处理对象——虚线表格

把之前做研电赛的东西做一点小的分享，先给大家看一下所处理的对象。可以看到我们所面对的表格具有特殊性和复杂性，表格线为虚线，且存在错位情况。在这种情况下想要准确检测出表格区域，并不是容易的事。

我们需要对这种原始图像做较多的预处理，以达到去掉文字干扰的目的，下次的博客可以再对这块进行一个细致的说明。
我制作了一张预处理之后的图片来做算法测试。

处理方法——角点检测

角点检测作为图像处理中对于特征提取与检测的重要方式之一，具有非常广泛的应用空间。
角点的具体描述可以有几种：

一阶导数(即灰度的梯度)的局部最大所对应的像素点；
两条及两条以上边缘的交点；
图像中梯度值和梯度方向的变化速率都很高的点；
角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。
角点检测中常用的算法有Harris角点检测和Shi-Tomasi 角点检测算法。Shi-Tomasi 算法是对Harris的改进，今天主要分享Harris算法的运用。

Harris角点检测

当一个窗口在图像上移动，在平滑区域如图(a)，窗口在各个方向上没有变化。在边缘上如图(b)，窗口在边缘的方向上没有变化。在角点处如图©，窗口在各个方向上具有变化。Harris角点检测正是利用了这个直观的物理现象，通过窗口在各个方向上的变化程度，决定是否为角点。

将图像窗口平移[u,v]产生灰度变化E(u,v)

由：
得到：

对于局部微小的移动量 [u,v]，近似表达为：

其中M是 2*2 矩阵，可由图像的导数求得：

E(u,v)的椭圆形式如下图：

定义角点响应函数 R 为：

Harris角点检测算法就是对角点响应函数R进行阈值处理：R > threshold，即提取R的局部极大值。

函数解读

C++:

void cornerHarris(InputArray src,//输入的原图Mat类型，需要为单通道8位或者浮点型图像OutputArray dst, //存放Harris角点检测的输出结果，和原图片有一样的尺寸和类型；int blockSize, //表示邻域的大小，更多详细信息在cornerEigenValsAndVecs()中讲到；int ksize,//表示Sobel()算子的孔径的大小； double k, //Harris参数；通常是0.04int borderType=BORDER_DEFAULT)//图像像素的边界模式。注意它有默认值BORDER_DEFAULT；

我的代码如下，你需要先配置好opencv到VS中，具体操作可以看我之前的博客；

#include<opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2\imgproc\types_c.h>//opencv4所不一样的地方
#include <iostream>using namespace cv;
using namespace std;Mat image;
Mat imageGray;
int thresh = 170;
int MaxThresh = 255;void Trackbar(int, void*);  //阈值控制int main()
{image = imread("4.jpg");cvtColor(image, imageGray, CV_RGB2GRAY);GaussianBlur(imageGray, imageGray, Size(5, 5), 1); // 滤波namedWindow("Corner Detected");//,CV_WINDOW_AUTOSIZEcreateTrackbar("threshold：", "Corner Detected", &thresh, MaxThresh, Trackbar);imshow("Corner Detected", image);Trackbar(0, 0);waitKey();return 0;
}void Trackbar(int, void*)
{Mat dst, dst8u, dstshow, imageSource;dst = Mat::zeros(image.size(), CV_32FC1);imageSource = image.clone();cornerHarris(imageGray, dst, 9, 5, 0.04, BORDER_DEFAULT);normalize(dst, dst8u, 0, 255, CV_MINMAX);  //归一化convertScaleAbs(dst8u, dstshow);imshow("dst", dstshow);  //dst显示for (int i = 0; i<image.rows; i++){for (int j = 0; j<image.cols; j++){if (dstshow.at<uchar>(i, j)>thresh)  //阈值判断{circle(imageSource, Point(j, i), 2, Scalar(0, 0, 255), 2); //标注角点cout << Point(j, i);}}}rectangle(imageSource, cvPoint(69, 49), cvPoint(440, 603), cvScalar(0, 0, 255), 2, 4, 0);imshow("Corner Detected", imageSource);
}

处理结果

可以看到在阈值设定合适的情况下，对角点的检测效果还是比较客观的，但阈值的设定存在一定困难，面对不同的图容易出现如下情况，将粗的直线认为是矩形从而检测出过多的角点，我认为为了避免这类情况需要在预处理阶段做出更多干预处理。下一篇博客分享

参考博客：https://blog.csdn.net/qq_27396861/article/details/87898892
https://blog.csdn.net/xiaowei_cqu/article/details/7805206

【opencv】角点检测——虚线表格相关推荐

OpenCV角点检测之Harris角点检测
本篇文章中,我们一起探讨了OpenCV中Harris角点检测相关的知识点,学习了OpenCV中实现Harris角点检测的cornerHarris函数的使用方法.此博文一共有两个配套的麻雀虽小但五脏俱全 ...
opencv角点检测学习总结
学习opencv 角点检测如果一个点在两个正交方向上都有明显的导数,则我们认为此点更倾向于是独一无二的,所以许多可跟踪的特征点都是角点. 一下为角点检测中用到的一些函数 cvGoodFeatures ...
OpenCV角点检测源代码分析（Harris和ShiTomasi角点）
OpenCV中常用的角点检测为Harris角点和ShiTomasi角点. 以OpenCV源代码文件 .\opencv\sources\samples\cpp\tutorial_code\Trackin ...
OpenCV角点检测: Harris算子, ShiTomasi算子
角点检测角点的特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系.点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做&quo ...
opencv 角点检测
一.话说角点三种基本的图像特征边缘,对应下图黑框部分角点,对应下图红框部分团块,对应下图蓝框部分下面介绍三种经典的角点检测的算法(前方公式高能,非战斗人员可直接跳到API和Demo部分) H ...
OpenCV——角点检测原理分析（Harris，Shi-Tomasi、亚像素级角点检测）
一.角点(corner) 角点通常被定义为两条边的交点,或者说,角点的局部邻域应该具有两个不同区域的不同方向的边界.角点检测(Corner Detection)是计算机视觉系统中获取图像特征的一种方法 ...
opencv——角点检测
一:角点检测什么是角点,难道是角落里面的点?我们知道,比如说墙角,他有往左延申的边缘,又有往右延申的边缘,那么这样的概念同样可以帮助我们理解图像的角点检测. 其实我们人眼对于角点的识别是通过一个小窗 ...
OpenCV——角点检测 (Corner Detection)
角点角点通常被定义为两条边的交点,或者说,角点的局部邻域应该具有两个不同区域的不同方向的边界.角点检测(Corner Detection)是计算机视觉系统中获取图像特征的一种方法,广泛应用于运动检测 ...
OpenCV —— 角点检测之 Harris 角点检测、Shi-Tomasi 角点检测、FAST 角点检测
角点检测 Harris 角点检测实现原理 OpenCV 函数优化 Shi-Tomasi 角点检测实现原理 OpenCV 函数 FAST 角点检测实现原理 OpenCV 函数优化在图像处理和 ...

【opencv】角点检测——虚线表格