[論文レビュー] Complete Scanning Application Using OpenCv

Ayushe Gangal, Peeyush Kumar+1 more|arXiv (Cornell University)|Jul 8, 2021

Industrial Vision Systems and Defect Detection被引用数 10

ひとこと要約

この論文では、Python 3.7におけるOpenCVおよびNumPyを用いた、完全なドキュメントスキャンアプリケーションを提示する。画像前処理、輪郭検出、透視変換、適応的しきい値処理、ノイズ除去、自動クロッピング／回転を組み合わせた、モジュラーなコンピュータビジョン技術のパイプラインを通じて、任意の入力画像から正確で高コントラストのドキュメントスキャンを実現する。

ABSTRACT

In the following paper, we have combined the various basic functionalities provided by the NumPy library and OpenCv library, which is an open source for Computer Vision applications, like conversion of colored images to grayscale, calculating threshold, finding contours and using those contour points to take perspective transform of the image inputted by the user, using Python version 3.7. Additional features include cropping, rotating and saving as well. All these functions and features, when implemented step by step, results in a complete scanning application. The applied procedure involves the following steps: Finding contours, applying Perspective transform and brightening the image, Adaptive Thresholding and applying filters for noise cancellation, and Rotation features and perspective transform for a special cropping algorithm. The described technique is implemented on various samples.

研究の動機と目的

• オープンソースのコンピュータビジョンツールを用いて、完全に機能するドキュメントスキャンアプリケーションを開発すること。
• 歪んだ、または不規則に撮影されたドキュメント画像の自動検出および補正を可能にすること。
• しきい値処理、ノイズ低減、明るさ調整を含む、画像前処理のための堅牢なパイプラインを実装すること。
• クロッピング、回転、保存機能を備えた、ユーザーフレンドリーな出力の提供を可能にすること。
• 本システムの有効性を、多様な実世界のドキュメントサンプルを用いて実証すること。

提案手法

• OpenCVの輪郭検出アルゴリズムを用いて、入力画像の輪郭を検出する。
• 検出された輪郭から特定された4つのコーナー座標を用いて透視変換を適用し、画像の歪みを補正する。
• コントラストを向上させ、テキストの可視性を向上させるために適応的しきい値処理を適用する。
• テキスト特徴を保持しながらノイズを低減するため、モルフォロジカルフィルタを適用する。
• 輪郭の向きに基づいた自動回転補正を実装し、ドキュメントを適切に整列させる。
• 最終出力生成のための画像クロッピングおよび保存機能を統合する。

実験結果

リサーチクエスチョン

• RQ1 OpenCVやNumPyといったオープンソースライブラリのみを用いて、完全なドキュメントスキャンパイプラインをどのように実装できるか。
• RQ2 どのような画像前処理ステップの組み合わせが、多様な入力条件下でもドキュメント境界の堅牢な検出を保証するか。
• RQ3 手動による介入なしに、透視補正および適応的しきい値処理が、スキャン品質をどの程度向上できるか。
• RQ4 提案されたクロッピングアルゴリズムは、歪んではいたり回転させられたりしたドキュメントに対して、どの程度効果的に機能するか。
• RQ5 本システムは、多様な入力サンプルに対して一貫して高コントラストで読みやすいスキャンを生成できるか。

主な発見

• 本システムは、コンピュータビジョン処理の連鎖を用いて、不規則に撮影されたドキュメント画像をきれいな、正しく補正されたスキャンに変換することに成功した。
• 検出された輪郭に基づく透視変換は、ドキュメントの整列と可読性を顕著に向上させた。
• 適応的しきい値処理とノイズ除去は、最終出力におけるコントラストを向上させ、アーチファクトを低減した。
• 自動回転およびクロッピングアルゴリズムは、さまざまな角度や方向にあるドキュメントを効果的に処理できた。
• 複数のテストサンプルにおいて本アプリケーションは一貫したパフォーマンスを示し、アーカイブや処理用途に適した高品質なスキャンを生成した。
• OpenCVとNumPyの統合により、Pythonで軽量で効率的かつ完全に再現可能なスキャンパイプラインを実現できた。