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，并构建了一个基闷早银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：查蚂宴找文档的边缘

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睁孝矩形显示了轮廓(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。

（一） opencv里面摄像机标定计算内参数矩阵用的是张正友标定法，非常经典，MATLAB标定工具箱也是用的该方法。具体的标定过程可以参见张正友的原文： http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf。或者参考博文：http://hi.baidu.com/chb_seaok/item/62179235eef8873c2e20c40b

（二） 基于opencv的摄像机标定用的主要函数有：

cvFindChessboardCorners：提取一幅图片上的所有角点。

cvFindCornerSubPix：亚像素精确化。

cvDrawChessboardCorners：显示角点。

cvCalibrateCamera2：标定摄像机参数，求出内参数矩阵，畸变系数，旋转向量和平移向量。

校正主要用的函数有2个：

cvInitUndistortMap：根据cvCalibrateCamera2计算出来的内参数矩阵和畸变系数计算畸变映射。

cvRemap：根据畸变映射校正图像。

（三）详细的过程及参考书籍：

1、《基于OpenCV的计算机视觉技术实现》 陈胜勇，刘盛编著 科学出版社,2008；(该书用OpenCV 1.0库，第14章详细介绍如何用opencv进行摄像机标定，包括摄像机标定的原理，opencv相关库函数详细的介绍以及例子)

2、《学习OpenCV（中文版）》拍桐 于仕琪译 清华大学出版社,2009；(OpenCV 2.0库，第11、12章详细介绍如何进行摄纳李像机标定以及三维重建)

3、OpenCV的标定参数中，对于镜头畸变采用的方法是Brown博士在71年发表的文章中提到的。

（四）MATLAB标定也在这里提一下：

http://www.vision.caltech.edu/bouguetj/calib_doc/index.html#examples，该网站有很详细的使用说明

matlab标定工具箱来进行标定，它也是基于张正友的平面标定方法的，有误差分析、标定结果三维重建、重投影计算角点等功能 。

Matlab中的镜头畸变参数采用基于Heikkil博士提出的方法，将非线性干扰因素引入到内外参数的求解过程。标定的过程需要手动选取四个角点，标定图片拍摄的多的话，比较麻烦。

（五）实验袭茄坦结果

自己买了个手机鱼眼镜头，拍摄了16幅标定板图片。注意拍摄的角度不要和成像平面平行。

示例程序049--摄像机标定和鱼眼校正

---