CN110738604A - 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 - Google Patents
基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 Download PDFInfo
- Publication number
- CN110738604A CN110738604A CN201910700589.9A CN201910700589A CN110738604A CN 110738604 A CN110738604 A CN 110738604A CN 201910700589 A CN201910700589 A CN 201910700589A CN 110738604 A CN110738604 A CN 110738604A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- straight lines
- straight line
- canny operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003702 image correction Methods 0.000 title description 2
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000003708 edge detection Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 16
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于Canny算子和Hough变换的大倾角证件图像自动矫正方法及系统,通过在对图像循环进行canny算子边缘检测、二值化和Hough变换直线检测过程中,控制Hough变换直线检测出的直线条数,找到canny算子合适的阈值;然后在canny算子边缘检测的二值化输出图像上进行轮廓检测,找到最大的轮廓并显示于另外一张图像进行直线检测;对直线进行筛选,找到方形证件的四条边,然后求交点得四个角点,最后进行透视变换得到输出结果图像。本发明在基于直线检测的基础上找角点的,使得方形证件由于部分反光无法形成完整边缘的情况得到有效避免,并且易于实现,应用效率高。
Description
技术领域
本发明涉及证件图像处理领域,具体涉及基于自适应Canny算子和Hough变换的大倾角证件图像自动矫正方法及系统。
背景技术
在现实生活中,人们有时需要将自己的某个证件用手机拍摄并发送给其他人,或者有填表之类需求等等。在这个时候,如果用手机或者相机直接进行拍摄的话,得到的图像中除了需要的目标外,还会有不需要的背景区域,同时由于目标倾斜等等不确定性因素,导致拍摄的图像不方便使用,于是证件照矫正方法就有了现实意义,使得纠正后的图像刚好就是所需的目标。一方面,可以通过手机或者相机拍照获取证件的照片,然后上传至PC端,然后对图片进行处理;另一方面,在得到拍摄的照片之后,通过算法找到目标证件的四个角点,然后通过透视变化来得到需要的图像。对于四个角点的检测,典型的检测角点的方法包括:基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于模板和基于模板梯度组合3类方法,其中基于模板的方法主要考虑像素领域点的灰度变化,即图像亮度的变化,将与邻点亮度对比足够大的点定义为角点。常见的基于模板的角点检测算法有Kitchen-Rosenfeld角点检测算法,Harris角点检测算法、KLT角点检测算法及SUSAN角点检测算法。和其他角点检测算法相比,SUSAN 角点检测算法具有算法简单、位置准确、抗噪声能力强等特点。但是,对于证件拍摄需要的照片来说,因为拍摄过程中很多时候会有反光导致部分区域过亮,利用上述检测角点的方法无法准确检测出四个角点,而且上述方法很容易会检测出其它不是所需的“角点”,为后续的透视变换带来了很大的麻烦,还可能会无法顺利的变换出需要的目标图像。
发明内容
本发明所要解决的技术问题是避免了在反光区域存在时无法顺利检测角点导致无法顺利实现透视变换的问题,目的在于提供有反光的证件照图像的矫正方法。由于本方法是基于自适应Canny算子和Hough变换的大倾角证件图像自动矫正方法,对于需要的证件照而言,只要能检测出目标四条边的部分而不需要整条边(因为反光区域会导致角点或者部分边难以检测),然后排序后求出四个交点即为需要的四个交点,在很大程度上避免了反光的影响。
本发明的技术方案提供一种基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,通过在对图像循环进行canny算子边缘检测、二值化和Hough变换直线检测过程中,控制Hough变换直线检测出的直线条数,找到canny算子合适的阈值;然后在canny算子边缘检测的二值化输出图像上进行轮廓检测,找到最大的轮廓并显示于另外一张图像进行直线检测;对直线进行筛选,找到方形证件的四条边,然后求交点得四个角点,最后进行透视变换得到输出结果图像。
而且,实现过程包括如下步骤:
步骤A)设置图像中最大直线检测条数,读入原图像并显示,设置canny算子低阈值为0,高阈值为低阈值的N1倍,其中高阈值用于区别要提取轮廓的物体与背景,低阈值用于平滑边缘的轮廓;其中,N1为预设的取值;
步骤B)对读入的原图像进行canny算子边缘检测,然后对canny边缘检测的输出图像进行二值化操作并由灰度图单通道转为RGB图像,然后进行Hough变换直线检测,存储检测出的直线的起点终点坐标;
步骤C)对步骤B中检测出的直线条数进行判断,若大小不为0且小于步骤A中的最大直线条数,则进入下一步骤D);否则canny算子低阈值自增1,返回步骤B);
步骤D)基于当前所得canny算子边缘检测的输出图像进行轮廓检测,并遍历所有轮廓得到包含像素点最大的轮廓;
步骤E)将步骤D)所得显示在另一张复制图像上;
步骤F)对步骤E)所得复制图像进行直线检测,存储得到的直线,然后进行筛选过滤如下,
对于所得任意两条直线A和B,如果直线A和B的斜率的差值的绝对值小于直线A和B斜率的和的绝对值的1/N2,则保留A和B中较长的那条直线,删掉较短的那条;其中,N2 为预设的取值;
对于斜率大于N3的直线,保留最长的那一条;其中,N3为预设的取值;
步骤G)设置初始化变量t=N4,其中,N4为预设的取值;对于步骤F)保留的任意两条直线A和B,进行以下处理,
如果A的起点等于B的终点或者A的终点等于B的起点,则认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去;
如果A的起点与B的终点所构成的直线的斜率与A或B的斜率的差的绝对值小于t,且 A的终点与B的起点所构成的直线的斜率与A或B的斜率的差的绝对值小于t,则仍认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去;
步骤H)变量t自增N5,对判断步骤G)裁减后保留的直线条数是否大于4,是则返回重复步骤G;否则进入步骤I);其中,N5为预设的取值;
步骤I)如果此时得到的直线条数不为4,则返回检测失败;若为4,则对这四条直线的斜率按绝对值重小到大排序,此时认为斜率绝对值较小的两个是对边,斜率绝对值较大的两个是对边,对边不求交点;
设排序后的直线分别称为直线1,2,3,4,求直线1和直线3、4的交点,直线2和直线3,4 的交点;
步骤J)对于步骤I中求得的四个交点作为角点根据距离排序,则将离原点最近的点认为是左上角点,离原点最远的点认为是右下角点,然后根据与原点的距离判断出左下角和右上角点;
步骤K)根据身份证的长宽比初始化输出矩阵,宽为a,高为b,然后保存(0,0)、(0,b)、 (a,0)和(a,b),求取透视变换矩阵,然后利用该矩阵对读入的原图像进行透视变换所得结果输出到初始化的输出矩阵中。
而且,步骤B)中,设置N1=3。
而且,步骤F)中,设置N2=10,N3=50。
而且,步骤G)中,设置N4=0.1。
而且,步骤H)中,设置N5=0.05。
而且,步骤J)中,将离原点最近的点认为是左上角点,离原点最远的点认为是右下角点,然后根据与原点的距离判断出左下角和右上角点,实现方式为,
设二者中离原点较近的点称为N点,离远点较远的点称为F点,
如果离原点最近的点的x坐标是四者中最小的,将N点和F点中y坐标较小的点视为右上角点,y坐标较大的点视为左下角点;
如果离原点最近的点的x坐标不是四者中最小的,将N点和F点中x坐标较大的点视为右上角点,x坐标较小的点视为左下角点。
本发明还提供一种基于Canny算子和Hough变换的大倾角证件图像自动矫正系统,用于执行如上所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法。
本发明在基于直线检测的基础上找角点的,使得方形证件由于部分反光无法形成完整边缘的情况得到有效避免。同时,通过直线求交点,可以有效的将整张证件照包含进去,因为类似身份证的证件四角都是弧线,如果角点出现在弧线上可能会使证件不完整。同时,本方法是对直线的斜率进行筛选的,易于实现。另外一方面,本发明是在最大轮廓上进行直线检测的,滤掉了很多噪声的影响且检测出来的直线条数较少,运算效率较快。
现有的很多算法都是在原图或者经过高斯平滑或者边缘膨胀的基础上进行检测,本发明通过循环筛选canny算子合适阈值,大大减少了噪声的影响。本发明与现有技术相比,具有如下的优点和有益效果:
1.本发明首先通过循环来确定canny算子的阈值,使得边缘检测的结果为后续计算带来了很大的便捷。
2.本发明是通过筛选直线求交点来获得四个角点的,筛选直线算法简单,易于实现且运算效率快,另外可以有效应付部分反光区域;同时,由于角点是通过求交点的方法求得的,可以有效将目标证件包含进去。
附图说明
图1为本发明实施例的整体流程图。
具体实施方式
为了更好地理解本发明的技术方案,下面结合附图和实施例对本发明做进一步的详细说明。
本发明提供的方形证件的矫正显示方法,通过对图像进行canny算子边缘检测,二值化, Hough变换直线检测等函数进行循环,控制Hough变换直线检测出的直线条数,来找到canny 算子合适的阈值,过滤掉图像中的部分影响因素。然后在canny算子边缘检测的二值化输出图像上进行轮廓检测,找到最大的轮廓并显示于另外一张图像进行直线检测,然后一步步对直线进行筛选,找到方形证件的四条边,然后求其交点得四个角点,最后利用Opencv函数得到透视变换矩阵并进行透视变换得到输出结果图像。
如图1所示,本发明实施例提供的一种基于自适应Canny算子和Hough变换的大倾角证件图像自动矫正方法,包括如下步骤:
步骤A)设置图像中最大直线检测条数,实施例中优选设为20,可以预先定义透视变换矩阵过程中的过渡辅助矩阵。然后读入原图像并显示。设置canny算子的低阈值为1,令高阈值恒为低阈值的3倍,后续低阈值调整时高阈值也随之调整。
其中高阈值用于将要提取轮廓的物体与背景区分开来,就像阈值分割的参数一样,是决定目标与背景对比度的;低阈值用于平滑边缘的轮廓,有时高阈值设置太大,可能边缘轮廓不连续或者不够平滑,通过低阈值来平滑轮廓线,或者是不连续的部分连接起来。
具体实施时,如果图像中最大直线检测条数的取值过高,由于噪声的存在会检测出许多其它不需要的线段导致误差或者检测失败,过低有可能会检测不出需要的线段,经试验建议优选取20。
步骤B)对读入的原图像进行canny算子边缘检测,然后对canny边缘检测的输出图像进行二值化操作,并将canny边缘检测的输出图像由灰度图单通道转为RGB三通道图像,然后对RGB图像进行Hough变换直线检测。
实施例中,将每条检测出的直线的起点终点坐标都储存于一个向量vector<Vec4i>lines中,向量名为lines,向量中每个元素是一个Vec4i,Vec4i也是一个向量,存放4个int类型的值。
实施例的步骤B)中通过步骤A)设置的最大直线检测条数控制检测出的直线条数,来获得较适合的canny算子边缘检测阈值,因为如果对canny边缘检测输出图像进行检测所得直线条数过大,则可能会导致噪声影响很大,无法为后续步骤提供一个较为合适的canny边缘检测输出图像;如果对canny边缘检测输出图像进行检测所得直线条数过小,则可能由于噪声的影响,导致后续步骤在canny边缘检测输出图像中无法顺利检测出方形证件四条边。
步骤C)对步骤B中得到的向量lines的大小(即检测出的直线条数)进行判断,若不为 0且小于相应阈值(即步骤A中的最大直线检测条数),则结束循环控制最大直线检测条数,基于当前所得canny算子边缘检测的输出图像进行下一步骤D);否则canny算子低阈值自增一,高阈值相应进行更新(仍为3倍),返回步骤B),迭代重复步骤B)和步骤C)。
步骤D)对通过上述循环控制最大直线检测条数得到的canny算子边缘检测的输出图像进行轮廓检测,并遍历得到的输出图像中所有轮廓得到包含像素点数目最大的轮廓。
步骤E)将最大的轮廓显示于另外一张图像上:将canny算子边缘检测的输出图像复制一次,并将复制得到的图像设为全黑,将步骤D中得到的最大轮廓用白线画在上述复制图像上。
将复制得到的图像设为全黑,可以更好地凸显白线绘制的轮廓。
步骤F)对上述画线后的复制图像进行直线检测,将得到的直线储存于向量vector<Vec4i>des中,该向量名为des。然后对向量des进行筛选过滤,对于des中的任意两条直线A和B,如果直线A和B的斜率的差值的绝对值小于直线A和B斜率的和的绝对值的十分之一,则保留A和B中较长的那条直线,删掉较短的那条,如果A和B一样长则任意删除其一;并且,对于斜率大于50的直线,保留最长的那一条。
实施例的步骤F)中第一次过滤部分直线,因为如果直线斜率过大,那么属于同一条边的检测直线可能斜率差距绝对值也比较大,所以对于斜率绝对值差值小于和的十分之一的两条直线,保留较长的直线;如果出现直线的斜率绝对值很大(指大于50)的,那么只保留最长的一条,因为对斜率绝对值大于50的边,检测直线斜率差距相当大,而且绝大多数情况下对方斜率绝对值不会都大于50,所以只需保留最长的一条边即可。
步骤G)设置初始化double变量t,对于des中的任意两条直线A和B,如果A的起点等于B的终点或者A的终点等于B的起点,则可认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去;如果A的起点与B的终点所构成的直线的斜率与A(或B)的斜率的差的绝对值小于t,且A的终点与B的起点所构成的直线的斜率与A(或B)的斜率的差的绝对值小于t,则仍可认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去。
实施例中,步骤G)中通过循环控制变量t的大小来逐渐过滤直线。因为对于斜率绝对值较小的直线,对边斜率绝对值都可能比较小,斜率差值绝对值几乎没有意义。于是采用A (B)起点-B(A)终点直线斜率与A(B)直线斜率绝对值之差法来判断是否是同一条边的检测直线,并逐渐增大t变量,来一步一步的过滤掉不需要的直线。
具体实施时,优选初始化double变量t=0.1。因为图像是数字化的,导致实物同一条边检测出的直线斜率差距不会很小,也不会很大。如果该值过小,会导致许多不必要的运算判断,致使效率降低;过大就会漏掉某些应该滤掉的直线。故采取合适小值递增的模式。经过大量试验发现,图像中即使很相近的直线斜率差距也几乎不会比0.1小,因此建议的优选取值为 t=0.1。
步骤H)变量t自增预设步骤(实施例优选取值0.05),对经历过步骤G裁减的vector<Vec4i>des,判断其大小,如果其大小(即保留的直线条数)大于4,则返回重复步骤G;否则进行下一步骤I)。
因为本发明的目标是证件照,因此阈值设为4。
步骤I)如果此时得到的直线条数不为4,则返回检测失败。若为4,则对这四条直线的斜率按绝对值重小到大排序,此时可认为斜率绝对值较小的两个是对边,斜率绝对值较大的两个是对边,对边不求交点。如果排序后的直线分别称为直线1,2,3,4,则求直线1和直线3、4的交点,直线2和直线3,4的交点,并将四个交点放在向量vector<Point>jiaodian中,向量名为jiaodian,这个向量中每个元素是一个点。
步骤J)对于步骤I中求得的四个交点即四个角点根据距离排序,则离原点最近的点可认为是左上角点,离原点最远的点可认为是右下角点。然后要判断出左下角和右上角点,对于这四个点中其余的两个点,为了方便表述,将二者中离原点较近的点称为N点,离远点较远的点称为F点。如果离原点最近的点的x坐标是四者中最小的,那么将N点和F点中y坐标较小的点视为右上角点,y坐标较大的点视为左下角点;如果离原点最近的点的x坐标不是四者中最小的,那么将N点和F点中x坐标较大的点视为右上角点,x坐标较小的点视为左下角点。然后依次将左上,左下,右下,右上四个角点压入vector<Point>jiaodian中。
实施例中,步骤J)中通过判断最近最远点来判断左上角点和右下角点。然后根据左上角点的x坐标是不是最小的,进而分别根据x或y坐标的大小来判断出左下角点和右上角点。
步骤K)根据身份证的长宽比初始化输出矩阵(宽为a,高为b),然后将(0,0)、(0,b)、 (a,0)和(a,b)四个目标点存入向量vector<Point>dst,向量名为dst。
利用开源计算机视觉库opencv的findHomography函数以及上述所求的向量jiaodian和 dst求得透视变换矩阵,然后利用该透视变换矩阵对读入的原图像进行透视变换,所得结果输出到初始化的输出矩阵中。
通过以上步骤F)-K),实现对直线进行一步步过滤,得到方形证件四条边,然后求交点,得到四个角点,然后利用opencv里面的函数得到透视变换矩阵并进行透视变换得到输出结果图像。
具体实施时,可采用软件方式实现流程的自动运行。运行流程的系统装置也应当在本发明的保护范围内。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代。
Claims (8)
1.一种基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:通过在对图像循环进行canny算子边缘检测、二值化和Hough变换直线检测过程中,控制Hough变换直线检测出的直线条数,找到canny算子合适的阈值;然后在canny算子边缘检测的二值化输出图像上进行轮廓检测,找到最大的轮廓并显示于另外一张图像进行直线检测;对直线进行筛选,找到方形证件的四条边,然后求交点得四个角点,最后进行透视变换得到输出结果图像。
2.根据权利要求1所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:实现过程包括如下步骤,
步骤A)设置图像中最大直线检测条数,读入原图像并显示,设置canny算子低阈值为0,高阈值为低阈值的N1倍,其中高阈值用于区别要提取轮廓的物体与背景,低阈值用于平滑边缘的轮廓;其中,N1为预设的取值;
步骤B)对读入的原图像进行canny算子边缘检测,然后对canny边缘检测的输出图像进行二值化操作并由灰度图单通道转为RGB图像,然后进行Hough变换直线检测,存储检测出的直线的起点终点坐标;
步骤C)对步骤B中检测出的直线条数进行判断,若大小不为0且小于步骤A中的最大直线条数,则进入下一步骤D);否则canny算子低阈值自增1,返回步骤B);
步骤D)基于当前所得canny算子边缘检测的输出图像进行轮廓检测,并遍历所有轮廓得到包含像素点最大的轮廓;
步骤E)将步骤D)所得显示在另一张复制图像上;
步骤F)对步骤E)所得复制图像进行直线检测,存储得到的直线,然后进行筛选过滤如下,
对于所得任意两条直线A和B,如果直线A和B的斜率的差值的绝对值小于直线A和B斜率的和的绝对值的1/N2,则保留A和B中较长的那条直线,删掉较短的那条;其中,N2为预设的取值;
对于斜率大于N3的直线,保留最长的那一条;其中,N3为预设的取值;
步骤G)设置初始化变量t=N4,其中,N4为预设的取值;对于步骤F)保留的任意两条直线A和B,进行以下处理,
如果A的起点等于B的终点或者A的终点等于B的起点,则认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去;
如果A的起点与B的终点所构成的直线的斜率与A或B的斜率的差的绝对值小于t,且A的终点与B的起点所构成的直线的斜率与A或B的斜率的差的绝对值小于t,则仍认为A和B是同一边的检测直线,然后保留A和B中较长的那条线,较短的那条线删去;
步骤H)变量t自增N5,对判断步骤G)裁减后保留的直线条数是否大于4,是则返回重复步骤G;否则进入步骤I);其中,N5为预设的取值;
步骤I)如果此时得到的直线条数不为4,则返回检测失败;若为4,则对这四条直线的斜率按绝对值重小到大排序,此时认为斜率绝对值较小的两个是对边,斜率绝对值较大的两个是对边,对边不求交点;
设排序后的直线分别称为直线1,2,3,4,求直线1和直线3、4的交点,直线2和直线3,4的交点;
步骤J)对于步骤I中求得的四个交点作为角点根据距离排序,则将离原点最近的点认为是左上角点,离原点最远的点认为是右下角点,然后根据与原点的距离判断出左下角和右上角点;
步骤K)根据身份证的长宽比初始化输出矩阵,宽为a,高为b,然后保存(0,0)、(0,b)、(a,0)和(a,b),求取透视变换矩阵,然后利用该矩阵对读入的原图像进行透视变换所得结果输出到初始化的输出矩阵中。
3.根据权利要求2所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:步骤B)中,设置N1=3。
4.根据权利要求2所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:步骤F)中,设置N2=10,N3=50。
5.根据权利要求2所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:步骤G)中,设置N4=0.1。
6.根据权利要求2所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:步骤H)中,设置N5=0.05。
7.根据权利要求1或2或3或4或5或6所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法,其特征在于:步骤J)中,将离原点最近的点认为是左上角点,离原点最远的点认为是右下角点,然后根据与原点的距离判断出左下角和右上角点,实现方式为,
设二者中离原点较近的点称为N点,离远点较远的点称为F点,
如果离原点最近的点的x坐标是四者中最小的,将N点和F点中y坐标较小的点视为右上角点,y坐标较大的点视为左下角点;
如果离原点最近的点的x坐标不是四者中最小的,将N点和F点中x坐标较大的点视为右上角点,x坐标较小的点视为左下角点。
8.一种基于Canny算子和Hough变换的大倾角证件图像自动矫正系统,其特征在于:用于执行如权利要求1至7所述的基于Canny算子和Hough变换的大倾角证件图像自动矫正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700589.9A CN110738604B (zh) | 2019-07-31 | 2019-07-31 | 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700589.9A CN110738604B (zh) | 2019-07-31 | 2019-07-31 | 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738604A true CN110738604A (zh) | 2020-01-31 |
CN110738604B CN110738604B (zh) | 2022-05-17 |
Family
ID=69267703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910700589.9A Active CN110738604B (zh) | 2019-07-31 | 2019-07-31 | 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738604B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111207659A (zh) * | 2020-01-07 | 2020-05-29 | 河北科技大学 | 一种基于电容阵列的芯片参数检测方法及装置 |
CN112419207A (zh) * | 2020-11-17 | 2021-02-26 | 苏宁金融科技(南京)有限公司 | 一种图像矫正方法及装置、系统 |
CN115187607A (zh) * | 2022-09-14 | 2022-10-14 | 山东鑫亚格林鲍尔燃油系统有限公司 | 一种基于图像处理的喷油器喷雾形态检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130056407A (ko) * | 2011-11-22 | 2013-05-30 | 건국대학교 산학협력단 | H.264 에러 은닉 영상을 위한 인페인팅 시스템 및 그 방법 |
CN106097329A (zh) * | 2016-06-07 | 2016-11-09 | 浙江工业大学 | 一种基于边缘检测的集装箱轮廓定位方法 |
CN108171674A (zh) * | 2018-01-15 | 2018-06-15 | 西北工业大学 | 针对任意视角投影仪图像的视觉矫正方法 |
CN108921176A (zh) * | 2018-06-22 | 2018-11-30 | 河海大学常州校区 | 一种基于机器视觉的指针式仪表定位与识别方法 |
CN110007854A (zh) * | 2019-02-21 | 2019-07-12 | 湖南大唐先一科技有限公司 | 一种基于时序数据有损压缩方法及系统 |
-
2019
- 2019-07-31 CN CN201910700589.9A patent/CN110738604B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130056407A (ko) * | 2011-11-22 | 2013-05-30 | 건국대학교 산학협력단 | H.264 에러 은닉 영상을 위한 인페인팅 시스템 및 그 방법 |
CN106097329A (zh) * | 2016-06-07 | 2016-11-09 | 浙江工业大学 | 一种基于边缘检测的集装箱轮廓定位方法 |
CN108171674A (zh) * | 2018-01-15 | 2018-06-15 | 西北工业大学 | 针对任意视角投影仪图像的视觉矫正方法 |
CN108921176A (zh) * | 2018-06-22 | 2018-11-30 | 河海大学常州校区 | 一种基于机器视觉的指针式仪表定位与识别方法 |
CN110007854A (zh) * | 2019-02-21 | 2019-07-12 | 湖南大唐先一科技有限公司 | 一种基于时序数据有损压缩方法及系统 |
Non-Patent Citations (3)
Title |
---|
M. D. ENJAT MUNAJAT ET AL.: "Road detection system based on RGB histogram filterization and boundary classifier", 《 2015 INTERNATIONAL CONFERENCE ON ADVANCED COMPUTER SCIENCE AND INFORMATION SYSTEMS (ICACSIS)》 * |
韩彬,杨大利: "基于透射变换的印刷品图像归一化研究", 《计算机工程与应用.HTTP://KNS.CNKI.NET/KCMS/DETAIL/11.2127.TP.20181225.2156.021.HTML》 * |
韩志超: "基于智能手机的身份证信息识别系统的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111207659A (zh) * | 2020-01-07 | 2020-05-29 | 河北科技大学 | 一种基于电容阵列的芯片参数检测方法及装置 |
CN112419207A (zh) * | 2020-11-17 | 2021-02-26 | 苏宁金融科技(南京)有限公司 | 一种图像矫正方法及装置、系统 |
CN115187607A (zh) * | 2022-09-14 | 2022-10-14 | 山东鑫亚格林鲍尔燃油系统有限公司 | 一种基于图像处理的喷油器喷雾形态检测方法 |
CN115187607B (zh) * | 2022-09-14 | 2022-11-22 | 山东鑫亚格林鲍尔燃油系统有限公司 | 一种基于图像处理的喷油器喷雾形态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110738604B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8477390B2 (en) | Image processor, image processing method, and computer program product | |
US9530069B2 (en) | Method and system for detecting and recognizing text in images | |
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN113489961B (zh) | 投影校正方法、装置、存储介质和投影设备 | |
US6298157B1 (en) | Locating and aligning embedded images | |
CN110738604B (zh) | 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 | |
EP3308350B1 (en) | Method of correcting a captured image, method of selecting a drawing sketched on a page or on two adjacent pages of a notebook, a relative app for smartphone, a hardback notebook and a hardback agenda | |
JP2007052670A (ja) | 辺検出方法及び隅評価方法及び装置及びプログラム | |
US20190191078A1 (en) | Information processing apparatus, a non-transitory computer readable storage medium and information processing method | |
US20180184012A1 (en) | Image processing apparatus, control method, and storage medium | |
US11170252B2 (en) | Face recognition method and computer system thereof | |
CN114820594A (zh) | 基于图像检测板材封边缺陷的方法、相关设备及存储介质 | |
CN114627561B (zh) | 动态手势识别方法、装置、可读存储介质及电子设备 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN110502948B (zh) | 折叠二维码图像的还原方法、还原装置与扫码设备 | |
JP2017500662A (ja) | 投影ひずみを補正するための方法及びシステム | |
US10275888B2 (en) | Algorithmic method for detection of documents in images | |
KR102279259B1 (ko) | 영상왜곡보정방법 및 이를 이용하는 객체수집방법 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
JP2007189577A (ja) | コンピュータプログラム、画像入力装置、画像入力システムおよび画像入力方法 | |
CN107845080B (zh) | 卡片图像增强方法 | |
CN108304840B (zh) | 一种图像数据处理方法以及装置 | |
CN111767751B (zh) | 二维码图像识别方法和装置 | |
CN114120320A (zh) | 一种图像多目标信息识别方法、系统及介质 | |
JP6075850B2 (ja) | 情報端末装置及びプログラム並びに認識システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |