Java中的图像处理边缘检测

这是我的情况。 它涉及对齐扫描图像，这将导致不正确的扫描。 我必须将扫描的图像与我的Java程序对齐。

这些是更多细节：

• 在一张纸上印有一个类似表格的表格，将其扫描成图像文件。
• 我将用Java打开图片，我将有一个OVERLAY文本框。
• 文本框应与扫描图像正确对齐。
• 为了正确对齐，我的Java程序必须分析扫描图像并检测扫描图像上表格边缘的坐标，从而定位图像和文本框，使文本框和图像都正确对齐（以防万一）不正确的扫描）

你看，扫描图像的人可能不一定将图像放在一个完全正确的位置，所以我需要我的程序在加载时自动对齐扫描图像。 这个程序可以在许多这样的扫描图像上重复使用，所以我需要这个程序灵活。

我的问题是以下之一：

1. 如何使用Java检测表格上边缘的y坐标和表格最左边缘的x坐标。 桌子是一张普通的桌子，有许多单元格，黑色细边框，印在白纸上（水平打印输出）

2. 如果存在一种更简单的方法来自动对齐扫描图像，使得所有扫描图像都将图形表对齐到相同的x，y坐标，则共享此方法:)。

3. 如果您不知道上述问题的答案，请告诉我应该从哪里开始。 我不太了解图形java编程，我有大约1个月的时间来完成这个程序。 假设我有一个紧张的时间表，我必须让我的图形部分尽可能简单。

干杯谢谢你。

Answer 1

尝试从一个简单的场景开始，然后改进方法。

1. 检测角落。
2. 找到表单边界的角点。
3. 使用表格角坐标，计算旋转角度。
4. 旋转/缩放图像。
5. 映射表单中每个字段相对于表单原点坐标的位置。
6. 匹配文本框。

本文末尾提出的计划执行步骤1至3.它是使用Marvin框架实施的。 下图显示了检测到的角落的输出图像。

该程序还输出： 旋转角度：1.6365770416167182

源代码：

import java.awt.Color; import java.awt.Point; import marvin.image.MarvinImage; import marvin.io.MarvinImageIO; import marvin.plugin.MarvinImagePlugin; import marvin.util.MarvinAttributes; import marvin.util.MarvinPluginLoader; public class FormCorners { public FormCorners(){ // Load plug-in MarvinImagePlugin moravec = MarvinPluginLoader.loadImagePlugin("org.marvinproject.image.corner.moravec"); MarvinAttributes attr = new MarvinAttributes(); // Load image MarvinImage image = MarvinImageIO.loadImage("./res/printedForm.jpg"); // Process and save output image moravec.setAttribute("threshold", 2000); moravec.process(image, null, attr); Point[] boundaries = boundaries(attr); image = showCorners(image, boundaries, 12); MarvinImageIO.saveImage(image, "./res/printedForm_output.jpg"); // Print rotation angle double angle = (Math.atan2((boundaries[1].y*-1)-(boundaries[0].y*-1),boundaries[1].x-boundaries[0].x) * 180 / Math.PI); angle = angle >= 0 ? angle : angle + 360; System.out.println("Rotation angle:"+angle); } private Point[] boundaries(MarvinAttributes attr){ Point upLeft = new Point(-1,-1); Point upRight = new Point(-1,-1); Point bottomLeft = new Point(-1,-1); Point bottomRight = new Point(-1,-1); double ulDistance=9999,blDistance=9999,urDistance=9999,brDistance=9999; double tempDistance=-1; int[][] cornernessMap = (int[][]) attr.get("cornernessMap"); for(int x=0; x 0){ if((tempDistance = Point.distance(x, y, 0, 0)) < ulDistance){ upLeft.x = x; upLeft.y = y; ulDistance = tempDistance; } if((tempDistance = Point.distance(x, y, cornernessMap.length, 0)) < urDistance){ upRight.x = x; upRight.y = y; urDistance = tempDistance; } if((tempDistance = Point.distance(x, y, 0, cornernessMap[0].length)) < blDistance){ bottomLeft.x = x; bottomLeft.y = y; blDistance = tempDistance; } if((tempDistance = Point.distance(x, y, cornernessMap.length, cornernessMap[0].length)) < brDistance){ bottomRight.x = x; bottomRight.y = y; brDistance = tempDistance; } } } } return new Point[]{upLeft, upRight, bottomRight, bottomLeft}; } private MarvinImage showCorners(MarvinImage image, Point[] points, int rectSize){ MarvinImage ret = image.clone(); for(Point p:points){ ret.fillRect(px-(rectSize/2), py-(rectSize/2), rectSize, rectSize, Color.red); } return ret; } public static void main(String[] args) { new FormCorners(); } } 

Answer 2

边缘检测通常通过增强相邻像素之间的对比度来完成，这样您就可以获得易于检测的线，适合进一步处理。

为此，“内核”根据像素的初始值和像素的邻居值来转换像素。 良好的边缘检测内核将增强相邻像素之间的差异，并降低具有相似内容的像素的强度。

我首先看一下Sobel运营商。 这可能不会返回对您有用的结果; 但是，如果你在对该领域知之甚少的情况下解决问题，它会比你更接近。

在你有一些清晰的干净边缘之后，你可以使用更大的内核来检测两条线中出现90％弯曲的点，这可能会给你外部矩形的像素坐标，这可能就足够了。

使用这些外部坐标，使新像素与旋转并移动到“匹配”的旧像素之间的平均值进行堆肥仍然是一种数学计算。 结果（特别是如果您不了解抗锯齿数学）可能非常糟糕，为图像添加模糊。

锐化滤镜可能是一种解决方案，但它们有自己的问题，主要是通过添加颗粒度使图像更清晰。 太多了，很明显原始图像不是高质量的扫描。

Answer 3

我过去做过的一个类似的问题基本上是找出了表单的方向，重新对齐它，重新缩放它，然后我就完成了。 您可以使用霍夫变换来检测图像的角度偏移（即：旋转多少），但您仍需要检测图像的边界。 它还必须适应纸张本身的边界。

这对我来说是一个幸运的rest时间，因为它基本上在黑色大边框的中间显示了黑白图像。

1. 使用积极的5×5中值滤波器来消除一些噪音。
2. 从灰度转换为黑白（重新调整强度值从[0,255]到[0,1]）。
3. 计算主成分分析（即：从计算出的特征值计算图像的协方差矩阵的特征向量）（ http://en.wikipedia.org/wiki/Principal_component_analysis#Derivation_of_PCA_using_the_covariance_method ）4）这为您提供了基础向量。 您只需使用它将图像重新定向到标准基础矩阵（即：[1,0]，[0,1]）。

您的图像现在很漂亮。 我这样做是为了规范整个人类大脑的MRI扫描方向。

您还知道实际图像周围有一个巨大的黑色边框。 您只需从图像的顶部和底部以及两侧删除行，直到它们全部消失为止。 到目前为止，您可以暂时将7×7中值或模式滤镜应用于图像的副本。 它有助于排除最终图像中剩余的边框，指纹，污垢等。

Answer 4

我研究了这些库，但最后我发现编写自己的边缘检测方法更方便。

下面的类将检测包含此类边缘的扫描纸张的黑色/灰色边缘，并将返回纸张边缘的x和y坐标，从最右端开始（反向=真）或从下端（反向=真）或从上边缘（反向=假）或从左边缘（反向=假）。 此外…程序将采用沿像素测量的垂直边缘（rangex）范围和以像素为单位测量的水平范围（范围）。 范围确定所接收点的exception值。

该程序使用指定的数组进行4次垂直切割，并进行4次水平切割。 它检索暗点的值。 它使用范围来消除exception值。 有时，纸上的小点可能会导致exception点。 范围越小，exception值越少。 但是，有时边缘略微倾斜，因此您不希望使范围太小。

玩得开心。 它对我来说很完美。

 import java.awt.image.BufferedImage; import java.awt.Color; import java.util.ArrayList; import java.lang.Math; import java.awt.Point; public class EdgeDetection { public App ap; public int[] horizontalCuts = {120, 220, 320, 420}; public int[] verticalCuts = {300, 350, 375, 400}; public void printEdgesTest(BufferedImage image, boolean reversex, boolean reversey, int rangex, int rangey){ int[] mx = horizontalCuts; int[] my = verticalCuts; //you are getting edge points here //the "true" parameter indicates that it performs a cut starting at 0. (left edge) int[] xEdges = getEdges(image, mx, reversex, true); int edgex = getEdge(xEdges, rangex); for(int x = 0; x < xEdges.length; x++){ System.out.println("EDGE = " + xEdges[x]); } System.out.println("THE EDGE = " + edgex); //the "false" parameter indicates you are doing your cut starting at the end (image.getHeight) //and ending at 0 //if the parameter was true, it would mean it would start the cuts at y = 0 int[] yEdges = getEdges(image, my, reversey, false); int edgey = getEdge(yEdges, rangey); for(int y = 0; y < yEdges.length; y++){ System.out.println("EDGE = " + yEdges[y]); } System.out.println("THE EDGE = " + edgey); } //This function takes an array of coordinates...detects outliers, //and computes the average of non-outlier points. public int getEdge(int[] edges, int range){ ArrayList result = new ArrayList(); boolean[] passes = new boolean[edges.length]; int[][] differences = new int[edges.length][edges.length-1]; //THIS CODE SEGMENT SAVES THE DIFFERENCES BETWEEN THE POINTS INTO AN ARRAY for(int n = 0; n n){ differences[n][m-1] = edges[n] - edges[m]; } } } //This array determines which points are outliers or nots (fall within range of other points) for(int n = 0; n= .5){ System.out.println("MEAN " + mean); return (int)mean+1; }else{ System.out.println("MEAN " + mean); return (int)mean; } } //this function computes "dark" points, which include light gray, to detect edges. //reverse - when true, starts counting from x = 0 or y = 0, and ends at image.getWidth or image.getHeight() //verticalEdge - determines whether you want to detect a vertical edge, or a horizontal edge //arr[] - determines the coordinates of the vertical or horizontal cuts you will do //set the arr[] array according to the graphical layout of your scanned image //image - this is the image you want to detect black/white edges of public int[] getEdges(BufferedImage image, int[] arr, boolean reverse, boolean verticalEdge){ int red = 255; int green = 255; int blue = 255; int[] result = new int[arr.length]; for(int n = 0; n=0:m<(verticalEdge ? image.getWidth():image.getHeight());){ Color c = new Color(image.getRGB(verticalEdge ? m:arr[n], verticalEdge ? arr[n]:m)); red = c.getRed(); green = c.getGreen(); blue = c.getBlue(); //determine if the point is considered "dark" or not. //modify the range if you want to only include really dark spots. //occasionally, though, the edge might be blurred out, and light gray helps if(red<239 && green<239 && blue<239){ result[n] = m; break; } //count forwards or backwards depending on reverse variable if(reverse){ m--; }else{ m++; } } } return result; } }