印刷品背景去除 - OpenCV - C/C++实现

2016-05-19

1. 概述

算法目标是自动去除印刷品图像中的非白色背景。简单的阈值分割和填充算法都很难满足要求，我的思路是这样的：

用漫水填充算法简单填充背景，得到图1。
提取原图像的内外轮廓并填充，然后与原图像叠加以锐化边缘，得到图2。
填充图2的背景，然后与图1叠加，得到效果图。

2. 优势与缺陷

以上算法明显的优点有两个：

1）清晰地保留文字信息。在实验过程中，我们发现漫水填充算法可以非常清晰地保留文字骨架，不会出现发虚现象，但是由于部分字迹已经褪色，该算法会直接剔除这些字迹。解决这个问题的方法是轮廓填充和锐化边缘，相当于在漫水填充时使用了蒙版。 2）完美去除背景噪声。二值化方法很大的缺陷是会在背景上留下噪声，如果印刷品有水渍或者阴影，二值化方法的效果会非常糟糕。本文算法较好解决该问题，基本不会有背景噪声留下。

由于时间匆忙，算法的缺陷也遗留很多：

1）孔洞背景很难填充。因为我们用的是填充算法，闭区域内的背景很难消除。我做了一定改进，按照步长遍历图像，遇到大于灰度阈值的像素则开始填充，虽然改进效果也很不错，但不并不能完全填充孔洞，而且有可能误填充字迹。 2）部分文字缺失。仍然存在部分字迹缺失。这一问题有可能是边缘检测和轮廓提取阈值选定的问题，通过调参会有改善。

3. 部分代码

#include <cv.h>
#include <opencv2/core.hpp> 
#include <opencv2/opencv.hpp>  
#include <opencv2/imgproc/imgproc.hpp> 
#include <highgui.h>
#include <math.h>
#include "CEdge.h"
#include <iostream>

using namespace std;
using namespace cv;

void sharpenImage1(const Mat &image, Mat &result);
void FillInternalContours(IplImage *pBinary);

int main(int argc, char* argv[])
{
    char srcName[] = "test.jpg";

    IplImage * src = cvLoadImage(srcName, 0);
    IplImage * img = cvLoadImage(srcName, 0);
    IplImage * imgSrc = img;
    CvSize sizeSrc = cvGetSize(imgSrc);

    CvScalar mean = 0;
    CvScalar std = 0;
    double minValue = 0, maxValue = 0;

    cvAvgSdv(imgSrc, &mean, &std);
    cvMinMaxLoc(imgSrc, &minValue, &maxValue);

    Rect ccomp;

    CEdge edge;
    edge.extractEdge(srcName);
    imgSrc = edge.getEdge();

    for (int i = 0; i < sizeSrc.width; i+=5)
    {
        for (int j = 0; j < sizeSrc.height; j+=5)
        {
            float tmp = CV_IMAGE_ELEM(src, float, j, i);
            if (tmp > mean.val[0] + std.val[0])
            {
                cvFloodFill(src, Point(i, j), CV_RGB(255, 255, 255), Scalar(20, 20, 20), Scalar(50, 50, 50));
            }
        }
    }

    FillInternalContours(imgSrc);

    cvMax(img, imgSrc, imgSrc);
    for (int i = 0; i < sizeSrc.width; i += 5)
    {
        for (int j = 0; j < sizeSrc.height; j += 5)
        {
            float tmp = CV_IMAGE_ELEM(imgSrc, float, j, i);
            if (tmp > mean.val[0] + std.val[0])
            {
                cvFloodFill(imgSrc, Point(i, j), CV_RGB(255, 255, 255), Scalar(20, 20, 20), Scalar(50, 50, 50));
            }
        }
    }

    cvMin(src, imgSrc, imgSrc);

    cvNamedWindow("Result", CV_WINDOW_AUTOSIZE);
    cvShowImage("Result", imgSrc);

    cvWaitKey(0);

    cvDestroyWindow("Result");
    cvReleaseImage(&src);
    cvReleaseImage(&img);
    cvReleaseImage(&imgSrc);

    return 0;
}

void FillInternalContours(IplImage *pBinary)
{
    double dConArea;
    CvSeq *pContour = NULL;
    CvSeq *pConInner = NULL;
    CvMemStorage *pStorage = NULL;
    if (pBinary)
    {
        pStorage = cvCreateMemStorage(0);
        cvFindContours(pBinary, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
        cvDrawContours(pBinary, pContour, 0, 0, 2, 1, 8, cvPoint(0, 0));
        for (; pContour != NULL; pContour = pContour->h_next)
        {
            for (pConInner = pContour->v_next; pConInner != NULL; pConInner = pConInner->h_next)
            {
                cvDrawContours(pBinary, pConInner, 0, 255, 0, 1, 8, cvPoint(0, 0));
            }
        }
        cvReleaseMemStorage(&pStorage);
        pStorage = NULL;
    }
}