智能账单统计软件开发日志2 图像形态优化

前言

由于计算机最擅长二进制处理，因此将图片导入到计算模块前需要进行颜色空间上的调整，将 RGB 空间调整为黑白二色的颜色空间，同时对图像形态进行简单优化，使得处理更加快捷，处理效果更优化。

颜色空间转换

颜色空间调节的目标是将其从 RGB 空间调节到黑白颜色空间。首先，输入的是一张彩色图片，要将他调整到灰度，以方便二值化。
在转换灰度是这里有一点和常识不同的地方，通常认为灰度即一个像素点的 \(R,G,B\) 值取平均。三基色红绿蓝，亮度不同（根据常用标准 CCIR 601，红绿蓝的视觉亮度之比为 \(2.99:5.87:1.14\)），并且因为简单求和的值不整除 \(3\)，会造成轻微的失真，因此不能简单使用 \(\frac{R+G+B}{3}\) 来计算。
然后要进行二值化。因为不同的图片灰度后的结果不同，例如较暗的图片灰度值偏高，而较亮的图片灰度值偏低，因此需要用户手动调节阈值进行二值化。
OpenCV 自带了 threshold 函数，但使用时出现了一些小问题。使用时，第一次选定阈值，能够正确输出二值化图像，第二次选定阈值，图片转为全黑或全白。结合图像处理经验和测试图像本身，排除了未成功调用函数的情况后，发现是源图片被更新为二值化后的图片，第二次二值化即对第一次二值化的结果进行二值化，但检查代码发现无此类赋值语句。查询 OpenCV 文档对 Mat 类的定义发现，Mat 类中将矩阵通过 uchar *data 进行引用，因此赋值时共享了矩阵数据，在二值化时数个 Mat 所共享的矩阵数据被改变。结合 Mat 类的构造方法，设计在二值化函数中即时申请新的矩阵，可以保证原图数据安全和二值化顺利实施。

小结

通过实现二值化，加深了对 Mat 类的了解和对颜色和颜色转换的理解。不仅实现了功能，也了解了很多新东西。

灰度图

二值化结果1

抛弃了手机状态栏上的信息。

二值化结果2

保留了重要信息。

手动形态优化

对于表格框线等二值化等操作难以去掉的内容，提供给了用户一个手工操作的途径。使用 std::vector<std::vector<int> >imgdata 的嵌套，动态模拟二维数组，避免空间浪费。之前使用的是 bool 的数据类型，但一直出现乱码情况，即 push_back 后马上访问返回一串乱码，经了解其为 vector 对 bool 类型的特化。通过找联通块并用 \(1\times 1\) 白色矩形抹除 + imgdata 对应标记为 0，用户在表格边上轻松双击右键，即可将整个表格去除！