openCV进阶之二：自动校准扫描图像生成鸟瞰图

上一节介绍了如何openCV的透视转换方法的应用，并构建了一个基于给定四角点转换鸟瞰图的方法函数，这一节将继续这个运用，通过查找边缘的方法实现自动转换的功能。

实现步骤实际上很简单，只需要三步：

第一步：查找文档的边缘

第二步：通过边缘查找文档轮廓并找到四个角点的坐标

第三步：使用透视转换函数完成图像转换

下面的代码基于openCV/python的版本：openCV24/3+, python27/3+

上一章节我们完成了transformpy模块的构建，我们将在接下来的涉及图像四角点处理的问题中均会使用到。打开你的python编辑器，创建一个新的文档，并命名为scanpy。

接下来就是第一步：边缘查找：

测试一下效果：

shell

虽然背景有点不干净但是文档的边缘还是很明显的，接下来我们想办法查找文档的边缘并生成轮廓。

第二步：寻找轮廓：

事实上，在构建文档扫描器时，有一个非常重要的前提：扫描仪只是在一张纸上扫描。一张纸被假定为长方形，矩形有四条边。因此，我们可以创建一个简单的方法来帮助我们构建文档扫描器。我们假设图像中最大的轮廓恰好有四个点，这就是我们要扫描的那张纸。这也是一个相当安全的假设——当然，也可以人为的给定文档轮廓。

运行一下代码测试效果：shell中输入

正如您所看到的，我们已经成功地利用边缘检测图像找到了文档的轮廓(outline)，我的收据周围的绿色矩形显示了轮廓(outline)。最后，让我们进入步骤3，这将是用到four_point_transform函数。

第三步：转换图像：构建移动文档扫描器的最后一步是取代表文档大纲的四个点，并应用透视图转换来获得自顶向下的图像“鸟瞰图”。

我们将把两个参数传递给four_point_transform:第一个参数是我们从磁盘加载的原始图像(不是调整大小的图像)，第二个参数是表示文档的轮廓线，乘以调整大小的比例。

你可能会想，为什么要乘以调整后的比例 我们乘以调整后的比例，因为我们进行了边缘检测，在调整后的高度=500像素的图像上发现了轮廓。但是，我们希望对原始图像进行扫描，而不是对调整大小的图像进行扫描，因此我们将轮廓点乘以调整大小的比例。

为了获得图像的黑白感觉，我们将扭曲后的图像转换为灰度图像，并应用自适应阈值。

好的，我们来运行一下效果：

shell

好了，到目前为止，扫描图像到文档提取鸟瞰图的过程实现完成了。遗留问题：

实际上这个程序还有不少地方需要你的改进，比如要求转换的文档本身是规则的四边形，拍摄时尽量放在对比度明显的桌面背景，这样做的目的是为了避免边缘查找时出现多于四边的情况，多于四边的边缘后续轮廓查找会出现问题。也就是找不到合适的四边轮廓来匹配。

解决方案：可以采用人工标注四个角点的方式来提取轮廓更为可靠。因为在实际应用场景往往是不规则的文档。下一节我们来探讨这个方案实现过程。

呵呵，这个你首先要翻翻那本opencv的书了，上面有的，我在做image stitching，那方面研究的比较少，不过大体意思应该是两个相机照的照片，通过焦距，还有相对位置的变化，有一个公式进行计算的，不过我提供你一个简单的方法，就是在摄像头下面加一个激光头，就是十几块钱那种，和摄像头平行发光，然后通过激光在frame里的位置和激光头离镜片的距离这样一个类直角三角型算它的直角边，就是距离，呵呵，我的研究机器视觉博客：kangblogcom，里面有些肯能对你有帮助的，你可以看看去

你是用pence自带的camera_calibration标定程序吗

用这个程序应该是按"g"吧!

有三种模式:使用实时ip摄像头标,用保存的标,用usb摄像头标定

每种标定方式都要改变配置文件的

我重新编译了Calibration那个程序，然后自己写了个批处理bat文件，代码如下，删除txt，然后调用它

del /f /q list_of_images_auto(bmp)txt

dir bmp /B >> list_of_images_auto(bmp)txt

OpenCV_Example_Calibrationexe -w 7 -h 8 -s 5 -o cameratxt -op -oe list_of_images_auto(bmp)txt

pause

其中-o cameratxt表示输出参数的文件名。

不过这样用着不爽。

你看源代码里面

cvWrite( fs, "camera_matrix", camera_matrix );

cvWrite( fs, "distortion_coefficients", dist_coeffs );

的地方，知道什么意思了吧，向txt里面写这两个参数

我后来是这么存的

cvSave("DistortionMatrixxml",dist_coeffs);

cvSave("IntrinsicsMatrixxml",camera_matrix);

这样下次调用的时候可以直接用矩阵拿来计算矫正

intrinsic = (CvMat)cvLoad("IntrinsicsMatrixxml");

distortion = (CvMat)cvLoad("DistortionMatrixxml");

。。。

cvInitUndistortMap(this->imgprocessintrinsic, this->imgprocessdistortion, this->imgprocessmapx, this->imgprocessmapy);

等