机器视觉初级系列(9) - 找到图书的轮廓

图像几何轮廓特征

虽然计算机视觉、机器视觉属于人工智能的分支之一（人工智能包括有图像识别、语音识别、语义识别等），但是对于机器视觉来说，学习图像的几何特征有着非一般的重要意义。

为什么介么说，因为在本人实际的项目当中，很多时候处理算法都是基于图像的几何轮廓特征进行计算的，例如角点计算的几种算法HOG、SIFT、SUFT…都是基于图像的几何轮廓特征的基本理论上。

到近年来很重要、很热门的机器视觉领域SLAM（即时定位与地图构建）绝大部分理论都是基于图像几何轮廓特征，因此在这里简单初级地对图像几何轮廓特征进行初略带过一遍，造福后人。

---

举个栗子：找图书的轮廓

看看我们要做到的效果：

如上图所示，我们希望能简单地不使用SVM分类，深度学习CNN、R-CNN等神经网络方法，简单粗暴地准确识别出上图所示，摆放在桌子上的书呢？这里就用到了神秘而伟大的图像几何轮廓特征。

在介里，我们可以很清晰地看到在图像中有4本书，但是同样有其他一些障碍物（在实验环境中是有点和谐），例如有星爸爸的咖啡杯，杯垫。我们神秘而伟大的目标就是忽略那些其他参考物，然后准确地识别出桌子上面的书籍。

在真实情况下可能是手机app 万能扫描王里面的功能：我们用手机拍了张纸，希望高清地扫描进电脑，这时候你不用到打印店去扫描了，直接用手机吧，用我们这个程序吧。

今天我不打算像前几个文章系列那样使用opencv C++版本，因为使用python做demo是非常方便快捷，不用写那么多括号。

需要什么库呢？

为了能够顺利得到图像中的轮廓，我们需要下面两个库：

NumPy：方便数值运算。
OpenCV：不用我介绍了吧。

通过python和opencv在图像中找到书本

我们通过cv2.imread读取图片，然后对图像进行灰度图处理，以后无论把图像想转什么格式都统统使用cvtColor，而后面的需要主要的是使用BGR2而不是普通的RGB2。接着，通过对图像进行高斯模糊。使用高斯模糊的作用有两：1 去除图像中的噪音，也就是自动化通信领域的低通滤波。2 增加找到图书的精确度。

# import the necessary packages
import numpy as np
import cv2

# load the image, convert it to grayscale, and blur it
image = cv2.imread(