2019獨角獸企業(yè)重金招聘Python工程師標準>>>

關于 JAVA 學習 OpenCV 的內容，函數(shù)講解。內容我均整理在 GitHubd的OpenCV3-Study-JAVA

OpenCV 3 識別圖中表格-Java 實現(xiàn)

1. 說明

網(wǎng)上大部分資料，都是針對 C++的，python、java 的例子太少了。所以最近在做這個的時候，把他記錄下來，也可以幫助一些人少走彎路。

OpenCV 確實強大，強大到每一個方法，都能 google 到一篇專題文章，在寫的過程中，參考了許多資料，最終完成了實現(xiàn)和注釋。

但是這僅僅是入門，找到表格后的利用才是后面的核心。比如：

表格的 OCR 識別，識別表頭，內容數(shù)據(jù)，形成結構化數(shù)據(jù)。

圖片按照順序，轉 Word文檔或者保存為 html，這樣就可以完成格式的轉化，方便在 web 端查看，用戶下載。

其他利用...

本文僅針對效果較好的，無傾斜，背景干凈的圖片進行識別。復雜的情況會可能無法滿足，需要進一步處理。僅僅是個入門。

2. 開發(fā)環(huán)境

• macOS Sierra 10.12.4
• IntelliJ IDEA 2017
• Junit 4.12
• JDK 1.8

因為在 mac 下通過 brew 安裝的 opencv ，所以包都是跟當前系統(tǒng)匹配的，安裝目錄也是一致的。

Windows 下需要根據(jù)自己的系統(tǒng)環(huán)境，位數(shù)，修改代碼的loadLibraries，決定加載的動態(tài)庫文件。

3. 代碼實現(xiàn)

import org.junit.Test; import org.opencv.core.*; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; import org.opencv.objdetect.CascadeClassifier;import java.io.File; import java.util.*;/*** @Author : alexliu* @Description : opencv 測試* @Date : Create at 下午3:12 2018/1/26*/ public class TestOpenCV {String test_file_path = System.getProperty("user.dir") + File.separator + "testFiles";static {//加載動態(tài)鏈接庫時，不使用System.loadLibrary(xxx);。 而是使用 絕對路徑加載：System.load(xxx);/** 加載動態(tài)庫** 第一種方式 --------------System.loadLibrary(Core.NATIVE_LIBRARY_NAME);* loadLibrary(Core.NATIVE_LIBRARY_NAME); //使用這種方式加載，需要在 IDE 中配置參數(shù).* Eclipse 配置：http://opencv-java-tutorials.readthedocs.io/en/latest/01-installing-opencv-for-java.html#set-up-opencv-for-java-in-eclipse* IDEA 配置 ：http://opencv-java-tutorials.readthedocs.io/en/latest/01-installing-opencv-for-java.html#set-up-opencv-for-java-in-other-ides-experimental** 第二種方式 --------------System.load(path of lib);* System.load(your path of lib) ,方式比較靈活，可根據(jù)環(huán)境的系統(tǒng)，位數(shù)，決定加載內容*/loadLibraries();}/*** 讀取 table*/@Testpublic void readTable(){Mat source_image = Imgcodecs.imread(test_file_path + "/table-3.jpg");//灰度處理Mat gray_image = new Mat(source_image.height(), source_image.width(), CvType.CV_8UC1);Imgproc.cvtColor(source_image,gray_image,Imgproc.COLOR_RGB2GRAY);//二值化Mat thresh_image = new Mat(source_image.height(), source_image.width(), CvType.CV_8UC1);// C 負數(shù)，取反色，超過閾值的為黑色，其他為白色Imgproc.adaptiveThreshold(gray_image, thresh_image,255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY,7,-2);this.saveImage("out-table/1-thresh.png",thresh_image);//克隆一個 Mat，用于提取水平線Mat horizontal_image = thresh_image.clone();//克隆一個 Mat，用于提取垂直線Mat vertical_image = thresh_image.clone();/** 求水平線* 1. 根據(jù)頁面的列數(shù)（可以理解為寬度），將頁面化成若干的掃描區(qū)域* 2. 根據(jù)掃描區(qū)域的寬度，創(chuàng)建一根水平線* 3. 通過腐蝕、膨脹，將滿足條件的區(qū)域，用水平線勾畫出來** scale 越大，識別的線越多，因為，越大，頁面劃定的區(qū)域越小，在腐蝕后，多行文字會形成一個塊，那么就會有一條線* 在識別表格時，我們可以理解線是從頁面左邊 到 頁面右邊的，那么劃定的區(qū)域越小，滿足的條件越少，線條也更準確*/int scale = 10;int horizontalsize = horizontal_image.cols() / scale;// 為了獲取橫向的表格線，設置腐蝕和膨脹的操作區(qū)域為一個比較大的橫向直條Mat horizontalStructure = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(horizontalsize, 1));// 先腐蝕再膨脹 new Point(-1, -1) 以中心原點開始// iterations 最后一個參數(shù)，迭代次數(shù)，越多，線越多。在頁面清晰的情況下1次即可。Imgproc.erode(horizontal_image, horizontal_image, horizontalStructure, new Point(-1, -1),1);Imgproc.dilate(horizontal_image, horizontal_image, horizontalStructure, new Point(-1, -1),1);this.saveImage("out-table/2-horizontal.png",horizontal_image);// 求垂直線scale = 30;int verticalsize = vertical_image.rows() / scale;Mat verticalStructure = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(1, verticalsize));Imgproc.erode(vertical_image, vertical_image, verticalStructure, new Point(-1, -1),1);Imgproc.dilate(vertical_image, vertical_image, verticalStructure, new Point(-1, -1),1);this.saveImage("out-table/3-vertical.png",vertical_image);/** 合并線條* 將垂直線，水平線合并為一張圖*/Mat mask_image = new Mat();Core.add(horizontal_image,vertical_image,mask_image);this.saveImage("out-table/4-mask.png",mask_image);/** 通過 bitwise_and 定位橫線、垂直線交匯的點*/Mat points_image = new Mat();Core.bitwise_and(horizontal_image, vertical_image, points_image);this.saveImage("out-table/5-points.png",points_image);/** 通過 findContours 找輪廓** 第一個參數(shù)，是輸入圖像，圖像的格式是8位單通道的圖像，并且被解析為二值圖像（即圖中的所有非零像素之間都是相等的）。* 第二個參數(shù)，是一個 MatOfPoint 數(shù)組，在多數(shù)實際的操作中即是STL vectors的STL vector，這里將使用找到的輪廓的列表進行填充（即，這將是一個contours的vector,其中contours[i]表示一個特定的輪廓，這樣，contours[i][j]將表示contour[i]的一個特定的端點）。* 第三個參數(shù)，hierarchy，這個參數(shù)可以指定，也可以不指定。如果指定的話，輸出hierarchy，將會描述輸出輪廓樹的結構信息。0號元素表示下一個輪廓（同一層級）；1號元素表示前一個輪廓（同一層級）；2號元素表示第一個子輪廓（下一層級）；3號元素表示父輪廓（上一層級）* 第四個參數(shù)，輪廓的模式，將會告訴OpenCV你想用何種方式來對輪廓進行提取，有四個可選的值：* CV_RETR_EXTERNAL （0）：表示只提取最外面的輪廓；* CV_RETR_LIST （1）：表示提取所有輪廓并將其放入列表；* CV_RETR_CCOMP （2）:表示提取所有輪廓并將組織成一個兩層結構，其中頂層輪廓是外部輪廓，第二層輪廓是“洞”的輪廓；* CV_RETR_TREE （3）：表示提取所有輪廓并組織成輪廓嵌套的完整層級結構。* 第五個參數(shù)，見識方法，即輪廓如何呈現(xiàn)的方法，有三種可選的方法：* CV_CHAIN_APPROX_NONE （1）：將輪廓中的所有點的編碼轉換成點；* CV_CHAIN_APPROX_SIMPLE （2）：壓縮水平、垂直和對角直線段，僅保留它們的端點；* CV_CHAIN_APPROX_TC89_L1 （3）or CV_CHAIN_APPROX_TC89_KCOS（4）：應用Teh-Chin鏈近似算法中的一種風格* 第六個參數(shù)，偏移，可選，如果是定，那么返回的輪廓中的所有點均作指定量的偏移*/List<MatOfPoint> contours = new ArrayList<MatOfPoint>();Mat hierarchy = new Mat();Imgproc.findContours(mask_image,contours,hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE,new Point(0,0));List<MatOfPoint> contours_poly = contours;Rect[] boundRect = new Rect[contours.size()];LinkedList<Mat> tables = new LinkedList<Mat>();//循環(huán)所有找到的輪廓-點for(int i=0 ; i< contours.size(); i++){MatOfPoint point = contours.get(i);MatOfPoint contours_poly_point = contours_poly.get(i);/** 獲取區(qū)域的面積* 第一個參數(shù)，InputArray contour：輸入的點，一般是圖像的輪廓點* 第二個參數(shù)，bool oriented = false:表示某一個方向上輪廓的的面積值，順時針或者逆時針，一般選擇默認false*/double area = Imgproc.contourArea(contours.get(i));//如果小于某個值就忽略，代表是雜線不是表格if(area < 100){continue;}/** approxPolyDP 函數(shù)用來逼近區(qū)域成為一個形狀，true值表示產生的區(qū)域為閉合區(qū)域。比如一個帶點幅度的曲線，變成折線** MatOfPoint2f curve：像素點的數(shù)組數(shù)據(jù)。* MatOfPoint2f approxCurve：輸出像素點轉換后數(shù)組數(shù)據(jù)。* double epsilon：判斷點到相對應的line segment 的距離的閾值。（距離大于此閾值則舍棄，小于此閾值則保留，epsilon越小，折線的形狀越“接近”曲線。）* bool closed：曲線是否閉合的標志位。*/Imgproc.approxPolyDP(new MatOfPoint2f(point.toArray()),new MatOfPoint2f(contours_poly_point.toArray()),3,true);//為將這片區(qū)域轉化為矩形，此矩形包含輸入的形狀boundRect[i] = Imgproc.boundingRect(contours_poly.get(i));// 找到交匯處的的表區(qū)域對象Mat table_image = points_image.submat(boundRect[i]);List<MatOfPoint> table_contours = new ArrayList<MatOfPoint>();Mat joint_mat = new Mat();Imgproc.findContours(table_image, table_contours,joint_mat, Imgproc.RETR_CCOMP, Imgproc.CHAIN_APPROX_SIMPLE);//從表格的特性看，如果這片區(qū)域的點數(shù)小于4，那就代表沒有一個完整的表格，忽略掉if (table_contours.size() < 4)continue;//保存圖片tables.addFirst(source_image.submat(boundRect[i]).clone());//將矩形畫在原圖上Imgproc.rectangle(source_image, boundRect[i].tl(), boundRect[i].br(), new Scalar(0, 255, 0), 1, 8, 0);}for(int i=0; i< tables.size(); i++ ){//拿到表格后，可以對表格再次處理，比如 OCR 識別等this.saveImage("out-table/6-table-"+(i+1)+".png",tables.get(i));}this.saveImage("out-table/7-source.png",source_image);}private void saveImage(String path,Mat image){String outPath = this.test_file_path + File.separator + path;File file = new File(outPath);//目錄是否存在this.dirIsExist(file.getParent());Imgcodecs.imwrite(outPath,image);}private void dirIsExist(String dirPath){File dir = new File(dirPath);if(!dir.exists()){dir.mkdirs();}}/*** 加載動態(tài)庫*/private static void loadLibraries() {try {String osName = System.getProperty("os.name");String opencvpath = System.getProperty("user.dir");//windowsif(osName.startsWith("Windows")) {int bitness = Integer.parseInt(System.getProperty("sun.arch.data.model"));//32位系統(tǒng)if(bitness == 32) {opencvpath=opencvpath+"\\opencv\\x86\\Your path to .dll";}//64位系統(tǒng)else if (bitness == 64) {opencvpath=opencvpath+"\\opencv\\x64\\Your path to .dll";} else {opencvpath=opencvpath+"\\opencv\\x86\\Your path to .dll";}}// mac oselse if(osName.equals("Mac OS X")){opencvpath = "/usr/local/Cellar/opencv/3.4.0_1/share/OpenCV/java/libopencv_java340.dylib";}System.out.println(opencvpath);System.load(opencvpath);} catch (Exception e) {throw new RuntimeException("Failed to load opencv native library", e);}}

4. 實現(xiàn)效果

5. 參考資料

OpenCV處理拍照表格 此文是一個專題，有多篇

OpenCV-檢測并提取表格

廣告欄： 歡迎關注我的 個人博客

轉載于:https://my.oschina.net/u/3767256/blog/1615720

總結

以上是生活随笔為你收集整理的OpenCV3 识别图中表格-JAVA 实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。