//第一次二值化,轉(zhuǎn)為黑白圖片
cv::Mat binary;  			    
cv::adaptiveThreshold(gray,binary,255,cv::ADAPTIVE_THRESH_GAUSSIAN_C,cv::THRESH_BINARY,31,10);

//在第二次二值化之前 為了去除噪點(diǎn) 做了兩次膨脹腐蝕

//膨脹一次
cv::Mat dilateelement = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(4,2));
cv::Mat dilate1;
dilate(binary, dilate1, dilateelement);
    
//輕度腐蝕一次,去除噪點(diǎn)
cv::Mat element3 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(4,4));
cv::Mat erode11;
erode(dilate1, erode11, element3);
    
//第二次膨脹
cv::Mat dilateelement12 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
cv::Mat dilate12;
dilate(erode11, dilate12, dilateelement12);

//輕度腐蝕一次,去除噪點(diǎn)
cv::Mat element12 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
cv::Mat erode12;
erode(dilate12, erode12, element12);

看一下經(jīng)過兩次降噪之后的圖像是怎么樣的

豎紋基本上不見了，仍然還有一部分黑點(diǎn)，但是已經(jīng)不影響后面的識(shí)別了，這里降噪只能適度，過度處理可能會(huì)使文字部分丟失。

做完二值化反轉(zhuǎn)之后是上面這個(gè)樣子的，接下來再對(duì)圖片做膨脹->腐蝕->膨脹處理

//二值化 第二次二值化將黑白圖像反轉(zhuǎn) 文字變亮
cv::Mat binary2;  
cv::adaptiveThreshold(erode12,binary2,255,cv::ADAPTIVE_THRESH_GAUSSIAN_C,cv::THRESH_BINARY_INV,17,10);

//橫向膨脹拉伸 文字連片形成亮條
cv::Mat dilateelement21 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(60,1));
cv::Mat dilate21;
dilate(binary2, dilate21, dilateelement21);

//腐蝕一次，去掉細(xì)節(jié)，表格線等。這里去掉的是豎直的線
cv::Mat erodeelement21 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(30,1));
cv::Mat erode21;
erode(dilate21, erode21, erodeelement21);

//再次膨脹，讓輪廓明顯一些
cv::Mat dilateelement22 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
cv::Mat dilate22;
dilate(erode21, dilate22, dilateelement22);

處理的結(jié)果圖如下：

最終的框選效果

當(dāng)然調(diào)試過程中不止用了這一張圖片，畢竟結(jié)果要有一定的普適性，下面是其他幾種情況下的識(shí)別結(jié)果

好了，下面貼一下整個(gè)過程的源碼

+ (UIImage *)detect:(UIImage *) image {
    
    cv::Mat img;
    img = [self cvMatFromUIImage:image];
    
    //1.轉(zhuǎn)化成灰度圖
    cv::Mat gray;
    cvtColor(bigImg, gray, cv::COLOR_BGR2GRAY);
    
    //2.形態(tài)學(xué)變換的預(yù)處理,得到可以查找矩形的輪廓
    cv::Mat dilation = [self preprocess:gray];
    
    //3.查找和篩選文字區(qū)域
    std::vector rects = [self findTextRegion:dilation];
    
    //4.用線畫出這些找到的輪廓
    for (int i = 0; i < rects.size(); i++) {
        cv::Point2f P[4];
        cv::RotatedRect rect = rects[i];
        rect.points(P);
        for (int j = 0; j <= 3; j++) {
            cv::line(bigImg, P[j], P[(j + 1) % 4], cv::Scalar(0,0,255),2);
        }
    }
    
    return [self UIImageFromCVMat:bigImg];
}

+ (cv::Mat) preprocess:(cv::Mat)gray {
    
    //第一次二值化,轉(zhuǎn)為黑白圖片
    cv::Mat binary; 				  
    cv::adaptiveThreshold(gray, binary, 255,cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 31, 10);
    
    //在第二次二值化之前 為了去除噪點(diǎn) 做了兩次膨脹腐蝕,OpenCV是對(duì)亮點(diǎn)進(jìn)行操作,在黑白圖像中降噪更容易處理(去除雜亂黑點(diǎn))
    
    //膨脹一次
    cv::Mat dilateelement = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(4,2));
    cv::Mat dilate1;
    dilate(binary, dilate1, dilateelement);
    
    //輕度腐蝕一次,去除噪點(diǎn)
    cv::Mat element3 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(4,4));
    cv::Mat erode11;
    erode(dilate1, erode11, element3);
    
    //第二次膨脹
    cv::Mat dilateelement12 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
    cv::Mat dilate12;
    dilate(erode11, dilate12, dilateelement12);
    
    //輕度腐蝕一次,去除噪點(diǎn)
    cv::Mat element12 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
    cv::Mat erode12;
    erode(dilate12, erode12, element12);
    
    //////////////////////////////////////////////////////////
    //二值化 第二次二值化將黑白圖像反轉(zhuǎn) 文字變亮
    cv::Mat binary2;
    cv::adaptiveThreshold(erode12, binary2, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY_INV, 17, 10);
    
    //橫向膨脹拉伸 文字連片形成亮條
    cv::Mat dilateelement21 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(60,1));
    cv::Mat dilate21;
    dilate(binary2, dilate21, dilateelement21);

    //腐蝕一次，去掉細(xì)節(jié)，表格線等。這里去掉的是豎直的線
    cv::Mat erodeelement21 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(30,1));
    cv::Mat erode21;
    erode(dilate21, erode21, erodeelement21);

    //再次膨脹，讓輪廓明顯一些
    cv::Mat dilateelement22 = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5,1));
    cv::Mat dilate22;
    dilate(erode21, dilate22, dilateelement22);

    return dilate22;
}

+ (std::vector) findTextRegion:(cv::Mat) img {
    
    std::vector rects;
    std::vector heights;
    //1.查找輪廓
    std::vector > contours;
    std::vector hierarchy;
    cv::Mat m = img.clone();
    cv::findContours(img,contours,hierarchy,
                     cv::RETR_EXTERNAL,cv::CHAIN_APPROX_SIMPLE,cv::Point(0,0));
    //2.篩選那些面積小的
    for (int i = 0; i < contours.size(); i++) {
        //計(jì)算當(dāng)前輪廓的面積
        double area = cv::contourArea(contours[i]);
        //面積小于1000的全部篩選掉
        if (area < 1000)
            continue;
        //輪廓近似，作用較小，approxPolyDP函數(shù)有待研究
        double epsilon = 0.001*arcLength(contours[i], true);
        cv::Mat approx;
        approxPolyDP(contours[i], approx, epsilon, true);
        
        //找到最小矩形，該矩形可能有方向
        cv::RotatedRect rect = minAreaRect(contours[i]);
        
        //計(jì)算高和寬
        int m_width = rect.boundingRect().width;
        int m_height = rect.boundingRect().height;
        
        //篩選那些太細(xì)的矩形，留下扁的
        if (m_height > m_width * 1.2)
            continue;
        //過濾很扁的
        if (m_height < 20)
            continue;
        heights.push_back(m_height);
        //符合條件的rect添加到rects集合中
        rects.push_back(rect);
    }
    
    return rects;
}

這里還有幾個(gè)cv::Mat 與 UIImage相互轉(zhuǎn)換的方法一并提供

//從UIImage對(duì)象轉(zhuǎn)換為4通道的Mat，即是原圖的Mat
+ (cv::Mat)cvMatFromUIImage:(UIImage *)image
{
    CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);
    CGFloat cols = image.size.width;
    CGFloat rows = image.size.height;
    
    cv::Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels (color channels + alpha)
    
    CGContextRef contextRef = CGBitmapContextCreate(cvMat.data,
                                                    cols,
                                                    rows,
                                                    8,
                                                    cvMat.step[0],
                                                    colorSpace,
                                                    kCGImageAlphaNoneSkipLast |
                                                    kCGBitmapByteOrderDefault);
    
    CGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage);
    CGContextRelease(contextRef);
    
    return cvMat;
}

//從UIImage轉(zhuǎn)換單通道的Mat，即灰度值
+ (cv::Mat)cvMatGrayFromUIImage:(UIImage *)image
{
    CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);
    CGFloat cols = image.size.width;
    CGFloat rows = image.size.height;
    
    cv::Mat cvMat(rows, cols, CV_8UC1); // 8 bits per component, 1 channels
    
    CGContextRef contextRef = CGBitmapContextCreate(cvMat.data,
                                                    cols,
                                                    rows,
                                                    8,
                                                    cvMat.step[0],
                                                    colorSpace,
                                                    kCGImageAlphaNoneSkipLast |
                                                    kCGBitmapByteOrderDefault);
    
    CGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage);
    CGContextRelease(contextRef);
    
    return cvMat;
}

//將Mat轉(zhuǎn)換為UIImage
+ (UIImage *)UIImageFromCVMat:(cv::Mat)cvMat
{
    NSData *data = [NSData dataWithBytes:cvMat.data length:cvMat.elemSize()*cvMat.total()];
    CGColorSpaceRef colorSpace;
    
    if (cvMat.elemSize() == 1) {
        colorSpace = CGColorSpaceCreateDeviceGray();
    } else {
        colorSpace = CGColorSpaceCreateDeviceRGB();
    }
    
    CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data);
    
    // Creating CGImage from cv::Mat
    CGImageRef imageRef = CGImageCreate(cvMat.cols,
                                        cvMat.rows,
                                        8,
                                        8 * cvMat.elemSize(),
                                        cvMat.step[0],                            
                                        colorSpace,
                                        kCGImageAlphaNone|kCGBitmapByteOrderDefault,
                                        provider,
                                        NULL,
                                        false,
                                        kCGRenderingIntentDefault
                                        );
    
    
    // Getting UIImage from CGImage
    UIImage *finalImage = [UIImage imageWithCGImage:imageRef];
    CGImageRelease(imageRef);
    CGDataProviderRelease(provider);
    CGColorSpaceRelease(colorSpace);
    
    return finalImage;
}

結(jié)語(yǔ)

調(diào)試是一個(gè)反復(fù)修改流程、修改參數(shù)的過程，至于為什么是這樣的流程和參數(shù)都是不斷嘗試之后，通過主觀感受得到的結(jié)果，有興趣的小伙伴可以自己修改下參數(shù)看看效果，如果有更好的方案歡迎你來和我交流探討，還有，如果真的要運(yùn)用到項(xiàng)目中，這個(gè)方案還是不完善的，比如黑底白字就沒辦法識(shí)別，所以還需要加入邏輯判斷，進(jìn)行不同的處理，我這里只是提供一個(gè)思路。最后附上demo地址，由于openCV框架很大，需要自行下載加入工程，pod文件也沒有上傳，請(qǐng)自行pod install，最后...歡迎Star。

其他參考內(nèi)容

OpenCV處理拍照表格（一）