【图像处理】基于图像处理的纸张检测和提取

背景

• 给导师看了下自己的毕设系统，建议是可以添加一些互动性。可以在纸张检测上弄一下，也就是拍一张带有纸张的图像，然后提取出纸张边缘并提取出来。
• 提取出纸张有很多种方法，以前做车牌识别系统的时候，利用图像处理的方法定位出车牌的位置，用的是轮廓提取的方法， 首先找蓝色的区域（所以只能支持蓝色车牌），然后找到矩形轮廓区域，车牌矩形满足一定的宽高比例，然后就可以找到车牌了。然而纸张并不像车牌那样规规矩矩，有时候纸张会出现形变等情况，而且纸张内部如果写有字，可能也会影响纸张的提取，颜色提取就更不用说了，字迹和光照也会影响的。如何进行纸张检测和提取是一个有意思的研究。

方法

似乎有很多方法可以提取纸张，比如直线检测，找到直线相交的四个点，也可以基于边缘检测和轮廓法，深度学习方法来提取纸张，是一种很弟弟的行为，纸张内部的字、画等会严重影响其训练效果，图像处理方法就是个很不错的选择。然而，图像处理说简单其实似乎也不简单。这里我使用轮廓提取的方法来提取。

步骤：

（准备：白色A4纸张，背景桌面尽量纯色，然后再弄几张有代表性的复杂背景桌面，opencv，python）

• 缩放，统一尺寸
  由于是手机拍摄的，大部分是百万像素以上，4000x3000的像素，缩放到1000x750，方便处理，然后copy一张灰度的图像做主要处理图像。
• 滤波处理
  中值滤波，核大小为3x3，手机拍出来一般没啥噪声点，稍微简单处理下就就行了，或者不加。另外要说明的是，如果图像拍出来是模糊的，再滤波一下，会检测不到边缘的。
• 二值化
  用大津阈值分割法，自适应进行二值化。白色纸张
• 边缘检测
  有很多很多种边缘检测方法，最好用Canny，而且一般都用Canny法。边缘提取效果非常好。
• 提取轮廓
  轮廓的提取，opencv有findContours()函数，直接调用就行了，返回的contours对象，包含有n个带有m个点的数据，这m个点围起来就是一个轮廓，一共有n组。
• 筛选轮廓1
  第一次筛选，使用的方法很粗暴简单，提取的轮廓必须要大于100000，也就是说，750x1000=750000，要轮廓面积大于整个图像的1/7.5的，其它的直接pass掉，纸张肯定在图像里面，并且涵盖大部分区域
• 筛选轮廓2
  第二次筛选，要做一些处理，首先是提取凸包，得到凸包的角点，然后对这个凸包n边形进行拟合，拟合的结果，肯定是一个多边形，然后判断这个多边形是否为4边形就ok了。
• 仿射变换，提取
  在上一步中，会直接得到4个点，将这四个点进行排序，然后进行放射变换，就可以提取需要的结果了。

结果

不足之处，仍然有一些提取错误的，这些错误的图像，包含了纸张，但是也含有其它的部分，这是在提取轮廓这个步骤中失误的，因此在提取轮廓中，如何进行进一步筛选则是未来的一个问题，不过对于个人的毕设，利用上述步骤已经完全足够，因为背景并不复杂，结果如下：
下面全是图