闭运算

Canny边缘检测

Dilate膨胀运算

接下来选取轮廓：

使用findContours提取预处理后的轮廓，通过筛选图像的轮廓面积，就能定位到日期所在位置，当然，也可以用矩形的长宽比来筛选。

//找轮廓
	vector<vector<Point>>contours;
	vector<Vec4i>hierarchy;

	findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	//drawContours(img, contours, -1, Scalar(0, 255, 0), 2);

	for (int i = 0; i < contours.size(); i++) {
		int area = contourArea(contours[i]);
		//cout << area << endl;

		vector<vector<Point>>conPoly(contours.size());
		vector<Rect>boundRect(contours.size());
		
        //根据面积筛选
		if (area > 14000 && area < 15000) {
			float peri = arcLength(contours[i], true);
			approxPolyDP(contours[i], conPoly[i], 0.02*peri, true);

			RotatedRect rrect = minAreaRect(conPoly[i]);
			Point2f points[4];
			rrect.points(points);
			Point2f cpt = rrect.center;
			for (int i = 0; i < 4; i++) {
				if (i == 3)
				{
					line(img, points[i], points[0], Scalar(0, 255, 0), 1, 8, 0);
					break;
				}
				line(img, points[i], points[i + 1], Scalar(0, 255, 0), 1, 8, 0);
			  }

         }

    }

如图被绿色框出区域为所需要检测的日期。

最后将目标区域截取出来，并保存备用：

定位到日期所在位置后，使用反射变换等，将目标区域提取出来，并矫正。

            //反射变换

		float w = 500, h = 40;
		Mat matrix, imgWarp;
		Point2f src[4] = { points[0],points[1],points[3],points[2] };
		Point2f dst[4] = { {0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h} };

		matrix = getPerspectiveTransform(src, dst);
		warpPerspective(img, imgWarp, matrix, Point(w, h));

		flip(imgWarp, imgWarp, -1);
		imshow("Image Warp", imgWarp);
		imwrite("01.jpg", imgWarp);