臺灣博碩士論文加值系統

本論文主要運用OpenCV影像程式庫來研發一個可以拼接全頁文字影像的運算方法。本研究的目標，是希望能夠將多張部份文字影像，不論其大小及拍攝角度，能自動拼接並合成清晰的文字影像。我們提出的演算法，能自動尋找影像中文字區塊的範圍，將影像轉正，並將所有影像拼接成單一清晰影像。我們希望提出的演算法，未來能夠運用在手機上，變成一個方便使用的文字影像掃描工具。

In this these, we propose a text image stitching method based on OpenCV image processing library. The target of the research is to obtain a clear text image by stitching several partial text images which may be in different sizes or different skewed angles. We propose an algorithm to extract the text region for each text image, deskew the picture, and then stitch all images to get a single clear text image. We hope that the proposed method can be applied to build a convenient smartphone application to scan clear text images.

目錄
摘要 I
Abstract II
誌謝 III
目錄 IV
表目錄 V
圖目錄 VI
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 1
1.3 研究流程規劃 2
1.4 論文各章節概述 3
第二章 背景技術介紹 4
2.1 其他應用與相關資料 4
2.2 OpenCV介紹 6
2.3 仿射變換 7
2.4 霍夫轉換 8
2.5 透視變換 10
2.6 模板匹配 11
第三章 校正流程與拼接 13
3.1 實驗流程 13
3.2 影像前處理 14
3.3 校正影像 16
3.4 切割行文字 21
3.5 拼接影像 23
第四章 實現成果與討論 24
4.1 實現成果 24
4.1.1校正歪斜影像 25
4.1.2切割行影像 29
4.1.3拼接 31
4.2 分析與討論 41
第五章 結論與未來展望 44
參考文獻 45

表目錄
表4-1 實驗圖檔敘述 24
表4-2 拼接影像配對表 31
 
圖目錄
圖1-1 研究流程規劃圖 3
圖1-2 章節概述 3
圖2-1 Office Lens-by Microsoft 4
圖2-2 Office Lens文件模式功能-轉正 5
圖2-3 Office Lens白板模式功能-轉正 5
圖2-4 仿射變換示意圖 8
圖2-5 直線在平面坐標 9
圖2-6 霍夫找直線結果 10
圖2-7 滑動模板示意圖 12
圖3-1 多餘的桌面(紅線選取部分多餘) 13
圖3-2 角度問題(紅線為旋轉角度) 13
圖3-3 拼接流程圖 14
圖3-4 輸入影像 16
圖3-5 輸入影像經前處理 16
圖3-6 兩平面夾角 17
圖3-7 夾角造成問題 17
圖3-8 校正流程圖 18
圖3-9 最左邊線偵測示意(例外1) C點(例外二) B點 19
圖3-10最左邊線例外(2)示意 19
圖3-11 找最頂端線示意圖 20
圖3-12 影像透視變換示意圖 21
圖3-13 投影示意圖 22
圖3-14 投影切割流程圖 23
圖4-1 (a)高斯模糊影像 (b)原影像 24
圖4-2 邊緣偵測 25
圖4-3 A1.jpg (a)原圖 (b)校正後 25
圖4-4 A2.jpg (a)原圖 (b)校正後 26
圖4-5 A3.jpg (a)原圖 (b)校正後 26
圖4-6 B1.jpg (a)原圖 (b)校正後 26
圖4-7 B2.jpg (a)原圖 (b)校正後 26
圖4-8 B3.jpg (a)原圖 (b)校正後 27
圖4-9 B4.jpg (a)原圖 (b)校正後 27
圖4-10 C1.jpg (a)原圖 (b)校正後 27
圖4-11 C2.jpg (a)原圖 (b)校正後 27
圖4-12 C3.jpg (a)原圖 (b)校正後 28
圖4-13 C4.jpg (a)原圖 (b)校正後 28
圖4-14 C5.jpg (a)原圖 (b)校正後 28
圖4-15 C6.jpg (a)原圖 (b)校正後 28
圖4-16 D1.jpg (a)原圖 (b)校正後 29
圖4-17 D2.jpg (a)原圖 (b)校正後 29
圖4-18 D3.jpg (a)原圖 (b)校正後 29
圖4-19 A1.jpg (a)校正後影像 (b)水平投影 30
圖4-20 A2.jpg (a)校正後影像 (b)水平投影 30
圖4-21 A3.jpg (a)校正後影像 (b)水平投影 30
圖4-22 由上至下(a)第一行 (b)第二行 (c)第三行 (d)第四行 (e)第五行 31
圖4-23 A1影像與A2行影像相似處圈選 32
圖4-24 B1影像與B2行影像相似處圈選 32
圖4-25 C2影像與C3行影像相似處圈選 33
圖4-26 D2影像與D3行影像相似處圈選 33
圖4-27 A1影像與A2影像拼接 34
圖4-28 B1影像與B2影像拼接 35
圖4-29 C2影像與C3影像拼接 36
圖4-30 D2影像與D3影像拼接 37
圖4-31 A組影像全景拼接 38
圖4-32 B組影像全景拼接 39
圖4-33 C組影像全景拼接 40
圖4-34 D組影像全景拼接 41
圖4-35 文字變形處理後 43

[1]‘Office Lens’, 2018, [online] Available:
https://play.google.com/store/apps/details?id=com.microsoft.office.officelens&hl=zh_TW
[2]Yung-Yu Chuang ,‘Digital Visual Effects :Image Stitching’, 2017 , [online] Available: https://www.csie.ntu.edu.tw/~cyy/courses/vfx/17spring/lectures/
[3]OpenCV, [online] Available: https://opencv.org/
[4]G. Bradski, A. Kaebler, ‘Learning OpenCV 3’, 2017.
[5]‘Hough Transform’ , [online] Available:
https://en.wikipedia.org/wiki/Hough_transform
[6]P. Hough, ‘Hough Transform: Method and Means for Recognizing Complex Patterns’,1962.
[7]R. Duda, P. Hart, ‘GHT: Use of the Hough Transform to Detect Lines and Curves in Pictures, CACM(15). No. 1 , January 1972, pp. 11-15’.
[8]DH. Ballard, ‘HT: Generalizing the Hough transform to detect arbitrary shapes’, 1981.
[9]‘仿射變換’, [online] Available:
https://en.wikipedia.org/wiki/Affine_transformation
[10]‘仿射變換’ , 2017 , [online] Available:
https://www.zhihu.com/question/20666664
[11]‘透視變換’ , 2014 , [online] Available:
https://blog.csdn.net/xiaowei_cqu/article/details/26471527
[12]‘Canny邊緣偵測’ , 2017 , [online] Available:
https://read01.com/zh-tw/eGAA4P.html#.W03zgtUzbDc
[13]‘Template Matching’ , [online] Available: https://opencv.org/
[14]‘match Template’ , [online] Available: http://monkeycoding.com/