Android OpenCV Encuentra la plaza o rectángulo más grande

Después de canny

1- es necesario reducir los ruidos con el desenfoque gaussiano y encontrar todos los contornos

2- encontrar y listar todas las áreas de los contornos .

3- el contorno más grande no será más que la pintura.

4- ahora usa la transformación perpective para transformar tu forma en un rectángulo.

Verifique los ejemplos de sudoku solver para ver el problema de procesamiento similar. (Mayor contorno + perspectiva)

Me tomó un tiempo para convertir el código C ++ a Java, pero aquí está 🙂

Advertencia ! Código crudo, totalmente no optimizado y todo.

Rechazo cualquier responsabilidad en caso de lesiones o accidentes letales

  List<MatOfPoint> squares = new ArrayList<MatOfPoint>(); public Mat onCameraFrame(CvCameraViewFrame inputFrame) { if (Math.random()>0.80) { findSquares(inputFrame.rgba().clone(),squares); } Mat image = inputFrame.rgba(); Imgproc.drawContours(image, squares, -1, new Scalar(0,0,255)); return image; } int thresh = 50, N = 11; // helper function: // finds a cosine of angle between vectors // from pt0->pt1 and from pt0->pt2 double angle( Point pt1, Point pt2, Point pt0 ) { double dx1 = pt1.x - pt0.x; double dy1 = pt1.y - pt0.y; double dx2 = pt2.x - pt0.x; double dy2 = pt2.y - pt0.y; return (dx1*dx2 + dy1*dy2)/Math.sqrt((dx1*dx1 + dy1*dy1)*(dx2*dx2 + dy2*dy2) + 1e-10); } // returns sequence of squares detected on the image. // the sequence is stored in the specified memory storage void findSquares( Mat image, List<MatOfPoint> squares ) { squares.clear(); Mat smallerImg=new Mat(new Size(image.width()/2, image.height()/2),image.type()); Mat gray=new Mat(image.size(),image.type()); Mat gray0=new Mat(image.size(),CvType.CV_8U); // down-scale and upscale the image to filter out the noise Imgproc.pyrDown(image, smallerImg, smallerImg.size()); Imgproc.pyrUp(smallerImg, image, image.size()); // find squares in every color plane of the image for( int c = 0; c < 3; c++ ) { extractChannel(image, gray, c); // try several threshold levels for( int l = 1; l < N; l++ ) { //Cany removed... Didn't work so well Imgproc.threshold(gray, gray0, (l+1)*255/N, 255, Imgproc.THRESH_BINARY); List<MatOfPoint> contours=new ArrayList<MatOfPoint>(); // find contours and store them all as a list Imgproc.findContours(gray0, contours, new Mat(), Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE); MatOfPoint approx=new MatOfPoint(); // test each contour for( int i = 0; i < contours.size(); i++ ) { // approximate contour with accuracy proportional // to the contour perimeter approx = approxPolyDP(contours.get(i), Imgproc.arcLength(new MatOfPoint2f(contours.get(i).toArray()), true)*0.02, true); // square contours should have 4 vertices after approximation // relatively large area (to filter out noisy contours) // and be convex. // Note: absolute value of an area is used because // area may be positive or negative - in accordance with the // contour orientation if( approx.toArray().length == 4 && Math.abs(Imgproc.contourArea(approx)) > 1000 && Imgproc.isContourConvex(approx) ) { double maxCosine = 0; for( int j = 2; j < 5; j++ ) { // find the maximum cosine of the angle between joint edges double cosine = Math.abs(angle(approx.toArray()[j%4], approx.toArray()[j-2], approx.toArray()[j-1])); maxCosine = Math.max(maxCosine, cosine); } // if cosines of all angles are small // (all angles are ~90 degree) then write quandrange // vertices to resultant sequence if( maxCosine < 0.3 ) squares.add(approx); } } } } } void extractChannel(Mat source, Mat out, int channelNum) { List<Mat> sourceChannels=new ArrayList<Mat>(); List<Mat> outChannel=new ArrayList<Mat>(); Core.split(source, sourceChannels); outChannel.add(new Mat(sourceChannels.get(0).size(),sourceChannels.get(0).type())); Core.mixChannels(sourceChannels, outChannel, new MatOfInt(channelNum,0)); Core.merge(outChannel, out); } MatOfPoint approxPolyDP(MatOfPoint curve, double epsilon, boolean closed) { MatOfPoint2f tempMat=new MatOfPoint2f(); Imgproc.approxPolyDP(new MatOfPoint2f(curve.toArray()), tempMat, epsilon, closed); return new MatOfPoint(tempMat.toArray()); } 

Hay algunas preguntas relacionadas aquí en SO. Compruébelo:

• OpenCV C ++ / Obj-C: detección de una hoja de papel / detección cuadrada

• ¿Cómo reconozco los cuadrados en esta imagen?

También hay un ejemplo enviado con OpenCV:

• https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/cpp/squares.cpp?rev=4079

Una vez que tenga el rectángulo, puede alinear la imagen calculando la homografía con las esquinas del rectángulo y aplicando una transformación de perspectiva.