Z 轴倾斜矫正

图像倾斜

一般图像倾斜有两种情况：

• 平面倾斜：拍照设备与拍照对象平行，拍出来的图像只需要进行旋转即可完成矫正。

  

• Z 轴倾斜：拍照设备与拍照对象不平行，拍出来的图像要先进行透视变换，然后再进行旋转等操作才可以完成矫正。

  

上一篇文章我们采用理想化图片尝试了平面倾斜的矫正，今天我们继续用理想化图片尝试

Z轴倾斜矫正

。核心内容就是透视变换，Android OpenCV 系列中有有一篇关于透视变换的文章，当时我们是直接手动标点，然后生成透视矩阵完成透视变换。针对 Z 轴倾斜矫正，也是可以通过人为干预标点然后通过透视变换解决，但是为了综合利用下自学的API，尝试在理想图片下自动完成。

基本思路

• 均值漂移滤波
• 灰度化、二值化
• Canny边缘检测
• 轮廓发现
• 轮廓外接多边形
• 透视变换矩阵
• 透视变换

代码实现

均值漂移滤波

知识点：https://mp.weixin.qq.com/s/qNiI6MStRvm4LFiPhMiKWw

// 1. 均值漂移滤波
val blurred = Mat()
Imgproc.pyrMeanShiftFiltering(inputImage, blurred, 25.0, 10.0)

灰度化、二值化

知识点：https://mp.weixin.qq.com/s/rNkOlGlKmZTiGVM-_e7zYQ

知识点：https://mp.weixin.qq.com/s/SfMF0RLxyklZT8-2e7QqPg

/**
* 源图像灰度化二值化
*/
private fun processGrayAndBinary(src: Mat): Mat {
if (src.cols() > 1000 || src.rows() > 800) {//图片过大，进行降采样
Imgproc.pyrDown(src, src)
Imgproc.pyrDown(src, src)
}
var grayImage = Mat()
if (src.type() == CvType.CV_8UC1) {
grayImage = src.clone()
} else if (src.type() == CvType.CV_8UC3) {
Imgproc.cvtColor(src, grayImage, Imgproc.COLOR_BGR2GRAY)//转化灰度图
}

val binaryImage = Mat()
Imgproc.adaptiveThreshold(
grayImage,
binaryImage,
255.0,
Imgproc.ADAPTIVE_THRESH_MEAN_C,
Imgproc.THRESH_BINARY,
7,
0.0
)//自适应滤波
return binaryImage
}

Canny 边缘检测

知识点：https://mp.weixin.qq.com/s/6YiyPMz2JsbhhaIu8W9AEQ

// 3. 边缘检测
Imgproc.Canny(binary, binary, 100.0, 200.0, 3)

轮廓发现

知识点：https://mp.weixin.qq.com/s/teLC9is4DbaWspmlBRnZcA

// 4. 轮廓发现
val contours = mutableListOf<MatOfPoint>()
val hierarchy = Mat()
Imgproc.findContours(
binary,
contours,
hierarchy,
Imgproc.RETR_EXTERNAL,
Imgproc.CHAIN_APPROX_SIMPLE
)

轮廓多边形

知识点： https://mp.weixin.qq.com/s/k1XoftYDd_obuoo8aCm2xA

val externalContour2f = MatOfPoint2f()
contours.first().convertTo(externalContour2f, CvType.CV_32F)
val peri = Imgproc.arcLength(externalContour2f, true)
val approxCurve = MatOfPoint2f()
// 5. 多边形逼近
Imgproc.approxPolyDP(externalContour2f, approxCurve, 0.02 * peri, true)

透视变换矩阵

知识点：https://mp.weixin.qq.com/s/rJ2-lgnQlgn6mQfsIU8fSA

val dstPoints = mutableListOf(
Point(inputImage.width().toDouble(), 0.0),
Point(0.0, 0.0),
Point(0.0, inputImage.height().toDouble()),
Point(inputImage.width().toDouble(), inputImage.height().toDouble()),
)
val dstMat = Converters.vector_Point2f_to_Mat(dstPoints)
// 6. 透视变换矩阵
val transform = Imgproc.getPerspectiveTransform(approxCurve, dstMat)

透视变换

知识点：https://mp.weixin.qq.com/s/rJ2-lgnQlgn6mQfsIU8fSA

val dst = Mat()
// 7. 透视变换
Imgproc.warpPerspective(
inputImage,
dst,
transform,
inputImage.size(),
Imgproc.INTER_NEAREST
)

效果

如下图，基于一些几乎无干扰的理想图片，我们可以正确的基于轮廓多边形获取到四边形的四个顶点，生成透视变换矩阵并完成透视变换。但是现实生活中，这种理想图片几乎没有，全靠图像预处理达到理想图片的效果，这里我们仅将其作为综合使用 OpenCV 基础知识的示例。

源码

https://github.com/onlyloveyd/LearningAndroidOpenCV