Android OpenCv c++；裁剪图像 < >我用OpenCV C++代码成功地检测文档边界。现在，我需要裁剪图像，使其看起来像样

如图所示，边界检测效果良好：

但现在，当我试图修剪它时，它看起来是这样的：

现在，这是我使用的代码：

extern "C"
JNIEXPORT void JNICALL
Java_prisca_ctest_ScanActivity_doWithMat(JNIEnv *env, jobject instance, jlong matNumber) {
    //reference to the image from Java
    Mat &image = *(Mat *) matNumber;
    //resize image
    image = GetSquareImage(image);
    //add color effects for better detection
    Mat gray;
    cvtColor(image, gray, CV_BGR2GRAY);
    GaussianBlur(gray, gray, Size(5, 5), 0);
    Mat edged;
    Canny(gray, edged, 75, 200);
    //find contours and sort them from biggest to smallest
    vector<vector<Point> > contours;
    vector<Point> screenCnt;
    findContours(edged, contours, RETR_LIST, CHAIN_APPROX_SIMPLE);
    // sort contours
    sort(contours.begin(), contours.end(), compareContourAreas);

    Rect boundRect;

    //itterate over the contours and get the biggest contour for image
    for (int i = (int) (contours.size() - 1); i > 0; i--) {
        double peri = arcLength(Mat(contours[i]), true);
        vector<Point> approx;
        approxPolyDP(Mat(contours[i]), approx, 0.02 * peri, true);
        if (approx.size() == 4) {
            screenCnt = approx;
            boundRect = boundingRect(approx);
            break;
        }
    }
    Scalar color = Scalar(0, 255, 0);
    drawContours(image, Mat(screenCnt), -1, color, 5);
    //crop image with boundRect
    image = Mat(image, boundRect).clone();
}


Mat GetSquareImage(const cv::Mat &img, int target_width = 500) {
    int width = img.cols,
            height = img.rows;

    cv::Mat square = cv::Mat::zeros(target_width, target_width, img.type());

    int max_dim = (width >= height) ? width : height;
    float scale = ((float) target_width) / max_dim;
    cv::Rect roi;
    if (width >= height) {
        roi.width = target_width;
        roi.x = 0;
        roi.height = height * scale;
        roi.y = (target_width - roi.height) / 2;
    } else {
        roi.y = 0;
        roi.height = target_width;
        roi.width = width * scale;
        roi.x = (target_width - roi.width) / 2;
    }

    cv::resize(img, square(roi), roi.size());

    return square;
}


extern "C"
bool compareContourAreas(std::vector<cv::Point> contour1, std::vector<cv::Point> contour2) {
    double i = fabs(contourArea(cv::Mat(contour1)));
    double j = fabs(contourArea(cv::Mat(contour2)));
    return (i < j);
}

extern“C”
JNIEXPORT void JNICALL
Java_prisca_ctest_ScanActivity_doWithMat（JNIEnv*env，jobject实例，jlong matNumber）{
//对来自Java的图像的引用
材料和图像=*（材料*）材料编号；
//调整图像大小
image=GetSquareImage（image）；
//添加颜色效果以更好地检测
席灰色；
CVT颜色（图像、灰色、CV_bgr2灰色）；
高斯模糊（灰色，灰色，大小（5，5），0）；
垫边；
坎尼（灰色，边缘，75200）；
//找到等高线并将其从最大到最小排序
矢量等值线；
载体筛选；
findContours（边缘、轮廓、修复列表、链近似图和简单图）；
//等高线排序
排序（等高线.开始（），等高线.结束（），比较区域）；
Rect-boundRect；
//对轮廓进行迭代，得到图像的最大轮廓
对于（inti=（int）（courts.size（）-1）；i>0；i--）{
双周长=弧长（Mat（等高线[i]），真值）；
向量近似；
近似多边形（Mat（等高线[i]），约为0.02*peri，真）；
如果（大约尺寸（）==4）{
screenCnt=近似值；
boundRect=boundingRect（近似值）；
打破
}
}
标量颜色=标量（0，255，0）；
绘制轮廓（图像，垫（屏幕），1，颜色，5）；
//使用boundRect裁剪图像
image=Mat（image，boundRect.clone（）；
}
Mat GetSquareImage（常数cv:：Mat&img，int target_width=500）{
int width=img.cols，
高度=img.rows；
cv:：Mat square=cv:：Mat:：zero（target_width，target_width，img.type（））；
int max_dim=（宽度>=高度）？宽度：高度；
浮动比例=（（浮动）目标宽度）/最大尺寸；
cv：：Rect roi；
如果（宽度>=高度）{
roi.width=目标宽度；
roi.x=0；
roi.height=高度*刻度；
roi.y=（目标宽度-roi.height）/2；
}否则{
roi.y=0；
roi.height=目标宽度；
roi.width=宽度*比例；
roi.x=（目标宽度-roi.width）/2；
}
cv:：resize（img，square（roi），roi.size（））；
返回广场；
}
外部“C”
布尔比较区域（标准：：矢量轮廓1，标准：：矢量轮廓2）{
双i=fabs（轮廓面积（cv:：Mat（轮廓1））；
双j=fabs（轮廓面积（cv:：Mat（轮廓2））；
返回（i

首先，我遵循了来自的教程。他调整图片大小以获得所需的结果，当我这样做时，我的文本不可读，图像也不会像预期的那样被裁剪（裁剪时没有周围的背景，只有纸张等）

---

有人有这方面的经验吗？如果有，有人能帮我吗？

看起来您需要使用

rotatedRect

而不是矩形。然后执行扭曲仿射

---

然后使用

getRotationMatrix2D

（）获取旋转角度，旋转图像，按常规进行裁剪，然后旋转回正常状态。

我创建了一个git repo，其中包含用于本机支持的代码，即以正确的方式裁剪图像，请在：

---

如果您提出了更好的解决方案，请随意编辑代码。

还发现这可能很有用。这看起来很有希望，谢谢。至于图像质量，你能告诉我些什么吗？原始图像本身看起来有点不对焦，因为你的代码根本不会降低图像质量的采样，它可能只是android手机上的摄像头。这可能值得再拍一张图片，让文本更清晰一点。因此，使用我的代码中的函数GetSquareImage不会降低质量？不，它只是拍摄原始图片的一个区域。从技术上讲，它本身的分辨率较低，但它并没有降低图像质量