4.通道分离split()与合成merge()以及去除票据上的印章 --- OpenCV从零开始到图像（人脸 + 物体）识别系列

完成时间:2018-5-14
作者：小嗷
qq邮箱：631821577@qq.com
qq群：736857977
公众号：小嗷的日常（扫码关注）

0.二维码

老是学习API函数，确实没意思。但是，编程几乎所有的初学者都是这么来的。然而，尽量结合实际，却发现每个细节都有意思。

在图像处理时，我们接触到的彩色以RGB居多，为了分析图像在某一通道上的特性，需要将图像的颜色通道进行分离，或者是在对某一颜色通道处理后重新进行融合。opencv提供了split()函数来进行颜色通道的分离，提供了merge()函数来进行颜色通道的融合。

1.split()函数

此函数的作用是将一个图像通道进行分离。

split()函数定义：

void split(const Mat& m, vector<mat>& mv );</mat>

参数说明：

const Mat&类型的src，填我们需要进行分离的图像；
vector<mat style="margin-top: 0px;">类型的mv，填函数的输出数组或者输出的vector容器，即分离后的图像；</mat>

2.merge()函数

merge()函数的功能是split()函数的逆向操作，将多个数组合并成一个多通道的数组。

merge()函数定义：

void merge(const vector<mat>& mv, OutputArray dst );</mat>

const <mat style="margin-top: 0px;">类型的mv，填需要被合并的vector容器的阵列，这个mv参数中所有的矩阵必须有着一样的尺寸和深度；</mat>
保存为合并后的图像；

3.利用split()函数和阈值化去除票据上的印章，merge()函数合并图像

票据上往往会有一些红色印章把一些重要信息区域给覆盖了，比如一些开发票人员盖印章时比较随意，容易吧一些关键区域给遮蔽了，这让接下来的票据识别很困难，因此，我们必须先对票据图像进行一定的预处理来移除印章干扰，再进行字符识别，这样子识别准确率才有保证。

任务：我们需要识别发票的字体（红色盖章影响都我们的识别工作）

如图：

1.发票原图.jpg

分析场景：这种发票只有章是红色，字体为黑色为主
怎么去除该种发票红色部分？利用split()分离红色通道浅化目标，再利用阈值把浅化目标，过滤掉。（阈值用来过滤比较浅的颜色【其中一种用法】）

2.通道图.PNG

第二张图为分离红色通道的图，明显比其他三张浅的（红色部分）

3.通道图阈值化.PNG

最后一张过滤掉红章图

代码如下

4.代码.PNG

#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
#include <iostream>
using namespace cv;
using namespace std;

int main() {
    //【1】定义相关变量
    Mat srcImage, newImage;
    Mat srcImage_B, srcImage_G, srcImage_R;
    //【2】存放Mat的数组vector
    vector<Mat> channels_BGR;
    //【3】读取原始图像并检查图像是否读取成功    
    srcImage = imread("D:\\1.发票原图.jpg");
    if (srcImage.empty())
    {
        cout << "读取图像有误，请重新输入正确路径！\n";
        getchar();
        return -1;
    }
    imshow("src原图像",srcImage);  //在窗口显示原图像
    //【4】对加载的原图像进行通道分离，即把一个3通道图像转换成为3个单通道图像  
    split(srcImage,channels_BGR);
    //从数组中取出3种颜色,0通道为B分量，1通道为G分量，2通道为R分量。因为：RGB色彩空间在opencv中默认通道顺序为BGR！！！
    srcImage_B = channels_BGR.at(0);
    srcImage_G = channels_BGR.at(1);
    srcImage_R = channels_BGR.at(2);
    imshow("srcImage_B通道", srcImage_B); //分别显示R，G，B各个通道图像  
    imshow("srcImage_G通道", srcImage_G);
    imshow("srcImage_R通道", srcImage_R);

    //【5】 全局二值化
    Mat gray;
    cvtColor(srcImage,gray, CV_RGB2GRAY);
    int th = 170; //阈值要根据实际情况调整
    Mat binary;
    //CV_THRESH_BINARY代表阈值其中一种模式，下期会讲起阈值
    threshold(gray, binary, th, 255, CV_THRESH_BINARY);
    Mat red_binary;
    threshold(srcImage_R, red_binary, th, 255, CV_THRESH_BINARY);
    imshow("灰色图 + 阈值处理 ", binary);
    imshow("R通道+阈值处理", red_binary);
    //【6】将3个单通道重新合并成一个三通道图像  
    merge(channels_BGR, newImage);
    imshow("将R，G，B通道合并后的图像", newImage);
    waitKey(0);
    return 0;

}

6.总结

当然，这种分离通道+阈值分割的方法还可以用到其他场合，例如在红绿灯的检测上，也是可以借鉴这种方法的。

检测红灯

5.效果图.png

注意：当红章掩盖字体，这种方法无效

分享可以无数次，转载成自己文章QQ邮箱通知一下，未经授权请勿转载，明天见，司机下车。