图像处理案例之切除扫描件周边的白边

摘要：本文主要介绍了图像处理中的一个小项目——切除扫面件周边的白边。首先提出了解决问题的算法解决方案，然后进行了代码实现，最后对这一过程中可能存在的问题进行了总结。

1、问题描述

在进行文件扫描时，可能会存在一些白边问题，使得扫面件的质量不佳，如下图。当我们采用人工裁剪时，效率可能会比较差，因此需要设计一种解决方案来解决这一问题。

2、解决思路

在解决这一问题时，提出的方案是这样的：首先将文件进行识别，找出其边框线，用边框线构成的矩形框在原图上取图，最终得到去除边框的扫面件。

3、代码演示

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

using namespace cv;
using namespace std;

const char *InPut = "输入图像";
const char *OutPut = "边框图像";
const char *finalPut = "输出图像";

Mat src;

int ThresholdValue = 13;
const int maxLevel = 255;

void FindROI(int,void *) {
    Mat srcGray,EdgeImage;
    Rect box;
    Mat drawing = Mat::zeros(src.size(),CV_8UC3);
    cvtColor(src,srcGray,COLOR_BGR2GRAY);
    Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
    filter2D(srcGray,srcGray,srcGray.depth(),kernel);  
    Canny(srcGray,EdgeImage,ThresholdValue,ThresholdValue*2);
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(EdgeImage,contours,hierarchy,RETR_CCOMP,CHAIN_APPROX_SIMPLE);
    for (int i = 0; i < contours.size();i++) {
        RotatedRect minRect = minAreaRect(contours[i]);
        if (minRect.size.width>src.cols*0.75 && minRect.size.height>src.rows*0.75 && minRect.size.width < src.cols-5 && minRect.size.height<src.rows-5) {
            Point2f pt[4];
            minRect.points(pt);
            box = minRect.boundingRect();
            for (int i = 0; i < 4; i++) {
                line(drawing, pt[i], pt[(i + 1) % 4], Scalar(255,255,255), 2, 8, 0);
            }
        }
    }
    imshow(OutPut,drawing);
    Mat finalImage = src(box);
    imshow(finalPut, finalImage);
    return;
}

int main(int argc, char** argv) {
    src = imread("C:/Users/Lzy/Desktop/img/02.jpg");
    if (src.empty()) {
        cout << "could not load image..." << endl;
        return -1;
    }
    namedWindow(InPut,WINDOW_AUTOSIZE);
    imshow(InPut,src);
    namedWindow(OutPut, WINDOW_AUTOSIZE);
    namedWindow(finalPut, WINDOW_AUTOSIZE);
    createTrackbar("Threshold",OutPut,&ThresholdValue,maxLevel,FindROI);  //为了寻找最佳的边框线
    FindROI(0,NULL);

    waitKey(0);
    return 0;
}

 4、效果展示

5、总结

在上面的代码执行过程中，如果文件的颜色和白边的颜色对比足够明显，那么边框线的识别就会容易很多。而如果对比不够明显，那么边框线就不容易识别出来，那么也就会导致问题解决的失败。因此，在识别边框线时提前对图像进行锐化滤波，那么就会有效提高识别效率。