opencv(一)：图像规整

最新推荐文章于 2023-11-05 11:31:36 发布

芝麻芝麻哼

最新推荐文章于 2023-11-05 11:31:36 发布

阅读量541

点赞数

分类专栏： opencv 文章标签： opencv

本文链接：https://blog.csdn.net/u014249958/article/details/74567364

版权

在使用Caffe模型测试手写字符时，由于测试集与训练集图片风格不一致，导致准确率降低。本文介绍了一种图像预处理方法，通过OpenCV进行图像规整，包括转为灰度图、自适应二值化、黑白反转、查找最大连通域等步骤，最终提取并调整字符区域大小。代码实现中涉及了cvtColor、findContours、resize等关键函数。

摘要由CSDN通过智能技术生成

前言

在使用caffe训练好的模型测试手写字符图片的时候，发现测试集图片和训练集图片在样式上不太一致，导致测试准确率很低。所以在测试之前需要对图片预处理使其规整。

基本思路

读入一幅图片-》将其转换为灰度图-》将其进行自适应二值化-》将图片进行黑白反转，以保持与训练集一致-》查找图片中的最大连通域-》在原图上框出最大连通域的外接矩形-》取出感兴趣的字符区域-》采用三种方式将取出的字符区域图片变换成原来的大小。

代码实现

运行环境：vs2010+opencv2.4.10
采用的主要函数汇总：
cvtColor();颜色空间转换；
adaptiveThreshold();自适应二值化
findContours();提取轮廓
contourArea();计算轮廓面积
boundingRect();计算轮廓的垂直边界最小矩形
rectangle();画矩形
resize();图像缩放
具体代码如下：

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace cv;
int main()
{
    Mat img=imread("1.png");
    //判断图片是否正确读入
    if(img.empty())
    {
        std::cout<<"read error!"<<std::endl;
        return -1;
    }
    namedWindow("原图");
    imshow("原图", img);
    //将彩色图转换成灰度图
    Mat sample;
    cvtColor(img, sample, COLOR_BGR2GRAY);
    //将图片进行自适应二值化
    int threshold_type=CV_THRESH_BINARY;
    int adaptive_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;
    int blocksize=31;
    double offset=15;
    Ma