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：openCV2.4/3+, python2.7/3+

上一章节我们完成了transform.py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scan.py。

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。

在VSLAM中得常见方法是提取特征点（SIFTORB什么的都可以），计算BoW，通过比较BoW来比较图像的相似度。我们测试过用GoogleNet深度网络来提取特征，再进行图像相似度比较，效果比BoW要好一些。

---